
74
|
第
3
章
(5)
重复第
2
步到第
4
步多次。
(6)
计算其中差异大于或等于
0.0368%
的频数。
下面,我们再次使用
3.3.2
节中定义的函数 perm_fun,创建随机置换转换率差异的直方图。
obs_pct_diff <- 100*(200/23739 - 182/22588)
conversion <- c(rep(0, 45945), rep(1, 382))
perm_diffs <- rep(0, 1000)
for(i in 1:1000)
perm_diffs[i] = 100*perm_fun(conversion, 23739, 22588 )
hist(perm_diffs, xlab='Session time differences (in seconds)')
abline(v = obs_pct_diff)
生成的绘图如图
3-5
所示,图中显示的直方图是
1000
次重抽样的结果。在本例中,我们观
察到的差异
0.0368
落在随机差异的范围内。
图 3-5:价格 A 和价格 B 的转换率差异的频数分布
3.4.1
p
值
在衡量统计显著性时,简单地查看绘图并不是一个非常精确的方法,人们更关注的是
p
值
。
p
值表示随机模型生成的结果比观测结果更极端的频数。在估计置换检验的
p
值时,
我们可以采用置换检验中生成大于或等于观测差异值的检验次数所占的比例。
mean(perm_diffs > obs_pct_diff)
[1] 0.308
结果显示
p
值为
0.308
,这意味着随机性给出的差异,有望在约 ...