模拟T值
数据=数据。帧(SIM=1:10000,
t_0=rt(n=10000,df=12,ncp=0)
t_1=rt(n=10000,df=12,ncp=1.2)
#计算p值
数据=数据%gt;%
突变(p_0=2*p t(t_0,df=12,lower.tail=ifelse(t_0>0,false,true)),
p_1=2*p t(t_1,df=12,lower.tail=ifelse(t_1>0,false,true)))
#从宽到长转换
data.long=数据%gt;%
收集(条件,测量,t_0:p_1)%>%
分离(col=条件,into=c(“para”,“hyp”),sep=“u”)
#转换为宽重复度量值格式
data.wide=data.long%>%排列(key=para,测量)
要在左侧创建图表,我需要根据右侧图表中的相应值为柱状图上色。如果t=0(对应于p接近1),则图表应为黄色;如果t>4(对应于p接近0),则填充应为深蓝色。此帖显示了如何使用scale_fill_gradientn创建类似的图形,但不幸的是,它不适用于我使用cut()创建的离散值。
这是我最近得到的,但是我希望图的X=0的黄色与边缘的深蓝色相混合。
基于t值创建容器
t0bins<-序列(-12,12,by=1)
#计算相应的p值
pt0bins<-2*pt(t0bins,df=12,lower.tail=false)
ggplot(data.wide,aes(x=t,fill=cut(..x.,breaks=get(“t0bins”,envir=globalenv)))+
几何柱状图(binwidth=0.1)+
比例填充绿色(离散=t)
它给出:
.
以下是我的示例数据:
# simulate t-values
data = data.frame(sim =1:10000,
t_0= rt(n = 10000,df =12, ncp=0),
t_1 = rt(n = 10000,df =12, ncp=1.2))
# compute p-values
data = data %>%
mutate(p_0 = 2* pt(t_0, df=12, lower.tail = ifelse(t_0 > 0,FALSE ,TRUE)),
p_1 = 2* pt(t_1, df=12, lower.tail = ifelse(t_1 > 0,FALSE ,TRUE)))
# convert from wide to long
data.long = data %>%
gather(condition,measurement, t_0:p_1) %>%
separate(col=condition, into=c("para","hyp"), sep = "_")
# convert to wide repeated measures format
data.wide = data.long %>% spread(key = para, measurement)
要在左侧创建图表,我需要根据右侧图表中的相应值为柱状图上色。如果t=0(对应于p接近1),则图表应为黄色;如果t>4(对应于p接近0),则填充应为深蓝色。This post演示如何使用scale_fill_gradientn创建类似的图形,但不幸的是,它不适用于我使用cut()创建的离散值。
这是我最近得到的,但是我希望图的X=0的黄色与边缘的深蓝色相混合。
# create bins based on t-values
t0bins <- seq(-12, 12, by = 1)
# compute corresponding p-values
pt0bins <- 2*pt(t0bins, df = 12, lower.tail = FALSE)
ggplot(data.wide, aes(x=t, fill=cut(..x.., breaks=get("t0bins", envir=.GlobalEnv)))) +
geom_histogram(binwidth=0.1)+
scale_fill_viridis(discrete=T)
它给出:
.
