|
本帖最后由 ctt1984111 于 2014-1-1 01:19 编辑 " @( c; Z+ j8 T
) a! ^8 G. J8 R9 h4 A% B* 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():8 X L6 h( [6 g H* ]+ J! a
4 B ^4 R9 O& a& K- f' R6 N
a: prop.test(x=c(5173,930),n=c(6841,1217)) (p-value = 0.5731)# M0 \; s8 e& d
或者 7 n" k1 e0 F( v
b: prop.test(x=c(5173,930),n=c(6841,1217),correct=F) (p-value = 0.5487)
8 ~5 n* |6 \) n4 J" H0 x
: i/ h& L0 L1 c& @a与chisq.test()完全相同
# X" l9 v% H1 m9 n1 P% K
4 C4 P- J. f+ T3 B; H9 d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?
" f* o1 y1 \ v9 G( |7 g, J u3 A7 K5 F. ~1 X! @* f
> p=(5173+930)/(6841+1217)
3 u: L, u- |0 s4 x( y! E' J> z=(5173/6841-930/1217)/sqrt(p*(1-p)*((1/6841)+(1/1217)))
: r" R" I: H6 O2 {> 2*pnorm(z)
7 a4 G9 l) i9 M( i$ Z; e' r[1] 0.5486768+ v" F5 G @& x
* c+ Y6 i' q2 K" G5 J8 K
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. w) a) n V9 Y
, i2 o+ L7 \& X
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
|