
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

En praktisk introduktion till R-programmering anpassad för biologer och bioinformatiker. Lär dig att analysera, visualisera och tolka biologiska data med R, med verkliga exempel från genomik, ekologi och experimentell biologi.

Lär dig grunderna i R-programmering med fokus på biologiska data, inklusive variabler, datatyper och grundläggande datamanipulation.

Fördjupa dig i statistiska metoder för att analysera biologiska data, inklusive sammanfattande statistik, hypotesprövning och tolkning av resultat.

Bemästra konsten att visualisera biologiska data med hjälp av R, från grundläggande diagram till mer avancerade visualiseringar relevanta för experiment.

Lär dig att arbeta med genomikliknande data och utveckla reproducerbara arbetsflöden för vetenskaplig forskning i R.

Challenge: Rapportering av Biologiska Resultat

Lösning