计算具有x个“条件”的人在R中具有相同条件的概率？

Question

我试图理解这个理论以及这个术语的名称。我想用 R 编写代码。

在数据集中有 n 个人数，所有这些人最多可以有 z 个条件。

例如，我想知道有 3 个条件的人，他们最可能有哪些条件组。人 A 有条件 {1,2,3}，人 B 有条件 {4,7,8}，人 C 有条件 {2,5,8}，我想展示他们最可能的条件集群本来可以的。

我希望将此问题扩展到具有 n 个条件的人，因此具有 4 个条件、5 个等条件的人。

Answer 1

为了获得概率，您可以对具有相同条件的人和过滤具有相同条件计数的组。

假设有 n 个不同的条件，并且对于每个条件：1 表示一个人患有某种疾病，否则为 0：

no_of_cond <- ncol(df)                                       # number of conditions

为每个人评估condition_set 和condition_count：

df$condition_set <- apply(df, 1, function(x) {if (sum(x)>0) { paste(names(which(x == 1)),collapse = ", ")
                                                            } else {return(NA)}
                                             })
df$condition_count <- rowSums(df[,1:no_of_cond])

将具有相同条件的人分组并过滤具有相同condition_count的组：

library(dplyr)

case_count_df <- function(n) { df_temp <- df %>% group_by_all() %>% 
                                          summarise(ppl_count= n()) %>% 
                                          filter(condition_count == n)  
                                          return (df_temp) }

对有2个条件的人的总结，其他类似的可以得到：

df_2_cond <- case_count_df(2) %>% ungroup()
df_2_cond$prob <- df_2_cond$ppl_count/sum(df_2_cond$ppl_count)
plot(as.factor(df_2_cond$condition_set), df_2_cond$prob, xlab = 'condition_set', 
     ylab = 'probability', main = "People with 2 conditions")

虚拟数据：

df <- data.frame(expand.grid( a = rep(c(0,1),2), b = rep(0,3), 
                              c = c(0,1,0), d = c(0,0,1) ))

PS：以上都是基本聚合。对于任何统计测试，交叉验证的推论将是一个更好的论坛。

Answer 2

您可能正在寻找频繁项集。

在您的情况下，项目是条件，因此频繁出现条件集。