|
本帖最后由 ctt1984111 于 2014-1-1 01:19 编辑
: Q; W& X- S( }" }- P2 `4 @2 ]9 g/ B' u& R; x, @
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():) f) e0 J1 ^1 c8 S5 l; S
! X! l$ \; y* F; qa: prop.test(x=c(5173,930),n=c(6841,1217)) (p-value = 0.5731)
7 z9 \' z2 d/ d. }; H或者 ) O i. Q, ?! }. A
b: prop.test(x=c(5173,930),n=c(6841,1217),correct=F) (p-value = 0.5487)+ J) i2 d* r2 I
& A; P2 G) ~( ua与chisq.test()完全相同6 u8 P1 ?, G6 o4 t2 e& |/ m
1 h0 {2 r' n; Y7 t
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?
& _6 [ D! o' e0 e$ d
" t* V, c5 I5 q> p=(5173+930)/(6841+1217): |' F y, `9 {2 v) q7 @! b
> z=(5173/6841-930/1217)/sqrt(p*(1-p)*((1/6841)+(1/1217)))
+ ?8 R7 N6 ?1 @+ d0 u> 2*pnorm(z)
# I( E. r" r7 t. d[1] 0.54867686 U3 ]% _: B* m3 F
9 |" H, f/ N# A8 U& }" Q
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.2 r6 l- ]7 y* {7 C
M4 d5 _- f2 U
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
|