tracciare i mezzi con intervalli di confidenza con ggplot

Question

Ho alcuni dati che ho raccolto da un modello. Voglio tracciare le dimensioni di una popolazione nel tempo. Ho la dimensione della popolazione in ogni fase del tempo e 100 repliche. Vorrei tracciare la dimensione media della popolazione per ogni passo temporale e anche gli intervalli di confidenza al 95% (come un'ombreggiatura se possibile).

Non ho usato prima ggplot. Ho appena usato i soliti (base) grafici in R finora. Ma voglio vedere come sarebbe il ggplot.

Ecco quello che ho finora:

ggplot(data=model1, aes(x=steps., y= pop-size, col='blue')) + 
    geom_line() 

Questa traccia tutti i punti, e si guarda bene, ma non so come tracciare solo i mezzi e aggiungere gli intervalli di confidenza.

Answer 1

Poiché i dati sono stati replicati e si desidera rappresentare media/CL, è preferibile utilizzare stat_summary(...) che è stato progettato per (è stato indovinato) il riepilogo dei dati. Fondamentalmente, applica una funzione a tutti i valori y per ogni valore x (ad esempio, la funzione mean(...)) e quindi traccia il risultato utilizzando qualsiasi geometria specificata. Ecco un esempio:

# sample data - should be provided in question 
set.seed(1)  # for reproducible example 
time <- 1:25 
df <- data.frame(time, 
        pop=rnorm(100*length(time), mean=10*time/(25+time))) 

library(ggplot2) 
ggplot(df, aes(x=time, y=pop))+ 
    stat_summary(geom="ribbon", fun.data=mean_cl_normal, width=0.1, conf.int=0.95, fill="lightblue")+ 
    stat_summary(geom="line", fun.y=mean, linetype="dashed")+ 
    stat_summary(geom="point", fun.y=mean, color="red") 

Quindi qui abbiamo 3 strati: uno strato che riassume i valori y utilizzando la funzione mean(...) e diagrammi utilizzando geom="line", uno strato che riassume allo stesso modo ma piazzole usando geom="point" e un layer che usa geom="ribbon" Questa geom richiede l'estetica ymin e ymax, quindi usiamo la funzione ggplot integrata mean_cl_normal per generare quelli basati sul presupposto che l'errore sia distribuito normalmente e che, quindi, il mezzo segua un -distribuzione. Digitare ?hmisc per la documentazione sulle varie funzioni utili per i limiti di confidenza. I layer eseguono il rendering nell'ordine del codice, quindi, dal momento che si desidera l'ombreggiatura, è necessario inserire prima il nastro di errore.

Infine, è ovviamente possibile riepilogare i dati da soli, utilizzando dplyr o alcuni di essi, ma non vedo davvero il punto di farlo.

Aggiornamento (sulla base di recenti commenti): sembra la versione più recente di ggplot2 (2.0.0) ha un modo diverso di specificare gli argomenti da fun.data. Questo funziona nella nuova versione:

ggplot(df, aes(x=time, y=pop))+ 
    stat_summary(geom="ribbon", fun.data=mean_cl_normal, 
       fun.args=list(conf.int=0.95), fill="lightblue")+ 
    stat_summary(geom="line", fun.y=mean, linetype="dashed")+ 
    stat_summary(geom="point", fun.y=mean, color="red") 

Il problema con l'argomento width=... è un po 'più sottile penso: in realtà non è necessario (nella risposta originale che ho usato barre di errore, e si è dimenticato di togliere questo argomento quando l'ho cambiato in nastro). La versione precedente di ggplot2 ignorava gli argomenti estranei (quindi, nessun errore). La nuova versione, evidentemente, è più severa. Probabilmente è meglio