|
本帖最后由 ctt1984111 于 2014-1-1 01:19 编辑
9 s, y7 F7 H6 G7 Q% f3 ^+ \! N( D- _) U* i9 n* K1 d
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():9 s5 P% B) D& \
5 o' r. Y& j4 |6 M" f: P, }7 S
a: prop.test(x=c(5173,930),n=c(6841,1217)) (p-value = 0.5731)
/ o) F, {5 A. S c2 l4 K: _6 s或者 9 h. r% P( _, b9 t( J1 V! _ {( s
b: prop.test(x=c(5173,930),n=c(6841,1217),correct=F) (p-value = 0.5487)6 G1 ~- P+ |& S$ \8 y; i
# Q" {, |# A9 R7 w& ha与chisq.test()完全相同
, u; d4 m3 d, S* z- T0 y( x, Q5 @1 U
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?) x4 c4 W1 w. X% a- v
: P) g7 |9 h2 Q, m; }6 z> p=(5173+930)/(6841+1217)
9 x: f; N) ^4 v; J- n# B8 B: X9 f' ~> z=(5173/6841-930/1217)/sqrt(p*(1-p)*((1/6841)+(1/1217))): ~0 Y& _; \& x# k' E8 b# C/ r) ?
> 2*pnorm(z)0 ], f- K+ `* v3 _4 [' n6 `
[1] 0.5486768
+ ~0 b9 s% L3 X2 @8 _7 Y+ j1 D/ E3 H
7 Z" g* p; F3 b2 H* Z. H0 F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.
5 l9 j0 [1 J& L
5 k2 Y* m- Z1 V2 w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
|