|
本帖最后由 ctt1984111 于 2014-1-1 01:19 编辑 + o4 Y; m2 O7 b+ [/ E& Q
, ~: I9 Z9 n; [- j. L
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():
3 w2 I! V5 s5 g% c R
" j& W9 z, i. j `2 g! G0 la: prop.test(x=c(5173,930),n=c(6841,1217)) (p-value = 0.5731)' }, `, A- c/ f: z3 D3 [% G! I: D
或者 4 U! `& A7 C0 U" h7 m
b: prop.test(x=c(5173,930),n=c(6841,1217),correct=F) (p-value = 0.5487)4 D. a1 [ n) ?
: Y4 c6 i1 Q- d0 l# M$ f" ?. c5 I
a与chisq.test()完全相同% d$ U W' ^+ I: `0 l5 j
$ A5 H$ j1 s- J1 `; d; |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?
. M r, I, G, o. j' x. j. P. i% l0 h4 k* }5 T# E) _6 J8 c
> p=(5173+930)/(6841+1217)
: l9 j' o$ E7 @8 N9 C: y> z=(5173/6841-930/1217)/sqrt(p*(1-p)*((1/6841)+(1/1217)))' w6 e0 m6 G- G, s j: U
> 2*pnorm(z)
" u- t# y' d* X) z$ i[1] 0.5486768
% S: `6 O, v- v" ~# \% T3 }, @' E; G% x7 a ^; p: w5 x) v2 p
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.
/ k$ k0 A) v; Z4 e
# i4 l& M9 |( r& F: Z$ N. F* U6 s* x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
|