|
本帖最后由 Menuett 于 2013-12-22 15:59 编辑 4 G- M3 n: y% S) {2 q6 x5 [' v
煮酒正熟 发表于 2013-12-20 12:05 ![]()
. t$ B- J. j9 F0 |基本可以说是显著的。总的来说,在商界做统计学分析,95%信心水平是用得最多的,当95%上不显著时,都会去 ...
) f0 c0 ]+ h& b) o: I- R4 `2 B* b o, x) b# B$ x4 J+ Y5 t
这个其实是一种binomial response,应该用Contigency Table或者Logisitic Regression(In case there are cofactors)来做。只记比率丢弃了Number of trial的信息(6841和1217个客户)。
9 U" }1 u& g" D; _& I7 g1 a: ^3 C4 o# h& a) V: r: V
结果p=0.5731。 远远不显著。要在alpha level 0.05的水平上检验出76.42%和75.62%的区别,即使实验组和对照组各自样本大小相同,各自尚需44735个样本(At power level 80%)。see: Statistical Methods for Rates and Proportions by Joseph L. Fleiss (1981)& B- p& _$ h3 \$ f
B6 \0 q- J' k$ `; qR example:1 o! R1 Q \) \1 X
+ G& H' F' l& f3 Q: K' u$ g
> M<-as.table(rbind(c(1668,5173),c(287,930)))+ ]' V I1 Z# ?- S
> chisq.test(M)
% v; p4 ~$ p1 G8 W3 D) J
5 ?' b& j$ }/ h8 e- { Pearson's Chi-squared test with Yates' continuity correction- ~( @" `! ~( k' l7 Z7 m
J+ S1 ]& ^/ t+ ~4 X& R
data: M) f% [ t# F2 Q4 H( h* g2 K$ y
X-squared = 0.3175, df = 1, p-value = 0.5731$ I1 _" G% _" ^' m5 c9 s
J+ J$ c, G- r3 {, h6 T+ sPython example:
1 @9 U ~1 S5 ~- V2 w1 P, _0 g. _5 r) O) {1 R
>>> from scipy import stats
/ D. `2 J9 b' ^6 N2 [- L>>> stats.chi2_contingency([[6841-5173,5173],[1217-930,930]])8 E4 v4 v; e4 l5 Y6 e
(0.31748297614660292, 0.57312422493552839, 1, array([[ 1659.73628692, 5181.26371308],
|* Q6 a# O7 o u$ I8 [& n9 x [ 295.26371308, 921.73628692]])) |
|