卡方独立性检验

R 中的 A/B 测试

Lauryn Burleigh

Data Scientist

列联表

  • 名义变量是否相关
    • 是否愿意再吃该配料
  • 列联表：各条件组合出现的次数
    • 单一配料披萨：变量 1
    • 愿意再吃：变量 2
table(Pizza$Topping, Pizza$EatAgain)

             Maybe  No Yes
  Cheese       207  90 703
  Pepperoni    147 101 752
R 中的 A/B 测试

假设

  • 原假设：配料与再次食用意愿无关
  • 备择假设：配料与再次食用意愿有关

 

不能得出因果结论

披萨切片的照片。

R 中的 A/B 测试

样本量

library(pwr)
pwr.chisq.test(w = 0.1, df = 2, 
               power = 0.80, 
               sig.level = 0.05)

     Chi squared power calculation 
              w = 0.1
              N = 963.4689
             df = 2
      sig.level = 0.05
          power = 0.8
NOTE: N is the number of observations
  • w：
    • 小：0.10
    • 中：0.30
    • 大：0.50
  • 自由度：
    • (变量1条件数 - 1) * (变量2条件数 - 1)
    • (2-1) * (3-1) = 2

 

每个组合的期望频数至少为 5

R 中的 A/B 测试

卡方检验

freqtbl <- table(Pizza$Topping, 
                 Pizza$EatAgain) 
chisq.test(freqtbl)

    Pearson's Chi-squared test

data:  freqtbl
X-squared = 12.453, df = 2, 
p-value = 0.001976

 

大样本量：超过 1000

R 中的 A/B 测试

效应量

  • 效应量：w
  • 概率
probtbl <- freqtbl/sum(freqtbl) 

library(pwr)
ES.w2(probtbl)
  • 小：0.10
  • 中：0.30
  • 大：0.50
[1] 0.07890872
R 中的 A/B 测试

功效

pwr.chisq.test(w = 0.079, df = 2, 
               N = 1000, 
               sig.level = 0.002)

     Chi squared power calculation 

              w = 0.079
              N = 1000
             df = 2
      sig.level = 0.002
          power = 1

NOTE: N is the number of observations
R 中的 A/B 测试

让我们来练习！

R 中的 A/B 测试

Preparing Video For Download...