Experiment 2: Eure Spiele als Vektoren

In der ersten Phase habt ihr festgelegt, was ihr von jedem Spiel festhaltet: hinter welcher Tür das Auto stand, welche Tür zuerst gewählt wurde, welche der Moderator geöffnet hat und ob die Person geblieben ist oder gewechselt hat. Jetzt bekommen diese vier Angaben ihre Form in R. Viele Spiele lassen sich als vier Vektoren aufschreiben, einer je Angabe, in denen die erste Stelle immer zum ersten Spiel gehört, die zweite zum zweiten und so weiter. Die Folien zeigen an genau diesen vier Angaben, wie R Vektoren hält.

Spielen

Spielt im Drei-Türen-Spiel mindestens zwanzig Spiele und wechselt euch dabei ab. Entscheidet nicht immer gleich, sondern bleibt ungefähr in der Hälfte der Spiele und wechselt in der anderen. Das Spiel schreibt jede Runde mit und zeigt sie auf Wunsch als R-Code, einen Vektor je Angabe. Speichert eure Spiele außerdem als CSV und als RDS; die Dateien braucht ihr in der nächsten Phase.

Auswerten

Unten stehen zehn Beispielspiele. Ersetzt sie durch eure eigenen: Kopiert den R-Code aus dem Spiel und fügt ihn statt der vier Zeilen ein.

Aufgabe: Beantwortet mit R, jede Frage mit einer Zeile unter den Vektoren:

1. Wie oft lag die erste Wahl schon richtig, als Anteil aller Spiele?
2. Welche Spiele wurden gewonnen? Legt dafür einen Vektor won mit TRUE oder FALSE an. Gewonnen hat, wer geblieben ist und gleich richtig lag, oder wer gewechselt hat und zuerst falsch lag.
3. Wie viel Prozent aller Spiele wurden gewonnen?
4. In wie viel Prozent der Spiele ist die Person geblieben?
5. Wie oft gewinnt, wer bleibt, und wie oft, wer wechselt?

prize_door <- c(2, 1, 3, 3, 1, 2, 2, 3, 1, 1)
contestant_choice <- c(2, 3, 1, 1, 1, 1, 3, 2, 2, 1)
monty_opens <- c(1, 2, 2, 2, 3, 3, 1, 1, 3, 2)
decision <- c("stay", "switch", "stay", "switch", "switch", "stay", "switch", "stay", "switch", "stay")

length(prize_door)

mean(prize_door == contestant_choice)        # 1.: 0.3

won <- (decision == "stay" & prize_door == contestant_choice) |
  (decision == "switch" & prize_door != contestant_choice)
mean(won)                                    # 3.: 0.6
mean(decision == "stay")                     # 4.: 0.5
mean(won[decision == "stay"])                # 5.: 0.4
mean(won[decision == "switch"])              # 5.: 0.8