Na última vez, perguntei como era possível calcular a pontuação média por ocasião da medida (semana) para uma variável (procras) que foi medida repetidamente para vários entrevistados. Portanto, meu conjunto de dados (simplificado) em formato longo se parece, por exemplo, com o seguinte (aqui dois alunos e cinco pontos no tempo, sem variável de agrupamento):

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

Usando dplyr, eu obteria a pontuação média por ocasião da medição

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

Assim, por exemplo:

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

Com o ggplot2, eu agora podia traçar a mudança média ao longo do tempo e, ajustando facilmente os dados_grupo () do dplyr, também poderia obter médias por subgrupos (por exemplo, a pontuação média por ocasião para homens e mulheres). Agora, gostaria de adicionar uma coluna à tabela mean_data que inclua o comprimento dos ICs de 95% em torno da pontuação média por ocasião.

http://www.cookbook-r.com/Graphs/Plotting_means_and_error_bars_(ggplot2)/ explica como obter e plotar ICs, mas essa abordagem parece se tornar problemática assim que eu quero fazer isso para qualquer subgrupo, certo? Portanto, existe uma maneira de permitir que o dplyr inclua também o IC (com base no tamanho do grupo, ect.) Automaticamente no mean_data? Depois disso, deve ser bastante fácil plotar os novos valores como ICs nos gráficos, espero. Obrigado.