本文小编为大家详细介绍“R语言99%阈值置信区间是怎么计算的”，内容详细，步骤清晰，细节处理妥当，希望这篇“R语言99%阈值置信区间是怎么计算的”文章能帮助大家解决疑惑，下面跟着小编的思路慢慢深入，一起来学习新知识吧。
R语言代码：
###########genotype#############################
genotype<-function(){
count<-0
if (population_structure=="RIL"){
x<-runif(1)
if (x<=0.5){
count<-1
}else{
count<-0
}
}else{
for(i in 1:2){
x<-runif(1)
if (x<=0.5){
number<-0.5
}else{
number<-0
}
if(number == 0.5){
count<- count+0.5
}
}
}
return(count)
}
############################################################
###########caluclate of genotype ratio#########################
individuals_genotype<-function(number_of_total_individuals){
ratio_of_genotype<-c()
for(i in 1:number_of_total_individuals){
ratio_of_genotype<-c(ratio_of_genotype,genotype())
}
return(mean(ratio_of_genotype))
}
############################################################
###########SNP_index_caluclation#########################
snp_index<-function(read_depth,ratio_of_genotype_in_the_population){
x1<-rbinom(1,read_depth,ratio_of_genotype_in_the_population)
return(x1/read_depth)
}
############################################################
####################################
####################################
Arg<-commandArgs(TRUE)
###########input###############################################
population_structure<-"F2"
individual_analysis<- c(Arg[1])
reprication<-c(Arg[2])
filter_value<-c(Arg[3])
depth_analysis<-c(1:300)
###########input###############################################
for (key_individual in individual_analysis){
individual_number<-key_individual
depth_data<-c()
p_h_data_95<-c()
p_h_data_99<-c()
for (key_depth in depth_analysis){
depth_data<-c(depth_data,key_depth)
depth<-key_depth
sum_snp_index<-c()
for(i in 1:reprication){
##########gene_frequency######################
ratio_of_genotype_in_the_population<-individuals_genotype(key_individual)
a_snp_index<-snp_index(key_depth,ratio_of_genotype_in_the_population)
if(a_snp_index >= filter_value){
sum_snp_index<-c(sum_snp_index,a_snp_index)
}
##########gene_frequency######################
}
order_sum_snp_index<-sort(sum_snp_index)
length_sum_snp_index<-length(sum_snp_index)
##########snp_index_probabirity_0.05######################
snp_cutoff_up_0.95<-order_sum_snp_index[ceiling(0.95*length_sum_snp_index)]
p_h_data_95<-c(p_h_data_95,snp_cutoff_up_0.95)
##########snp_index_probabirity_0.05######################
##########snp_index_probabirity_0.01######################
if (ceiling(0.99*length_sum_snp_index)<length_sum_snp_index){
snp_cutoff_up_0.99<-order_sum_snp_index[ceiling(0.99*length_sum_snp_index)]
}else{
snp_cutoff_up_0.99<-order_sum_snp_index[length_sum_snp_index]
}
p_h_data_99<-c(p_h_data_99,snp_cutoff_up_0.99)
##########snp_index_probabirity_0.01######################
}
FINAL_DATA<-data.frame(DEPTH=depth_data,P_H_95=p_h_data_95,P_H_99=p_h_data_99)
table_name<-paste("./",individual_number,sep="")
table_name<-paste(table_name,"individuals.txt",sep="")
write.table(FINAL_DATA,table_name,sep="\t", quote=F, append=F,row.name=F)
}
读到这里，这篇“R语言99%阈值置信区间是怎么计算的”文章已经介绍完毕，想要掌握这篇文章的知识点还需要大家自己动手实践使用过才能领会，如果想了解更多相关内容的文章，欢迎关注云搜网行业资讯频道。
