比率检验原理及R语言实现

总体比率的假设检验实际上是业界最常用也是最需要的检验，例如在ABtest中，检验两个实验的转化率是否有显著差异，则需要用到比率检验。本文介绍比率检验的原理，以及R语言的实现代码。

单总体比率的假设检验

前提条件：

• 样本取自两点分布 $X\sim B(1,p)$
• 样本量$n$很大，能够满足 $np>5$ 且 $n(1-p)>5$

记要检验的原假设为为 $H_0:p=p_0$,则样本比率 $\tilde{\mathrm{p}}$服从方差为$p(1-p)/n$的正态分布，对应标准化的检验统计量近似服从$N(0,1)$ ：

$$\mathrm{u}=\frac{\sqrt{\mathrm{n}}\left(\tilde{\mathrm{p}}-{\mathrm{p}}_0\right)}{\sqrt{{\mathrm{p}}_0\left(1-{\mathrm{p}}_0\right)}}$$

实际上，当样本量很少时，需要采用精确的比率检验，即直接使用二项分布来检验，具体实现见下文的R代码。

两个总体比率的假设检验

检验前提条件：

• 两总体互相独立
• 变量都取自两点分布，即两总体服从二项分布
• 两总体且每类的样本量满足大于5的要求，从而能用正态分布来近似

那么可知：

$$\frac{{\mathrm{p}}_1\left(1-{\mathrm{p}}_1\right)}{{\mathrm{n}}_1}$$