|
本帖最后由 ctt1984111 于 2014-1-1 01:19 编辑 9 s: G; f! @) p$ @1 b; ]2 Z: v" J$ Q# H
1 {: L0 z/ t( Z( C1 a, Q7 m, U; k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():
& d( S- p7 B( C/ @* P: l9 n3 U8 l& s
a: prop.test(x=c(5173,930),n=c(6841,1217)) (p-value = 0.5731)4 x1 h$ ~) g9 A3 M5 L. l3 S) t
或者
: ^, z; w+ i2 V' n- Q/ N N0 zb: prop.test(x=c(5173,930),n=c(6841,1217),correct=F) (p-value = 0.5487)
4 H) F! w1 m) E! z0 ~" H) @# ~* \% K- D+ D
a与chisq.test()完全相同
+ y/ W, ]: B8 d* @( j1 J4 d
; o+ s" \$ k7 q$ l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?
0 V# }, e! l! N( A9 W9 |
- ~& h# A6 N( Y1 @> p=(5173+930)/(6841+1217)3 r" [0 I$ \' a
> z=(5173/6841-930/1217)/sqrt(p*(1-p)*((1/6841)+(1/1217)))
6 k8 s! f7 @& q7 k2 t4 T; f> 2*pnorm(z)1 r; t/ J# m8 G8 ^
[1] 0.5486768
+ g5 j( @" \, s- c, F# v0 E( ^! u2 z7 c
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.: |: n+ Q3 V3 i% Z0 h- b$ g" r
}$ z) H. W1 j% [" }
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
|