
library(testthat)

source("user_code.R")
test_that("mean_control is correct", {
  expect_true(exists("mean_control"), info = "mean_control should exist.")
  expect_type(mean_control, "double")
  expect_equal(mean_control, mean(c(5.2, 4.8, 5.0)), tolerance = 1e-8)
})

test_that("mean_treated is correct", {
  expect_true(exists("mean_treated"), info = "mean_treated should exist.")
  expect_type(mean_treated, "double")
  expect_equal(mean_treated, mean(c(7.1, 7.3, 6.9)), tolerance = 1e-8)
})

test_that("test_result is a t.test object and result is correct", {
  expect_true(exists("test_result"), info = "test_result should exist.")
  expect_s3_class(test_result, "htest")
  expect_equal(test_result$p.value, t.test(c(5.2, 4.8, 5.0), c(7.1, 7.3, 6.9))$p.value, tolerance = 1e-8)
})

test_that("interpretation is a string and matches p-value significance", {
  expect_true(exists("interpretation"), info = "interpretation should exist.")
  expect_type(interpretation, "character")
  pval <- test_result$p.value
  if (pval < 0.05) {
    expect_equal(interpretation, "There is a statistically significant difference in gene expression between control and treated samples.")
  } else {
    expect_equal(interpretation, "There is no statistically significant difference in gene expression between control and treated samples.")
  }
})

test_main.R

Una introducción práctica a la programación en R diseñada para biólogos y bioinformáticos. Aprenda a analizar, visualizar e interpretar datos biológicos utilizando R, con ejemplos reales de genómica, ecología y biología experimental.

Aprende los conceptos esenciales de la programación en R con un enfoque en datos biológicos, incluyendo variables, tipos de datos y manipulación básica de datos.

Profundización en métodos estadísticos para analizar datos biológicos, incluyendo estadísticas descriptivas, pruebas de hipótesis e interpretación de resultados.

Domina el arte de visualizar datos biológicos utilizando R, desde gráficos básicos hasta visualizaciones más avanzadas relevantes para experimentos.

Aprende a trabajar con datos de estilo genómico y a desarrollar flujos de trabajo reproducibles para la investigación científica en R.

Challenge: Análisis Reproducible

Solución