Home

Computer science

'

\ufeff2. \ufeffSelect two variables that may have association with Hb. \ufeff Hint: This is a real data and relationships may appear different from standard textbook patterns.
a. \ufeffJustify your choice using dplyr()or baseR tool(s). \ufeffShow your working in R – \ufeffcode and any output you produce in support of your argument. Marks(4)
b. \ufeffUse your investigation in QC 2.a.) \ufeffto replace all missing values in the variable Hb. \ufeffShow your code. Please do not use any automatic imputation package or routines such as Hmisc. Marks (6)
c. \ufeffPresent a comparison - \ufeffwith discussion - \ufeffbetween the two types of imputation in the context of variable Hb. \ufeffHint: You may use appropriate proximity and/or visualisation tools learned in topics of Weeks 3-7, \ufefffor comparison.
Below is excel file data bowel.csv(file name)
ID Age_admission Sex Disease_duration FC CRP Alb Hb Colectomy IFX_pre IFX_admission
4033901 72 1 0.25  32 26 95 1 1 1
1340884 32 1 1 1400 19 26 102 1 0 0
4054914 28 1 1.5  86 27 67 1 0 0
1275417 54 1 5 2660 6.7 37 132 1 0 0
2004523 28 1 1 7230 274 33 142 1 0 0
2145612 58 2 8  27 24 121 1 0 0
650942 59 1 33  39 23 70 2 0 0
964463 56 2 6  54 33  1 1 0
8227811 29 2 0 678 57 33 77 1 0 0
4025493 60 2 20 2310 107 28 90 1 0 0
4134290 38 1 1.5 345 26 33  1 0 0
9018394 27 1 0 1370 234 32 133 1 0 0
8148946 40 1 0.5 1620 88 32 107 1 0 0
4155570 41 1  704 228 22 100 1 0 0
2079662 31 1 11  280 22 135 1 0 0
2273159 31 1 1  17 21 55 1 0 0
2029820 45 2 6  96 30  1 0 0
5000920 18 1 0.5  92 41 154 1 0 0
2284199 42 1 2  22 32  1 1 1
2287574 27 1 1  100 31 139 1 0 0
2257547 28 2 10 3000 83 28 116 1 0 0
2264655 56 1 3.5  1.7 36 136 1 1 1
4005015 23 1 3  6 32 141 1 0 0
4011970 27 2 4 3000 8.9 27 118 1 0 0
2272829 28 2 4  219 30  1 0 0
4021463 27 2 0 3000 100 29 90 1 0 0
4021733 20 1 5  155 42 140 1 0 0
1357276 26 2 13  153 32 137 1 0 0
2278456 41 2 4  104 27 149 1 0 0
811148 63 2 8  92 29 100 1 0 0
5008426 26 2 0  187 24 132 1 0 0
4107410 23 2 3 3210 46 36 147 1 0 0
978658 51 2 7 1504 31 33 142 1 0 0
5012529 20 2 0 4090 37 24 136 1 0 0
4033348 51 2 24 3000 7.1 31 120 1 0 0
1380102 55 2 8 212 31 31 136 1 0 0
4068450 18 2 1  248 27 120 1 0 0
4031825 27 2 1  1 33  1 1 1
2054914 29 1 0.25 666 37.7 31 100 1 1 1
4069818 34 1 0  12 34 136 1 0 0
4073025 23 1 0  55 22 114 1 0 0
4075666 54 2 2  46 24 75 2 0 0
1080538 68 1 10  111 28 116 1 0 1
4038486 25 2 3 5540 1.5 37 116 1 0 0
5000920 20 1 3  32 35 97 1 0 0
2089553 34 2 5 153 12.2 35  1 1 1
1287731 28 1 14 759 20.5 29 123 1 0 0
961558 45 1 1 10100 39.8 38 122 1 0 0
4085609 49 1 6 2410 43 27 148 1 0 0
8176784 36 1 0  49 30 125 1 0 0
4011970 28 2 11 972 8 37 136 1 0 0
2030675 51 1 2 7240 67 17 89 1 0 0
4102608 29 1 0.2 1070 50 31 140 1 0 0arison. Marks (5).


==================================================================
# Function to install and load packagesinstall_and_load <- function(package) {  if (!require(package, character.only = TRUE)) {    install.packages(package, dependencies = TRUE)    library(package, character.only = TRUE)  }}
# Install and load necessary packagesinstall_and_load("dplyr")install_and_load("ggplot2")
# Load the datadata <- read.csv("path/to/bowel.csv")
# View the structure of the dataprint(str(data))
# Summary of the dataprint(summary(data))
# a. Justify your choice using correlation# Correlation matrixcor_matrix <- cor(data[, sapply(data, is.numeric)], use = "complete.obs")
# Print the correlation matrixprint(cor_matrix)
# Select variables with high correlation with Hbselected_vars <- cor_matrix["Hb", ]selected_vars <- sort(selected_vars, decreasing = TRUE)selected_vars <- selected_vars[-which(names(selected_vars) == "Hb")]
# Top 2 variables with highest correlation with Hbtop_2_vars <- names(selected_vars)[1:2]print(top_2_vars)
# Plotting to visualize relationshipsggplot(data, aes(x = CRP, y = Hb)) +   geom_point() +   geom_smooth(method = "lm") +   ggtitle("CRP vs Hb")
ggplot(data, aes(x = Alb, y = Hb)) +   geom_point() +   geom_smooth(method = "lm") +   ggtitle("Albumin vs Hb")
# b. Replace missing values in Hb using a regression model# Check for missing values in Hbmissing_count <- sum(is.na(data$Hb))print(paste("Number of missing values in Hb:", missing_count))
# Fit a linear modelmodel <- lm(Hb ~ CRP + Alb, data = data, na.action = na.exclude)
# Predict Hb for missing valuespredicted_values <- predict(model, newdata = data[is.na(data$Hb), ])
# Replace missing values in Hbdata$Hb[is.na(data$Hb)] <- predicted_values
# Verify if there are any missing values leftmissing_count_after <- sum(is.na(data$Hb))print(paste("Number of missing values in Hb after imputation:", missing_count_after))
# c. Comparison of imputation methods# Mean imputationdata_mean_imputed <- datadata_mean_imputed$Hb[is.na(data_mean_imputed$Hb)] <- mean(data$Hb, na.rm = TRUE)
# Visual comparisonggplot(data, aes(x = CRP, y = Hb)) +   geom_point(color = "blue") +   geom_point(data = data_mean_imputed, aes(x = CRP, y = Hb), color = "red", shape = 1) +   ggtitle("Comparison of Imputation Methods")
# Statistical comparisonoriginal_vs_mean <- data.frame(Original = data$Hb, Mean_Imputed = data_mean_imputed$Hb)original_vs_regression <- data.frame(Original = data$Hb, Regression_Imputed = data$Hb)
# Calculate mean differencesmean_diff_mean <- mean(original_vs_mean$Original - original_vs_mean$Mean_Imputed, na.rm = TRUE)mean_diff_regression <- mean(original_vs_regression$Original - original_vs_regression$Regression_Imputed, na.rm = TRUE)
# Print mean differencesprint(paste("Mean difference (Original vs Mean Imputation):", mean_diff_mean))print(paste("Mean difference (Original vs Regression Imputation):", mean_diff_regression))
===============================================================================

Run the above code and attach all required screen shot outputs . Thanks:)Please add output ASAP.

'

Answer