|
|
本帖最后由 ctt1984111 于 2014-1-1 01:19 编辑 . \4 o+ A9 M+ a# m! D# Q
2 {; O* s! ]/ X/ E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():' c! c" K" G4 ~
0 C( U- [, P' n; W
a: prop.test(x=c(5173,930),n=c(6841,1217)) (p-value = 0.5731)
# C- T" D+ Q% _+ N* N或者
5 j4 u/ F: j% I8 j8 ab: prop.test(x=c(5173,930),n=c(6841,1217),correct=F) (p-value = 0.5487)0 h$ f% ?7 K; K' K6 q/ d
& V5 x4 c% Y4 A$ k& |# p
a与chisq.test()完全相同6 d2 A9 K$ M+ H7 l" A! A* W
/ `2 A. ]2 }+ |# R& L+ {; q c
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?
& L1 @ I8 m- {9 W0 \2 ~/ s
6 t+ Z& v2 u# J" i1 r> p=(5173+930)/(6841+1217)1 q6 C! `, r( k
> z=(5173/6841-930/1217)/sqrt(p*(1-p)*((1/6841)+(1/1217)))* }: O% @5 |" V) W
> 2*pnorm(z)0 h. g7 N" Z4 K
[1] 0.5486768
% G1 h5 H0 l+ f. D1 \ @# K6 a ?' \( r# W( } R4 g. D' b# j
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.
$ F0 u9 e# o9 V: |% `# q1 J( y+ N
+ W4 H# e! M: O7 W2 P s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
|