-
Notifications
You must be signed in to change notification settings - Fork 0
/
script.r
192 lines (141 loc) · 6.09 KB
/
script.r
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
### LIBRERÍAS ###
library(tidyverse)
library(broom)
library(rbokeh)
library(stringr)
library(rebus)
library(stringi)
library(Rcmdr)
### EDA ###
alz <- read.csv("meg_mci.csv", sep = ",")
View(alz[,1:20])
str(alz[,1:20])
tail(colnames(alz))
# Extraemos en un vector los diferentes tipos de estadísticos aplicados. Todos los nombres de las variables
# siguen la estructura "sync_X_X.Y" donde X representa el número de los sensores involucrados e Y el estadístico
# estudiado. Si separamos cada nombre por el ".", guardamos toda la información en un vector y se eliminan los
# valores repetidos se obtendrán los 5 estadísticos utilizados.
filtro <- sapply(colnames(alz)[3:length(colnames(alz))],
function(x) strsplit(x, "[.]")[[1]][2],
USE.NAMES = F)
estadisticos <- unique(filtro)
### MANIPULACIÓN DE TEXTO ###
# Creamos una tabla para cada estadístico que relacione cada par de sensores con los estadísticos obtenidos
# ind_X es un vector que indica qué columnas hacen referencia a un estadístico determinado.
ind_media <- str_detect(colnames(alz), "mean")
ind_std <- str_detect(colnames(alz), "std")
ind_mediana <- str_detect(colnames(alz), "median")
ind_mad <- str_detect(colnames(alz), "mad")
ind_cov <- str_detect(colnames(alz), "cov")
# Extraemos todos los caracteres antes del número de los sensores
aux_colnames <- str_replace_all(colnames(alz),
"sync_",
replacement = "")
# En las columnas relativas a las medias de sincronización de sensores, eliminamos todo caracter que aparezca
# después del "."
aux_media <- str_replace(aux_colnames[ind_media],
DOT %R% "mean",
"")
# Aplicamos la prueba t a todas las medias en función del grupo (control o MCI) y extraemos el valor de p-value
# en el vector "resultados_ttest"
resultados_ttest <- c()
for(i in which(ind_media == T)){
resultado <- testme(alz[,i])
resultados_ttest[i-2] <- resultado$p.value
if(i %% 100 == 0){ print(i) }
}
names(resultados_ttest) <- colnames(alz)[ind_media]
names(resultados_ttest) <- c()
# Comprobamos si las desviaciones estándar entre grupos difieren significativamente
leveneTest(alz$sync_1_2.std, alz$class, center = mean)$'Pr(>F)'[1]
resultados_levene <- c()
for (i in which(ind_std)){
resultado <- leveneTest(alz[,i], alz$class, center = mean)
resultados_levene[which(which(ind_std) == i)] <- resultado$'Pr(>F)'[1]
}
resultados_wilcox <- c()
for (i in which(ind_mediana)){
resultado <- wilcox.test(alz[,i] ~ class, data = alz)
resultados_wilcox[which(which(ind_mediana) == i)] <- resultado$'p.value'
}
### PREPROCESO DE DATOS ###
# Creamos una tabla con 2 columnas respectivas a los sensores estudiados
tabla <- str_split(aux_media, "_", simplify = TRUE)
# Añadimos el valor del p-value obtenido
tabla_p.value <- cbind(tabla, resultados_ttest)
# Convertimos la tabla de matriz a dataframe
tabla_p.value <- as.data.frame(tabla_p.value)
tabla_p.value <- as.data.frame(apply(tabla_p.value, 2, as.numeric))
tabla_p.value$sign <- as.factor(ifelse(tabla_p.value$resultados_ttest < 0.05, 1, 0))
tabla_p.value$ttest_mod <- ifelse(tabla_p.value$resultados_ttest > 0.05,
0.05,
tabla_p.value$resultados_ttest)
tabla_p.value <- cbind(tabla_p.value, resultados_levene)
tabla_p.value$levene_mod <- ifelse(tabla_p.value$resultados_levene > 0.05,
0.05,
tabla_p.value$resultados_levene)
# sync_mean <- matrix(data = nrow = 102, ncol = 102)
#
# sync_p.value <- matrix(resultados_ttest, nrow = 102, ncol = 102)
# Esta tabla no la he utilizado aún
tabla_p.value_1 <- matrix(nrow = 102, ncol = 102)
for(i in 1:102){
for (j in 1:102){
if(i == j){
next()
}
if(length(tabla_p.value[tabla_p.value$V1 == i & tabla_p.value$V2 == j, "resultados_ttest"]) == 0){
tabla_p.value_1[i,j] = tabla_p.value[tabla_p.value$V1 == j & tabla_p.value$V2 == i, "resultados_ttest"]
} else {
tabla_p.value_1[i,j] = tabla_p.value[tabla_p.value$V1 == i & tabla_p.value$V2 == j, "resultados_ttest"]
}
}
}
tabla_p.value_1 <- as.data.frame(tabla_p.value_1)
### VISUALIZACIÓN ###
ggplot(tabla_p.value, aes(x = V2, y = V1, fill = sign)) +
geom_tile(aes(fill = sign), colour = "grey")
ggplot(tabla_p.value[tabla_p.value$sign == 1,], aes(x = V2, y = V1, fill = resultados_ttest)) +
geom_tile(aes(fill = resultados_ttest), colour = "grey")
ggplot(tabla_p.value, aes(x = V2, y = V1, fill = ttest_mod)) +
geom_tile(aes(fill = ttest_mod), colour = "grey")
ggplot(tabla_p.value, aes(x = V2, y = V1, fill = levene_mod)) +
geom_tile(aes(fill = levene_mod), colour = "grey")
ggplot(alz, aes(x = sync_1_17.mean)) + geom_histogram() + facet_wrap(~class)
resultado_1 <- apply(alz[,3:ncol(alz)],
2,
function(x) t.test(x ~ class, data = alz) %>%
tidy())
resultado_2 <- lapply(resultado_1, tidy)
### CREACIÓN DE FUNCIONES ###
# "showme" te permite sacar el histograma de una variable por cada grupo de sujetos (class)
showme <- function(var) {
df <- data.frame(sync = alz[,var], class = alz[, "class"])
ggplot(df, aes(x = sync)) + geom_histogram() + facet_wrap(~class)
}
showme("sync_1_19.mean")
# "testme" te permite hacer un t.test entre grupo control y grupo afectado simplemente
# indicando la variable
testme <- function(x){
t.test(x ~ class, data = alz) %>% tidy()
}
for(i in 3:ncol(alz)){
resultados[i-2] <- testme(alz[,i])
if(i %% 100 == 0){ print(i) }
}
resultado$p.value
testme(alz$sync_1_2.mean)
colnames(alz)[3:length(colnames(alz))]
length(resultados[resultados< 0.05])
plot(head(resultados[resultados < 0.05]))
plot(resultados[resultados < 0.05])
head(resultados_ttest)
str_extract(colnames(alz),
one_or_more(DGT) %R%
one_or_more(DGT) %R%
DOT %R%
ANY_CHAR %R%
ANY_CHAR %R%
ANY_CHAR %R%
ANY_CHAR)
colnames(alz)[300:310]