Gostaria de saber se existe uma maneira simples de alcançar o que descrevo abaixo usandoddply. Meu quadro de dados descreve um experimento com duas condições. Os participantes tiveram que selecionar entre opçõesA eB, e registramos quanto tempo eles levaram para decidir e se suas respostas foram precisas ou não.

eu usoddply para criar médias por condição. A colunanAccurate resume o número de respostas precisas em cada condição. Eu também quero saber quanto tempo eles levaram para decidir e expressá-lo na colunaRT. No entanto, quero calcular os tempos médios de respostasomente quando os participantes acertaram a resposta (ou seja,Accuracy==1) Atualmente, o código abaixo pode calcular apenas os tempos médios de reação para todas as respostas (precisas e imprecisas). Existe uma maneira simples de modificá-lo para obter os tempos médios de resposta calculados apenas em testes precisos?

Veja o código de exemplo abaixo e obrigado!

library(plyr)

# Create sample data frame. 
Condition = c(rep(1,6), rep(2,6))                               #two conditions
Response  = c("A","A","A","A","B","A","B","B","B","B","A","A")  #whether option "A" or "B" was selected
Accuracy  = rep(c(1,1,0),4)                                     #whether the response was accurate or not
RT        = c(110,133,121,122,145,166,178,433,300,340,250,674)  #response times
df        = data.frame(Condition,Response, Accuracy,RT)

head(df)

  Condition Response Accuracy  RT
1         1        A        1 110
2         1        A        1 133
3         1        A        0 121
4         1        A        1 122
5         1        B        1 145
6         1        A        0 166

# Calculate averages.  
avg <- ddply(df, .(Condition), summarise, 
                 N          = length(Response),
                 nAccurate  = sum(Accuracy),
                 RT         = mean(RT))

# The problem: response times are calculated over all trials. I would like
# to calculate mean response times *for accurate responses only*.

avg
  Condition N nAccurate       RT
          1 6         4 132.8333
          2 6         4 362.5000