计算数据帧R中多列的95%可信区间

# 导入相关包
library(dplyr)
library(tidyverse)

# 读取数据集
data <- read.csv("data.csv")

# 数据预处理，如去除缺失值、异常值等
data <- data %>%
  na.omit() %>%
  filter(!is.na(column1), !is.na(column2), !is.na(column3))

# 计算每列的均值、标准差和样本数量
mean_column1 <- mean(data$column1)
sd_column1 <- sd(data$column1)
n_column1 <- length(data$column1)

mean_column2 <- mean(data$column2)
sd_column2 <- sd(data$column2)
n_column2 <- length(data$column2)

mean_column3 <- mean(data$column3)
sd_column3 <- sd(data$column3)
n_column3 <- length(data$column3)

# 计算置信区间的临界值
critical_value <- qt(0.975, df = n_column1 - 1) # 对于小样本，使用t分布的临界值

# 计算置信区间
ci_column1 <- c(mean_column1 - critical_value * sd_column1 / sqrt(n_column1),
                mean_column1 + critical_value * sd_column1 / sqrt(n_column1))

ci_column2 <- c(mean_column2 - critical_value * sd_column2 / sqrt(n_column2),
                mean_column2 + critical_value * sd_column2 / sqrt(n_column2))

ci_column3 <- c(mean_column3 - critical_value * sd_column3 / sqrt(n_column3),
                mean_column3 + critical_value * sd_column3 / sqrt(n_column3))

# 将置信区间添加到数据帧R中的相应列
data$ci_column1 <- ci_column1
data$ci_column2 <- ci_column2
data$ci_column3 <- ci_column3

# 打印结果
print(data)