在ggplot中计算中位数的置信区间

Question

我有一个由每个 ID 具有多个观察值的虚拟人口组成的数据集。 该人群分为两组。 我想 plot 每组的观察与时间。 我可以使用stat_summary成功计算平均值和置信区间。 但是，在第二个 plot 中，我想对中位数做同样的事情。 stat_summary(fun.y=median)确实有效，但我找不到计算中位数正确置信区间的解决方案。 我必须单独计算它们吗？

这是ggplot代码的相关部分：

my.labels <- c("1250 mg/m²\nwith dose\nadjustments",
           "1250 mg/m²\nwithout dose\nadjustments")
ggplot(data, aes(x=TIME, y=P2X))+ 
      stat_summary(geom="ribbon", fun.data=mean_cl_boot, 
    fun.args=list(conf.int=0.95), 
                  aes(fill=factor(GROUP),color=NA), alpha = .55)+
      stat_summary(geom="line", fun.y=mean, aes(linetype=factor(GROUP)))+
      scale_fill_manual("dose",labels=my.labels,values=c("#999999", "lightblue"))+
      scale_linetype_manual("dose",labels=my.labels,values = c("solid","dashed"))+
      scale_color_manual("dose",values=c("black", "black"))+labs(x="Time [cycle]",y="Probability [%]")+
      scale_x_continuous(breaks = c(0,1,2,3,4,5,6))+ theme(legend.title=element_blank())+
      scale_y_continuous(labels = function(x) paste0(x*100))

先感谢您！

Answer 1

我使用以下 function 来轻松地使用stat_summary添加中位数的非参数估计值和置信区间：

quantile_cl <- function(y, q=0.5, conf.level = 0.95, na.rm=TRUE) {
  alpha <- 1 - conf.level
  if (na.rm) y <- y[!is.na(y)]
  n <- length(y)
  l <- qbinom(alpha/2, size=n, prob = q)
  u <- 1 + n - l
  ys <- sort.int(c(-Inf, y, Inf), partial = c(1 + l, 1 + u))
  data.frame(
    y = quantile(y, probs = q, na.rm=na.rm, type = 8),
    ymin = ys[1 + l],
    ymax = ys[1 + u]
  )
}

median_cl <- function(y, conf.level=0.95, na.rm=TRUE) quantile_cl(y, q=0.5, conf.level=conf.level, na.rm=na.rm)

使用示例：

library(ggplot2)

ggplot(iris, aes(x = Species, y = Sepal.Length)) +
  geom_violin(aes(fill = Species), trim = FALSE) +
  stat_summary(fun.data = mean_cl_normal, geom="crossbar", aes(color = "normal")) +
  stat_summary(fun.data = median_cl, aes(color = "nonparametric"), size = 1) +
  scale_color_manual(values = c("red", "black"), "method") +
  NULL

无论真实分布如何，中位数的这些非参数置信区间几乎总是准确的，但如果您知道分布，您可以构建更好的估计和区间。 例如，如果您知道您的数据来自高斯mean_cl_normal将给出中位数的最佳估计（不是您的样本，而是基础分布）！

# coverage probability of ci
mean(replicate(1000, {res <- quantile_cl(rnorm(100), q=0.5, conf.level=0.8); res$ymin<=0 & res$ymax>=0}))
#> [1] 0.814
mean(replicate(1000, {res <- mean_cl_normal(rnorm(100), conf.int = 0.8); res$ymin<=0 & res$ymax>=0}))
#> [1] 0.804

# mean width of ci
mean(replicate(1000, {res <- quantile_cl(rnorm(100), q=0.5, conf.level=0.8); res$ymax-res$ymin}))
#> [1] 0.3276851
mean(replicate(1000, {res <- mean_cl_normal(rnorm(100), conf.int = 0.8); res$ymax-res$ymin}))
#> [1] 0.2574329

如果有需求，我会尝试将这个 function 放入Hmisc （其中实现了mean_cl_boot ( smean.cl.normal ) 等）。