|
本帖最后由 ctt1984111 于 2014-1-1 01:19 编辑
# o6 ~& z: Q$ k. B+ |9 _ ?' ^- Q( h6 \4 J' f, c8 ]1 k0 z" _' 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():0 j+ \2 ] l9 n1 |+ R2 {- P- s
* U: A0 v5 S# Y. d& R
a: prop.test(x=c(5173,930),n=c(6841,1217)) (p-value = 0.5731)" |7 [/ r* U p; u* f7 P6 @
或者
+ C7 C0 ?& k+ B( J+ `8 g, ib: prop.test(x=c(5173,930),n=c(6841,1217),correct=F) (p-value = 0.5487)
5 U' G+ z9 v X# r
. [; Y' ^$ ]$ |2 |a与chisq.test()完全相同0 h' O% W7 b! |6 c
: x2 i( s& U9 l1 [) 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?0 s1 A5 s$ J: {6 w4 o
+ O, V0 }7 A! P6 I1 x' [> p=(5173+930)/(6841+1217)
1 O6 W' c% O: g: p> z=(5173/6841-930/1217)/sqrt(p*(1-p)*((1/6841)+(1/1217)))' ]0 b) g z% m8 ]
> 2*pnorm(z)
9 N. [( k& ?$ e' o3 t/ T[1] 0.5486768
" H+ [, \% G$ A. f
$ b6 B6 C x; @9 e9 a" Q6 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.
" e: u b8 t7 G2 I# e! z2 R9 e" {- q! ]. 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
|