En primer lugar, no soy un experto, pero estoy analizando algunos datos de marketing. Tengo información sobre dos versiones del mismo sitio y tengo datos sobre la cantidad de veces que las personas completaron un formulario en cada versión del sitio. Quiero saber si una de las variaciones del sitio funciona mejor para generar más formularios completados.
Datos de muestra:
dat2 = matrix(c(10,50,35,40), ncol=2) dat2 Site 1 Site 2 Filled out form 10 35 Did not fill out form 50 40 > fisher.test(dat2) Fisher"s Exact Test for Count Data data: dat2 p-value = 0.0002381 alternative hypothesis: true odds ratio is not equal to 1 95 percent confidence interval: 0.09056509 0.54780215 sample estimates: odds ratio 0.2311144 I » Realmente no estoy seguro de si configuré la prueba correctamente, pero obviamente puedo rechazar la hipótesis nula dado el valor p bajo. El sitio 2 convierte mejor que el sitio 1 en un umbral estadísticamente significativo.
Dado el problema , ¿estoy realizando la prueba correcta?
Respuesta
Estás haciendo todo bien. Sin embargo, recomendaría la prueba exacta de Barnard « que la prueba exacta de Fisher.
Comentarios
- Gracias, acabo de leer ese artículo justo antes de publicar mi pregunta. Lo analizaré.
- La prueba de Fisher ' no es tan poderosa como otros. La prueba de chi-cuadrado normal es casi siempre más precisa que la ' s " exact " prueba. El viejo mito de que las frecuencias celulares esperadas deben exceder 5 no es cierto.
- Mehta y Senchaudhuri (2003) explican por qué la prueba de Barnard ' puede ser más poderoso que Fisher ' s bajo ciertas condiciones. Para 2 × 2 tablas, la pérdida de potencia debido a la discreción domina sobre la pérdida de potencia debido a la maximización, lo que resulta en una mayor potencia para la prueba exacta de Barnard. Pero a medida que aumenta el número de filas y columnas de la tabla observada, el factor maximizador tenderá a dominar, y la prueba exacta de Fisher logrará mayor potencia que la de Barnard. cytel.com/Papers/twobinomials.pdf
- El enlace de cytel al documento parece haber muerto. Pude encontrar el documento aquí: citeseerx.ist.psu.edu/viewdoc/…