Fisher's Exact test
R में A/B Testing
Lauryn Burleigh
Data Scientist
Specifications
- श्रेणीबद्ध डेटा का नॉन-पैरामीट्रिक
- क्या Cheese या Pepperoni पिज़्ज़ा फिर खाया जाएगा
- सैंपल < 1000
- कम से कम 20% के लिए फ़्रीक्वेंसी < 5
- सही p-value के लिए Fisher's Exact test उपयोग करें
- 2x2 फ़्रीक्वेंसी टेबल
Hypergeometric Distribution
- फ़्रीक्वेंसी टेबल की likelihood
table(Pizza$Topping, Pizza$EatAgain)
No Yes
Cheese 140 360
Pepperoni 80 420
Hypotheses
- शून्य परिकल्पना: फिर से पिज़्ज़ा खाने और टॉपिंग समूह में कोई संबंध नहीं
Sample
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
table(Pizza$Topping, Pizza$EatAgain)
No Yes
Cheese 140 360
Pepperoni 80 420
Test
freqtbl <- table(Pizza$Topping,
Pizza$Time)
fisher.test(freqtbl)
Fisher's Exact Test for Count Data
data: freqtbl
p-value = 0.001809
alternative hypothesis: true odds ratio is not equal to 1
95 percent confidence interval:
0.4569013 0.8417208
sample estimates:
odds ratio
0.6209987
Effect size
freqtbl <- table(Pizza$Topping,
Pizza$Time)
fisher.test(freqtbl)
- Small: 1.5
- Medium: 2.5
- Large: 4
- Pepperoni पिज़्ज़ा, Cheese पिज़्ज़ा से 0.62 गुना
Fisher's Exact Test for Count Data
data: freqtbl
p-value = 0.001809
alternative hypothesis: true odds
ratio is not equal to 1
95 percent confidence interval:
0.4569013 0.8417208
sample estimates:
odds ratio
0.6209987
Power
library(pwr)
pwr.2p.test(h = 0.62, n = 500,
sig.level = 0.002)
Difference of proportion power
calculation for binomial distribution
h = 0.62
n = 500
sig.level = 0.002
power = 1
alternative = two.sided
NOTE: same sample sizes
अभ्यास करते हैं!
R में A/B Testing
