
library(testthat)

source("user_code.R")
test_that("returns a labeled string with all components", {
  out <- format_statistical_results(1.5, 0.05, 0.2, "Some effect detected.")
  expect_type(out, "character")
  expect_true(grepl("Statistic: 1.5", out), info = "Should include labeled statistic with value.")
  expect_true(grepl("p-value: 0.05", out), info = "Should include labeled p-value with value.")
  expect_true(grepl("Effect size: 0.2", out), info = "Should include labeled effect size with value.")
  expect_true(grepl("Interpretation: Some effect detected.", out), info = "Should include labeled interpretation with value.")
})

test_that("combines values correctly in output string", {
  out <- format_statistical_results(-2.4, 0.001, 0.78, "Strong negative association.")
  expect_match(out, "^Statistic: -2.4; p-value: 0.001; Effect size: 0.78; Interpretation: Strong negative association.$", 
    info = "Should match the exact required format and value order.")
})

test_that("handles both positive and negative statistic values", {
  out_pos <- format_statistical_results(3.2, 0.04, 0.5, "Positive effect.")
  out_neg <- format_statistical_results(-3.2, 0.04, 0.5, "Negative effect.")
  expect_true(grepl("Statistic: 3.2", out_pos), info = "Should correctly handle positive statistic.")
  expect_true(grepl("Statistic: -3.2", out_neg), info = "Should correctly handle negative statistic.")
})

test_that("handles significant and non-significant p-values", {
  out_sig <- format_statistical_results(1.1, 0.02, 0.3, "Significant effect.")
  out_nonsig <- format_statistical_results(1.1, 0.3, 0.3, "No significant effect.")
  expect_true(grepl("p-value: 0.02", out_sig), info = "Should correctly handle significant p-value.")
  expect_true(grepl("p-value: 0.3", out_nonsig), info = "Should correctly handle non-significant p-value.")
})

test_main.R

Käytännönläheinen johdatus R-ohjelmointiin, joka on suunnattu biologeille ja bioinformaatikoille. Opettele analysoimaan, visualisoimaan ja tulkitsemaan biologista dataa R:n avulla, käyttäen esimerkkejä genomiikasta, ekologiasta ja kokeellisesta biologiasta.

Opi R-ohjelmoinnin perusteet keskittyen biologiseen dataan, mukaan lukien muuttujat, tietotyypit ja perusdatan käsittely.

Syvenny tilastollisiin menetelmiin biologisten aineistojen analysoinnissa, mukaan lukien yhteenvetotilastot, hypoteesien testaus ja tulosten tulkinta.

Hallitse biologisten tietojen visualisoinnin taito R:llä, peruskaavioista edistyneempiin kokeisiin liittyviin visualisointeihin.

Opettele käsittelemään genomityyppistä dataa ja kehittämään toistettavia työnkulkuja tieteelliseen tutkimukseen R:ssä.

Challenge: Biologisten Tulosten Raportointi

Ratkaisu