|
|
本帖最后由 ctt1984111 于 2014-1-1 01:19 编辑 % s9 Z. T. ?# n7 b, [' \
: u9 ?. p3 O# C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():* j# Z ]5 u6 Y2 W! ?, y' |
& B& b6 g* ~: s3 I+ N8 xa: prop.test(x=c(5173,930),n=c(6841,1217)) (p-value = 0.5731)8 i, W& d, B3 s4 V/ \
或者
6 a+ e5 E |7 K. m+ A$ W. a: T# F* _b: prop.test(x=c(5173,930),n=c(6841,1217),correct=F) (p-value = 0.5487)% M7 v+ J6 V! c5 K
+ p# v/ O3 X6 y% {3 d% ]% N2 V
a与chisq.test()完全相同2 D8 u$ o4 M8 b- A4 o6 B6 @
7 ^4 n T) K; O7 P# Y5 ?/ }1 i4 Q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?4 P3 S& W7 d5 m* _! h: L
" \" e% j: v8 {9 w6 u
> p=(5173+930)/(6841+1217)5 e! I. U; m* F; \& M* v. B2 E
> z=(5173/6841-930/1217)/sqrt(p*(1-p)*((1/6841)+(1/1217)))% `4 F1 Q+ S5 \& H7 }' M& z
> 2*pnorm(z)
7 w1 X# S" G5 [! Y: w8 |& g3 O! b. O[1] 0.5486768 x2 R* K; g+ L/ n3 C, c# @
" g u+ p$ w8 m5 {7 f- p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.& {# J! T% G, _5 s' j" @
* A, }5 K% E, D1 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
|