根据重叠分布均衡两个数据子集中的试验次数

Question

我做了一个实验，受试者（n = 14）必须在键盘上对屏幕上显示的刺激做出反应。他们可能会因在两种不同情况下的错误响应而受到罚款->在以下情况中，这两个条件分别称为“罚则4”和“罚则14”。我在其他变量中测量了任务中这些主题的决策时间（DT）。 所有数据都存在于名为“ OutputTable_Online”的表中。这是OutputTable_Online的外观（顶部）： OutputTable_Online（底部）：

我要做的是将每个“ Subjectnbr”和每个“ Penalty”的变量“ ampl_RFDI_sb”，“ ampl_RAPB_sb”，“ ampl_RADM_sb”平均化为“ StimType”的函数。如上图所示，我需要的所有信息都在OutputTable_Online中。这是我用于此的代码：

Melt_OutputTable_Online <- melt(OutputTable_Online, 
                       id.var = c('Subjectnbr', 'Penalty','Trial_Nbr', 
'StimType'), measure.var = c('ampl_RFDI_sb', 'ampl_RAPB_sb', 'ampl_RADM_sb', 
'ampl_LFDI_sb', 'ampl_LAPB_sb', 'ampl_LADM_sb', 'ampl_RFDI_ss', 
'ampl_RAPB_ss', 'ampl_RADM_ss', 'ampl_LFDI_ss', 'ampl_LAPB_ss', 
'ampl_LADM_ss', 'ampl_RFDI_sm', 'ampl_RAPB_sm', 'ampl_RADM_sm', 
'ampl_LFDI_sm', 'ampl_LAPB_sm', 'ampl_LADM_sm', 'ampl_RFDI_sl', 
'ampl_RAPB_sl', 'ampl_RADM_sl', 'ampl_LFDI_sl', 'ampl_LAPB_sl', 
'ampl_LADM_sl'))

Cast_Melt_OutputTable_Online <- cast(Melt_OutputTable_Online, 
Subjectnbr * Penalty ~ StimType * variable, mean)

以下是此过程的输出：

但是，正如预期的那样，当受检者等待更长的时间做出响应时（惩罚更为谨慎），当惩罚为14时，DT分布会向右移动。因此，罚分14中的平均DT比罚分4中的更长。

此处的数字表示惩罚4（黑色）和惩罚14（绿色）的组级别密度分布；垂直线代表组级别的平均值。这是我用来绘制此代码的代码：

OutputTable_Online_DT <- ddply(OutputTable_Online, "Penalty", summarise, 
grp.mean=mean(DT))

Density_OutputTable_Online <- ggplot(OutputTable_Online, aes(x = DT, 
fill=Penalty))
Density_OutputTable_Online <- Density_OutputTable_Online + 
geom_density(aes(y = ..count.., group=Penalty), alpha=0.2)+
geom_vline(data=OutputTable_Online_DT,aes(xintercept=grp.mean, 
color=Penalty),linetype="dashed", size=1)+ ggtitle("Density distributions 
for both penalty conditions") + scale_color_manual(labels = c("P4", "P14"), 
values = c("black", "green"))+ scale_fill_manual(labels = c("P4", "P14"), 
values = c("black", "green"))+ labs(x = "DT (ms)", y = "Density of trials 
(a.u.)")+ coord_cartesian(ylim=c(0, 3.5), xlim=c(0, 3000))
Density_OutputTable_Online

这是我的问题：如上所述，当我对变量“ ampl_RFDI_sb”，“ ampl_RAPB_sb”，“ ampl_RADM_sb”等进行求平均值时，所得平均值实际上取决于DT（即DT在2个处罚条件）。我想摆脱这个令人困惑的因素。为此，**我想在每个受试者的两个惩罚条件下均化平均DT。我当时想，这样做的一种方法是在每个受试者中选择上面重叠的部分分布（即绿色分配区与黑色分配区重叠）的试验。换句话说，在对变量“ ampl_RFDI_sb”，“ ampl_RAPB_sb”，“ ampl_RADM_sb”等执行平均过程之前，绘制DT的密度分布时，我希望在OutputTable_Online中的每个惩罚条件下具有相同的试验分布。< / p>

一种执行此操作的方法是使每个DT箱中的“罚分4”和“罚分14”条件下的数字试验相等。但是，我不知道如何根据如上所述的OutputTable_Online中的数据执行此操作。**

任何提示都会很受欢迎。

预先感谢您的帮助，

杰拉德

Answer 1

为了能够在上述两个惩罚条件下获得相同的DT，我根据DT的bin（使用子集函数）对表进行了子集化，并根据条件对每个bin均化了每种条件下的试验次数试验次数最少的为此，我使用了“样本”功能。我使用for循环对表的每个主题进行了此操作。这是代码：

keyCommandHandler(command: Command): void {
        switch (command.name) {
          case 'App.Escape':
          if (this._router.url.indexOf('dialogs') === -1  && this._router.url.indexOf('subdialogs') === -1) {
            this.cancelHelper();
          }else {
            this._router.navigate(['./', { outlets: { dialogs: null }, relativeTo: this._activatedRoute }]);
          }
            break;
        }
      }

可能会有另一种子集化表格的方式，这里我在循环中手动定义了bin（即从tmp2到tmp13）。但是，它已经可以很好地工作了。这是我在使用代码之前获得的一种发行版：enter image description here

然后使用它： enter image description here

杰拉德