|
本帖最后由 ctt1984111 于 2014-1-1 01:19 编辑
. l1 o' |# W( x9 b3 F7 o. U/ ~( j; y* Z) \! Z& i) Z
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():! }9 i) }9 k# q/ k
: _: \- ]" d7 e6 }* x2 _$ R7 h
a: prop.test(x=c(5173,930),n=c(6841,1217)) (p-value = 0.5731)6 N& X& K; ?$ f$ \( J1 p M/ Y
或者 ( U7 s2 n: H( ~9 j& K
b: prop.test(x=c(5173,930),n=c(6841,1217),correct=F) (p-value = 0.5487)' }7 B2 |0 d* G
' t/ ~: e$ o2 T7 [! {" w
a与chisq.test()完全相同" g' M& E- \1 X& N
( f9 a1 _ [! D; _8 m& x8 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?* o6 j% v7 r7 _- N1 C4 ~2 R
D9 k* } ?2 {1 J> p=(5173+930)/(6841+1217)5 c2 f& ?, H3 j$ D4 @2 i( l
> z=(5173/6841-930/1217)/sqrt(p*(1-p)*((1/6841)+(1/1217))) x" b; O3 j8 s' @0 g
> 2*pnorm(z)
0 n5 f+ [2 M+ g7 @6 r4 W2 {& ?- A[1] 0.5486768, D. d; h: j1 `8 i% }, {
: _1 X& m1 s. O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.
3 c- g* x9 v. ?: X% U+ p i, S) E5 E( k$ {
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
|