Chi-kvadrattest för oberoende

A/B-testning i R

Lauryn Burleigh

Data Scientist

Frekvenstabeller

Om nominala variabler är relaterade
- Äta pizzatopping igen
Frekvenstabell – antal gånger varje kombination av villkor förekommer
- En-toppings pizza: variabel 1
- Skulle äta igen: variabel 2

table(Pizza$Topping, Pizza$EatAgain)

             Maybe  No Yes
  Cheese       207  90 703
  Pepperoni    147 101 752

Hypoteser

Nollhypotes: Topping och intresse av att äta igen har inget samband
Alternativ hypotes: Topping och intresse av att äta igen har ett samband

Kan inte dra slutsatser om orsakssamband

Fotografi av pizzaskivor.

Urvalsstorlek

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:
- Liten: 0,10
- Medel: 0,30
- Stor: 0,50
Frihetsgrader:
- (Villkor-variabel-1 - 1) * (Villkor-variabel-2 - 1)
- (2-1) * (3-1) = 2

Minst fem värden per variabelkombination

Chi-kvadrattest

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

Stora urval: över 1 000

Effektstorlek

Effektstorlek: w
Sannolikheter

probtbl <- freqtbl/sum(freqtbl) 

library(pwr)
ES.w2(probtbl)

Liten: 0,10
Medel: 0,30
Stor: 0,50

[1] 0.07890872

Teststyrka

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

Nu kör vi en övning!

A/B-testning i R