|
|
本帖最后由 Menuett 于 2013-12-22 15:59 编辑
8 p5 P: b: G& F9 f5 G& q' `煮酒正熟 发表于 2013-12-20 12:05 1 R& s# I( u5 e8 k. i& u9 g
基本可以说是显著的。总的来说,在商界做统计学分析,95%信心水平是用得最多的,当95%上不显著时,都会去 ...
) G* U- B; c5 V4 v5 O2 T
# B! V' q/ S( H# F这个其实是一种binomial response,应该用Contigency Table或者Logisitic Regression(In case there are cofactors)来做。只记比率丢弃了Number of trial的信息(6841和1217个客户)。 6 D- [. Z, M9 g
# v: ^, A5 C& X结果p=0.5731。 远远不显著。要在alpha level 0.05的水平上检验出76.42%和75.62%的区别,即使实验组和对照组各自样本大小相同,各自尚需44735个样本(At power level 80%)。see: Statistical Methods for Rates and Proportions by Joseph L. Fleiss (1981)
+ f% y |+ O3 H1 O: i1 h: e+ z$ j* |& I
R example:' O& p, r7 B& {. L! [- k& H
' _- N) o, K5 r
> M<-as.table(rbind(c(1668,5173),c(287,930)))/ K) D, Q: ?8 t0 [- _
> chisq.test(M)
: x3 `4 J( _" q8 l
3 s- H* G' ^, S& b& N6 u& L Pearson's Chi-squared test with Yates' continuity correction; n4 }; C& y$ `* @1 m& u8 E
2 m9 R) F7 S6 ^- Zdata: M
1 p# x* S/ v) `X-squared = 0.3175, df = 1, p-value = 0.5731: ^% `( B6 y6 I
! P+ u6 N/ _/ L# B! aPython example:
5 f- h& G. R9 o. c1 }
& |2 J( ]8 R6 @- {: N5 P2 ^8 g>>> from scipy import stats
. M* Y$ Q) C( d& s4 m9 v>>> stats.chi2_contingency([[6841-5173,5173],[1217-930,930]])6 i( m0 o! ?# V" Z7 Z
(0.31748297614660292, 0.57312422493552839, 1, array([[ 1659.73628692, 5181.26371308],
0 I9 J( I$ S+ }1 }, I8 _; Z9 \ [ 295.26371308, 921.73628692]])) |
|