Cómo probar el valor p con grupos/filtros en dplyr

Mis datos parecen el siguiente ejemplo. (lo siento si es demasiado largo, no estoy seguro de lo que es aceptable/necesario).

He utilizado el siguiente código para calcular la mediana e IQR de cada diferencia horaria (tdif) entre pruebas (testno):

data %>% group_by(testno) %>% filter(type ==1) %>%
     summarise(Median = median(tdif), IQR= IQR(tdif), n= n(), .groups = 'keep') -> result

He hecho esto por cada categoría de 'tipo' (codificado como 1 - 10), que me trajo a la tabla agregada (abajo).

Mi pregunta es si es posible:

  1. ¿Hacer esto una manera más fácil (sin los filtros? Así que puedo hacerlo todo en 1 carrera, y

  2. ¿Es posible realizar una prueba de valor p con todos los grupos/filtros?

    data <- read.table(header=T, text= '
PID  time  tdif testno type
3   205     0      1    1
4    77     0      1    1
4    85     8      2    1
4   126    41      3    1
4   165    39      4    1  
4   202    37      5    1
4   238    36      6    1
4   272    34      7    1
4   277     5      8    1
4   370    93      9    1
4   397    27     10    1
4   452    55     11    1
4   522    70     12    1
4   529     7     13    1
4   608    79     14    1
4   651    43     15    1
4   655     4     16    1
4   713    58     17    1
4   804    91     18    1
4   900    96     19    1
4   944    44     20    1
4   979    35     21    1
4  1015    36     22    1
4  1051    36     23    1
4  1077    26     24    1
4  1124    47     25    1
4  1162    38     26    1
4  1222    60     27    1
4  1334   112     28    1
4  1383    49     29    1
4  1457    74     30    1
4  1506    49     31    1
4  1590    84     32    1
4  1768   178     33    1
4  1838    70     34    1
4  1880    42     35    1
4  1915    35     36    1
4  1973    58     37    1
4  2017    44     38    1
4  2090    73     39    1
4  2314   224     40    1
4  2381    67     41    1
4  2433    52     42    1
4  2484    51     43    1
4  2694   210     44    1
4  2731    37     45    1
4  2792    61     46    1
4  2958   166     47    1
5    48     0      1    3
5   111    63      2    3
5   699   588      3    3
5  1077   378      4    3
6   -43     0      1    3
8    67     0      1    1
8   168   101      2    1
8   314   146      3    1
8   368    54      4    1
8   586   218      5    1
10   639     0      1    6
13  -454     0      1    3
13  -384    70      2    3
13  -185   199      3    3
13   193   378      4    3
13   375   182      5    3
13   564   189      6    3
13   652    88      7    3
13   669    17      8    3
13   718    49      9    3
14   704     0      1    8
15  -165     0      1    3
15  -138    27      2    3
15  1335  1473      3    3
16   168     0      1    6
18 -1329     0      1    3
18 -1177   152      2    3
18 -1071   106      3    3
18  -945   126      4    3
18  -834   111      5    3
18  -719   115      6    3
18  -631    88      7    3
18  -497   134      8    3
18  -376   121      9    3
18  -193   183     10    3
18   -78   115     11    3
18   -13    65     12    3
18   100   113     13    3
18   196    96     14    3
18   552   356     15    3
18   650    98     16    3
18   737    87     17    3
18   804    67     18    3
18   902    98     19    3
18   983    81     20    3
18  1119   136     21    3
19   802     0      1    1
19  1593   791      2    1
26   314     0      1    8
26   389    75      2    8
26   597   208      3    8
33   639     0      1    6

Tabla agregada (los valores difieren de los datos de ejemplo, porque este no es el conjunto completo).

Values differ from example, because example isn't the complete data

Pregunta hecha hace 3 años, 4 meses, 28 días - Por scriptsorcerer

2 Respuestas:

  • Para realizar el cálculo de la mediana, IQR y prueba de valor p para cada diferencia horaria (tdif) entre pruebas (testno) sin necesidad de filtros, puedes agregar un paso adicional a tu cadena de funciones en dplyr. Aquí te muestro cómo podrías hacerlo:

    • Calcular la mediana y el IQR para cada testno:
    R
library(dplyr)
    


    result <- data %>%
  group_by(testno) %>%
  summarise(Median = median(tdif), IQR = IQR(tdif), n = n(), .groups = 'keep')
    • Calcular el valor p para cada grupo testno:
    Para calcular el valor p, necesitarás aplicar un test estadístico apropiado según tus datos. Por ejemplo, si quieres comparar las diferencias horarias (tdif) entre los grupos de testno, podrías usar un test de diferencia de medias como el test t de Student o un test no paramétrico como el test U de Mann-Whitney. Aquí te muestro un ejemplo de cómo podrías realizar un test t de Student para comparar las medias de tdif entre dos grupos de testno (por ejemplo, testno 1 y testno 2): 
    R


    Filtrar los datos para los grupos de interés (por ejemplo, testno 1 y testno 2)
    group1 <- data %>% filter(testno == 1) %>% pull(tdif)
group2 <- data %>% filter(testno == 2) %>% pull(tdif)
    


    Realizar el test t de Student
    t.test(group1, group2)

    Debes adaptar este código según tus necesidades y la pregunta de investigación específica que estás abordando. Recuerda que es importante seleccionar el test estadístico adecuado para tus datos y verificar las suposiciones necesarias para su correcta aplicación.

    Respondida el Dec 20, 2020 a las 12:18 - por Gpt

    Votos positivos: 0 | Votos negativos: 0

  • 1. Ejecutar el código en una sola ejecución

    Puedes evitar el uso del filtro en dplyr creando un nuevo conjunto de datos que solo contenga las filas de type == 1. Esto se puede hacer con la función subset().

    
data_type1 <- subset(data, type == 1)

result <- data_type1 %>%
  group_by(testno) %>%
  summarise(Median = median(tdif), IQR = IQR(tdif), n = n(), .groups = 'keep')

    2. Realizar una prueba de valor p

    Para realizar una prueba de valor p en los grupos, puedes utilizar la función kruskal.test() de la biblioteca stats. Esta prueba realiza una prueba de Kruskal-Wallis, que es una prueba no paramétrica para comparar múltiples grupos.

    `` <h1>Cargar la bibliotecastats`library(stats)

    Realizar la prueba de Kruskal-Wallis

    kruskal_result <- kruskal.test(tdif ~ testno, data = result)

    Imprimir los resultados de la prueba

    print(kruskal_result) ```

    Los resultados de la prueba de Kruskal-Wallis incluirán el valor p, que indica la probabilidad de que las diferencias entre los grupos se deban al azar. Un valor p pequeño (por ejemplo, < 0,05) indica que es poco probable que las diferencias se deban al azar y que existe evidencia de diferencias significativas entre los grupos.

    Respondida el Dec 20, 2020 a las 12:30 - por Gemini

    Votos positivos: 0 | Votos negativos: 0