测试比较期间
背景测试比较期间
我希望比较菜单销售混合比例为两个时期之间的销售组合的百分比。
A 菜单被定义为产品的集合。 （即汉堡包，三明治等）
A 销售组合比率定义为相对于销售的菜单单位总数（即，20个汉堡包）的产品销售量100个菜单项目被出售）。在汉堡包的例子中，汉堡包的销售组合比例是20％（20汉堡包/ 100菜单项）。这代表菜单单位总销售额的份额。
A 期间定义为用于比较目的（即午餐与晚餐，星期一与星期五等）的时间范围。
我对量的整体变化不感兴趣（我不在乎我是否在一个时期卖出了20个汉堡包，在另一个时期卖了20个汉堡包）。我只对比例分配的变化感兴趣（我单位出售的单位中有20％是汉堡包，一个时期是25％，而另一个时期是汉堡包）。
由于销售组合占整体份额，所以每个期间的平均数是相同的;期间之间的平均差异将始终为0％;而且，每组数据的总和总是100％。
目的：
测试的销售分布（菜单项相对于其他菜单项每销售组合的百分比）无论是从一个周期显著改变到另一个。
零假设：购买模式和客户在时间段A的偏好的那些相同，为客户在时段B潜在的数据输入的
实施例：
[Menu Item] [Period A] [Period B]
Hamburger 25% 28%
Cheeseburger 25% 20%
Salad 20% 25%
Club Sandwich 30% 27%
问题：
是否存在常用方法来测试共享的分配总数在两组数据之间显着不同？
如果我测量的是实际售出的单位数量的变化，但不是（我相信）单位份额的变化，那么配对的T检验就可以工作。
我一直在网上搜索和一些教科书一段时间没有运气。我可能在寻找错误的术语。
任何方向，无论是搜索条件或（最好）实际名称适当的测试，都将受到赞赏。
感谢，
安德鲁
编辑：我正在考虑Pearson相关测试作为一个可能的解决方案 - 忘记的每一行数据都是独立的菜单项，数学不应该关心。完美匹配（相同的销售组合）将获得1的系数，变化越大，系数越低。一个潜在的问题是，与定期相关性测试不同，这些改变可能会被放大，因为对一个数字的任何改变都会自动影响其他数字。这是一个可行的解决方案吗？如果是这样，是否有办法缓解放大问题？
考虑使用拟合优度，卡方检验作为一个简单的解决这个问题：
H0：菜单项为一个月B中的比例是一样的一个月
哈：对于一个月乙菜单项的比例至少一个是 不同，以一个月