|
本帖最后由 ctt1984111 于 2014-1-1 01:19 编辑
+ Z8 f* A4 t8 ~0 ~! J6 e; k9 f
1 r1 R; O5 L: E5 r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():
+ g, ?0 ?$ q# k% S1 ?4 v3 ~0 O; q: @6 w& }) t+ }
a: prop.test(x=c(5173,930),n=c(6841,1217)) (p-value = 0.5731) Z( F$ h) E( j, o# h5 ]) ~
或者
& W0 F9 t2 E0 p/ {; M/ U! Bb: prop.test(x=c(5173,930),n=c(6841,1217),correct=F) (p-value = 0.5487)5 T2 C/ h2 T( P5 d1 ~$ n
6 j, _- a3 C9 b( x. k( s# C# q" ba与chisq.test()完全相同
+ A$ B6 u( g" i- O- G( t* A
2 W2 ^; j9 f$ z5 D1 `; u6 ~& G* `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?! K' Y2 C6 w! ]4 s! b# v' g/ E
5 y7 D9 L: e2 a4 d9 R> p=(5173+930)/(6841+1217)
9 i- I' D+ H% i' ]+ g: ^> z=(5173/6841-930/1217)/sqrt(p*(1-p)*((1/6841)+(1/1217)))
0 a( ?5 r* ~: U, P> 2*pnorm(z)
+ Q; S8 x# w% r% d( f6 b$ W) j* `[1] 0.5486768+ G( w. m, p0 q W2 s2 o/ E) ?
6 r0 D! w% ?6 }$ A W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 }* n m- s& \: ^+ v2 Y
z5 Y a5 Y7 f: W* G
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
|