|
|
本帖最后由 ctt1984111 于 2014-1-1 01:19 编辑 6 V9 O; _. \% ~% p' U1 H
, f5 p" U5 {$ Z& j" `- R2 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():
" S/ J/ e7 Z) b3 U7 J5 M* i6 s2 H0 v( }% g% k
a: prop.test(x=c(5173,930),n=c(6841,1217)) (p-value = 0.5731)
; f9 p A1 m; _' Q; b6 b& q! n& G或者 1 p4 {* [2 M6 V4 n3 @
b: prop.test(x=c(5173,930),n=c(6841,1217),correct=F) (p-value = 0.5487)5 Y: S: v) z/ s w8 X" r- N
. s" g3 i& @4 S7 F
a与chisq.test()完全相同
6 G5 K' d- _" p z+ A1 M4 Y3 }" R4 X% [: d+ O" p4 g
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?
: w( H$ W( q# t% s; J1 `( M3 A# y# x. G) B }
> p=(5173+930)/(6841+1217)
: c5 ^; R7 I1 D0 G> z=(5173/6841-930/1217)/sqrt(p*(1-p)*((1/6841)+(1/1217)))* r; ]" y( v4 c d3 N6 X
> 2*pnorm(z)" O- h3 E, V) _8 j7 r
[1] 0.5486768) p1 b4 _& a- a- Q+ m. t
5 C Q( W$ [6 E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.
; A3 N4 Q2 u$ O N; \6 M5 `" b0 j! f4 S/ j, t
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
|