
library(testthat)

source("user_code.R")
test_that("geneA_sample1 is 5.2", {
  expect_true(exists("geneA_sample1"), info = "geneA_sample1 does not exist.")
  expect_equal(geneA_sample1, 5.2, tolerance = 1e-8, info = "geneA_sample1 is not equal to 5.2.")
})

test_that("geneA_sample2 is 6.8", {
  expect_true(exists("geneA_sample2"), info = "geneA_sample2 does not exist.")
  expect_equal(geneA_sample2, 6.8, tolerance = 1e-8, info = "geneA_sample2 is not equal to 6.8.")
})

test_that("geneA_sample3 is 7.1", {
  expect_true(exists("geneA_sample3"), info = "geneA_sample3 does not exist.")
  expect_equal(geneA_sample3, 7.1, tolerance = 1e-8, info = "geneA_sample3 is not equal to 7.1.")
})

test_that("geneA_expression vector is correct", {
  expect_true(exists("geneA_expression"), info = "geneA_expression does not exist.")
  expect_true(is.numeric(geneA_expression), info = "geneA_expression is not numeric.")
  expect_equal(length(geneA_expression), 3, info = "geneA_expression does not have length 3.")
  expect_equal(geneA_expression, c(5.2, 6.8, 7.1), tolerance = 1e-8, info = "geneA_expression does not contain the correct values in the correct order.")
})

test_that("geneA_mean is correct", {
  expect_true(exists("geneA_mean"), info = "geneA_mean does not exist.")
  expect_equal(geneA_mean, mean(c(5.2, 6.8, 7.1)), tolerance = 1e-8, info = "geneA_mean does not contain the correct mean value.")
})

test_main.R

Un'introduzione pratica alla programmazione in R pensata per biologi e bioinformatici. Analisi, visualizzazione e interpretazione di dati biologici utilizzando R, con esempi reali tratti da genomica, ecologia e biologia sperimentale.

Impara le nozioni fondamentali della programmazione in R con un focus sui dati biologici, inclusi variabili, tipi di dati e manipolazione di dati di base.

Approfondimento dei metodi statistici per l'analisi dei dati biologici, inclusi statistiche descrittive, test d'ipotesi e interpretazione dei risultati.

Padroneggiare l'arte della visualizzazione dei dati biologici utilizzando R, dai grafici di base alle visualizzazioni più avanzate rilevanti per gli esperimenti.

Imparare a lavorare con dati in stile genomico e sviluppare workflow riproducibili per la ricerca scientifica in R.

Sfida: Variabili Biologiche e Vettori

Soluzione