Fishers exakta test

A/B-testning i R

Lauryn Burleigh

Data Scientist

Specifikationer

Icke-parametrisk för kategoriska data
- Om ost- eller pepperonipizza äts igen
Urval < 1 000
Frekvens < 5 för minst 20 %
Använd Fishers exakta test för exakt p-värde
2x2-frekvenstabell

Hypergeometrisk fördelning

Sannolikheten för frekvenstabell

table(Pizza$Topping, Pizza$EatAgain)

              No Yes
  Cheese     140 360
  Pepperoni   80 420

Hypoteser

Nollhypotes: Inget samband mellan att äta pizza igen och toppingsgrupp

Foto av pizzabitar som plockas upp av olika personers händer.

Urval

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

Effektstorlek

freqtbl <- table(Pizza$Topping, 
                 Pizza$Time)
fisher.test(freqtbl)

Liten: 1,5
Medel: 2,5
Stor: 4
Pepperonipizza x 0,62 jämfört med ostpizza

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

Styrka

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

Nu kör vi en övning!

A/B-testning i R