小编lle*_*lls的帖子

我试图用纵向设计来估算数据集中的数据.有两个预测因子(实验组和时间)和一个结果变量(分数).聚类变量是id.

这是玩具数据

set.seed(345)
A0 <- rnorm(4,2,.5)
B0 <- rnorm(4,2+3,.5)
A1 <- rnorm(4,6,.5)
B1 <- rnorm(4,6+2,.5)
A2 <- rnorm(4,10,.5)
B2 <- rnorm(4,10+1,.5)
A3 <- rnorm(4,14,.5)
B3 <- rnorm(4,14+0,.5)
score <- c(A0,B0,A1,B1,A2,B2,A3,B3)
id <- rep(1:8,times = 4, length = 32)
time <- rep(0:3, each = 8, length = 32)
group <- rep(c("A","B"), times =2, each = 4, length = 32)
df <- data.frame(id = id, group = group, time = time,  score = score)

# plots
(ggplot(df, aes(x = time, y = …

我在工作流程方面遇到了问题,因为我在rmarkdown中采购了多个脚本,其中一些需要包dplyr,其中一些使用plyr.

问题是该rename函数存在于两个包中,如果dplyr当前连接,则该rename函数plyr将不起作用.

如何在我的脚本中包含一个检查是否dplyr附加的函数,如果是,则将其分离？

我知道如何通过分离包detach("package:dplyr", unload = TRUE).我不知道的是如何检查是否附加了包裹.

我开始探索包boot()中功能的局限性boot。我刚刚弄清楚如何从一次调用中提取多个统计信息，但我不知道如何对它们进行索引。

bs <- function(formula, data, indices) {
  d <- data[indices,] # allows boot to select sample
  fit <- lm(formula, data=d)
  return(c(coef(fit), summary(fit)$r.squared)) # four stats extracted 
}

现在引导 1000 次复制。

(results <- boot(data = mtcars, statistic = bs, R = 1000, formula = mpg ~ wt + disp))

现在，如果我们绘制并尝试获得该对象的 95% CI，我们只能获得第一个统计数据，在本例中为模型的截距。

plot(results)
boot.ci(results, type="bca")

# BOOTSTRAP CONFIDENCE INTERVAL CALCULATIONS
# Based on 1000 bootstrap replicates
# 
# CALL : 
#   boot.ci(boot.out = results, type = "bca") …

在这个关于交叉验证的优秀文章中，一个答案提到，纠正多重比较的置信区间相对容易。

我想知道这是否可以使用 R 中的 multcomp 包

下面是一个使用来自基础 R 的数据集的示例模型，这是一个从预测变量列表中mtcars预测每加仑英里数 ( ) 的多元回归。mpg

set.seed(1234)
df <- mtcars

# which variables predict miles per gallon?
sumMod <- summary(mod <- lm(formula = mpg ~ cyl + disp + hp + drat + wt + qsec + vs + gear,
                            data = df))

multcomp现在使用该函数通过包运行模型glht。

# adjust using multcomp
library(multcomp)
K <- length(coefficients(mod))
modGLHT <- glht(model = mod,
                linfct = diag(K))

您可以使用包函数中的参数选择multcomp调整方法test = adjusted(type …

根据这篇文章中的建议，我试图将衬线字体（或字体“系列”）安装到 R 中，以便我可以将 ggplots 保存为 .eps 文件。尽管提供的建议有效，但我想尝试解决该问题以供将来使用。

这是生成问题的代码。

library(bayesplot)
df <- data.frame(xVar = rnorm(1e4,0,1), yVar = rnorm(1e4,2,1), zVar = rnorm(1e4,4,1))
t <- bayesplot::mcmc_trace(df) 
t

现在当我去保存这个数字时......

ggplot2::ggsave(filename = "tPlot.eps", 
                plot = t, 
                device = "eps", 
                dpi = 1200, 
                width = 15,
                height = 10, 
                units = "cm")

...它抛出错误

Error in grid.Call(C_stringMetric, as.graphicsAnnot(x$label)) : 
  family 'serif' not included in postscript() device

在上一篇文章中，回答者建议我下载该extrafont软件包。

我跑了

View(fonttable())

但衬线字体似乎没有安装。

然后我尝试了

font_addpackage(pkg = "serif")

但我得到了错误

Error in font_addpackage(pkg = "serif") : 
  Unknown font …

我需要使用希腊符号作为构面标签保存在 ggplot 中创建的图形。

这是图形的代码

library(bayesplot)
library(ggplot2)
df <- data.frame(var1 = rnorm(1e4, 0, 1),
                 var2 = rnorm(1e4, 6, 4),
                 var3 = rnorm(1e4, 10, 3))
names(df) <- c("\u03C3", "\u03B4", "\u03BC")
tp <- bayesplot::mcmc_trace(df)
tp

现在这打印到 RStudio 的绘图窗口就好了......

...希腊符号很好地出现。它还可以很好地保存到图像文件中。但是如果我尝试保存到 eps 或 pdf ......

ggplot2::ggsave(filename = "plotMu.eps", 
                plot = tp, 
                device = "eps", 
                dpi = 1200, 
                width = 15,
                height = 10, 
                units = "cm")

...这些希腊符号以双点形式出现 ..

那么我如何让这些符号显示在 eps/pdf 上。我尝试通过编码和选择进行保存，ASCII但这种策略仅适用于 plotmath 表达式和expression()语句，这对我的情况没有真正帮助，因为这些都不适用于列标题。

我真的很感激有人概述了完成这项工作的过程。网上的所有解释都倾向于假设一些我没有的知识。

我想根据这些参数的先验来绘制来自 stan 模型的参数估计的直方图。我曾尝试通过在 stan 中运行模型，用 ggplot2 绘制它，然后使用 R 的随机生成器函数（例如rnorm()，rbinom()）覆盖先验分布的近似值来做到这一点，但我遇到了许多缩放问题，使图形无法查看对。

我在想一个更好的方法是直接从先验分布中采样，然后根据参数估计绘制这些样本，但是运行一个完整的单独模型只是为了从先验中采样似乎非常耗时。我想知道是否有一种方法可以在现有模型内或与之并行执行此操作。

这是一个示例脚本。

# simulate linear model
a <- 3 # intercept
b <- 2 # slope

# data
x <- rnorm(28, 0, 1)
eps <- rnorm(28, 0, 2)
y <- a + b*x + eps

# put data into list
data_reg <- list(N = 28, x = x, y = y)

# create the model string

ms <- "
    data {
    int<lower=0> N;
    vector[N] x; …

我正在尝试增加作为 grob 添加的第二个轴标题的字体大小（出于显而易见的原因）。这是一些要绘制图表的玩具数据

library(Hmisc)
library(dplyr)

# Plot power vs. n for various odds ratios 
(n  <- seq(10, 1000, by=10)) # candidate sample sizes
(OR <- as.numeric(sort(c(seq(1/0.90,1/0.13,length.out = 9), 2.9)))) # candidate odds ratios, spanning the 95% CI centered around what we got (OR=2.9)
alpha <- c(.001, .01, .05)

# put all of these into a dataset and calculate power
powerDF <- data.frame(expand.grid(OR, n, alpha)) %>% 
           rename(OR = Var1, num = Var2, alph = Var3) %>%
           arrange(OR) %>%
           mutate(power = as.numeric(bpower(p1=.29, …

我确信答案很简单，但目前我却想不起来。我想使用 制作折线图stat_summary()，在每个 x 轴刻度（代表单独的时间点）处，每个组（代表实验条件）具有不同的形状。

这是数据

set.seed(124)
ID <- rep(1:12, times = 3)
Group <- rep(c("A", "B", "C"), times = 12)
score <- rnorm(36, 25, 3)
session <- rep(c("s1","s2", "s3"), each = 12)

df <- data.frame(ID, Group, session, score)

现在我可以通过为每个时间点制作一个均值表来实现这一目标。就像这样。

gMeans <- aggregate(score ~ session + Group, data = df, mean)

然后像这样绘制它。

pMeans <- ggplot(data = gMeans, aes(x = session, y = score, group = Group, shape = Group)) +
  geom_line(aes(linetype = Group), size = 1) +
  geom_point(size = …

我想知道是否有任何简单的方法来指定summarisein报告的位数dplyr，理想情况下使用本机dplyr或其他tidyverse函数？

这是一些玩具数据

library(dplyr)

df <- data.frame(group = rep(letters[1:2], each = 10, length.out = 40),
                 large = rnorm(40, 100, 15),
                 small = rnorm(40, 0.5, 0.02))

如果我们然后总结通过

df %>% group_by(group) %>% summarise(mL = mean(large), mS = mean(small)) 

我们得到

#   group    mL    mS
#   <fct> <dbl> <dbl>
# 1 a     104.  0.496
# 2 b      97.6 0.506

请注意，在没有指定任何舍入的情况下，具有较高平均值的变量已四舍五入到小数点后 1 位，而具有较小平均值的变量已四舍五入为 3。

现在是否希望将具有较大平均值的变量也报告到小数点后 3 位？如果我们包含一个像这样舍入的命令

df %>% group_by(group) %>% summarise(mL = round(mean(large),3), mS = mean(small))

输出没有变化 …