Chapter 7 Criterio ji-cuadrado A menudolos resultados obtenidos por muestreo no coinciden exactamente con los esperados tericamente de acuerdo con las leyes de la probabilidad. Supongamos que al tomar una muestra los sucesos posibles Ey, B»,..+, Ey se presentan con frecuencias 0}, 02,..-, 0g, llamadas frecuencias observadas, y que segn las leyes de la probabil- idad, se espera que aparezcan con frecuencias €1,€2,.+.,€k, llamadas frecuencias esperadas 0 tericas. Deseamos saber si las frecuencias observadas difieren significativamente de las esperadas. Una medida de la discrepancia entre las frecuencias esperadas y las observadas viene propor- cionada por el estadstico X? definido por ‘Pe k X? = (01 e1)e1 + (02 = €2)°e2 + vee + (On e424 = 0 (01— a Si X? = 0, las frecuencias observadas y tericas coinciden completamente, mientras que si X? > 0, no coinciden exactamente. A mayor valor de X? mayor discrepancia entre las frecuencias esperadas y las observadas. La distribucin del estadstico X? se aproxima muy bien sik > 5y e, > 5 porla distribucin x2 donde el nmero de grados de libertad, v, viene dado por ¢ v= k—1 silas frecuencias tericas se pueden calcular sin necesidad de estimar parmetros de la poblacin a partir de estadsticos muestrales. ev 1—m si las frecuencias tericas se pueden calcular estimando slo m parmetros de la poblacin a partir de estadsticos de la muestra, 7.1 El contraste ,? de Pearson. Las frecuencias esperadas se calenlan siempre sobre la base de una hiptesis Ho, Si bajo tal hiptesis el valor calculado de X? es mayor que algn valor ertico (tal como X2.9.95 2.01 4ue Son los valores crticos de los niveles de significacin 0.05 y 0.01 respectivamente) concluimos que las frecuencias observadas difieren significativamente de las frecuencias esperadas y rechazamos Hy al correspondiente nivel de significacin; en caso contrario, aceptamos 0 al menos no rechazamos Ho. Este procedimiento se denomina el test o contraste ji-cuadrado de hiptesis o significacin. Si X? es demasiado prximoa cero, debe mirarse con suspicacia el experimento, pues es raro que las frecuencias observadas coincidan demasiado bien con las frecuencias esperadas. Para estudiar estas situaciones podemos examinar si el valor de X? es menor que X2o.05 XZ0.00 en cuyo caso decidimos que el acuerdo es demasiado bueno al nivel de significacin 0.05 0.01 respectivamente.7.2 Aplicaciones del test ji-cuadrado ‘A continuacin se enumeran las principales aplicaciones del criterio ji-cuadrado. En cada una de ella se trata de contrastar si la hiptesis Hy es coherente con los datos obtenidos en la muestra. 1. Bondad de un ajuste. Se trata de determinar si la hiptesis sobre qu tipo de distribucin terica rige el experimento (binomial, poisson, normal, etc.) es consistente con los datos que aparecen en la muestra. 2. Criterio de independencia, Se trata de verificar la hiptesis de que dos variables son independientes. 3. Criterio de homogeneidad. Se trata de verificar la hiptesis de homogeneidad, es decir, si las observaciones provienen de una misma poblacin o de un mismo experimento. 7.2.1 Aplicacin del test. Partimos de una muestra X = (21,...,2%,) aleatoria simple de una variable x continua 0 discreta, donde n > 25, y un modelo de distribucin de probabilidades. La hiptesis nula Ho es que la variable 2 se distribuye segn el modelo dado. Los pasos del contraste son: 1. Agrupar los datos en clases, donde k > 5. La eleccin de las clases ha de ser tal que cubran todo el rango de valores posibles de la variable. 2. Calcular la probabilidad p; que el modelo supuesto asigna a cada clase. El nmero e; = mp; es la frecuencia esperada en la clase é segn el modelo. 3. Calculamos la discrepancia entre Las frecuencias observadas y las previstas por el modelo mediante: k X? => (Observada; — Esperada,)*Esperada, 4. Determinar el nmero de grados de libertad v. 5. Rechazo 0 aceptacin del modelo: Si X? <2, se acepta la hiptesis a nivel a. SiX?> x3, se rechaza la hiptesis a nivel a. Algunas consideraciones: k 2 1. Se verifica que }> (0; — e;)°e; = So ofe; 0 a 2. Sihay alguna modalidad que tenga alguna frecuencia esperada menor que cinco se agrupan dos o ms modalidades contiguas en una sola hasta lograr que la nueva frecuencia sea mayor 0 igual que cinco.7.3. Bondad de un ajuste Si se ajusta una funcin de densidad o una distribucin de probabilidad a una distribucin em- prica, es natural considerar si el ajuste es 0 no satisfactorio. Para ello se estiman los parmetros del modelo y luego se determinan las frecuencias tericas segn dicho modelo, por Itimo aplicamos el criterio y? para comparar las frecuencias observadas con las tericas, teniendo en cuenta que elnmero de grados de libertad v es igual a k—1—m siendo m el nmero de parmetros estimados. Por ejemplo, si se ajusta una distribucin binomial a una distribucin de frecuencias empricas estimando los parmetros p y na partir dela muestra, el nmero de grados de libertad del criterio x? ser v= k—1—2=k—3. Sin embargo, a menudo uno de los parmetros es conocido, por lo que solo hay que estimar el otro y ahora el nmero de grados de libertad ser v = k—1-1=k—2 Para una distribucin de Poisson solamente aparece el parmetro A, y por tanto el test x? tendr k-—20k-—1 grados de libertad, dependiendo de que se estime \ 0 de que sea conocido de antemano. 7.4 Contraste de dependencia 0 independencia de car- acteres. Tablas de contingencia. Consideremos una poblacin y en sta un carcter X que admite las modalidades ¢1,...,4 excluyentes (o una variable continua y dividimos el recorrido en k:clases). De ella se toma una muestra de tamaon siendo 0; el nmero de elementos que presentan la modalidad 2; (frecuencia observada de x). Sea p; las probabilidades que tericamente asignamos a la modalidad <7, -.sk. De donde las frecuencias esperadas de las ; sern e; = n+ p;. Ahora se tiene que: Tenemos la siguiente tabla de entrada nica: x a Fr.Observada | or Fr.Esperada [ey Anlogamente para dos variables Xe Y y con una muestra de tamao n, sea 0;, el nmero de elementos que presentan la modalidad a; de X e y; de Y, formamos la siguiente tabla que se denomina tabla de contingencia XY’ vn TH Ou Ujere Um | Frecuencia 05, zr on oh Frecuencias 0), [ Oy, ym. n La hiptesis Hy de que las dos variables son independientes se traduce en que pi; = pi. p.J, es decir la probabilidad conjunta es el producto de las probabilidades marginales para cada pareja de modalidades 2; y Pig 2M OyN Cisiendo p,; las probabilidad y e,; la frecuencia terica de que un elemento de la muestra presente las modalidades ; de X ey, de Y. Por tanto el estadstico X? tomar la forma: i kom m LUloy- eeu = obey — mi ja ijt Nle-tym—ay que sigue aproximadamente una X{j,_1)(m-1) Si es cierta Ho, con ei; > 5, para todo 1 < i < k,1 xzZ41 Se rechaza Ho De manera anloga podemos contrastar si la frecuencia de un elemento de la poblacin se mantiene constante a Jo largo de las extracciones 0, lo que es lo mismo, las muestras provienen de una poblacin determinada, As, para una poblacin binomial el estadstico: i Xk = Ip(L— p)- Yo (ai = nap)? sigue aproximadamente una x? con k grados de libertad si la hiptesis es verdadera. Luego si x2 < x24 Se acepta la hiptesis y en otro caso se rechaza. En una poblacin de Poisson se puede contrastar la hiptesis de que el nmero medio de elementos con la caracterstica A en cada muestra es constante, es decir: Sak =constante entonces, el estadstico k La a k 1a Ya-La, 5 sigue aproximadamente una y con k — 1 grados de libertad si la hiptesis es verdadera. 7.7 Coeficiente de contingencia Una media del grado de relacin o dependencia entre dos caracteres en una tabla de contingencia viene dada por el coeficiente de contingenciaC’ que se define por F c= + A mayor valor de C ms alto es el grado de dependencia entre las dos variables.7.8 Relacin de problemas 1. En 200 tiradas de una moneda, han salido 115 caras y 85 cruces. Contrastar la hiptesis de que la moneda es buena, con nivel de significacin (a) 0.05 y (b) 0.01 En 120 lanzamientos de un dado las distintas caras del dado han aparecido con frecuencias: 25, 17,15, 23, 24 y 16. Constrastar al nivel 0.05 que el dado no est trucado. En 360 tiradas de un par de dados, han salido 80 siete y 30 onces. Al nivel de significacin del 0.05 contrastar que los dados no estn sesgados. Para contrastar una hiptesis se ha realizado tres veces un experimento. Los valores de X? son 2.37, 2.86 y 3.54 cada uno con un grado de libertad. Verificar que aunque Hy no se puede rechazar al nivel 0.05 usando un nico experimentos de los anteriores, s se puede rechazar cuando se combinan los tres. Se lanzan cinco monedas 1000 veces. Se considera 0; el nmero de veces que han salido é caras en el experimento, resultando la sucesin 0p = 38, 0 = 144, 0p = 342, 05 = 287, 04 = 164 y 05 = 25. Ajustar una distribucin binomial y constrastar la bondad del ajuste. . El nmero de individuos que poseen los cuatro grupos sanguneos debe estar en las propor- r? + 2gr : 2pr, siendo p+q+r =1. Dadas las frecuencias observadas =0.1, ciones q? : p? + 2pq: 180,360,132,98, verificar lacompatibilidad de los resultados con p= 0.4,g =0.5y . En un experimento con 164 personas resfriadas, se administr un medicamento a la mitad de ellas y a la otra mitad se les di una pldora de azcar. Con los datos de la siguiente tabla, verificar la hiptesis de que este medicamento no es mejor que la pldora de azcar para curar los resfriados. Beneficiosa | Perjudicial | Sin efecto. Frmaco 30 10 22 ‘Auzcar a 12 28 . Las leyes de la herencia de Mendel predicen la aparicin de tipos de guisantes en la relacin 9:3: 3: 1 para las clases lisa y amarilla, lisa y verda, arrugada y amarilla, arrugada y verde, En un experimento se obtuvieron, respectivamente, 315, 108, 101 y 32. A un nivel de 0.05, Coinciden los datos con la teora? En un hospital se ensay la eficacia de cinco medicamentos en un grupo de pacientes, con el objeto de determinar si al final del tratamiento un paciente determinado mejoraba 0 no, Las observaciones que se encontraron estn anotadas en la siguiente tabla: ‘Tratamientos A_B CD E Total Nmero de Pacientes [5154 48 49 48 250 Pacientes mejorados[12_ 8 10 15 5 50. Existe diferencia entre los diferentes medicamentos a un nivel de 0.05?10. En un laboratorio se observ el nmero de partculas a que llegan a una determinada zona procedentes de una sustancia radiactiva en un corto espacio de tiempo siempre igual, anotndose los resultados en la siguiente tabla: Numero de parteulas 0 12345 Numero de periodos de tiempo [120 200 140 20 10 2 Se pide: (a) Ajustar una distribucin de Poissn, (b) Calcular la probabilidad con que legan. (c) Verificar si el ajuste es correcto mediante una x, con un nivel a = 0.05. 11. En un examen de estadstica, se obtuvieron las siguientes calificaciones: 60, 70, 90, 85, 90, 50, 75, 90, 80, 70, 60, 90, 70, 60, 70, 65, 50, 85, 80, 90, 85, 80, 7 50, 55. 80, 60, 65, 60 ; 60, 65, 70, 75 5, Comprobar si as calificaciones obtenidas se distribuyen segn una normal a un nivel 0.05. 12. Una fbrica de automviles quiere averiguar si el sexo de sus posibles clientes tiene relacin con la preferencia de modelo. Se toma una muestra de dos mil posibles clientes y se clasifican as: Sexo /Modelo[ A BC Mujer 340 400 260 Varn 350 270 380 Se puede decir que el sexo influye en el modelo elegido a un nivel a = 0.01? 13. Una zapatera es abastecida por cuatro fabricantes. Cada zapato es inspeccionado antes de ponerlo en venta. Hay tres defectos diferentes que causaran la devolucin al fabricante. En una muestra se encontraron los siguientes defectos: Fabricante /Defecto [TTT TIT A 17 10 13 B 10 10 10 Cc 18 15 17 D 15 5 10 Se puede decir que los defectos son independientes del fabricante a un nivel a = 0.01? 14. En dos ciudades A y B, se observ el color del pelo y de los ojos de sus habitantes, encontrnse las siguientes tablas: Ojos / Pelo | Rubio No rubio Ojos / Pelo | Rubio No rubio ‘Azul a 23 ‘Azul Bt 30 NoAzul_ [31 93 Noaml [42 80 Se pide: (a) Hallar los coeficientes de contingencia de las dos ciudades, (b) En cul de las dos ciudades podemos afirmar que hay mayor dependencia entre el color del pelo y de los ojos?