网站分析中数据的统计学显著性检验

在网站分析中，经常会做网站优化测试，就会比较不同方案的转换率，例如跳出率，订单购买率，按钮点击率等；也会记录访客或者客户的详细数据表现。但很多时候差异都很小，究竟是保持现状还是全面采用新方案的内容，很难有结论，于是两者差异在统计学的意义是否显著就变得很重要。

这篇文章主要讲解两种检验数据的方法：分别是在Excel中使用已经写好函数的数据显著性计算器，和使用SPSS对详细客户数据进行显著性检验。

一、Excel-数据显著性计算器

假设有下列的数据：

那么我们可以使用Avinash Kaushik介绍的Excel-数据显著性计算器来检验，详细请查看http://www.kaushik.net/avinash/excellent-analytics-tip1-statistical-significance/

Excel文件可从此处下载：http://vdisk.weibo.com/s/cz9E6

输入数据后计算得知（Number of Test Participants是分母，Number of Conversions是分子），差异是显著的，因为方框中显示了Yes

以上方法的原理是两组数据的差信阳网站建设公司异超过了数据置信区间的话，那么就会出现数据显著性差异的结果。

以上的方法适用于简单的两个比率之间的对比，接下来要说说高级点的内容，SPSS中的假设检验问题来比较两个样本的均值。

二、两独立样本T检验

SPSS中比较均值的方法包括：

在介绍两独立样本T检验之前，先说下均值的比较情况，由浅入深。

1.均值的网站建设公司检验

假设检验的步骤一般分为以下几步：

1）确定原假设和备选假设（原假设就的意思是对总体的比例、均值或分布做出某种假设）

2）选择检验统计量

3）计算检验统计量观测值发生的概率，P值

4）给定显著性水平α， 如果Pα， 即小概率事件发生，即原假设发生的概率很小，那么推翻原假设，如果Pα， 那么原假设成立。

假设有以下两种情况：

1）工厂的质量管理员说：产品缺陷率只有1/1000， 然后你开始抽查，抽了5件，就有2件是有问题的，那么问题就大单了。

因为1000件中最大缺陷数是1件，现在有2件，也就是概率极小的事情发生。

2）工厂的质量管理员说：产品缺陷率只有1/100，然后你开始抽查，抽了5件，就有2件是有问题的，那么问题也挺大单。

1000件中最大缺陷数是10，现在有2件，接下来还有995件要查，那么有两种可能：

*产品缺陷率远远高于1%，质量管理员忽悠人；

*碰巧抽枣庄网站建设公司到有缺陷的产品，接下来的995件很少有缺陷的了。

概率计算：

原假设：也就是假设产品缺陷率是1/100， 前面抽了5件，就有2件次品的概率是0.088%；

抽5件中2件，后续抽查产品缺陷率小于1/100的的概率为0.088%；抽5件中2件，后续抽查产品缺陷率大于1/100的的概率为99.912%，即原假设发生的概率《α，如果α为5%，那么0.088%《5%， 即检验中的小概率事件发生，原本不太可能的事情发生了，那么推翻原假设。

注意：数据案例来自李洪成老师的SPSS资料