|
本帖最后由 ctt1984111 于 2014-1-1 01:19 编辑 - A, H1 [6 z c+ `
1 e% Y9 N3 F8 L' Q7 u两种办法作proportion test, 一种前面已经提过用Chi-square test,而且已经用R给出了答案:p-value = 0.5731。这种方法除了在R里面用chisq.test(),也可以用prop.test():
* J6 o" {9 @& i5 k0 Y. d/ i" c0 t: U& D& u
a: prop.test(x=c(5173,930),n=c(6841,1217)) (p-value = 0.5731), t# R' v' _/ @8 g, E9 Q' I
或者 t, q" \4 M% K
b: prop.test(x=c(5173,930),n=c(6841,1217),correct=F) (p-value = 0.5487)3 b! T/ }- E ]8 o
8 i2 a# q+ `* {/ R1 b
a与chisq.test()完全相同" q' S* Q- f8 V8 Q @- M
6 Q9 N. `, l5 h: W# G! r7 o而b其实就是Z test(Z test用来比较sample proportion, 而T test用以比较sample mean),那Z test怎么用R来做呢?
2 t/ I2 O; i' }" y, a
4 O, N0 N7 B; O* S1 ^> p=(5173+930)/(6841+1217)
' @; m; T# Q1 f5 L# n) u> z=(5173/6841-930/1217)/sqrt(p*(1-p)*((1/6841)+(1/1217)))
4 }" I6 X$ T! p( R j3 z> 2*pnorm(z)
0 z7 S+ B/ ]' X+ }[1] 0.5486768
, _. n; J( j! y5 U2 P, z7 S6 W5 O, I: b! A9 y. J6 j
最后就是Z test得到的p-value,跟b的结果一模一样。公式大家可以google:Z test.( I' t! H3 J% {. \) f# ?: t
) ]7 _" N% z0 G8 Q结论是无论用哪种方法,无论是在90%还是95%的confidence level,无论是one tail还是two tail(我这里只做了two tail,one tail稍微改一改就可以得到),null hypothesis(proportion相等)都无法推翻,所以楼主认为可能存在的“睡狗”现象不能通过统计test证实,只能说交叉销售没有起到促进销售的作用。 |
评分
-
查看全部评分
|