Zobacz, czy to ci pomoże. Rozwiązanie R:

  par (mfrow = c (2,1)) # aby ułożyć wykresy w kolumnie # Dataset 1upperlimit = 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 2upperlimit_2 = upperlimit * 1.5lowerlimit_2 = lowerlimit * 0.8mean_2 = upperlimit_2-lowerlimit_2df_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 ) # usuń obiekty przechowywane z workspacepar (mfrow = c (1,1)) # wróć do wartości domyślnych (jeden wykres na raz)  

W MATLAB-u możesz wypróbować funkcję errorbar : http://www.mathworks.de/de/help/matlab/ref/errorbar.html

Alternatywnie możesz to zrobić głupio i ręcznie. Na przykład, mając macierz punktów danych „a”, możesz obliczyć swoje średnie za pomocą funkcji m = średnia (a), obliczyć swoje CI (w zależności od tego, jakiego CI potrzebujesz) i wykreślić wyniki ręcznie.

Demonstracja, jeśli znasz już średnią i CI, zakładając, że CI znajdują się w macierzy CI (pierwsza i druga kolumna), a średnie w macierzy a :

  plot (1: length (CI), a, 'o', 'markersize', 10)% plot the meanhold on; plot (1: length (CI), CI (1 ,: ), `` v '', `` markersize '', 6)% wykresu dolna granica CI utrzymuj na; plot (1: length (CI), CI (2,:), '^', 'markersize', 6)% plot górnej granicy CI on; dla I = 1: długość (CI)% połącz górną i dolną granicę linią ([II], [CI (1, I) CI (2, I)]) przytrzymaj; koniec; oś ([0 długość (CI) +1 min (CI (1,:)) * 0,75 max (CI (2,:)) * 1,25])% oś skali  

Demonstracja w przypadku, gdy wiesz pomiary indywidualne, dla eksperymentu z powtarzanymi pomiarami, 3+ warunki, jeden warunek na kolumnę, jeden temat w wierszu w macierzy a, bez brakujących próbek, 95% CI według MATLAB-a ttest():

  [H, P, CI] = ttest (a ); % oblicz 95% CI dla każdej kolumny w macierzy a% CI znajduje się teraz w macierzy CI! wykres (1: długość (CI), [średnia (a)], „o”, „wielkość markera”, 10)% wykreśl średnią on; plot (1: length (CI), CI (1, :), 'v', 'markersize', 6)% plot dolnej granicy CI utrzymywać na; plot (1: length (CI), CI (2, :) , '^', 'markersize', 6)% wykresu górna granica CI utrzymuje się na; dla I = 1: długość (CI)% łączy górną i dolną granicę linią ([II], [CI (1, I) CI ( 2, I)]) trzymaj się; koniec; oś ([0 długość (CI) +1 min (CI (1,:)) * 0,75 max (CI (2,:)) * 1,25])% oś skali  kod> 

Ten typ wykresu w języku R przy użyciu ggplot2, chociaż być może będziesz musiał trochę majstrować przy rozmiarze czcionki osi:

  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)) dane. Szacunki $ idr <- exp (data.estimates $ par) data.estimates $ upper <- exp (data.estimates $ par + (1,96 * data.estimates $ se)) data.estimates $ niższa <- 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”)  

W Stata użyj serrbar lub ciplot (SSC) lub eclplot (Stata Journal, SSC).

Zakładając, że masz dostęp do oryginalnych danych, możesz to zrobić w R za pomocą funkcji lineplot.CI w bibliotece sciplot

Przykład z zestawem danych mtcars:

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

Zauważ, że lineplot.CI domyślnie wyświetla słupki SE (można to zmienić definiując funkcja z argumentem ci.fun do wykreślenia 95% przedziałów CI)

  lineplot.CI (x.factor = gear, response = mpg, group = vs, data = mtcars, ci.fun = funkcja (x) c (średnia (x) -1,96 * se (x), średnia (x) + 1,96 * se (x)))  

Można to zrobić w języku R z points () (lub plot (..., type = "p") ) i segmentami () . Mogą również istnieć funkcje języka R przeznaczone do tworzenia CI dla Ciebie, ale mogą one wymagać oryginalnych danych. Wiele paneli na tej samej figurze utworzonych za pomocą par (mfrow = c (4,1)) . Jeśli nie znasz żadnego R, byłoby to trudne do zrobienia (tak jak w przypadku, musiałbyś nauczyć się trochę więcej R lub poprosić kogoś o pomoc z określonym zestawem danych).

GraphPad Prism może z łatwością tworzyć tego rodzaju wykresy, wykreślając słupki błędów na podstawie wprowadzonych wartości błędów. Utwórz zgrupowaną tabelę sformatowaną dla wprowadzania średniej, - błędu i + błędu.