|
本帖最后由 ctt1984111 于 2014-1-1 01:19 编辑
% P* k: Z- d8 ^+ ~: p& F$ a: z$ }) p
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():6 K0 ~5 X2 b$ T& b! y
& ?! T: B4 G; r0 e/ z; ~
a: prop.test(x=c(5173,930),n=c(6841,1217)) (p-value = 0.5731)
( \2 D5 }+ k/ M* E9 k2 y或者
3 I7 g& I- S. _* u6 I) j: Yb: prop.test(x=c(5173,930),n=c(6841,1217),correct=F) (p-value = 0.5487)
% j9 h$ V3 I! c7 D/ l8 B, ]7 X. p
a与chisq.test()完全相同: k3 h9 _) M' F) R& k' X. ^8 z
1 r O2 d- J: I) `
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?
s; \1 p% S8 M( _' |0 s4 a4 i1 C2 b8 H6 X+ C7 T
> p=(5173+930)/(6841+1217)
@7 S1 G& `, }4 w% H> z=(5173/6841-930/1217)/sqrt(p*(1-p)*((1/6841)+(1/1217)))1 k5 S) A2 a# d# X3 X9 ?; A' G
> 2*pnorm(z)
- c3 Q' {- D- R. z8 G[1] 0.5486768; W' i* }, e/ Q1 {. N4 E' ?
% [/ I9 A- u! ?8 @" D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.) F: }2 r, ?: {
9 G9 \2 W3 ]" }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
|