假设检验是统计学中的一种推断方法,用来判断两个样本或总体间的差异是由于抽样误差引起的还是本质差别造成的。R语言中提供了很多假设检验函数,如F检验,t检验和卡方检验等等。本篇文章介绍如何使用R语言中的这些函数进行假设检验。
二项分布检验
假设一个广告的点击率为0.02,更换新的广告创意后1000次曝光获得了23次点击,新广告在点击率上是否明显优于老广告?
H0:新广告与老广告效果无差异
H1:新广告效果优于老广告
#老广告点击率0.02,新广告1000次广告曝光获得23次点击是否明显优于老广告binom.test(x =23,n = 1000,p = 0.02,alternative ="greater",conf.level = 0.95 )
p-value = 0.2778>0.05,在0.95的置信区间下接受原假设H0。新广告与老广告在点击率上没有显著差异。
#1000次访问0.02点击率下差异显著的临界值qbinom(p = 0.95,size = 1000,prob = 0.02)
[1] 28
新广告在1000次广告曝光中点击量需要提升到28次以上才能明显优于老广告的效果。
假设一次市场推广活动中前一个小时有50人注册,后一个小时有60人注册,后一小时的注册人数是否明显高于前一小时?
H0:前一小时与后一小时注册人数无差异
H1:后一小时注册用户数量高于前一小时
#上一小时50人注册,下一小时60人注册,后一小时是否显著高于前一小时poisson.test(x = 60,T = 50,alternative ="greater",conf.level = 0.95)
p-value = 0.09227>0.05,在0.95的置信区间下接受原假设H0,后一小时注册人数与前一小时无差异。
#与上一小时50人注册差异显著的临界值
qpois(0.95,lambda=50)
[1] 62
后一小时的注册用户数需要提升到62以上才能明显高于前一小时的注册用户数。
假设某流量渠道的目标是每日带来150个咨询,在过去的一周带来的咨询用户数量分别为229,164,121,137,145,127,123,我们是否能认为该渠道已经达到目标,即每日的平均咨询量大于150?
这里使用单样本t检验,首先建立假设。
H0:每日平均咨询量不大于153,未达到目标。
H1:每日平均咨询量大于153,达到目标。
#将过去一周咨询用户数量赋给XX=c(229,164,121,137,155,127,143)#计算过去一周咨询量的均值mean(X)
[1] 153.7143
#过去一周咨询用户数量是否达到目标
t.test(X,alternative ="greater",mu=153,conf.level = 0.95)
p-value = 0.4801>0.05,在0.95的置信区间下接受原假设H0,流量渠道的咨询量没有达到目标。
假设两个流量渠道在过去的一周分布为网站带来咨询用户,这两个流量渠道带来的咨询用户数量是否有显著差异?
这里使用双样本t检验,首先建立假设。
H0:两个流量渠道带来的咨询用户数量没有显著差异。
H1:两个流量渠道带来的咨询用户数量存在有显著差异。
#流量渠道1带来的咨询用户数量赋值给
XX=c(229,164,121,137,155,127,143)
#流量渠道2带来的咨询用户数量赋值给
YY=c(175,120,187,144,117,184,135)
进行双样本t检验之前先进行方差检验,确定两组样本方差是否相同。 H0:两个总体方差相同 H1:两个总体方差不同
#方差检验,确定两个流量渠道的咨询量是否相同
var.test(x = X,y = Y,conf.level =0.95)
p-value = 0.6469>0.05,在0.95的置信区间下接受原假设H0,两个总体方差相同。进行等方差t检验。
#等方差t检验,两个流量渠道带来的咨询用户数量是否有差异
t.test(X,Y,var.equal=TRUE,alternative ="two.sided")
p-value = 0.9125>0.05,接受原假设H0,在0.95的置信区间下两个流量渠道的咨询用户量没有显著差异。
假设网站对咨询流程进行了优化并进行了测试,那么改版后的效果是否明显优于改版前?
这里使用成对t检验,首先建立假设。
H0:改版后的效果与改版前无差异
H1:改版后的效果明显优于改版前
#改版前注册用户量赋给before
before=c(229,164,121,137,155,127,143)
#改版后注册用户量赋给after
after=c(217,284,155,190,158,170,180)
#改版前的咨询量是否小于改版后的咨询量
t.test(before-after,alternative ="less",conf.level = 0.95)
p-value = 0.02362<0.05,拒绝原假设H0,接受备择假设H1。在0.95的置信区间下改版后的效果明显优于改版前。
假设广告创意A1315次访问,65次转化,转化率4.94%,广告创意B939次访问,54次转化,转化率5.75%。广告创意B的效果是否优于广告创意A?
这里使用卡方检验,首先建立假设。
H0:两个广告创意的效果无差异
H1:广告创意B的效果优于广告创意A
对源数据近整理,广告创意A1250次未购买,65次购买,广告创意B885次未购买,54次购买。以此建立列联表。
#创建列联表X=c(1250,885,65,54)
dim(X)=c(2,2)
X
#使用卡方检验chisq.test(X,correct =FALSE)
p-value = 0.3978>0.05,在0.95的置信区间下接受原假设H0,两个广告创意效果没有显著差异。
数据分析咨询请扫描二维码
在当今信息化社会,大数据已成为各行各业不可或缺的宝贵资源。大数据专业应运而生,旨在培养具备扎实理论基础和实践能力,能够应 ...
2024-12-19阿里P8、P9失业都找不到工作?是我们孤陋寡闻还是世界真的已经“癫”成这样了? 案例一:本硕都是 985,所学的专业也是当红专业 ...
2024-12-19CDA持证人Louis CDA持证人基本情况 我大学是在一个二线城市的一所普通二本院校读的,专业是旅游管理,非计算机非统计学。毕业之 ...
2024-12-18最近,知乎上有个很火的话题:“一个人为何会陷入社会底层”? 有人说,这个世界上只有一个分水岭,就是“羊水”;还有人说,一 ...
2024-12-18在这个数据驱动的时代,数据分析师的技能需求快速增长。掌握适当的编程语言不仅能增强分析能力,还能帮助分析师从海量数据中提取 ...
2024-12-17在当今信息爆炸的时代,数据分析已经成为许多行业中不可或缺的一部分。想要在这个领域脱颖而出,除了热情和毅力外,你还需要掌握 ...
2024-12-17数据分析,是一项通过科学方法处理数据以获取洞察并支持决策的艺术。无论是在商业环境中提升业绩,还是在科研领域推动创新,数据 ...
2024-12-17在数据分析领域,图表是我们表达数据故事的重要工具。它们不仅让数据变得更加直观,也帮助我们更好地理解数据中的趋势和模式。相 ...
2024-12-16在当今社会,我们身处着一个飞速发展、变化迅猛的时代。不同行业在科技进步、市场需求和政策支持的推动下蓬勃发展,呈现出令人瞩 ...
2024-12-16在现代商业世界中,数据分析师扮演着至关重要的角色。他们通过解析海量数据,为企业战略决策提供有力支持。要有效完成这项任务, ...
2024-12-16在当今数据爆炸的时代,数据分析师是组织中不可或缺的导航者。他们通过从大量数据中提取可操作的洞察力,帮助企业在竞争激烈的市 ...
2024-12-16在现代企业中,数据分析师扮演着至关重要的角色。他们不仅负责处理和分析大量的数据,还需要将这些分析结果转化为切实可行的商业 ...
2024-12-16在当今的大数据时代,数据分析已经成为推动企业战略的重要组成部分。无论是金融、医疗、零售,还是制造业,各个行业对数据分析的 ...
2024-12-16在当今这个以数据为驱动力的时代,数据分析领域正在迅速扩展与发展。随着大数据、人工智能和机器学习技术的不断进步,数据分析已 ...
2024-12-16在信息爆炸和数据驱动的时代,数据分析专业是否值得一选成为许多人思考的议题。无论是刚刚迈入大学校门的新生,还是考虑职业转型 ...
2024-12-16适合数据分析专业学生的实习岗位有很多,以下是一些推荐: 阿里巴巴数据分析岗位实习:适合经济、统计学、数学及计算机专业的 ...
2024-12-16在数据科学领域,探索实习机会是一个理想的学习和成长方式。实习不仅可以提供宝贵的实践经验,还能帮助学生发展关键的数据分析技 ...
2024-12-16在当今信息驱动的时代,数据分析不仅成为了企业决策的重要一环,还催生了各种职业机会。从技术到业务,数据分析专业的就业岗位种 ...
2024-12-16在现代企业中,数据分析师被誉为“数据探险家”,他们通过揭示隐藏在数据背后的故事,帮助公司优化业务策略和做出明智的决策。然 ...
2024-12-16在大数据崛起的时代,数据分析师被誉为企业的“幕后英雄”。他们通过解读数据,揭示隐藏的真相,为企业战略提供重要的指导。这份 ...
2024-12-16