|
本帖最后由 ctt1984111 于 2014-1-1 01:19 编辑 2 N3 n" @) Q: a. a, F4 K/ t) M
! R1 F7 F: p2 n) L1 M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():$ P( y! d& u: q5 @ l% f T( f
& N5 p8 O( {$ \0 d5 s: V; Y
a: prop.test(x=c(5173,930),n=c(6841,1217)) (p-value = 0.5731); s$ J2 f8 }+ d' R* @
或者 $ [1 N. q5 {) d5 S: p
b: prop.test(x=c(5173,930),n=c(6841,1217),correct=F) (p-value = 0.5487)4 {% |8 B8 t6 G) _0 I$ m {
% P6 Q: o4 | U. n
a与chisq.test()完全相同
' s4 R0 S' w$ a& d% Z
2 _7 A( A8 z5 z0 w d% f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?/ {2 Y9 v+ @' @6 }3 i. y
! y% U: z7 P2 A* G# x+ p' A
> p=(5173+930)/(6841+1217)
: e; n$ ~ b6 i& Z, |7 S" |> z=(5173/6841-930/1217)/sqrt(p*(1-p)*((1/6841)+(1/1217)))
* D; W- `5 [ O4 C t> 2*pnorm(z)
2 C! ^; ?% \) k[1] 0.5486768
, X5 `& a8 d* ?1 b8 z# Z
2 Y) ^8 ~, J; b- s% V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.
9 x5 E& { ]5 p O/ I0 v2 O: j* w/ g0 x5 |
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
|