Tracer des barres d'intervalle de confiance à partir de statistiques récapitulatives

Un peu comme une boîte à moustaches. Je ne veux pas nécessairement dire l'intervalle de confiance supérieur standard, l'intervalle de confiance inférieur, la moyenne et les diagrammes en boîte montrant la plage de données, mais je veux dire comme un diagramme en boîte avec seulement les trois éléments de données: l'intervalle de confiance à 95% et la moyenne .

Voici une capture d'écran d'un article de revue qui contenait exactement ce que je voulais:

J'aimerais aussi savoir comment j'utiliserais le logiciel mentionné par le répondeur pour créer un tel complot.

Dans MATLAB, vous voudrez peut-être essayer la fonction de la barre d'erreur : http://www.mathworks.de/de/help/matlab/ref/errorbar.html

Alternativement, vous pouvez le faire de manière stupide et manuelle. Par exemple, étant donné une matrice de points de données "a", vous pouvez calculer vos moyennes en utilisant la fonction m = moyenne (a), calculer vos IC (en fonction de l'IC dont vous avez besoin) et tracer les résultats à la main.

Démonstration si vous connaissez déjà la moyenne et l'IC, en supposant que les IC sont dans une matrice CI (première et deuxième colonne) et que les moyennes sont dans une matrice 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

Démonstration dans le cas où vous connaissez des mesures individuelles, pour une expérience de mesures répétées, 3+ conditions, une condition par colonne, un sujet par ligne dans la matrice a, aucun échantillon manquant, IC à 95% comme par le test MATLAB () :

[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

Regardez si cela vous aide. Solution R:

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)

Ce type de tracé dans R à l'aide de ggplot2, bien que vous deviez peut-être jouer avec la taille de police de l'axe:

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")

Dans Stata, utilisez serrbarou ciplot(SSC) ou eclplot(Stata Journal, SSC).

En supposant que vous ayez accès aux données d'origine, vous pouvez le faire dans R avec la fonction lineplot.CI dans la bibliothèque sciplot

Exemple avec l'ensemble de données mtcars:

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

Notez que lineplot.CI trace par défaut les barres SE (il peut être modifié en définissant une nouvelle fonction avec l'argument ci.fun pour tracer des intervalles IC à 95%)

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)))

Cela pourrait être fait en R avec points()(ou plot(..., type="p")) et segments(). Il peut également y avoir des fonctions R conçues pour créer les CI pour vous, mais celles-ci peuvent nécessiter les données d'origine. Les multiples panneaux de la même figure créés avec par(mfrow=c(4,1)). Si vous ne connaissez pas de R, cela serait difficile à faire facilement (comme dans, vous devrez apprendre un peu plus de R ou demander à quelqu'un de vous aider avec votre ensemble de données spécifique).

GraphPad Prism peut facilement créer ce type de graphique, en traçant des barres d'erreur à partir des valeurs d'erreur que vous entrez. Créez un tableau groupé formaté pour l'entrée de la moyenne, - erreur et + erreur.