|
本帖最后由 ctt1984111 于 2014-1-1 01:19 编辑
& \7 |2 v0 P1 X0 p, C& l r/ B; v6 x. Y- _, L4 K0 f" |. {3 G
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():# N! {7 b& j* m# s/ {, f
! d) j3 C. m; A) w. V1 m6 {
a: prop.test(x=c(5173,930),n=c(6841,1217)) (p-value = 0.5731)
* s. P% @3 P' G1 ?- v或者 / _3 Q' n, ~3 t" k
b: prop.test(x=c(5173,930),n=c(6841,1217),correct=F) (p-value = 0.5487)" f( W0 V3 k% X7 X9 e
! U" R d# F$ g V0 sa与chisq.test()完全相同
! ^2 i. Y8 @! q4 W; a$ l, I
K9 [- E1 l. Q" b; v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?7 h2 ~2 z8 M; C. e0 ?
7 i2 D2 ?% z1 e# z; g) y
> p=(5173+930)/(6841+1217)
! N" K6 N# q* g3 {0 i6 ^& Z$ ~> z=(5173/6841-930/1217)/sqrt(p*(1-p)*((1/6841)+(1/1217)))& f- @ `' R( _: v9 [, ^
> 2*pnorm(z)+ D& e' c2 `' D
[1] 0.5486768$ P% Q9 E* {- F! V' T3 M$ c
$ _5 v3 M# N/ S" [
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.6 K8 y! ]! F3 }( k1 \+ \6 v
/ y M8 D! [( }- m7 e! K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
|