Matlab 如何计算置信区间并将其绘制在条形图上

我如何从一个平面中绘制一个条形图

data=1x10单元

，其中单元格中的每个值具有不同的维度，如3x100、3x40、66x2等

我的目标是得到一个条形图，其中我有10组条形图，每组中每个值有三个条形图。在条形图上，我想让它显示值的中间值，我想计算置信区间并另外显示它

在本例中，没有一组条形图，但我的目的是向您展示我希望如何显示置信区间。在上，我发现了这个例子，他们提供了一个解决方案，其中有这个命令行

e1 = errorbar(mean(data), ci95);

但我的问题是，它找不到任何ci95

---

那么，在不安装或下载其他服务的情况下，还有其他有效的方法吗？

因为我不确定您的数据是什么样子的，因为在您的问题中，您指出单元格的元素包含不同维度的数据，如

3x100、3x40、66x2

我假设您的数据可以按列或行排列，并且并非所有数据都需要三个栏

由于您没有提供一小段数据供我们测试，我生成了一些人工数据：

data = cell(1,10);

% Random length of the data
l = randi(500, 10, 1) + 50;  

% Random "width" of the data, with 3 more likely
w = randi(4, 10, 1);
w(w==4) = 3;
% random "direction" of the data
d = randi(2, 10, 1);

% sigma of the data (in fraction of mean)
sigma = rand(10,1) / 3;

% means of the data
dmean = randi(150,10,1);
dsigma = dmean.*sigma;

for c = 1 : 10
    if d(c) == 1
        data{c} = randn(l(c), w(c)) .* dsigma(c) + dmean(c);
    else
        data{c} = randn(w(c), l(c)) .* dsigma(c) + dmean(c);
    end
end

下一件事是

在条形图上，我想让它显示值的中间值，我想计算置信区间并另外显示它

是否确实要绘制中间值？某些数据的中值与数据的方差无关，不需要任何类型的误差条。我想你是想表现出你的意思。如果你真的想显示中位数，a可能是更好的选择

以下代码计算并绘制条形图中的平均值：

means = zeros(numel(data),3);
stds = zeros(numel(data),3);
n = zeros(numel(data),3);
for c = 1:numel(data)
    d = data{c};
    if size(d,1) < size(d,2)
        d = d';
    end
    cols = size(d,2);
    means(c, 1:cols) = nanmean(d);
    stds(c, 1:cols) = nanstd(d);
    n(c, 1:cols) = sum(~isnan((d)));
end

b = bar(means);

最后一件事是绘制错误条。在这里，我选择了您在问题中提出的ci95，如果您想更改它，只需在调用

errorbar

时更改变量即可：

for c = 1:3
    size(means(:, c))
    size(b(c).XData)
    e = errorbar(b(c).XData + b(c).XOffset, means(:,c), ci95(:, c));
    e.LineStyle = 'none';
end

---

我发现Patrick Happel的答案不起作用，因为图形窗口（以及变量

b

）被后续调用

errorbar

清除。只需添加一个

hold on

命令即可解决此问题。为了避免混淆，这里有一个新的答案，它复制了Patrick的所有原始代码，加上我的小改动：

%% Old answer
%Just to be safe, let's clear everything
clear all

data = cell(1,10);

% Random length of the data
l = randi(500, 10, 1) + 50;  

% Random "width" of the data, with 3 more likely
w = randi(4, 10, 1);
w(w==4) = 3;
% random "direction" of the data
d = randi(2, 10, 1);

% sigma of the data (in fraction of mean)
sigma = rand(10,1) / 3;

% means of the data
dmean = randi(150,10,1);
dsigma = dmean.*sigma;

for c = 1 : 10
    if d(c) == 1
        data{c} = randn(l(c), w(c)) .* dsigma(c) + dmean(c);
    else
        data{c} = randn(w(c), l(c)) .* dsigma(c) + dmean(c);
    end
end
%============================================
%Next thing is 
%    On the bar, I want it to be shown the median of the values, and I
%    want to calculate the confidence interval and show it additionally.
%
%Are you really sure you want to plot the median? The median of some data
%is not connected to the variance of the data, and hus no type of error
%bars are required. I guess you want to show the mean. If you really want
%to show the median, a box plot might be a better alternative.
%
%The following code computes and plots the mean in a bar plot:
%============================================
means = zeros(numel(data),3);
stds = zeros(numel(data),3);
n = zeros(numel(data),3);
for c = 1:numel(data)
    d = data{c};
    if size(d,1) < size(d,2)
        d = d';
    end
    cols = size(d,2);
    means(c, 1:cols) = nanmean(d);
    stds(c, 1:cols) = nanstd(d);
    n(c, 1:cols) = sum(~isnan((d)));
end

b = bar(means);

%% New code
%This ensures that b continues to reference existing data in the next for
%loop, as the graphics objects can otherwise be deleted.  
hold on
%% Continuing Patrick Happel's answer
%============================================
%Now, we need to compute the length of the error bars. Typical choices are
%the standard deviation of the data (already computed by the code above,
%stored in stds), the standard error or the 95% confidence interval (which
%is the 1.96fold of the standard error, assuming the underlying data
%follows a normal distribution).
%============================================
% for standard deviation use stds

% for standard error
ste = stds./sqrt(n);

% for 95% confidence interval
ci95 = 1.96 * ste;
%============================================
%Last thing is to plot the error bars. Here I chose the ci95 as you asked
%in your question, if you want to change that, simply change the variable
%in the call to errorbar:
%============================================
for c = 1:3
    size(means(:, c))
    size(b(c).XData)
    e = errorbar(b(c).XData + b(c).XOffset, means(:,c), ci95(:, c));
    e.LineStyle = 'none';
end

%%旧答案
%为了安全起见，让我们把一切都清理干净
清除所有
数据=单元（1,10）；
%数据的随机长度
l=randi（500,10,1）+50；
%数据的随机“宽度”，更有可能为3
w=randi（4,10,1）；
w（w==4）=3；
%数据的随机“方向”
d=兰迪（2,10,1）；
%数据的西格玛（平均分数）
西格玛=兰德（10,1）/3；
%数据的方法
dmean=randi（150,10,1）；
dsigma=dmean.*西格玛；
对于c=1:10
如果d（c）==1
数据{c}=randn（l（c），w（c））.*dsigma（c）+dmean（c）；
其他的
数据{c}=randn（w（c），l（c））.*dsigma（c）+dmean（c）；
结束
结束
%============================================
%下一件事是
%在条形图上，我希望它显示值的中间值，然后
%希望计算置信区间并另外显示它。
%
%是否确实要绘制中间值？某些数据的中值
%未连接到数据的方差，并且没有任何类型的错误
%需要钢筋。我想你是想表现出你的意思。如果你真的想
%为了显示中间值，方框图可能是更好的选择。
%
%以下代码计算并绘制条形图中的平均值：
%============================================
平均值=零（numel（数据），3）；
STD=零（numel（数据），3）；
n=零（numel（数据），3）；
对于c=1:numel（数据）
d=数据{c}；
如果尺寸（d，1）<尺寸（d，2）
d=d'；
结束
cols=尺寸（d，2）；
平均数（c，1:cols）=平均数（d）；
性病（c，1：感冒）=nanstd（d）；
n（c，1:cols）=和（~isnan（（d））；
结束
b=巴（平均值）；
%%新代码
%这确保了b在下一个数据库中继续引用现有数据
%循环，否则可以删除图形对象。
等等
%%继续Patrick Happel的回答
%============================================
%现在，我们需要计算误差条的长度。典型的选择是
%数据的标准偏差（已由上述代码计算，
%标准误差或95%置信区间（其中
%是标准误差的1.96倍，假设基础数据
%遵循正态分布）。
%============================================
%对于标准偏差，请使用STD
%标准误差
ste=性病/sqrt（n）；
%95%置信区间
ci95=1.96*ste；
%============================================
%最后一件事是绘制错误条。在这里，我按照你的要求选择了ci95
%在你的问题中，如果你想改变它，只需改变变量
%在对errorbar的调用中：
%============================================
对于c=1:3
尺寸（指（：，c））
大小（b（c）.扩展数据）
e=errorbar（b（c）.XData+b（c）.XOffset，表示（：，c），ci95（：，c））；
e、 LineStyle='无'；
结束

您的问题是如何在matlab中获得95%的置信区间（给定一些上下文）还是如何绘制条形图？如果您希望单元格中的每个元素有三个条形图，您希望如何从66×2大小的元素中生成三个条形图？“一根杆子的高度应该是零吗？”阿盖尔说，问题是如何绘制信心曲线intervals@PatrickHappel这张图片与条数无关。这只是为了显示我希望在整个过程中有一个置信区间bar@CroatiaHR：置信区间始终与平均值、标准偏差等的估计值相关联。置信区间假设一个基本分布，其准确性需要在别处确认。你知道它是如何工作的吗？1.96因子假设基础中的正态分布。很高兴你能解释一切。但我认为跳到1.96并不一定对OP有利，因为OP目前还不了解o

%% Old answer
%Just to be safe, let's clear everything
clear all

data = cell(1,10);

% Random length of the data
l = randi(500, 10, 1) + 50;  

% Random "width" of the data, with 3 more likely
w = randi(4, 10, 1);
w(w==4) = 3;
% random "direction" of the data
d = randi(2, 10, 1);

% sigma of the data (in fraction of mean)
sigma = rand(10,1) / 3;

% means of the data
dmean = randi(150,10,1);
dsigma = dmean.*sigma;

for c = 1 : 10
    if d(c) == 1
        data{c} = randn(l(c), w(c)) .* dsigma(c) + dmean(c);
    else
        data{c} = randn(w(c), l(c)) .* dsigma(c) + dmean(c);
    end
end
%============================================
%Next thing is 
%    On the bar, I want it to be shown the median of the values, and I
%    want to calculate the confidence interval and show it additionally.
%
%Are you really sure you want to plot the median? The median of some data
%is not connected to the variance of the data, and hus no type of error
%bars are required. I guess you want to show the mean. If you really want
%to show the median, a box plot might be a better alternative.
%
%The following code computes and plots the mean in a bar plot:
%============================================
means = zeros(numel(data),3);
stds = zeros(numel(data),3);
n = zeros(numel(data),3);
for c = 1:numel(data)
    d = data{c};
    if size(d,1) < size(d,2)
        d = d';
    end
    cols = size(d,2);
    means(c, 1:cols) = nanmean(d);
    stds(c, 1:cols) = nanstd(d);
    n(c, 1:cols) = sum(~isnan((d)));
end

b = bar(means);

%% New code
%This ensures that b continues to reference existing data in the next for
%loop, as the graphics objects can otherwise be deleted.  
hold on
%% Continuing Patrick Happel's answer
%============================================
%Now, we need to compute the length of the error bars. Typical choices are
%the standard deviation of the data (already computed by the code above,
%stored in stds), the standard error or the 95% confidence interval (which
%is the 1.96fold of the standard error, assuming the underlying data
%follows a normal distribution).
%============================================
% for standard deviation use stds

% for standard error
ste = stds./sqrt(n);

% for 95% confidence interval
ci95 = 1.96 * ste;
%============================================
%Last thing is to plot the error bars. Here I chose the ci95 as you asked
%in your question, if you want to change that, simply change the variable
%in the call to errorbar:
%============================================
for c = 1:3
    size(means(:, c))
    size(b(c).XData)
    e = errorbar(b(c).XData + b(c).XOffset, means(:,c), ci95(:, c));
    e.LineStyle = 'none';
end