library(Rcmdr)
data("ChickWeight") # load data set
Nachschlagen, was die Spalten in den Daten bedeuten
#?ChickWeight
Unten ist bereits ein Code, der eine Abbildung erzeugt, die den Zusammenhang zwischen Zeit und Gewicht für jedes Küken abbildet.
Kopieren Sie den Code, um eine zweite Abbildung zu erstellen. Ändern Sie den Code dabei so ab, dass der Zusammehang zwischen Zeit und Gewicht für die verschiedenen Diäten sichtbar wird. Verändern Sie den Code auch so, dass die Grafik nur eine Zeile (und 4 Spalten, also eine pro Diät) hat. Färben Sie die Grafik dunkelgrün.
Erstellen Sie danach einen Strip-Chart, in dem lediglich die Gewichte der Küken für die verschiedenen Arten von Diät abgebildet werden. Alle vier Strips sollen verschiedene Farben haben. Für die Einfärbung sollen Sie den RColorBrewer verwenden. Wie das geht, können Sie hier lernen. Verwenden Sie für die Grafik die Farbpalette ‘RdBu’.
Erstellen Sie einen Plot für Mittelwerte und Konfidenzintervalle (vernachlässigen Sie hier den Faktor “Zeit”).
Weiter unten im Code ist bereits ein Zusat-Plot eingefügt, der mit dem Paket ggplot2 erstellt wurde. Das ist ein Paket, mit dem man (theoretisch) professionelle “Hochglanzabbildungen” erstellen kann. Wenn Sie mehr über das erstellen von Grafiken mit ggplot lernen möchten, schauen Sie sich dieses frei verfügbare Online-Buch an.
Erstellen Sie ein Subset des Datensatzes, das für die Zeitvariable nur den ersten und den letzten Tag der Messungen enthält.
Konvertieren Sie die Zeitvariable in einen Faktor. Vergeben Sie Labels für die Faktorstufen (“first day” und “last day”).
Machen Sie dann wieder eine Mittelwertsabbildung, die die Körpergewichte zum ersten und letzten Tag zeigt und dabei auch die vier verschiedenen Diäten berücksichtigt. Ändern Sie den Code für die Grafik so ab, dass Zeit auf der X-Achse ist und “Diet” die verschiedenen Linienfarben sind.
Erstellen Sie nun zwei Subsets: Eins mit “first day” und eins mit “last day”.
Prüfen Sie mittels einfaktorieller ANOVA die Hypothese, dass die Küken in den verschiedenen Diätgruppen an Tag 1 ähnliches Gewicht haben. Levene-Test nicht vergessen.
Prüfen Sie mittels einfaktorieller ANOVA die Hypothese, dass die Küken in den verschiedenen Diätgruppen am letzten Tag unterschiedliche Gewichte haben. Levene-Test nicht vergessen.
Zusammenhang von Zeit und Gewicht für jedes Küken. Der Code für die Abbildung ist in der R-Beschreibung für den Datensatz zu finden.
require(graphics)
coplot(weight ~ Time | Chick, data = ChickWeight,
type = "b", show.given = FALSE)
library(ggplot2) # das Paket ggplot2 müssen Sie sich ggf. installieren
library("RColorBrewer") # Paket für Farbpaletten
myTheme <- theme(plot.title = element_text(face="bold", size = 22),
axis.title.x = element_text(size = 20),
axis.title.y = element_text(size = 20),
axis.text.x = element_text(size = 16, angle = 0),
axis.text.y = element_text(size = 16, angle = 0),
legend.text = element_text(size = 18),
legend.title = element_text(face = "bold", size = 18),
strip.text.x = element_text(size = 18),
#panel.grid.major = element_blank(),
#panel.grid.minor = element_blank(),
panel.background = element_blank(),
panel.grid.major = element_line(color = "#bdbdbd", size = 0.5,linetype = 2),
axis.line.x = element_line(colour = "black"),
axis.line.y = element_line(colour = "black"),
axis.text = element_text(colour ="black"),
axis.ticks = element_line(colour ="black"))
data_graph <- ChickWeight
data_graph$Diet <- factor(data_graph$Diet, levels = c("1", "2", "3", "4"),
labels = c("Diet 1", "Diet 2", "Diet 3", "Diet 4"))
pd <- position_dodge(width = 0.3)
# new labes for the facets
g <- ggplot(data_graph, aes(x=Time, y=weight, group = Chick)) +
guides(fill=FALSE)+
facet_grid( ~ Diet)+
ggtitle("Trajectory of chick weight over time given \ndifferent diets") +
scale_y_continuous(limits = c(-5, 400), breaks=seq(0, 400, 50), expand = c(0,0)) +
geom_line(position = pd, color = "black", size = 1, alpha=0.2) +
geom_jitter(aes(color = Diet), alpha = 0.3, width = 0.1) +
stat_summary(aes(y = weight,group=1, fill = Diet), fun.data = mean_cl_boot, geom = "ribbon", width = 0,
size = 1, alpha = 0.5) +
stat_summary(aes(y = weight,group=1, col = Diet), fun.y=mean,
geom="line",group=1, size = 1.5, linetype = "solid", alpha = 1)+
#stat_summary(aes(y = weight,group=1, fill = Diet), fun.y=mean, geom="point",
# color = "black", shape = 22, size = 3, group=1, alpha = 0.8)+
#stat_summary(aes(y = weight,group=1), fun.y=median, geom="point",
# color = "black", shape = 3, size = 4, group=1, alpha = 1,
# position = position_dodge(width = 0.5))+
labs(x = "Time (in Days)", y = "Chick weight (g)") +
scale_color_manual(name = "Diet",values=brewer.pal(n = 4, name = "RdBu"))+
scale_fill_manual(name = "Diet",values=brewer.pal(n = 4, name = "RdBu"))+
theme(legend.position = "none")+
myTheme
## Warning: Ignoring unknown parameters: width
## Warning: `fun.y` is deprecated. Use `fun` instead.
#theme_bw()
g
#ggsave("results_means.svg",width=9,height=7) # mit diesen Codes können Grafiken gespeichert werden
#ggsave("results_means.pdf",width=9,height=9) # speichern als pdf