Skip to content
Snippets Groups Projects
Commit 71d712b2 authored by luebby's avatar luebby
Browse files

Verbesserungsvorschläge von @DoktorPi

parent ccf86fab
Branches
No related tags found
No related merge requests found
...@@ -28,7 +28,7 @@ source("random-praise_de/translation_random-praise_de.R") ...@@ -28,7 +28,7 @@ source("random-praise_de/translation_random-praise_de.R")
library(learnr) library(learnr)
library(mosaic) library(mosaic)
library(DT)
set.seed(1896) set.seed(1896)
...@@ -52,9 +52,9 @@ gehalt <- faehigkeit * 10 * ...@@ -52,9 +52,9 @@ gehalt <- faehigkeit * 10 *
# Datentabelle zusammensetzen # Datentabelle zusammensetzen
GPG <- data.frame( GPG <- data.frame(
geschlecht = geschlecht, geschlecht = geschlecht,
faehigkeit = faehigkeit, faehigkeit = round(faehigkeit),
vorstand = vorstand, vorstand = vorstand,
gehalt= gehalt) gehalt = round(gehalt,-2))
``` ```
## Lernziele ## Lernziele
...@@ -160,8 +160,29 @@ Treffen wir zusätzlich noch quantitative Modellannahmen für das Beispiel: ...@@ -160,8 +160,29 @@ Treffen wir zusätzlich noch quantitative Modellannahmen für das Beispiel:
3. Ob jemand im Vorstand ist, hängt ab von `faehigkeit` und `geschlecht`. Dies modellieren wir indem ein Mann ab einer `faehigkeit` größer als 115 in den Vorstand kommt, eine Frau erst ab 130. Frauen müssen also fähiger sein als Männer um in den Vorstand zu kommmen &ndash; so hier die Annahme. 3. Ob jemand im Vorstand ist, hängt ab von `faehigkeit` und `geschlecht`. Dies modellieren wir indem ein Mann ab einer `faehigkeit` größer als 115 in den Vorstand kommt, eine Frau erst ab 130. Frauen müssen also fähiger sein als Männer um in den Vorstand zu kommmen &ndash; so hier die Annahme.
```{r plot, echo=FALSE, fig.align='center', out.width="60%", message=FALSE}
xpnorm(115, mean = 100, sd = 15, return = "plot") %>% gf_labs(title = "Vorstand für Männer", x = "Fähigkeit", y = "Dichte")
xpnorm(130, mean = 100, sd = 15, return = "plot") %>% gf_labs(title = "Vorstand für Frauen", x = "Fähigkeit", y= "Dichte")
```
4. Das `gehalt` setzt sich zusammen aus `faehigkeit` ($\cdot 10$). Es ist im `vorstand` doppelt so hoch und für Männer noch einmal $5\%$ höher. Fähigere Leute verdienen mehr, Mitglieder des Vorstands verdienen mehr und Männer verdienen mehr. 4. Das `gehalt` setzt sich zusammen aus `faehigkeit` ($\cdot 10$). Es ist im `vorstand` doppelt so hoch und für Männer noch einmal $5\%$ höher. Fähigere Leute verdienen mehr, Mitglieder des Vorstands verdienen mehr und Männer verdienen mehr.
$$\text{gehalt} = \text{faehigkeit} \cdot 10 \cdot \begin{cases}2, \,\text{ist Vorstand} \\ 1, \,\text{sonst} \end{cases} \cdot \begin{cases}1.05, \,\text{ist Mann} \\ 1, \,\text{sonst} \end{cases}.$$ $$\text{gehalt} = \text{faehigkeit} \cdot 10 \cdot \begin{cases}2, \,\text{ist Vorstand} \\ 1, \,\text{sonst} \end{cases} \cdot \begin{cases}1.05, \,\text{ist Mann} \\ 1, \,\text{sonst} \end{cases}.$$
```{r plot2, echo=FALSE, fig.align='center', out.width="60%", message=FALSE}
mov <- data.frame(x1 = 50, x2 = 115, y1 = 50*10*1.05, y2=115*10*1.05)
miv <- data.frame(x1 = 115, x2 = 150, y1 = 115*10*2*1.05, y2=150*10*2*1.05)
fov <- data.frame(x1 = 50, x2 = 130, y1 = 50*10*1, y2=115*10*1)
fiv <- data.frame(x1 = 130, x2 = 150, y1 = 115*10*2*1, y2=150*10*2*1)
gf_segment(y1 + y2 ~ x1 + x2, data = mov, color = "purple") %>%
gf_segment(y1 + y2 ~ x1 + x2, data = miv, color = "purple") %>%
gf_segment(y1 + y2 ~ x1 + x2, data = fov, color = "orange") %>%
gf_segment(y1 + y2 ~ x1 + x2, data = fiv, color = "orange") %>%
gf_labs(x="Fähigkeit", y="Gehalt") +
annotate("text", label="Männer", x = 60, y= 3000, color = "purple")+
annotate("text", label="Frauen", x = 60, y= 2500, color = "orange")
```
Um dies in `R` für z. B. $n=1000$ Mitarbeiter:innen zu simulieren kann folgender Code verwendet werden: Um dies in `R` für z. B. $n=1000$ Mitarbeiter:innen zu simulieren kann folgender Code verwendet werden:
...@@ -188,18 +209,19 @@ gehalt <- faehigkeit * 10 * ...@@ -188,18 +209,19 @@ gehalt <- faehigkeit * 10 *
ifelse(vorstand == "j", 2, 1) * ifelse(vorstand == "j", 2, 1) *
ifelse(geschlecht == "m", 1.05, 1) ifelse(geschlecht == "m", 1.05, 1)
# Datentabelle zusammensetzen # Datentabelle zusammensetzen, Werte runden
GPG <- data.frame( GPG <- data.frame(
geschlecht = geschlecht, geschlecht = geschlecht,
faehigkeit = faehigkeit, faehigkeit = round(faehigkeit),
vorstand = vorstand, vorstand = vorstand,
gehalt = gehalt) gehalt = round(gehalt,-2))
``` ```
<br> <br>
<span style="color:#301a87;">&#10146;</span> Ein Einblick in die simulierten Daten: <span style="color:#301a87;">&#10146;</span> Ein Einblick in die simulierten Daten:
```{r, echo=FALSE} ```{r, echo=FALSE}
knitr::kable(head(GPG, 5)) datatable(GPG)
``` ```
......
0% Loading or .
You are about to add 0 people to the discussion. Proceed with caution.
Please register or to comment