diff --git a/lab/04_statystyczny_model_językowy.ipynb b/lab/04_statystyczny_model_językowy.ipynb
index c5e020b..39edd65 100644
--- a/lab/04_statystyczny_model_językowy.ipynb
+++ b/lab/04_statystyczny_model_językowy.ipynb
@@ -26,33 +26,30 @@
   },
   {
    "cell_type": "code",
-   "execution_count": 36,
+   "execution_count": 3,
    "metadata": {},
    "outputs": [],
    "source": [
     "class Model():\n",
     "    \n",
-    "    def __init__(self, vocab_size=30_000, UNK_token= '<UNK>'):\n",
+    "    def __init__(self, vocab_size=30_000, UNK_token= '<UNK>', n=2):\n",
+    "        # n - parametr dla \"n\"-gramów\n",
     "        pass\n",
     "    \n",
-    "    def train(corpus:list) -> None:\n",
+    "    def train(self, corpus:list) -> None:\n",
     "        pass\n",
     "    \n",
-    "    def get_conditional_prob_for_word(text: list, word: str) -> float:\n",
+    "    def get_conditional_prob_for_word(self, text: list, word: str) -> float:\n",
     "        pass\n",
     "    \n",
-    "    def get_prob_for_text(text: list) -> float:\n",
+    "    def get_prob_for_text(self, text: list) -> float:\n",
     "        pass\n",
     "    \n",
-    "    def most_probable_next_word(text:list) -> str:\n",
+    "    def most_probable_next_word(self, text:list) -> str:\n",
     "        'nie powinien zwracań nigdy <UNK>'\n",
     "        pass\n",
     "    \n",
-    "    def high_probable_next_word(text:list) -> str:\n",
-    "        'nie powinien zwracań nigdy <UNK>'\n",
-    "        pass\n",
-    "    \n",
-    "    def generate_text(text_beggining:list, length: int, greedy: bool) -> list:\n",
+    "    def generate_text(self, text_beggining:list, length: int, greedy: bool) -> list:\n",
     "        'nie powinien zwracań nigdy <UNK>'\n",
     "        pass"
    ]
@@ -91,10 +88,12 @@
     "- Wymyśl 5 krótkich zdań. Dla każdego oblicz jego prawdopodobieństwo.\n",
     "- Napisz włąsnoręcznie funkcję, która liczy perplexity na korpusie i policz perplexity na każdym z modeli dla podzbiorów train i test.\n",
     "- Wygeneruj tekst, zaczynając od wymyślonych 5 początków. Postaraj się, żeby dla obu funkcji, a przynajmniej dla `high_probable_next_word`, teksty były orginalne.\n",
-    "- Stwórz model dla korpusu z ZADANIE 1 i policz perplexity dla każdego z tekstów (zrób split 90/10) dla train i test.\n",
+    "- Stwórz model dla korpusu z ZADANIE 1 i policz perplexity dla każdego z tekstów (zrób split 9:1) dla train i test.\n",
+    "\n",
+    "Dodatkowo:\n",
     "- Dokonaj klasyfikacji za pomocą modelu językowego.\n",
-    "- Zastosuj wygładzanie metodą Laplace'a.\n",
-    "- Znajdź duży zbiór danych dla klasyfikacji binarnej, wytrenuj osobne modele dla każdej z klas i użyj dla klasyfikacji."
+    "    - Znajdź duży zbiór danych dla klasyfikacji binarnej, wytrenuj osobne modele dla każdej z klas i użyj dla klasyfikacji.\n",
+    "- Zastosuj wygładzanie metodą Laplace'a."
    ]
   },
   {