Arbeiten zusammen:
- Jamie Beu
- Julianne Kitzinger
- Arian Temouri


Fehlende Daten:
- 59513b5256dc16e99c505915cdd84aa1
- 6948c64227d75cd50901c246be88e264
- a22ad77be0d478b5fe34d1167d4dbb3a
- a96f7c881d27b739c38b81da2058a2fb
- c6679ce22dfd5646f81d40a8dbb0236b
 
Beispiele:

>[!danger]
>```C
>void (*(*f[])())()
>```
>*defines **f** as an array of unspecified size of pointers to functions that return pointers to functions that return void*

Congyu Ding
Annemike Rörig


```python
def fakultaet_generator(n: int) -> int:
    """
    Generiert mittels ChatGPT (26.11.2025)
    
    Prompt: "..."
    
    - Berechnung der Fakultät
    - Robuste Fehlerbehandlung
    - Benötigt für Berechnung XXX
    """
    
    # Robuste Fehlerbehandlung bei Werten kleiner 0
    if n < 0:
	    raise ValueError("Die Fakultät ist nur für nicht-negative Zahlen definiert.")
	    
	# Berechnung der Fakultät mittels aufmultiplizieren
    ergebnis = 1
    for i in range(1, n + 1):
        ergebnis *= i
        yield ergebnis
```


Ideen:
- Stock Market Simulation (Animal Crossing)
- Gini Index
938-828
791-748



```python
# Binäre Variable: Vegan = 1, Nicht-Vegan = 0
df['ist_vegan'] = (df['Ernährung'] == 'Vegan').astype(int)

# Filter: mindestens 2 Instagram-Accounts UND mindestens einer privat
h2_data = df[
	(df['Instagram_Anzahl'] >= 2) & (df['Instagram_Privat'] == 'Ja')
	]

# Gruppen
vegan_mit = h2_data['ist_vegan']
vegan_ohne = df[
	(df['Instagram_Anzahl'] < 2) | (df['Instagram_Privat'] != 'Ja')
	]['ist_vegan']

# Independent t-test
t_stat, p_value = ttest_ind(vegan_mit, vegan_ohne)

vegan_pct_mit = vegan_mit.mean() * 100
vegan_pct_ohne = vegan_ohne.mean() * 100
```


$$\text{Birth Rate} = \frac{B}{P} * 1000$$

# Projekte
- [Social Media Addiction](https://www.kaggle.com/datasets/adilshamim8/social-media-addiction-vs-relationships)
- [Movies & Shows](https://www.kaggle.com/datasets/shivamb/amazon-prime-movies-and-tv-shows)




Annemike Rörig anschreiben