Berechnung der Länge von 95% -CI mit dplyr

Zuletzt habe ich gefragt, wie es möglich ist, die durchschnittliche Punktzahl pro Messanlass (Woche) für eine Variable (Procras) zu berechnen, die für mehrere Befragte wiederholt gemessen wurde. So sieht mein (vereinfachter) Datensatz im Langformat beispielsweise so aus (hier zwei Schüler und 5 Zeitpunkte, keine Gruppierungsvariable):

studentID  week   procras
   1        0     1.4
   1        6     1.2
   1        16    1.6
   1        28    NA
   1        40    3.8
   2        0     1.4
   2        6     1.8
   2        16    2.0
   2        28    2.5
   2        40    2.8

it dplyr würde ich die durchschnittliche Punktzahl pro Messanlass erhalte

mean_data <- group_by(DataRlong, week)%>% summarise(procras = mean(procras, na.rm = TRUE))

Sieht so aus,

Source: local data frame [5 x 2]
        occ  procras
      (dbl)    (dbl)
    1     0 1.993141
    2     6 2.124020
    3    16 2.251548
    4    28 2.469658
    5    40 2.617903

Mit ggplot2 konnte ich jetzt die durchschnittliche Änderung über die Zeit zeichnen und durch einfaches Anpassen der group_data () von dplyr auch Mittelwerte pro Untergruppe erhalten (zum Beispiel die durchschnittliche Punktzahl pro Gelegenheit für Männer und Frauen). Jetzt möchte ich der mean_data-Tabelle eine Spalte hinzufügen, die die Länge für die 95% -CIs um die durchschnittliche Punktzahl pro Gelegenheit enthält.

http: //www.cookbook-r.com/Graphs/Plotting_means_and_error_bars_ (ggplot2) / erklärt, wie CIs abgerufen und geplottet werden, aber dieser Ansatz scheint problematisch zu werden, sobald ich dies für eine Untergruppe tun wollte, oder? Gibt es eine Möglichkeit, dplyr auch das CI (basierend auf der Gruppengröße usw.) automatisch in die mean_data aufnehmen zu lassen? Danach sollte es ziemlich einfach sein, die neuen Werte als CIs in die Diagramme zu zeichnen, wie ich hoffe. Vielen Dank