hacking in a very ugly manner a solution to #2... i should have worke…

…d with screenshots

Statistik_1.qmd

@@ -562,27 +562,52 @@ mean of the differences
                     3.9
 ```
 
-Welche Informationen davon werden benötigt:
+Welche Informationen davon werden benötigt: 
+
+
+::: {.content-visible when-format="html"}
+1. <span class="orange">Name des Tests (Methode)</span>
+2. <span class="red">Signifikanz/p-Wert (Verlässlichkeit des Ergebnisses)</span>
+3. <span class="magenta">Effektgrösse und -richtung (unser eigentliches Ergebnis!)</span>
+4. <span class="teal">ggf. Wert der Teststatistik und Freiheitsgrade ("Zwischenergebnisse")</span>
+:::
+
+::: {.content-visible when-format="pdf"}
+1. \colorbox{orange}{Name des Tests (Methode)}
+2. \colorbox{red}{Signifikanz/p-Wert (Verlässlichkeit des Ergebnisses)}
+3. \colorbox{magenta}{Effektgrösse und -richtung (unser eigentliches Ergebnis!)}
+4. \colorbox{teal}{ggf. Wert der Teststatistik und Freiheitsgrade ("Zwischenergebnisse")}
+:::
+
 
-1. Name des Tests (**Methode**)
-2. Signifikanz/*p*-Wert (**Verlässlichkeit des Ergebnisses**)
-3. Effektgrösse und -richtung (**unser eigentliches Ergebnis!**)
-4. ggf. Wert der Teststatistik und Freiheitsgrade("Zwischenergebnisse")
 
 Werfen wir noch einmal einen Blick auf den Output von R:
 
-```{.default}
-     Paired t-test
+<pre><code>
+     <span class="orange">Paired t-test</span>
 
 data: blume$a and blume$b
-t = 3.4821, df = 9, p-value = 0.006916
+<span class="teal">t = 3.4821, df = 9</span>, <span class="red">p-value = 0.006916</span>
 alternative hypothesis: true difference in means is not equal to 0
 95 percent confidence interval:
   1.366339 6.433661
 sample estimates:
-mean of the differences
-                    3.9
-```
+<span class="magenta">mean of the differences
+                    3.9</span>
+</code></pre>
+
+\begin{lstlisting}
+     |\colorbox{orange}{Paired t-test}|
+
+data: blume$a and blume$b
+|\colorbox{teal}{t = 3.4821, df = 9}|, |\colorbox{red}{p-value = 0.006916}|
+alternative hypothesis: true difference in means is not equal to 0
+95 percent confidence interval:
+  1.366339 6.433661
+sample estimates:
+|\colorbox{magenta}{mean of the differences}|
+                    |\colorbox{magenta}{3.9}|
+\end{lstlisting}
 
 Wichtig ist es, bei aller "Begeisterung" für die *p*-Werte nicht unser eigentliches Ergebnis zu vergessen, d. h. die Antwort auf die Frage ob die Blüten von A oder von B grösser sind und wenn ja wie stark (blau). Ob Freiheitsgrade und der Wert der Teststatistik angegeben werden müssen, darüber gehen die Geschmäcker auseinander. Wenn man die Daten korrekt in R eingegeben hat, spezifiziert R die Freiheitsgrade automatisch und bei gegebenen Freiheitsgraden ist die Beziehung von *t* zu *p* eindeutig. Deshalb genügt es m. E. *p* anzugeben. (Aber wenn der Betreuer oder die Editorin auch noch *t* und *df* haben wollen, dann sollte man sie parat haben). Ein adäquater Satz im Ergebnisteil, der den
 obigen R *output* zusammenfasst, lautet daher:

Statistik_2.qmd

@@ -558,24 +558,49 @@ Wie wir sehen, tauchen wiederum der *F*-Wert (28.03) und sogar zweimal der *p*-W
 
 Werfen wir noch einmal einen Blick auf den Output von R:
 
-```{.default}
+<pre><code>
 Coefficients:
              Estimate Std. Error t value Pr(>|t|)    
-(Intercept)  25.60502    1.26440  20.251 3.25e-11 ***
-N.deposition -0.26323    0.04972  -5.294 0.000145 ***
+(Intercept)  <span class="magenta">25.60502</span>    1.26440  20.251 3.25e-11 ***
+N.deposition <span class="magenta">-0.26323</span>    0.04972  -5.294 <span class="red">0.000145 ***</span>
 […]
-Residual standard error: 2.889 on 13 degrees of freedom
-Multiple R-squared:  0.6831,	Adjusted R-squared:  0.6588 
+<span class="lime">Residual standard error: 2.889 on 13 degrees of freedom</span>
+<span class="teal">Multiple R-squared:  0.6831</span>,	<span class="teal">Adjusted R-squared:  0.6588</span> 
 F-statistic: 28.03 on 1 and 13 DF,  p-value: 0.0001453
-```
+</code></pre>
+
+\begin{lstlisting}
+
+Coefficients:
+             Estimate Std. Error t value Pr(>|t|)    
+(Intercept)  |\colorbox{magenta}{25.60502}|    1.26440  20.251 3.25e-11 ***
+N.deposition |\colorbox{magenta}{-0.26323}|    0.04972  -5.294 |\colorbox{red}{0.000145 ***}|
+[…]
+|\colorbox{lime}{Residual standard error: 2.889 on 13 degrees of freedom}|
+|\colorbox{teal}{Multiple R-squared:  0.6831}|,	|\colorbox{teal}{Adjusted R-squared:  0.6588}| 
+F-statistic: 28.03 on 1 and 13 DF,  p-value: 0.0001453
+\end{lstlisting}
+
 
 Wir benötigen
 
-1. **Name des Verfahrens (Methode)**: Einfache lineare Regression (mit der Methode der kleinsten Quadrate).
-2. **Signifikanz (Verlässlichkeit des Ergebnisses)**: *p*-Wert der Steigung, nicht der *p*-Wert des Achsenabschnittes (wird nach üblicher Konvention auf drei Nachkommastellen gerundet oder, wenn unter 0.001, dann als *p* < 0.001 angegeben).
-3. **Effektgrösse und -richtung (unser eigentliches Ergebnis!)**: Im Falle einer linearen Regression ist das die Funktionsgleichung, die sich aus den Schätzungen der Koeffizienten ergibt. 
-4. **Erklärte Varianz (Relevanz des Ergebnisses)**: Wie viel der Gesamtvariabilität der Daten wird durch das Modell erklärt? Ob $R^2$ oder $R_\text{adj.}^2$ angegeben werden sollte, wird unterschiedlich gesehen, jedenfalls sollte man explizit sagen, was gemeint ist. $R^2$ ist übrigens der quadrierte Wert von Pearsons Korrelationskoeffizienten *r*.
-5. **ggf. Wert der Teststatistik mit den Freiheitsgraden ("Zwischenergebnisse")**: $F_{1,2} = 11.34$
+::: {.content-visible when-format="html"}
+1. <span class="orange">Name des Verfahrens (Methode)</span>: Einfache lineare Regression (mit der Methode der kleinsten Quadrate).
+2. <span class="red">Signifikanz (Verlässlichkeit des Ergebnisses)</span>: *p*-Wert der Steigung, nicht der *p*-Wert des Achsenabschnittes (wird nach üblicher Konvention auf drei Nachkommastellen gerundet oder, wenn unter 0.001, dann als *p* < 0.001 angegeben).
+3. <span class="magenta">Effektgrösse und -richtung (unser eigentliches Ergebnis!)</span>: Im Falle einer linearen Regression ist das die Funktionsgleichung, die sich aus den Schätzungen der Koeffizienten ergibt. 
+4. <span class="teal">Erklärte Varianz (Relevanz des Ergebnisses)</span>: Wie viel der Gesamtvariabilität der Daten wird durch das Modell erklärt? Ob $R^2$ oder $R_\text{adj.}^2$ angegeben werden sollte, wird unterschiedlich gesehen, jedenfalls sollte man explizit sagen, was gemeint ist. $R^2$ ist übrigens der quadrierte Wert von Pearsons Korrelationskoeffizienten *r*.
+5. <span class="lime">ggf. Wert der Teststatistik mit den Freiheitsgraden ("Zwischenergebnisse")</span>: $F_{1,2} = 11.34$
+:::
+
+
+::: {.content-visible when-format="pdf"}
+1. \colorbox{orange}{Name des Verfahrens (Methode)}: Einfache lineare Regression (mit der Methode der kleinsten Quadrate).
+2. \colorbox{red}{Signifikanz (Verlässlichkeit des Ergebnisses)}: *p*-Wert der Steigung, nicht der *p*-Wert des Achsenabschnittes (wird nach üblicher Konvention auf drei Nachkommastellen gerundet oder, wenn unter 0.001, dann als *p* < 0.001 angegeben).
+3. \colorbox{magenta}{Effektgrösse und -richtung (unser eigentliches Ergebnis!)}: Im Falle einer linearen Regression ist das die Funktionsgleichung, die sich aus den Schätzungen der Koeffizienten ergibt. 
+4. \colorbox{teal}{Erklärte Varianz (Relevanz des Ergebnisses)}: Wie viel der Gesamtvariabilität der Daten wird durch das Modell erklärt? Ob $R^2$ oder $R_\text{adj.}^2$ angegeben werden sollte, wird unterschiedlich gesehen, jedenfalls sollte man explizit sagen, was gemeint ist. $R^2$ ist übrigens der quadrierte Wert von Pearsons Korrelationskoeffizienten *r*.
+5. \colorbox{lime}{ggf. Wert der Teststatistik mit den Freiheitsgraden ("Zwischenergebnisse")}: $F_{1,2} = 11.34$
+:::
+
 
 Ein adäquater Ergebnistext könnte daher wie folgt lauten:
 

_quarto.yml

@@ -30,6 +30,7 @@ lang: de
 number-depth: 0
 number-sections: false #
 
+
 format:
     html:
       toc: true

custom_styles/html/script.html

@@ -3,7 +3,7 @@
     inputs = document.querySelectorAll("pre.sourceCode.r")
     inputs.forEach(function(input){input.parentElement.classList.add("input")})
 
-    outputs = document.querySelectorAll("pre.sourceCode.default")
+    outputs = document.querySelectorAll("pre.sourceCode.default, pre.sourceCode.bash")
     outputs.forEach(function(output){output.parentElement.classList.add("output")})
 
 </script>

custom_styles/html/style.css

@@ -16,6 +16,40 @@ div.input{
 div.output{
   border-color: lightskyblue;
  }
+
+
+
+ /*
+This next section is to highlight code
+ */
+.orange,
+.colorbox[data-options="orange"]{
+  background-color: orange;
+}
+
+.red,
+.colorbox[data-options="red"]{
+  background-color: red;
+ }
+
+.teal,
+.colorbox[data-options="teal"]
+{
+  background-color: teal;
+ }
+
+.magenta,
+.colorbox[data-options="magenta"]{
+  background-color: magenta;
+ }
+
+ .lime,
+ .colorbox[data-options="lime"]{
+   background-color: lime;
+  }
+
+
+
 
  /* .sourceCode.default.code-with-copy {
    border-style: dashed;

custom_styles/pdf/in-header.tex

@@ -4,6 +4,8 @@
 \usepackage{geometry}
 
 \usepackage{fontspec}
+\usepackage{listings}
+\lstset{basicstyle=\ttfamily,escapeinside={||}}
 % \setmainfont{Arial Regular}