기본 콘텐츠로 건너뛰기

비모수 통계 - 짝지어진 데이터의 시각화 1

 



  이전 포스트: https://blog.naver.com/jjy0501/222616527304



 윌콕슨 부호 순위 검정에 곁들여 그래프로 결과를 보여주는 것도 중요합니다. 두 개 이상의 그룹의 값을 비교해서 보여주는 것은 boxplot 등 여러 가지 방법을 사용할 수 있습니다. 



 이전 포스트: https://blog.naver.com/jjy0501/220961872950



 여기서는 짝지어진 데이터 값을 R에서 그래프로 보여주는 방법을 알아보겠습니다. 먼저 사용할 패키지는 PairedData입니다. 



install.packages("PairedData")


library(PairedData)


?PairedData::`plot,paired-method`


 를 치면 예제 데이터와 사용하는 방법이 간단히 소개되어 있습니다. 내장 데이터인 Shoulder는 수영선수 15명과 일반인 15명의 어깨 유연성을 비교한 것으로 치료 전후는 아니지만, 왼쪽 어깨와 오른쪽 어깨로 짝지어진 데이터 구조를 지니고 있습니다. 한쪽만 측정해도 다른 쪽도 어느 정도 연관성이 있을 것이라는 점을 쉽게 에측할 수 있습니다. 



?Shoulder

Shoulder



   Subject   Group Left Right

1       S1 Swimmer  193   192

2       S2 Swimmer  208   207

3       S3 Swimmer  198   198

4       S4 Swimmer  201   203

5       S5 Swimmer  196   194

6       S6 Swimmer  196   193

7       S7 Swimmer  211   214

8       S8 Swimmer  206   207

9       S9 Swimmer  197   195

10     S10 Swimmer  204   198

11     S11 Swimmer  197   198

12     S12 Swimmer  205   206

13     S13 Swimmer  207   200

14     S14 Swimmer  204   204

15     S15 Swimmer  204   205

16     S16 Control  184   197

17     S17 Control  172   187

18     S18 Control  178   180

19     S19 Control  186   175

20     S20 Control  194   192

21     S21 Control  188   189

22     S22 Control  164   185

23     S23 Control  202   168

24     S24 Control  182   204

25     S25 Control  186   181

26     S26 Control  188   182

27     S27 Control  186   172

28     S28 Control  192   183

29     S29 Control  204   189

30     S30 Control  178   198



 그래프를 그리는 방법에는 몇 가지가 있습니다. 



data(Shoulder)

with(Shoulder,plot(paired(Left,Right),groups=Group))+theme_bw()

with(Shoulder,plot(paired(Left,Right),groups=Group,facet=FALSE))

with(Shoulder,plot(paired(Left,Right),

                   groups=Group,facet=FALSE,type="profile"))+theme_bw()



 위의 코드를 실행하면 총 3개의 그래프가 차례로 나오게 됩니다. 






 



 


 수영 선수인 사람과 아닌 사람의 어깨 관절 유연도는 확실한 차이가 있습니다. 한쪽만 측정해도 그 차이를 확연히 알 수 있는 정도입니다. 



 앞서 예제 데이터를 이용해서 다른 방법으로도 한 번 그려 보겠습니다. 




set.seed(1234)

A<-rnorm(19,60,4)


set.seed(1234)

B<-rnorm(19,57,4)


pd <- paired(A, B)

plot(pd, type = "profile") + theme_bw()






 

 역시 인위적으로 만든 데이터는 뭔가 표가 나는 것 같습니다. 아무튼 다양한 옵션을 건드려서 더 다양한 그래프를 만들 수 있습니다. 찾아보니 이를 소개하는 영상도 있습니다. 



(동영상) 



 다음에는 좀 더 세련된 그래프를 만드는 방법에 대해서 찾아보겠습니다. 

 
라벨:

댓글

댓글 쓰기

이 블로그의 인기 게시물

벨 V-280 Valor 시험 비행 성공

( The V-280 Valor flew for the first time at Bell Helicopter's Amarillo Assembly Center in Texas(Credit: Bell Helicopter/YouTube) )  앞서 소개드린 V-280 발러가 첫 번째 비행 테스트에 성공했다는 소식입니다. V-22 오스프리의 소형화 버전이라고 할 수 있는 V-280 발러는  미 육군의 차세대 헬기 사업인 Future Vertical Lift (FVL)에 입찰을 시도하는 틸트로터기로 현재 미 육군이 주력으로 사용하는 블랙호크 헬기와 비슷한 체급입니다. 다만 틸트로터기인 만큼 최고 속도나 항속 거리면에서 더 유리합니다. 스펙은 이전 포스트를 참조해 주시기   이전 포스트:  https://blog.naver.com/jjy0501/221115245986  (동영상)   V-280 발러는 틸트로터기의 더 대중화 될 수 있을지를 검증하는 중요한 무대가 될 것입니다. V-22 오스프리의 경우 복잡한 구조로 인해 가격이 너무 비싸져서 사실 미국은 몰라도 그 동맹국에 널리 도입되기는 어려운 부분이 있습니다. V-280 역시 가격이 아주 저렴할 것 같지는 않지만, 좀 더 합리적인 대안은 될 수 있을 것 같습니다. 만약 성공적인 결과가 나오면 한국을 포함한 미국의 동맹국에서 도입을 검토할 수 있을지 모르겠다는 생각입니다.   참고  https://newatlas.com/bell-v-280-valor-maiden-flight/52663/
댓글 쓰기
자세한 내용 보기

세상에서 가장 큰 벌

( Wallace's giant bee, the largest known bee species in the world, is four times larger than a European honeybee(Credit: Clay Bolt) ) (Photographer Clay Bolt snaps some of the first-ever shots of Wallace's giant bee in the wild(Credit: Simon Robson)  월리스의 거대 벌 (Wallace’s giant bee)로 알려진 Megachile pluto는 매우 거대한 인도네시아 벌로 세상에서 가장 거대한 말벌과도 경쟁할 수 있는 크기를 지니고 있습니다. 암컷의 경우 몸길이 3.8cm, 날개너비 6.35cm으로 알려진 벌 가운데 가장 거대하지만 수컷의 경우 이보다 작아서 몸길이가 2.3cm 정도입니다. 아무튼 일반 꿀벌의 4배가 넘는 몸길이를 지닌 거대 벌이라고 할 수 있습니다.   메가칠레는 1981년 몇 개의 표본이 발견된 이후 지금까지 추가 발견이 되지 않아 멸종되었다고 보는 과학자들도 있었습니다. 2018년에 eBay에 표본이 나왔지만, 언제 잡힌 것인지는 알 수 없었습니다. 사실 이 벌은 1858년 처음 발견된 이후 1981년에야 다시 발견되었을 만큼 찾기 어려운 희귀종입니다. 그런데 시드니 대학과 국제 야생 동물 보호 협회 (Global Wildlife Conservation)의 연구팀이 오랜 수색 끝에 2019년 인도네시아의 오지에서 메가칠레 암컷을 야생 상태에서 발견하는데 성공했습니다.   메가칠레 암컷은 특이하게도 살아있는 흰개미 둥지가 있는 나무에 둥지를 만들고 살아갑니다. 이들의 거대한 턱은 나무의 수지를 모아 둥지를 짓는데 유리합니다. 하지만 워낙 희귀종이라 이들의 생태에 대해서는 거의 알려진 바가 없습니다.  (동영상)...
댓글 쓰기
자세한 내용 보기

몸에 철이 많으면 조기 사망 위험도가 높다?

 철분은 인체에 반드시 필요한 미량 원소입니다. 헤모글로빈에 필수적인 물질이기 때문에 철분 부족은 흔히 빈혈을 부르며 반대로 피를 자꾸 잃는 경우에는 철분 부족 현상이 발생합니다. 하지만 철분 수치가 높다는 것은 반드시 좋은 의미는 아닙니다. 모든 일에는 적당한 수준이 있게 마련이고 철 역시 너무 많으면 여러 가지 질병을 일으킬 수 있습니다. 철 대사에 문제가 생겨 철이 과다하게 축적되는 혈색소증 ( haemochromatosis ) 같은 드문 경우가 아니라도 과도한 철분 섭취나 수혈로 인한 철분 과잉은 건강에 문제를 일으킬 수 있습니다. 하지만 높은 철 농도가 수명에 미치는 영향에 대해서는 잘 알려지지 않았습니다.   하버드 대학의 이야스 다글라스( Iyas Daghlas )와 임페리얼 칼리지 런던의 데펜더 길 ( Dipender Gill )은 체내 철 함유량에 영향을 미치는 유전적 변이와 수명의 관계를 조사했습니다. 연구팀은 48972명의 유전 정보와 혈중 철분 농도, 그리고 기대 수명의 60/90%에서 생존 확률을 조사했습니다. 그 결과 유전자로 예측한 혈중 철분 농도가 증가할수록 오래 생존할 가능성이 낮은 것으로 나타났습니다. 이것이 유전자 자체 때문인지 아니면 높은 혈중/체내 철 농도 때문인지는 명확하지 않지만, 높은 혈중 철 농도가 꼭 좋은 뜻이 아니라는 것을 시사하는 결과입니다.   연구팀은 이 데이터를 근거로 건강한 사람이 영양제나 종합 비타민제를 통해 과도한 철분을 섭취할 이유는 없다고 주장했습니다. 어쩌면 높은 철 농도가 조기 사망 위험도를 높일지도 모르기 때문입니다. 그러나 임산부나 빈혈 환자 등 진짜 철분이 필요한 사람들까지 철분 섭취를 꺼릴 필요가 없다는 점도 강조했습니다. 연구 내용은 정상보다 높은 혈중 철농도가 오래 유지되는 경우를 가정한 것으로 본래 철분 부족이 있는 사람을 대상으로 한 것이 아니기 때문입니다. 낮은 철분 농도와 빈혈이 건강에 미치는 악영향은 이미 잘 알려져 있기 때문에 철...
댓글 쓰기
자세한 내용 보기