|
本帖最后由 ctt1984111 于 2014-1-1 01:19 编辑 - Q, n& N1 L* V* X# K0 `& T0 o+ @
5 ^* r6 v, s( |+ a
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():
- o" t) z* S4 T
9 G( L5 u6 w. v! Q/ A# M6 P, y1 X( fa: prop.test(x=c(5173,930),n=c(6841,1217)) (p-value = 0.5731): c1 T, _9 ` O! A3 @2 o$ p9 C
或者 5 K# A1 Z# E) o. x) r+ j! a$ [
b: prop.test(x=c(5173,930),n=c(6841,1217),correct=F) (p-value = 0.5487)
3 j4 Q" K7 y) B7 r$ q& n9 W
% P2 f' t0 d' K- Z5 i0 Ua与chisq.test()完全相同
/ }; _8 x Z7 H3 F4 V& h2 v) V# |5 ?
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?+ z9 \9 Z2 ]& S! X* I# P; y
R9 {) [$ B, v, v) F/ ~
> p=(5173+930)/(6841+1217)3 o& L/ s% F( n1 ]+ \$ J0 E* U
> z=(5173/6841-930/1217)/sqrt(p*(1-p)*((1/6841)+(1/1217)))! D& h2 U# n# |" |% M
> 2*pnorm(z)
9 e3 L0 X+ Y( x' T; M& P' S+ _! c[1] 0.5486768
* v) t8 `" C# ~- x9 `
9 Y- f. P8 A" t n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.
9 H! z6 d5 w! G0 W6 @# O# S
# V6 H9 w" ^' H) W* T6 o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
|