Zeichnen von Konfidenzintervallbalken aus zusammenfassenden Statistiken

Ein bisschen wie ein Boxplot. Ich meine nicht unbedingt das Standard-obere Konfidenzintervall, das untere Konfidenzintervall, den Mittelwert und die Box-Plots, die den Datenbereich anzeigen, aber ich meine wie ein Box-Plot mit nur den drei Daten: dem 95% -Konfidenzintervall und dem Mittelwert .

Dies ist ein Screenshot eines Zeitschriftenartikels, der genau das hatte, was ich wollte:

Ich würde auch gerne wissen, wie ich die vom Antwortenden erwähnte Software verwenden würde, um eine solche Handlung zu erstellen.

In MATLAB möchten Sie möglicherweise die Fehlerbalkenfunktion ausprobieren : http://www.mathworks.de/de/help/matlab/ref/errorbar.html

Alternativ können Sie dies auch dumm und manuell tun. Bei einer Matrix von Datenpunkten "a" können Sie beispielsweise Ihre Mittelwerte mit der Funktion m = Mittelwert (a) berechnen, Ihre CIs berechnen (je nachdem, welches CI Sie benötigen) und die Ergebnisse von Hand zeichnen.

Demonstration, wenn Sie den Mittelwert und den CI bereits kennen, vorausgesetzt, CIs befinden sich in einer Matrix CI (erste und zweite Spalte) und Mittelwerte befinden sich in einer Matrix a :

plot(1:length(CI),a,'o','markersize', 10)           % plot the mean
hold on;
plot(1:length(CI),CI(1,:),'v','markersize', 6)              % plot lower CI boundary
hold on;
plot(1:length(CI),CI(2,:),'^','markersize', 6)              % plot upper CI boundary
hold on;

for I = 1:length(CI)                                        % connect upper and lower bound with a line
line([I I],[CI(1,I) CI(2,I)])
hold on;
end;

axis([0 length(CI)+1 min(CI(1,:))*0.75 max(CI(2,:))*1.25])  % scale axis

Demonstration in dem Fall, in dem Sie Einzelmessungen kennen, für ein Experiment mit wiederholten Messungen 3+ Bedingungen, eine Bedingung pro Spalte, ein Subjekt pro Zeile in Matrix a, keine fehlenden Proben, 95% CI wie nach MATLABs ttest () :

[H,P,CI] = ttest(a);                                        % calculate 95% CIs for every column in matrix a
                                                            % CIs are now in the matrix CI!

plot(1:length(CI),[mean(a)],'o','markersize', 10)           % plot the mean
hold on;
plot(1:length(CI),CI(1,:),'v','markersize', 6)              % plot lower CI boundary
hold on;
plot(1:length(CI),CI(2,:),'^','markersize', 6)              % plot upper CI boundary
hold on;

for I = 1:length(CI)                                        % connect upper and lower bound with a line
line([I I],[CI(1,I) CI(2,I)])
hold on;
end;

axis([0 length(CI)+1 min(CI(1,:))*0.75 max(CI(2,:))*1.25])  % scale axis

Schauen Sie, ob dies Ihnen hilft. R-Lösung:

par(mfrow=c(2,1)) # to stack the charts on column

#Dataset 1

upperlimit = c(10,12,8,14)
lowerlimit = c(5,9,4,7)
mean = c(8,10,6,12)

df = data.frame(cbind(upperlimit,lowerlimit,mean))

plot(df$mean, ylim = c(0,30), xlim = c(1,4))

install.packages("plotrix")
require(plotrix)
plotCI(df$mean,y=NULL, uiw=df$upperlimit-df$mean, liw=df$mean-df$lowerlimit, err="y",      pch=20, slty=3, scol = "black", add=TRUE)

#Dataset 2

upperlimit_2 = upperlimit*1.5
lowerlimit_2 = lowerlimit*0.8
mean_2 = upperlimit_2-lowerlimit_2

df_2 = data.frame(cbind(upperlimit_2,lowerlimit_2,mean_2))

plot(df$mean_2, ylim = c(0,30), xlim = c(1,4))

plotCI(df_2$mean_2,y=NULL, uiw=df_2$upperlimit_2-df_2$mean_2, liw=df_2$mean_2-   df_2$lowerlimit_2, err="y", pch=20, slty=3, scol = "black", add=TRUE)

rm(upperlimit,lowerlimit,mean,df,upperlimit_2,lowerlimit_2,mean_2,df_2) #remove the objects stored from workspace

par(mfrow=c(1,1)) # go back to default (one graph at a time)

Diese Art von Plot in R mit ggplot2, obwohl Sie möglicherweise ein wenig an der Schriftgröße der Achse herumspielen müssen:

library(ggplot2)
data.estimates = data.frame(
  var   = c('1', '2', '3', '4', '5', '6', '7', '8', '9'),
  par = c(1.12210,0.18489,1.22011,1.027446235,0.43521,0.53464,1.93316,-0.43806,-0.12029),
  se = c(0.42569,0.32162,0.58351,0.771608551,0.24803,0.65372,0.92717,0.45939,0.51558))
data.estimates$idr <- exp(data.estimates$par)
data.estimates$upper <- exp(data.estimates$par + (1.96*data.estimates$se))
data.estimates$lower <- exp(data.estimates$par - (1.96*data.estimates$se))

p2 <- ggplot(data.estimates, aes(var,idr, size=10)) + theme_bw(base_size=10)
p2 + geom_point() +geom_errorbar(aes(x = var, ymin = lower, ymax = upper, size=2), width = 0.2) + scale_y_log10(limits=c(0.1, 50), breaks=c(0.1, 0.5, 1, 5, 10, 25, 50)) + xlab("Site") + ylab("RR")

Verwenden Sie in Stata serrbaroder ciplot(SSC) oder eclplot(Stata Journal, SSC).

Angenommen, Sie haben Zugriff auf die Originaldaten, können Sie dies in R mit der Funktion lineplot.CI in der Sciplot-Bibliothek tun

Beispiel mit mtcars-Datensatz:

lineplot.CI(x.factor=gear, response=mpg, group=vs, data=mtcars)

Beachten Sie, dass lineplot.CI standardmäßig SE-Balken zeichnet (es kann geändert werden, indem eine neue Funktion mit dem Argument ci.fun definiert wird, um 95% CI-Intervalle zu zeichnen).

lineplot.CI(x.factor=gear, response=mpg, group=vs, data=mtcars, ci.fun=function(x) c(mean(x)-1.96*se(x), mean(x)+1.96*se(x)))

Dies könnte in R mit points()(oder plot(..., type="p")) und erfolgen segments(). Möglicherweise gibt es auch R-Funktionen, mit denen die CIs für Sie erstellt werden können, für die jedoch möglicherweise die Originaldaten erforderlich sind. Die mehreren Panels in derselben Figur erstellt mit par(mfrow=c(4,1)). Wenn Sie kein R kennen, ist dies schwer zu bewerkstelligen (wie in, Sie müssten ein bisschen mehr R lernen oder jemanden bitten, mit Ihrem spezifischen Datensatz zu helfen).

GraphPad Prism kann diese Art von Diagramm einfach erstellen und Fehlerbalken aus den von Ihnen eingegebenen Fehlerwerten zeichnen . Erstellen Sie eine gruppierte Tabelle, die für die Eingabe von Mittelwert, - Fehler und + Fehler formatiert ist.