Guía Ji Chi Cuadrada X2 Inferencia Estadística Con Variables Categóricas

Prof.
Ren Castro
Psicoestadstica
UBA
Inferencia estadstica por pruebas no paramtricas de hiptesis con

variables categricas nominales. Chi cuadrado (X2).
Se denomina VARIABLE CATEGORICA o CUALITATIVA a las que describen una
cualidad, atributo, propiedad o caractersticas de un sujeto, fenmeno, factor, cosa, etc. y
cuyos valores son categoras o clases excluyentes.
Ejemplo: el sexo, la raza o clasificacin tnica, la clase social, la categora laboral,
participar o n en un programa de investigacin o participacin, el tipo de tratamiento
aplicado, los distintos departamentos de una empresa, padecer o n de un determinado
sntoma, estado civil, nivel socioeconmico, color del pelo, color de los ojos, etc. Es una
variable sobre las que nicamente es posible obtener una medida en escala de tipo
nominal (u ordinal, pero con muy pocos valores). Cuando se trabaja con este tipo de
variables, los datos pueden organizarse en tablas de doble o ms entradas en las que
cada entrada representa un criterio de clasificacin o categora (una variable categrica).
Como resultado de esta clasificacin, la frecuencia, el nmero de casos o el
porcentaje de los mismos se presentan organizadas en casillas que contienen
informacin sobre la relacin existente entre ambos criterios. A estas tablas de
frecuencias se les denomina tablas de contingencia.
Escala Nominal.- No poseen propiedades cuantitativas y sirven nicamente para asignar,
designar o identificar las clases. Los datos empleados con las escalas nominales constan
generalmente de la frecuencia de los valores o de la tabulacin de nmero de casos en
cada clase, segn la variable que se est estudiando. El nivel nominal permite mencionar
similitudes y diferencias (relacin igualdad o desigualdad) entre los casos particulares.
Los datos evaluados en una escala nominal se llaman tambin "observaciones
cualitativas", debido a que describen la cualidad, atributo o calidad de una persona o cosa
estudiada, u "observaciones categricas" porque los valores se agrupan en categoras.
Por lo regular, los datos nominales o cualitativos se describen en trminos de frecuencia,
porcentaje o proporciones. Para exhibir este tipo de informacin se usan con mayor
frecuencia tablas de contingencia y grficas de barras. Ejemplo: color de ojos, estado civil,
sexo, ansiedad, agresividad, alexitimia, claustrofobia, etc. Usada principalmente por
variables cualitativas o categricas.
Escala Ordinal.- Las clases en las escalas ordinales no solo se diferencian unas de otras
(caracterstica que define a las escalas nominales) sino que mantiene una especie de
relacin entre s. Tambin permite asignar un lugar especfico a cada objeto de un mismo
conjunto, de acuerdo con la intensidad, nivel, fuerza, etc.; presentes en el momento de la
medicin. Una caracterstica importante de la escala ordinal es el hecho de que, aunque
hay orden entre las categoras, la diferencia entre dos categoras adyacentes no es la
misma en toda la extensin de la escala. Algunas escalas consisten en calificaciones de
mltiples factores que se agregan despus para llegar a un ndice general. Usada
principalmente por variables cualitativas o categricas.
Debe mencionarse brevemente una clase espacial de escala ordinal llamada "escala
de posicin", donde las observaciones se clasifican de mayor a menor (o viceversa). Al
igual que en las escalas nominales, se emplean a menudo porcentajes y proporciones
en escalas ordinales. Ejemplo: nivel socioeconmico (Alto, Medio, Bajo), agresividad
(intensa, promedio, baja), etc.
Psicologa
Pgina 1
Prof. Ren Castro
Psicoestadstica
UBA
Descripcin de Pruebas no paramtricas

Las pruebas y modelos estadsticos no paramtricos son aquellos cuya distribucin de
los datos no se ajusta a un tipo de distribucin conocida, como por ejemplo la distribucin
normal. Su distribucin no puede ser definida ni conocida a priori, pues son los datos
observados los que la determinan, por esto el empleo de estos mtodos se hace
recomendable cuando no se puede asumir que los datos se ajusten a una distribucin
conocida.
Las pruebas no paramtricas nos permiten analizar datos en escala nominal u ordinal a
pesar de que no se conozcan los parmetros de una poblacin (su media, moda,
mediana, su distribucin, su forma, etc.) y es utilizada para hacer un contraste de
hiptesis.
Empleo:
Cuando los datos puntualizan a las escalas nominal u ordinal.

Se utiliza solo la frecuencia.
Se tabula el nmero de casos en cada clase estudiada
Poblaciones pequeas.
Cuando se desconocen los parmetros media, moda, etc.
Cuando los datos son independientes.
Cuando se quiere contrastar o comparar hiptesis.
Investigaciones de tipo social. (Muestras pequeas no representativas >5).
Cuando se requiere de establecer el nivel de confianza o significatividad en las
diferencias.
Cuando la muestra es seleccionada no probabilsticamente.
Pruebas no paramtricas
Descripcin.
Para escala nominal:
Leyes de la probabilidad y prueba binomial.

Prueba
de Pearson para una muestra.
Prueba
de Pearson para dos y ms muestras independientes.
Prueba de bondad del ajuste mediante .
Prueba
de proporciones para tres o ms muestras independientes.
Prueba de probabilidad exacta de Fischer y Yates.
Prueba de McNemar para muestras dependientes.
Prueba Q de Cochran para tres o ms muestras dependientes.
Anlisis secuencial.
Para escala ordinal:
Prueba de Kolmogorov-Smirnov para una muestra.

Prueba de U Mann-Whitney para dos muestras independientes.
Psicologa
Pgina 2
Prof. Ren Castro
Psicoestadstica
UBA
Prueba de Wilcoxon de rangos sealados y pares igualados para dos muestras

dependientes.
Anlisis de varianza de una entrada de Kruskal-Wallis para ms de dos muestras
independientes.
Anlisis de varianza de doble entrada por rangos de Friedman para ms de dos muestras
dependientes.
Psicologa
Pgina 3
Prof. Ren Castro
Psicoestadstica
UBA
Prueba ji, chi, X2cuadrada de Pearson para una muestra

2
La prueba estadstica de X para una muestra se emplea frecuentemente como prueba de

bondad de ajuste, sin embargo, en un plan experimental, en el que se cuenta con un grupo
muestral, con diversas subclases y las mediciones estn en escala nominal, resulta muy til este
procedimiento. Esta prueba permite determinar si existe o no una diferencia significativa entre el
nmero de casos observados en la realidad (prctica) en cada categora y el nmero de casos
esperados (teora), en base a la hiptesis nula. Responde a la pregunta: Se ajusta bien la
distribucin de los datos observados a la distribucin terica o esperada?.
Lo que se requiere es una hiptesis nula que permita especificar las frecuencias que han de
esperarse en cada categora y, posteriormente, un examen de esta hiptesis nula. La hiptesis
nula puede examinarse mediante la siguiente frmula:
Donde:
2
X = valor estadstico de ji cuadrada.
fo = frecuencia observada.
fe = frecuencia esperada.
Si la hiptesis nula es cierta (no hay relacin/asociacin entre las variables, o lo que es igual, no
hay diferencia entre frecuencias observadas y esperadas, por lo que hay independencia entre las
2
variables en estudio), la funcin X sigue una distribucin de valores denominada Chi Cuadrado
2
(X ), con (f-1)*(c-1) grados de libertad, en la cual todos los valores cumplen con la condicin de la
Ho.
Por esto, si existe una coincidencia grande entre las frecuencias observadas (fo) y las
2
esperadas (fe), la X resultante ser pequea, por lo que se aceptar Ho (no se rechazar). Al
2
aumentar la discrepancia (fo fe), el valor de X aumenta, por lo que se puede rechazar la
hiptesis nula Ho.
2
La ji o chi cuadrada (X ) se utiliza cuando:
Cuando los datos puntualizan a las escalas nominal u ordinal.

Se utiliza solo la frecuencia.
Poblaciones pequeas.
Cuando se desconocen los parmetros media, moda, etc.
Cuando los datos son independientes.
Cuando se quiere contrastar o comparar hiptesis.
Investigaciones de tipo social - muestras pequeas no representativas >5.
Cuando se requiere de establecer el nivel de confianza o significatividad en las diferencias.
Cuando la muestra es seleccionada no probabilsticamente.
2
X permite establecer diferencias entre f y se utiliza solo en escala nominal.
Poblacin > a 5 y < a 20 (no limitativo).
Pasos.
1. Establecer tipo y escala de la variable
2. Hiptesis de trabajo o de investigacin
3. Eleccin de la prueba.
Psicologa
Pgina 4
Prof. Ren Castro

4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
Psicoestadstica
UBA
Planteamiento de las hiptesis estadsticas (Ho y Ha).

Nivel de significacin ().
Zona de rechazo.
Grfica de la zona de aceptacin y rechazo de Ho.
Arreglar las categoras y las frecuencias observadas en una tabla.
Aplicar la prueba estadstica: calcular los valores de las frecuencias tericas esperadas para
2
este modelo experimental o tipo de distribucin X segn Ho o teora o hiptesis previa.
Presentar en una tabla.
Calcular las diferencias de las frecuencias observadas en el experimento con respecto a las
frecuencias esperadas.
Elevar al cuadrado las diferencias y dividirlas entre los valores esperados de cada categora.
2
Efectuar la sumatoria de los valores calculados. Obtener el valor X calculado.
Calcular los grados de libertad (gl) en funcin de nmero de categoras [K]: gl = K - 1.
2
Comparar el estadstico X calculado con los valores de la distribucin de ji cuadrada en la tabla.
2
2
Decidir si se acepta o rechaza la hiptesis, si X calculada es mayor (>) X tabla(k-1), se rechaza
Ho.
Interpretar los resultados obtenidos.
Ejemplo:
Un investigador quiere comparar si hay diferencias en la cantidad de cigarros fumados por causa
del estrs en personas que trabajan.
Variable categrica nominal
Cantidad de cigarrillos fumados por causa del estrs o fumar por causa del estrs.
Hiptesis de trabajo o de investigacin:
Si las personas que laboran en empresas consumen la misma cantidad de cigarrillos por causa del
estrs, entonces una muestra del personal de una agencia de ventas de autos (2013-2014) no
presentar diferencias entre la cantidad de cigarrillos fumados por causa del estrs.
Eleccin de la prueba.
El modelo experimental tiene una muestra y la variable es categrica en escala nominal,
presentando la frecuencia de los valores o de la tabulacin de nmero de casos en cada clase, se
2
elige la prueba X de Pearson para una muestra (vase al final de la gua: Flujogramas/Flujograma
1).
Modelo para estas hiptesis:
Ho: no hay diferencia entre las frecuencias o no hay dependencia entre las variables estudiadas.
La variacin es causada por el azar.
Ha: si hay diferencia entre las frecuencias o existe dependencia entre las variables estudiadas. La
variacin es causada por la posible variable independiente.
Planteamiento de las hiptesis del problema:
Hiptesis alterna (Ha). Existir diferencia significativa entre la cantidad de cigarros fumados por
causa del estrs en personas que trabajan. La hiptesis alterna tambin se conoce como H1.
Hiptesis nula (Ho). No existir diferencia significativa entre la cantidad de cigarros fumados por
causa del estrs en personas que trabajan, por lo que el consumo de cigarros por causa del estrs
se puede considerar como efecto del azar.
Psicologa
Pgina 5
Prof. Ren Castro
Psicoestadstica
UBA
Nivel de significacin: =0,05

El valor alfa () es la probabilidad de rechazar Ho, siendo Ho verdadera. Tambin se conoce como
error de tipo 1 o error de tipo alfa () o falso positivo: no aceptar la Ho, siendo verdadera. Se afirma
la existencia de una diferencia entre hiptesis cuando en realidad no existe. Seguidamente se tiene
que decidir qu tan baja probabilidad es posible aceptar antes de rechazar el modelo propuesto en
la Ho. Generalmente, el nivel de confianza escogido es de 5%. Si la probabilidad es menor de 0,05,
la diferencia es significativa y se rechaza Ho, y si es menor de 0,01, esta es considerada
altamente significativa. Por esto, para todo valor de probabilidad igual o menor que 0,05, se
acepta Ha y se rechaza Ho.
Para el valor o nivel de significacin de 0,05:
a)
b)
c)
Si el valor de X tabla es superior al valor de X calculado, se acepta o no se rechaza Ho.

2
2
Si el valor de X tabla es menor al valor de X calculado, se rechaza Ho y se acepta Ha.
2
Si el valor de probabilidad de X calculado (para el # de grados de libertad prefijados) es
igual o menor que 0,05, (por ejemplo 0,04/0,03/0,02/0,01/0,005, etc.) se acepta Ha y se
rechaza Ho, ya que esto indicara la existencia de diferencias significativas entre las
variables (ojo: los programas de estadstica como SPSS, R, Statgraphics, etc., usan esta
forma de presentar los resultados de un anlisis).
2
Este valor puede obtenerse directamente de la tabla de valores crticos de X , adjunta al
2
final de esta gua. Por ejemplo, si X calculado da un valor de 7,07 para un (1) grado de
2
2
libertad, se busca en la tabla de valores crticos de X en la fila de valores X para un grado
de libertad (la primera fila debajo de los valores alfa () de probabilidad). Puede observarse
que el valor de 7,07 se encuentra entre los valores de 6,63 (para 0,01 de probabilidad) y
7,87 (para 0,005 de probabilidad). Ya que ambos valores de probabilidad son menores que
0,05, se acepta Ha y se rechaza Ho.
Si la probabilidad tiene un valor numricamente alto (mayores que 0,05, como
0,06/0,07/0,1, etc.) se considera que la desviacin es debida al azar y que los datos
respaldan la Ho por lo que se rechaza Ha. Si la probabilidad es numricamente baja
(menores que 0,05, como 0,04/0,03/0,02/0,01/0,0005, etc.), la desviacin no es debida al
azar y que los datos respaldan la Ha.
Zona de rechazo.
2
Si el valor de X calculado es mayor que el valor de X tabla (para = 0,05 y un # de gl

2
establecidos) se rechaza Ho y se acepta Ha. Si el valor de probabilidad del X calculado es menor
que 0,05 (ejemplo 0,03, 0,02, 0,01, etc.), para el # de grados de libertad prefijados, se rechaza Ho
y se acepta la Ha.
Si el del X2 calculado es numricamente mayor a

0,05 (0,06/0,07/0,8), se acepta Ho.
Psicologa
Si el del X2 calculado es numricamente menor a

0,05 (0,04/0,02/0,001), se acepta H1
Pgina 6
Prof. Ren Castro
Psicoestadstica
UBA
Aplicacin de la prueba estadstica.

Para realizar el contraste de Bondad de Ajuste debemos calcular las frecuencias esperadas de
cada suceso bajo la hiptesis de uniformidad entre los valores. El clculo de la frecuencia
esperada se efecta en virtud de que para una hiptesis nula, a todas las casillas corresponde un
valor igual, por lo tanto:
Clculo de la frecuencia esperada:
fo = 18
fe = 6
Tabla con los datos de las frecuencias observadas y esperadas:
Variable (escala nominal)
Tipo de
frecuencia
Total
Fuma por causa

del estrs
No sabe
No fuma por
causa del estrs
Observada (fo)
18
Esperada (fe)
18
Frmula de X
Donde:
2

Clculos de X2:
Calcular el nmero de grados de libertad (gl):

gl = k 1 = 3 - 1 = 2 siendo k el nmero de categoras estudiadas.
Psicologa
Pgina 7
Prof. Ren Castro
Psicoestadstica
UBA
Clculo de la estadstica de prueba X para los datos de fumar o no por causa del estrs.
Variable
Frecuencia
observada (fo)
Frecuencia
esperada (fe)
(fo-fe)
(fo-fe)2
(fo-fe)2/fe
Fuma por causa del

estrs
1,5000
No sabe
-4
16
2,6667
No fuma por causa del

estrs
0,1667
4,3333
Nivel de significacin: = 0,05

2
El valor calculado de X se compara con los valores crticos de la tabla de valores crticos de X .
2
Se puede observar que para una probabilidad de 0,05 corresponde un valor crtico de X tabla
2
(0,05, 2) de 5.99; por lo tanto, el estadstico ji cuadrado calculado o X calculado de 4,33 es menor
2
que el valor X de la tabla, o tiene una probabilidad mayor que 0,05 (puede estar entre 0,1 y 0,25,
ambos valores superiores o mayores a 0,05, exactamente da 0,1145, obtenido mediante
DISTR.CHI de Excel).
Decisin.
2
En virtud de que: a) el valor de X tabla es superior al valor de X calculado, se acepta o no se

2
2
rechaza Ho o b) la X calculada es menor (<) que X tabla, por lo que se acepta Ho. Tambin puede
2
2
afirmarse que: c) el valor de X calculado es de 4,33. Si observamos la tabla de valores crticos de X ,
para 2 grados de libertad, este valor se encuentra entre 2,773 para 0,25 de probabilidad, y 4,605
para 0,1 de probabilidad (0,1147 de probabilidad calculada con DISTR.CHI de Excel). Esto indica
2
que la probabilidad obtenida al calcular el valor de X es numricamente mayor que 0,05, por lo
que est dentro de la regin de aceptacin o no rechazo de Ho, por lo que se acepta Ho y se
rechaza Ha.
X calculado= 4,33
X tabla (0,05;2)= 5,99

0,05 (0,06/0,07/0,8), se acepta Ho.

0,05 (0,04/0,02/0,001), se acepta H1
Entonces tenemos que:

2
Dado que la X calculada es 4,33, el cual es menor (<) que X tabla(0,05, 2) es 5,99 se acepta Ho. Por ende,
no hay diferencias significativas entre el consumo de cigarros por causa del estrs.
Psicologa
Pgina 8
Prof. Ren Castro
Psicoestadstica
UBA
Interpretacin.
El consumo de cigarros por causa del estrs se puede considerar como efecto del azar.
Psicologa
Pgina 9
Prof. Ren Castro
Psicoestadstica
UBA
Prueba ji cuadrada de Pearson para dos y ms muestras

independientes. Tablas de contingencia.
Cuando las observaciones de una investigacin corresponden a muestras independientes y las
mediciones se tienen en escala nominal, la prueba de ji cuadrada es el procedimiento de eleccin
para el contraste de hiptesis. Esta prueba estadstica se emplea en el anlisis de dos o ms
grupos y de dos o ms variables.
Ejemplos: existe alguna diferencia en la tasa de delincuencia de los nios procedentes de
diferentes niveles socioeconmicos?, o en otras palabras, la tasa de delincuencia en nios es
independiente del nivel socioeconmico o depende en parte de ese nivel?. Si se trata de una
encuesta de opiniones podramos determinar su existe una diferencia de opiniones entre hombres
y mujeres respecto las compras de alimentos para la casa, colores de los autos, etc.?. El clculo de
las frecuencias esperadas se basan tanto en la hiptesis nula (la variable X es independiente de la
variable Y) como en las frecuencias totales obtenidas, multiplicndose las frecuencias subtotales o
marginales comunes a una casilla y dividindose entre la sumatoria total de las frecuencias, como
se ver ms adelante.
La frmula es:
Donde:
2
Pasos:
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
Establecer tipo y escala de la variable

Hiptesis de trabajo o de investigacin
Eleccin de la prueba.
Nivel de significacin ().
Zona de rechazo.
Aplicar la prueba estadstica: arreglar las observaciones en una tabla de contingencias.
Determinar el valor terico de las frecuencias para cada casilla.
Calcular las diferencias entre los valores observados con respecto a los tericos de cada casilla.
Elevar al cuadrado las diferencias y dividirlas entre el valor terico de la casilla correspondiente.
2
Obtener la sumatoria de los valores anteriores, que es el estadstico X .
Calcular los grados de libertad (gl): gl = (K columnas -1) X [H hileras -1].
2
El valor de X se compara con los valores crticos de ji cuadrada de la tabla de valores crticos de
2
X y de acuerdo con los grados de libertad, y se determina la probabilidad.
2
2
15. Decidir si se acepta o rechaza la hiptesis Ho, si X calculada es mayor (>) que X tabla, se
rechaza Ho.
16. Interpretar los resultados obtenidos.
Psicologa
Pgina 10
Prof. Ren Castro
Psicoestadstica
UBA
Ejemplo:
Comparar si el factor gnero influye en la cantidad de cigarros fumados por causa del estrs en
personas que trabajan.
Variables categricas nominales
Variable 1: Variable independiente: hombres y mujeres.
Variable 2: Variable dependiente: Cantidad de cigarrillos fumados debido al estrs
Eleccin de la prueba estadstica.
El modelo experimental tiene dos muestras independientes y la variable es categrica en escala
nominal, presentando la frecuencia de los valores o de la tabulacin de nmero de casos en cada
clase, con un tamao de muestra mayor de 20, lo que en este caso mejora su eficacia. Adems, es
un estudio social que comprende una poblacin pequea en el que: a) se quiere contrastar o
evaluar una hiptesis y b) no se conoce a priori la distribucin de los datos de las variables
2
estudiadas. Por esto, se elige la prueba X de Pearson para dos muestras independientes (vase
al final de la gua: Flujogramas/Flujograma 2).
Si
Entonces
muestra
V.Ind.
V.Ind.
relacin
relacin
V. dep. (seccin terica).

V. dep. (seccin prctica).
Si los hombres y las mujeres que laboran en empresas consumen la misma cantidad de
cigarrillo fumados por causa del estrs, entonces una muestra del personal femenino y
masculino de un departamento de cobranzas de un banco regional (2013-2014) no presentar
diferencias entre la cantidad de cigarrillos fumados por causa del estrs.
Ejemplos de relaciones entre variables:
Relacin en seccin terica
Relacin en seccin prctica
En conclusin
Gua para la redaccin de:
Caso A
la misma/igual/idntica/
semejantes/similares
no presentarn diferencias/ no
se observarn diferencias/no
se detectarn diferencias/ no
hay diferencias
Observar: se nulifican
diferencias, se niegan las
diferencias, no existen
diferencias, no hay diferencias
Ho (hiptesis nula)
Caso B
Diferente/ desigual/ dismiles/
desemejante/ dispar/ distinto
se encontrarn diferencias/
presentar diferencias/ se
observarn diferencias/ Si hay
diferencias
Observar: se afirman las
diferencias, hay diferencias,
existen diferencias, se
confirman las diferencias
H1 (hiptesis alterna)
Planteamiento de las hiptesis estadsticas (Ho hiptesis nula y Ha o H1 hiptesis alterna).

Ho: no hay diferencia entre las frecuencias de la variable dependiente o no hay dependencia entre
las variables estudiadas. La variacin no es importante y es causada por el azar. (Ho: f1=f2=f3=fn).
Psicologa
Pgina 11
Prof. Ren Castro
Psicoestadstica
UBA
Ha: si hay diferencia entre las frecuencias de la variable dependiente o existe dependencia entre
las variables estudiadas. La variacin es importante y es causada por la posible variable
independiente. (Ha: f1f2f3fn o al menos 2 frecuencias son diferentes).
Planteamiento de las hiptesis estadsticas del problema:
Hiptesis nula (Ho). No habr diferencia significativa entre la cantidad de cigarros fumados por
causa del estrs en hombres y mujeres que trabajan, ya que no hay dependencia entre las
variables estudiadas por lo que las escasas variaciones en el consumo de cigarros por causa del
estrs se puede considerar como efecto del azar.
Hiptesis alterna (Ha). Habr diferencia significativa entre la cantidad de cigarros fumados por
causa del estrs en hombres y mujeres que trabajan, ya que existe dependencia entre las variables
estudiadas por lo que las relevantes variaciones en el consumo de cigarros se puede considerar
como efecto/causa del estrs. La hiptesis alterna tambin se conoce como H1.,
Nivel de significacin: ( = 0,05).
El valor alfa () es la probabilidad de rechazar Ho, siendo Ho verdadera: (error de tipo 1 o error de
tipo alfa () o falso positivo) no aceptar la Ho, siendo verdadera. Para este valor:
2
a) Si el valor de X tabla es superior al valor de X calculado, se acepta o no se rechaza Ho.

2
2
b) Si el valor de X tabla es menor al valor de X calculado, se rechaza Ho y se acepta Ha.
2
c) Dicho de otro modo, para todo valor de probabilidad de X calculado que sea
numricamente igual o menor que 0,05, se acepta Ha y se rechaza Ho (los paquetes
estadsticos SPSS, R, Statgraphics, etc. presentan los resultados de esta forma). Si la
probabilidad tiene un valor numricamente alto (mayores que 0,05, como 0,06/0,07/0,1, etc.)
se considera que la desviacin es debida al azar y que los datos respaldan la Ho por lo que se
rechaza Ha. Si la probabilidad es numricamente baja (menores que 0,05, como
0,04/0,03/0,02/0,01/0,0005, etc.), la desviacin no es debida al azar y que los datos respaldan
la Ha.
Zona de rechazo.
2
2
establecidos) se acepta Ha y se rechaza Ho. Dicho de otro modo:
2
2
Si el valor de X tabla es menor al valor de X calculado se acepta Ha y se rechaza Ho.
2
2
Si el valor de X tabla es mayor al valor de X calculado se acepta Ho y se rechaza H1.
2
Si el valor de probabilidad de X calculado es menor que 0,05 (como 0,04/0,03/0,005, etc.)
para el # de grados de libertad prefijados, se acepta la Ha.
X tabla (/GL)

0,05 (0,06/0,07/0,8), se acepta Ho.
Psicologa

0,05 (0,04/0,02/0,001), se acepta H1
Pgina 12
Prof. Ren Castro
Psicoestadstica
UBA

Tabla de contingencia 3X2 con las frecuencias observadas
Variable fumar por estrs

Variable gnero
MARGINAL O
SUBTOTAL
FUMA POR CAUSA

DEL ESTRS
NO SABE
NO FUMA POR
CAUSA DEL ESTRS
HOMBRE
15
10
25
50
MUJER
20
35
60
MARGINAL O
SUBTOTAL
35
15
60
110
TOTAL

Calculamos los valores de la frecuencia terica esperada para cada casilla.
En este caso, el clculo de las frecuencias esperadas se realiza multiplicndose las frecuencias
subtotales o marginales comunes a una casilla y dividindose entre la sumatoria total de las
frecuencias.
Agrupamos estos valores de la frecuencia esperada en una tabla:

Tabla de las frecuencias esperadas:
HOMBRE
MUJER
MARGINAL O
TOTAL
FUMA POR CAUSA

DEL ESTRS
15,91
19,09
35
6,82
8,18
NO FUMA POR
CAUSA DEL ESTRS
27,27
32,73
MARGINAL O
TOTAL
50
60
15
60
110
NO SABE
Una grfica de la frecuencia observada y esperada sera la siguiente:
Psicologa
Pgina 13
Prof. Ren Castro
Psicoestadstica
UBA
Frecuencia observada y esperada para gnero y fumar o no por estres

35
Frec. Absol. sim. (FAS)
35
30
25
25
32,73
27,27
20 19,09
20
15 15,91
15
10
8,18
6,82
10
5
0
Hombre
fuma por
estrs
Hombre no Hombre no Mujer fuma

sabe
fuma por
por estrs
estrs
Mujer no
sabe
Mujer no
fuma por
F. observada
estrs
Gnero fuma o no por estrs
F. esperada
Una vez obtenidos los valores tericos, aplicamos la frmula de X .
Donde:
2

2
Clculo de X :
Tambin podemos hacer estos clculos en forma tabular:

2
Calculo de la estadstica de prueba X para los datos de gnero vs. causa del fumar
Psicologa
Pgina 14
Prof. Ren Castro
Psicoestadstica
UBA
Variable
gnero
Variable fumar
fo
fe
(fo-fe)
(fo-fe)2
(fo-fe)2/fe
HOMBRE
Fuma por causa del

estrs
15
15,91
-0,91
0,8281
0,0520
HOMBRE
No sabe
10
6,82
3,18
10,1124
1,4828
25
27,27
-2,27
5,1529
0,1890
20
19,09
0,91
0,8281
0,0434
HOMBRE
MUJER

estrs
Fuma por causa del
estrs
MUJER
No sabe
8,18
-3,18
10,1124
1,2362
MUJER

estrs
35
32,73
2,27
5,1529
0,1574
X2
3,1608
Clculo de los grados de libertad (gl).

gl = (K - 1) (H - 1) = (3 - 1) (2 - 1) = 2 (k = columnas y h = hileras o filas)
Nivel de significacin: = 0,05.
2
El valor de X calculado de 3,15 con 2 grados de libertad. Este dato se compara con los de la
2
tabla de valores crticos de ji cuadrada; en la misma se puede obtener el valor de X (0,05,2) es 5,99,
2
que corresponde a la probabilidad de 0,05, lo cual significa que: a) el valor X tabla es menor que el
2
valor X calculado, por lo que no se puede rechazar la hiptesis nula y b) el estadstico calculado
tiene una probabilidad numricamente mayor que 0,05, ya que 3,16 se encuentra entre los valores
de 2,773 para 0,25 de probabilidad y 4,605 para 0,1 de probabilidad (probablemente 0,2054,
obtenido por DIST:CHI de Excel) por lo que no podemos rechazar la hiptesis nula. Dicho de
2
otra forma, si observamos la tabla de valores crticos de X al final de la gua, los valores de X2
ms parecidos a 3,15 son: 2,773 para 0,25 de probabilidad y 4,605 para 0,1 de probabilidad para 2
2
grados de libertad. En esta tabla, para estos grados de libertad (2), estos valores de X son los ms
2
parecidos al valor de X calculado de 3,15 obtenido, y sus niveles de significacin ya son
2
numricamente mayores que 0,05. El valor de probabilidad real (P valor de X calculado es 0,2054,
obtenido con DIST.CHI de Excel) es numricamente mayor de 0,05. Por todo esto, no podemos
rechazar la hiptesis nula.
Decisin.
2
En razn de que el valor de X o ji cuadrada calculada es de 3,15 y es menor que el valor de X2

tabla (0,05,2) cuyo valor es de 5,99, se acepta la Ho y se rechaza la Ha. Tambin pude decirse que
2
la X calculada tiene una probabilidad numricamente mayor que 0,05 (en este caso es 0,2054),
por lo que cae en la zona de aceptacin de Ho. Entonces no hay diferencias significativas entre el
consumo de cigarros por causa del estrs entre hombres y mujeres que trabajan.
Ver grfica a continuacin.
Psicologa
Pgina 15
Prof. Ren Castro
X calculado= 3,16
Psicoestadstica
UBA
X tabla (0,05;2)= 5,99
Si el del X calculado es numricamente mayor a

0,05 (0,06/0,07/0,8), se acepta Ho.
Si el del X calculado es numricamente menor a

0,05 (0,04/0,02/0,001), se acepta H1
Otra forma de ver este grfico sera:
(Escala
aproximada)
2
Si el del X calculado es numricamente mayor a 0,05

(0,06/0,07/0,8), se acepta Ho.
Si el del X calculado es numricamente

menor a 0,05 (0,04/0,02/0,001), se acepta H1
Resultado de Statgraphics Centurion XV:

Pruebas de Independencia
Prueba
Estadstico
Chi-Cuadrada
3,165
Gl
2
Valor-P
0,2055
El StatAdvisor
Psicologa
Pgina 16
Prof. Ren Castro
Psicoestadstica
UBA
Esta tabla muestra los resultados de la prueba de hiptesis ejecutada para determinar si se
rechaza, o no, la idea de que las clasificaciones de fila y columna son independientes (Ho). Puesto
que el valor-P es mayor o igual que 0,05, no se puede rechazar la hiptesis de que filas y
columnas son independientes (Ho) con un nivel de confianza del 95,0%. Por lo tanto, la fila
observada para un caso en particular, pudiera no tener relacin con su columna.
Puede observarse que los paquetes estadsticos no emplean el valor crtico o tabla del estadstico
2
2
calculado (X ), sino que trabajan con el P valor del estadstico calculado, que en este caso es X
para aceptar o rechazar la Ho.
Interpretacin.
El consumo de cigarros entre hombres y mujeres que trabajan, no se debe al estrs, se debe a
diversos factores ocasionado por el azar.
Psicologa
Pgina 17
Prof. Ren Castro
Psicoestadstica
UBA
Prueba ji (X2) cuadrada de Pearson para tres o ms muestras independientes

Ejemplo:
En una investigacin transversal de enfermedad diarreica en nios menores de seis aos, un
mdico tuvo el inters de conocer si existan diferencias respecto a la condicin socioeconmica de
una poblacin a la que estudio, o dicho de otro modo, la incidencia de la enfermedad diarreica en
nios menores de seis aos es independiente del nivel o condicin socioeconmica o depende en
parte de ese nivel?.
Variable categrica ordinal
Variable 1: variable independiente: condicin o nivel socioeconmico (alto, medio, bajo).
Variable categrica nominal
Variable 2: variable dependiente: nios menores de 6 aos en condicin diarreica (con diarrea y sin
diarrea).
El modelo experimental tiene 3 o ms muestras independientes y las variables son categricas
en escala nominal y ordinal, presentando la frecuencia de los valores o de la tabulacin de
nmero de casos en cada clase, con un tamao de muestra por casilla mayor de 5. Adems,
estamos interesados en contrastar las 3 muestras independientes estudiadas, es un estudio
social que comprende una poblacin relativamente pequea en el que: a) se quiere contrastar o
evaluar una hiptesis y b) no se conoce a priori la distribucin de los datos de las variables
2
estudiadas. Por esto, se elige la prueba X de Pearson para 3 o ms muestras independientes
(vase al final de la gua: Flujogramas/Flujograma 4).
Existen diferencias significativas entre las frecuencias observadas de enfermedad diarreica en los
tres grupos de condicin socioeconmica.
Si
Entonces
muestra
V.Ind.
relacin
V. dep. (seccin terica).
V.Ind.
relacin
V. dep. (seccin prctica).
Planteamiento de la hiptesis de investigacin de este ejemplo:

Si el nivel socioeconmico afecta/influye en la incidencia de la enfermedad diarrica en nios
menores de 6 aos, entonces una muestra no probabilstica de nios menores de 6 aos
pertenecientes a 3 distintos estratos sociales de la ciudad de Maracay (2013-2014) presentarn
diferencias en la incidencia de la enfermedad diarrica.
Ejemplos de relaciones entre variables:
Relacin en seccin
terica
Relacin en seccin
prctica
En conclusin
Gua para la redaccin de:
Psicologa
Caso A
No afecta/ no influye/ no altera/
la misma/igual/idntica/
semejantes/similares
no presentarn diferencias/ no
se observarn diferencias/no se
detectarn diferencias/ no hay
diferencias
Observar: se nulifican
diferencias, no hay diferencias,
no existen diferencias, se niegan
las diferencias
Ho (hiptesis nula)
Caso B
Afecta/ influye/ altera/
Diferente/ desiguales/
dismiles
se encontrarn diferencias/
presentar diferencias/ se
observarn diferencias/ Si
hay diferencias
Observar: se afirman las
diferencias, hay diferencias,
existen diferencias, se
confirman las diferencias
H1 (hiptesis alterna)
Pgina 18
Prof. Ren Castro
Psicoestadstica
UBA

Ho (nulifica diferencias entre las frecuencias): no hay diferencia entre las frecuencias observadas
para la variable dependiente, por lo que existe independencia o no hay dependencia/relacin entre
las variables estudiadas. La variacin es causada por el azar. (Ho: f1=f2=f3=fn).
Ha (afirma/confirma diferencias entre las frecuencias): si hay diferencia entre las frecuencias de la
variable dependiente o existe dependencia o relacin entre las variables estudiadas. La variacin
es causada por la posible variable independiente. (Ha: f1f2f3fn o al menos 2 frecuencias son
diferentes).
Planteamiento de las hiptesis estadsticas del problema:
Hiptesis alterna (Ha). Existen diferencias relevantes entre las frecuencias o incidencias de la
enfermedad diarreica en nios menores de 6 aos que pertenecen a las tres clases econmicas
estudias. En otras palabras, las diferencias que se observan en las frecuencias de enfermedad
diarreica en las tres clases socioeconmicas no se deben al azar, por lo que se puede afirmar que
existe una relacin o dependencia entre las variables estudiadas (Nivel socioeconmico y la
presencia de la enfermedad).
Hiptesis nula (Ho). No existen diferencias significativas entre las frecuencias de la enfermedad
diarreica en nios menores de 6 aos que pertenecen a las tres clases econmicas estudias. En
otras palabras, las diferencias que se observan en las frecuencias de enfermedad diarreica en las
tres clases socioeconmicas se deben al azar, por lo que se puede afirmar que no existe una
relacin entre las variables estudiadas o que las mismas son independientes entre si (Nivel
socioeconmico y la presencia de la enfermedad).
Nota: si se da el caso de la aceptacin de la hiptesis alterna, esto pudiera deberse a que la mayor
frecuencia, incidencia o presencia de la enfermedad diarreica se observa en la condicin
socioeconmica baja; a su vez, la mayor frecuencia observada en nios sanos se presenta en el
nivel socioeconmico alto. Estas diferencias son significativas. Esta hiptesis alterna (Ha o H1) es la
que posee una mayor diferencia de la presencia de la enfermedad entre las clases sociales.
Nivel de significacin: ( = 0,05).
Nota: debemos recordar que alfa () es la probabilidad de rechazar la hiptesis nula (Ho), siendo
esta verdadera, tambin conocido como la probabilidad de cometer el error de tipo alfa (), falso
positivo o error de tipo 1. Dicho de otro modo, se afirma la existencia de una diferencia entre las
frecuencias observada y esperada cuando en realidad no existe.
Zona de rechazo.
2

establecidos) se acepta Ha y se rechaza Ho (
).
2
Si el valor de probabilidad de X calculado es numricamente menor que 0,05 (como

0,04/0,03/0,005, etc.) para el # de grados de libertad prefijados, se acepta la Ha.
Dicho de otro modo:
a)
b)
Si el valor de X tabla es superior al valor de X calculado, se acepta o no se rechaza Ho.

2
2
Si el valor de X tabla es menor al valor de X calculado, se rechaza Ho y se acepta Ha.
Psicologa
Pgina 19
Prof. Ren Castro

c)
Psicoestadstica
UBA
Dicho de otro modo, para todo valor de probabilidad de X2 calculado que sea igual o
menor que 0,05, se acepta Ha y se rechaza Ho (los paquetes estadsticos SPSS, R,
Statgraphics, etc. presentan los resultados de esta forma). Si la probabilidad tiene un valor
numricamente alto (mayores que 0,05, como 0,06/0,07/0,1, etc.) se considera que la
desviacin es debida al azar y que los datos respaldan la Ho por lo que se rechaza Ha. Si
la
probabilidad
es
numricamente
baja
(menores
que
0,05,
como
0,04/0,03/0,02/0,01/0,0005, etc.), la desviacin no es debida al azar y que los datos
respaldan la Ha.
Si el del X2 calculado es numricamente mayor a 0,05

(0,06/0,07/0,8), se acepta Ho.
Si el del X2 calculado es numricamente

menor a 0,05 (0,04/0,02/0,001), se acepta H1

Tabla de contingencia (2X3) del estado de la enfermedad diarreica con grupo condicin
socioeconmica (frecuencias observadas).
Grupo segn estado de la enfermedad
Grupo segn nivel
socioeconmico
Con diarrea
Sin diarrea
MARGINAL O
SUBTOTAL
Alta
Media
Baja
15
20
60
25
32
15
40
52
75
MARGINAL O
SUBTOTAL
95
72
167
TOTAL

Calculamos los valores de la frecuencia terica esperada para cada casilla.
Se calculan las frecuencias esperadas basndonos en la hiptesis nula, la cual afirma que: a) no
existen diferencias significativas entre las frecuencias de las variables estudiadas (nivel
socioeconmico y presencia de la enfermedad), b) las variables son independientes o no guardan
relacin entre si y c) las diferencias se deben al azar o a efectos de muestreo. En este caso, si la
hiptesis nula (Ho) es correcta y la incidencia de la enfermedad es independiente del nivel
socioeconmico, deberamos esperar a que hubiera la misma proporcin de sujetos que
contrajeron la dolencia en cualquier de los tres niveles socioeconmicos, por lo que el clculo de
Psicologa
Pgina 20
Prof. Ren Castro
Psicoestadstica
UBA
las frecuencias esperadas se realiza multiplicndose las frecuencias subtotales o marginales

comunes a una casilla y dividindose entre la sumatoria total de las frecuencias.
Agrupamos estos valores de la frecuencia esperada en una tabla:

Tabla de las frecuencias esperadas:
Grupo segn estado de la enfermedad
Con diarrea
Sin diarrea
MARGINAL O
SUBTOTAL DE LAS
FILAS
Alta
22,75
17,24
40
Media
29,58
22,42
52
Baja
42,66
32,33
75
MARGINAL O
SUBTOTAL DE LAS
COLUMNAS
95
72
167
Grupo segn nivel

socioeconmico
TOTAL
Una vez obtenidos los valores tericos, aplicamos la frmula.
Donde:
2

Clculo de X :
Psicologa
Pgina 21
Prof. Ren Castro
Psicoestadstica
UBA
Tambin podemos hacer estos clculos en forma tabular:

2
Clculo de la estadstica de prueba X

socioeconmico.
Variable
Variable
nivel socio
estado
econmico enfermedad
Alta
Con diarrea
para los datos de estado enfermedad vs. nivel
Fo
fe
(fo-fe)
(fo-fe)2
(fo-fe)2/fe
15
22,75
-7,75
60,0625
2,6401
Alta
Sin diarrea
25
17,25
7,75
60,0625
3,4819
Media
Con diarrea
20
29,58
-9,58
91,7764
3,1027
Media
Sin diarrea
32
22,42
9,58
91,7764
4,0935
Baja
Con diarrea
60
42,66
17,34
300,6756
7,0482
Baja
Sin diarrea
15
32,34
-17,34
300,6756
2
9,2973
29,6637
Las diferencias entre las frecuencias se pueden observar mejor en este grfico:
Frecuencia (obs/esp) para cada nivel socioeconomico y estado

enfermedad
60
frecuencia observada
Frecuencia absoluta (FAS)
60
frecuencia esperada
50
42,66
40
29,58
30
20
22,75
15
25
20
17,25
32,34
32
22,42
15
10
0
Con diarrea
Sin diarrea
Con diarrea
Sin diarrea
Clase Alta
Clase Alta
Clase Media Clase Media
Con diarrea
Sin diarrea
Clase Baja
Clase Baja
Nivel socioeconmico y estado enfermedad

gl = (K - 1) x (H - 1) = (2 - 1) x (3 - 1) = 2 (k = columnas y h = hileras o filas).
Psicologa
Pgina 22
Prof. Ren Castro
Psicoestadstica
UBA
Nivel de significacin: = 0,05.

2
El valor de X calculado de 29,664 con 2 grados de libertad. Este dato se compara con los de la tabla
2
de valores crticos de ji cuadrada; en la misma se puede obtener el valor de X (0,05,2) es 5,99, que
2
corresponde a la probabilidad de 0,05, lo cual significa que: a) el valor X calculado es mayor que
2
2
el valor X tabla, por lo que se puede rechazar la hiptesis nula y b) el estadstico calculado (X
calculado) tiene una probabilidad menor que 0,05 por lo que podemos rechazar la hiptesis nula.
2
Si observamos la tabla de valores crticos de X al final de la gua, el mayor valor que podemos
2
obtener de X para 2 grados de libertad es 10,597 para un nivel de significacin de 0,005. En esta
2
2
tabla, para estos grados de libertad (2), este valor de X es el ms parecido al valor de X calculado de
29,664 obtenido, y su nivel de significacin ya es menor que 0,05. En una tabla ms grande, el
2
valor crtico de ji o X cuadrada con 2 grados de libertad ms cercano al calculado es de 27,63, con
2
-7
una probabilidad igual a 0,000001 (P valor de X calculado es 3,61x10 , obtenido con DIST.CHI de
Excel). Por todo esto, podemos rechazar la hiptesis nula.
Decisin.
2
En razn de que el valor de X o ji cuadrada calculada es de 29,664 y es mayor que el valor de X

2
tabla (0,05,2) cuyo valor es de 5,99, se rechaza la Ho y se acepta la Ha. El estadstico X calculado
-7
de 29,64 con 2 grados de libertad tiene una probabilidad de 3,61x10 (DIST.CHI) y menor que
0,05, por lo que se rechaza Ho. Por lo tanto, se acepta Ha y se rechaza Ho. Todo esto se confirma
con los resultados obtenidos en paquete estadstico Statgraphics Centurin XV para este
problema:
Statgraphics Centurin XV:

Pruebas de Independencia
Prueba
Estadstico
Chi-Cuadrada
29,664
Gl
Valor-P
0,0000
El StatAdvisor
Esta tabla muestra los resultados de la prueba de hiptesis ejecutada para determinar si se
rechaza, o no, la idea de que las clasificaciones de fila y columna son independientes. Puesto que
el valor-P es menor que 0,05, se puede rechazar la hiptesis de que filas y columnas son
independientes con un nivel de confianza del 95,0%. Por lo tanto, la fila observada para un caso
particular, est relacionada con su columna.
Esto puede apreciarse en los siguientes grficos:
X tabla (0,05/2)= 5,99
Si la probabilidad del X calculado es numricamente

mayor a 0,05 (0,06/0,07/0,8), se acepta Ho.
Psicologa
-7
X calculado (3,61x10 /2)= 29,664
(valores de prob./escala aproximada)

2
Si la probabilidad del X calculado es

numricamente menor a 0,05 (0,04/0,02/0,001),
se acepta H1
Pgina 23
Prof. Ren Castro
Psicoestadstica
UBA
Interpretacin.
Existen diferencias significativas entre las frecuencias observadas de enfermedad diarreica en los
tres grupos de condicin socioeconmica, por lo que ambas variables estn relacionadas o son
dependientes. La poblacin de nios de condicin socioeconmica baja muestra la frecuencia ms
alta de diarrea, con respecto a los otros grupos sociales. Estas diferencias son significativas al nivel
-7
de confianza de p menor que 3,61x10 (DIST.CHI), segn la grfica anterior.
Entre las clases socioeconmicas media y alta parece no existir diferencia alguna, lo cual se puede
2
comprobar al construir las tablas de contingencias y al ejecutar la prueba X como ejercicio e
interpretarla.
Contingencia 2 X 2; clase media y alta en oposicin a clase baja.
Grupo
Con diarrea
Clase baja + media
35
Clase baja
60
Total
95
2
X (1gl) = 29.66 p menor que 0,001
Sin diarrea
57
15
72
Total
92
75
167
Contingencia 2 X 2; clase media y alta en oposicin a clase baja.

Grupo
Con diarrea Sin diarrea
Total
Clase alta
15
25
40
Clase media
60
15
75
Total
35
57
92
2
X (1gl) = 0,008 p menor que 0,05
2
Nota: muchos investigadores consideran que la prueba X de independencia como un

2
planteamiento alternativo a la consideracin de la prueba X utilizada para evaluar diferencias
potenciales entre variables que influyen en muestras pertenecientes a determinadas poblaciones,
por lo que para una tabla de contingencias que tiene C columnas y F filas, hileras o renglones, la
2
prueba X puede generalizarse como una prueba de independencia mediante la presentacin de
Psicologa
Pgina 24
Prof. Ren Castro
Psicoestadstica
UBA
una anlisis confirmatorio ms formal basado en una hiptesis de independencia en las respuestas
conjuntas de dos variables categricas.
Segn estos autores, como prueba de independencia, las hiptesis nulas y alternativas seran:
Ho: las dos variables categricas son independientes (es decir, no hay relacin entre ellas).
H1: las dos variables categricas estn relacionadas (es decir, son dependientes entre ellas).
Segn este planteamiento, el nivel de significacin, zona de rechazo, la grfica de aceptacin y
rechazo, la aplicacin de la prueba estadstica, la frmula de los estadsticos de prueba, su
aplicacin y las reglas de decisin son las mismas, las hiptesis establecidas y las conclusiones a
las que se llegan son diferentes.
En consecuencia, por ejemplo, en el caso anterior, llegamos a la conclusin de que haba
evidencia de la existencia de diferencias significativas entre las frecuencias observadas de
enfermedad diarreica en los tres grupos de condicin socioeconmica. Desde un punto de vista
diferente, podemos llegar a la conclusin de que existe una relacin significativa o dependencia
entre la incidencia de la enfermedad diarreica y la condicin socioeconmica de los nios
estudiados.
Psicologa
Pgina 25
Prof. Ren Castro
Psicoestadstica
UBA
Prueba ji cuadrada de proporciones para tres o ms muestras

independientes
2
La prueba de ji cuadrada de proporciones (X ) es un modelo estadstico aplicable cuando en el

modelo experimental se tienen mltiples muestras (tres o ms muestras) independientes.
La razn de dicha prueba estadstica radica en que si el tamao de las muestras es pequeo
2
(menor que 5), conservar la misma eficacia que la X de Pearson con tamaos grandes de
muestra.
La frmula de esta prueba es:
Donde:
2
X = estadstica de ji cuadrada.
= proporcin promedio de que acontezca el suceso.
= proporcin promedio de que no acontezca el suceso, expresada en proporcin.
p = proporcin observada del suceso.
Ni = tamao de la muestra del subgrupo.
Pasos.
1. Elaborar una tabla de contingencias y calcular las proporciones de cada subgrupo. Determinar
las probabilidades promedio de que acontezca o no el suceso.
2. Calcular las diferencias de las probabilidades observadas con respecto a la probabilidad
2
promedio (p - ), elevarlas al cuadrado (p - ) , multiplicarlas por el tamao de la muestra del
2
subgrupo y obtener la sumatoria Ni (p - ) .
3. Calcular el recproco del producto de
y
4. Multiplicar este ltimo valor por la sumatoria calculada, que corresponde al estadstico X p.
5. Calcular los grados de libertad y el nmero de hileras -1 (H - 1).
2
6. Comparar el estadstico de ji cuadrada de proporciones en la tabla de valores crticos de X , de
modo que se obtenga la probabilidad.
7. Decidir si se acepta o rechaza la hiptesis.
Ejemplo:
Un investigador desea conocer el efecto que ejerce el ambiente fsico de sobreestimulacin en las
caractersticas estructurales del cerebro, de manera que lo propone como alternativa para mejorar
las alteraciones que la desnutricin proteicocalrica produce en el encfalo. En virtud de ello,
planea un diseo experimental con 24 ratas de la raza Wistar, a la mitad de las cuales induce a la
Psicologa
Pgina 26
Prof. Ren Castro
Psicoestadstica
UBA
desnutricin con una dieta baja en protenas. A las ratas restantes les aporta una dieta normal para
roedores. Divide estos dos subgrupos de animales en tres condiciones ambientales.
Al trmino del experimento, los animales son sacrificados y se les extrae el cerebro, para obtener el
peso hmedo. El investigador considera a la masa total como un primer indicador de los cambios
estructurales del encfalo.
En virtud de que los pesos enceflicos poseen varianzas desiguales, no se distribuyen
normalmente y los intervalos de los pesos no tienen una progresin aritmtica, el investigador
decide no utilizar una prueba paramtrica. Por ello, elige distribuir los pesos en funcin de la
mediana.
El modelo experimental tiene tres o ms grupos independientes y la variable es categrica en
escala nominal, presentando la frecuencia de los valores o de la tabulacin de nmero de casos en
2
cada clase, con un tamao de muestra por casilla mayor de 5. Por esto, se elige la prueba X de
Pearson para 3 o ms muestras independientes (vase al final de la gua: Flujogramas/Flujograma
4).
Planteamiento de la hiptesis.
Hiptesis alterna (Ha). Las frecuencias observadas de las ratas, cuyos pesos se distribuyeron en
funcin de la mediana, muestran diferencias significativas entre bien nutridos y desnutridos.
Asimismo, hay diferencias en los animales aislados y estimulados.
Hiptesis nula (Ho) Las diferencias en las frecuencias en la distribucin con base en la mediana de
los pesos enceflicos se deben al azar.
Nivel de significacin.
Para todo valor de probabilidad igual o menor que 0,05, se acepta Ha y se rechaza Ho.
Zona de rechazo.
Para todo valor de probabilidad mayor que 0,05, se acepta Ho y se rechaza Ha.
Las frecuencias observadas de los pesos cerebrales distribuidos en funcin de la mediana y el
clculo de las proporciones para cada subgrupo.
Peso enceflico de 24 ratas.
Psicologa
Pgina 27
Prof. Ren Castro
Psicoestadstica
UBA

gl = H - 1 = 6 - 1 = 5
2
El estadstico X p de 12 se compara con los valores crticos de X y se determina la probabilidad.

Se puede observar que el valor de 11.07 con cinco grados de libertad corresponde a un valor de p
igual a 0,05. El calculado es mayor que el crtico y, por lo tanto, con p menor que 0,05.
Decisin.
En razn de que el valor estadstico tiene una probabilidad menor que 0,05, cae en el nivel de
significancia, de manera que se acepta Ha y se rechaza Ho.
Interpretacin.
Existen diferencias significativas, al nivel de confianza de p menor que 0,05, entre las frecuencias
de los pesos de los cerebros distribuidos en relacin con la mediana. En los animales bien nutridos
se observan bajas frecuencias inferiores a la mediana, en oposicin a lo observado en ratas
desnutridas.
Respecto al ambiente, parece que no hay diferencias entre los aislados y los estimulados; sin
embargo, al aplicarse la prueba estadstica, los animales no contestan la pregunta planteada por la
hiptesis alterna, en el sentido de que en los estimulados y los aislados tambin existen
diferencias.
Recuerde que esto es solo una gua, incremente sus conocimientos consultando la
literatura especializada recomendada para este curso en la biblioteca de la UBA, la
disponible en las pginas especializadas en INTERNET o la que usted pueda obtener en
las bibliotecas locales.
Tambin puede ver el siguiente video: Anlisis de la relacin entre dos variables cualitativas:
Test Chi cuadrado. Mdulo 4 https://www.youtube.com/watch?v=XvPEeQAjTW8.
Psicologa
Pgina 28
Prof. Ren Castro
Psicologa
Psicoestadstica
UBA
Pgina 29
Prof. Ren Castro
Psicologa
Psicoestadstica
UBA
Pgina 30
Prof. Ren Castro
Psicologa
Psicoestadstica
UBA
Pgina 31
Prof. Ren Castro
Psicoestadstica
UBA
Valores crticos de X2
Para una combinacin particular de grados de libertad y nivel de significacin, las
entradas representan los valores crticos de X2 correspondientes a un rea de extremo
superior especificada (). Valores crticos obtenidos mediante la funcin
PRUEBA.CHI.INV de Excel. Los valores tabulados pueden emplearse en una prueba
bilateral o de dos colas, cuando la Ho indica igualdad y la Ha indica desigualdad de
proporciones, medias, etc. El X2 calculado a un alfa () dado es significativo si es igual o
mayor que el valor indicado en la tabla.
1-
Nivel de significacin (puede emplearse en una prueba bilateral o de dos colas)

GL
0,995
0,99
0,975
0,95
0,9
0,75
0,25
0,1
0,05
0,025
0,01
0,005
0,000
0,000
0,001
0,004
0,016
0,102
1,323
2,706
3,841
5,024
6,635
7,879
0,010
0,020
0,051
0,103
0,211
0,575
2,773
4,605
5,991
7,378
9,210
10,597
0,072
0,115
0,216
0,352
0,584
1,213
4,108
6,251
7,815
9,348
11,345
12,838
0,207
0,297
0,484
0,711
1,064
1,923
5,385
7,779
9,488
11,143
13,277
14,860
0,412
0,554
0,831
1,145
1,610
2,675
6,626
9,236
11,070
12,833
15,086
16,750
0,676
0,872
1,237
1,635
2,204
3,455
7,841
10,645
12,592
14,449
16,812
18,548
0,989
1,239
1,690
2,167
2,833
4,255
9,037
12,017
14,067
16,013
18,475
20,278
1,344
1,646
2,180
2,733
3,490
5,071
10,219
13,362
15,507
17,535
20,090
21,955
1,735
2,088
2,700
3,325
4,168
5,899
11,389
14,684
16,919
19,023
21,666
23,589
10
2,156
2,558
3,247
3,940
4,865
6,737
12,549
15,987
18,307
20,483
23,209
25,188
11
2,603
3,053
3,816
4,575
5,578
7,584
13,701
17,275
19,675
21,920
24,725
26,757
12
3,074
3,571
4,404
5,226
6,304
8,438
14,845
18,549
21,026
23,337
26,217
28,300
13
3,565
4,107
5,009
5,892
7,042
9,299
15,984
19,812
22,362
24,736
27,688
29,819
14
4,075
4,660
5,629
6,571
7,790
10,165
17,117
21,064
23,685
26,119
29,141
31,319
15
4,601
5,229
6,262
7,261
8,547
11,037
18,245
22,307
24,996
27,488
30,578
32,801
Psicologa
Pgina 32
Prof. Ren Castro
Psicoestadstica
UBA

GL
0,995
0,99
0,975
0,95
0,9
0,75
0,25
0,1
0,05
0,025
0,01
0,005
16
5,142
5,812
6,908
7,962
9,312
11,912
19,369
23,542
26,296
28,845
32,000
34,267
17
5,697
6,408
7,564
8,672
10,085
12,792
20,489
24,769
27,587
30,191
33,409
35,718
18
6,265
7,015
8,231
9,390
10,865
13,675
21,605
25,989
28,869
31,526
34,805
37,156
19
6,844
7,633
8,907
10,117
11,651
14,562
22,718
27,204
30,144
32,852
36,191
38,582
20
7,434
8,260
9,591
10,851
12,443
15,452
23,828
28,412
31,410
34,170
37,566
39,997
21
8,034
8,897
10,283
11,591
13,240
16,344
24,935
29,615
32,671
35,479
38,932
41,401
22
8,643
9,542
10,982
12,338
14,041
17,240
26,039
30,813
33,924
36,781
40,289
42,796
23
9,260
10,196
11,689
13,091
14,848
18,137
27,141
32,007
35,172
38,076
41,638
44,181
24
9,886
10,856
12,401
13,848
15,659
19,037
28,241
33,196
36,415
39,364
42,980
45,559
25
10,520
11,524
13,120
14,611
16,473
19,939
29,339
34,382
37,652
40,646
44,314
46,928
26
11,160
12,198
13,844
15,379
17,292
20,843
30,435
35,563
38,885
41,923
45,642
48,290
27
11,808
12,879
14,573
16,151
18,114
21,749
31,528
36,741
40,113
43,195
46,963
49,645
28
12,461
13,565
15,308
16,928
18,939
22,657
32,620
37,916
41,337
44,461
48,278
50,993
29
13,121
14,256
16,047
17,708
19,768
23,567
33,711
39,087
42,557
45,722
49,588
52,336
30
13,787
14,953
16,791
18,493
20,599
24,478
34,800
40,256
43,773
46,979
50,892
53,672
31
14,458
15,655
17,539
19,281
21,434
25,390
35,887
41,422
44,985
48,232
52,191
55,003
32
15,134
16,362
18,291
20,072
22,271
26,304
36,973
42,585
46,194
49,480
53,486
56,328
33
15,815
17,074
19,047
20,867
23,110
27,219
38,058
43,745
47,400
50,725
54,776
57,648
34
16,501
17,789
19,806
21,664
23,952
28,136
39,141
44,903
48,602
51,966
56,061
58,964
35
17,192
18,509
20,569
22,465
24,797
29,054
40,223
46,059
49,802
53,203
57,342
60,275
Psicologa
Pgina 33
Prof. Ren Castro
Psicoestadstica
UBA

GL
0,995
0,99
0,975
0,95
0,9
0,75
0,25
0,1
0,05
0,025
0,01
0,005
36
17,887
19,233
21,336
23,269
25,643
29,973
41,304
47,212
50,998
54,437
58,619
61,581
37
18,586
19,960
22,106
24,075
26,492
30,893
42,383
48,363
52,192
55,668
59,893
62,883
38
19,289
20,691
22,878
24,884
27,343
31,815
43,462
49,513
53,384
56,896
61,162
64,181
39
19,996
21,426
23,654
25,695
28,196
32,737
44,539
50,660
54,572
58,120
62,428
65,476
40
20,707
22,164
24,433
26,509
29,051
33,660
45,616
51,805
55,758
59,342
63,691
66,766
41
21,421
22,906
25,215
27,326
29,907
34,585
46,692
52,949
56,942
60,561
64,950
68,053
42
22,138
23,650
25,999
28,144
30,765
35,510
47,766
54,090
58,124
61,777
66,206
69,336
43
22,859
24,398
26,785
28,965
31,625
36,436
48,840
55,230
59,304
62,990
67,459
70,616
60
35,534
37,485
40,482
43,188
46,459
52,294
66,981
74,397
79,082
83,298
88,379
91,952
80
51,172
53,540
57,153
60,391
64,278
71,145
88,130
96,578
101,879
106,629
112,329
116,321
100
67,328
70,065
74,222
77,929
82,358
90,133
109,141
118,498
124,342
129,561
135,807
140,169
120
83,852
86,923
91,573
95,705
100,624
109,220
130,055
140,233
146,567
152,211
158,950
163,648
140
100,655
104,034
109,137
113,659
119,029
128,380
150,894
161,827
168,613
174,648
181,840
186,847
Regin de
aceptacin de Ho
Psicologa
Regin de rechazo de
Ho
Pgina 34
Prof. Ren Castro
Psicoestadstica
UBA
Anexo.
Tipos de Variables, escalas y funciones CHI de Excel.
a) Se denomina VARIABLE CATEGORICA o CUALITATIVA a las que describen un
atributo, propiedad o caractersticas de un sujeto, fenmeno, factor, cosa, etc. y
cuyos valores son categoras o clases excluyentes. Ejemplo: el sexo, la raza o
clasificacin tnica, la clase social, la categora laboral, participar o n en un
programa de investigacin o participacin, el tipo de tratamiento aplicado, los
distintos departamentos de una empresa, padecer o n de un determinado
sntoma, estado civil, nivel socioeconmico, color del pelo, color de los ojos, etc.
Es una variable sobre las que nicamente es posible obtener una medida en
escala de tipo nominal (u ordinal, pero con muy pocos valores). Cuando se trabaja
con este tipo de variables, los datos pueden organizarse en tablas de doble o ms
entradas en las que cada entrada representa un criterio de clasificacin o
categora (una variable categrica). Como resultado de esta clasificacin, la
frecuencia, el nmero de casos o el porcentaje de los mismos se presentan
organizadas en casillas que contienen informacin sobre la relacin existente entre
ambos criterios. A estas tablas de frecuencias se les denomina tablas de
contingencia.
b) Se denomina VARIABLE CUANTITATIVAS O NUMERICAS a aquellas cuyas
medidas posibles se pueden expresar por nmeros, las que se han obtenido por
medicin o recuento. Por ejemplo: temperatura corporal, edades, nmero de
pacientes hospitalizados, nmero de accidentes, tiempo de espera para ser
atendido en un servicio, etc.
Tipos De Variables Cuantitativas
Se denomina VARIABLE CUANTITATIVA DISCRETA a aquellas cuyas posibles
medidas son un conjunto finito o infinito numerable de valores numricos.
Por ejemplo: nmero de hijos por familia, nmero de accidentes por da, nmero de hojas
por tallo de una cierta planta, etc.
Se denomina VARIABLE CUANTITATIVA CONTINUA a aquellas cuyo valor observado
est determinado por nmeros reales, generalmente esas variables pueden tomar toda
una gama de valores dentro de la recta real.
Ejemplo: Peso de una persona, estatura; edad; presin sangunea, etc.
Psicologa
Pgina 35
Prof. Ren Castro
Psicoestadstica
UBA
Definiciones segn otra bibliografa

Tipos de variables:
Clasificacin:
Las variables pueden ser clasificadas como cuantitativas (intervalares) o cualitativas
(categricas), dependiendo si los valores presentados tienen o no un orden de magnitud
natural (cuantitativas), o simplemente un atributo no sometido a cuantificacin
(cualitativa).
Una variable es medida utilizando una escala de medicin. La eleccin de la(s) escala(s)
de medicin a utilizar depende, en primer lugar, del tipo de variable en estudio, y, adems,
del manejo estadstico a la que se someter la informacin. En trminos prcticos, existe
una correspondencia directa entre el concepto de variable y escala de medicin.
Un atributo corresponde a un valor especfico e una variable, como ser el caso de la
variable sexo, la que posee dos atributos: varn o mujer. En variables que exploran el
grado de acuerdo o desacuerdo frente a una afirmacin los atributos podran ser:
1 = muy en desacuerdo
2 = en desacuerdo
3 = indiferente
4 = de acuerdo
5 = muy de acuerdo
Dependiendo de los valores que puede tener una variable cualitativa, sta puede a su vez
ser dicotmicas (cuando slo pueden adoptar un slo valor sin jerarqua entre s; hombre mujer, positivo-negativo, presente-ausente), o bien, poli o multicotmicas ,si existe la
posibilidad de que adopten mltiples valores (edad, talla, nivel socioeconmico, grupos
sanguneos, calificacin previsional de usuarios).
1. Las variables cualitativas pueden agruparse en variables nominales u ordinales.
Hablaremos de variable nominal cuando los datos correspondan a una variable
cualitativa que se agrupa sin ninguna jerarqua entre s, como por ejemplo:
nombres de personas, de establecimientos, raza, grupos sanguneos, estado civil.
Estas variables no tienen ningn orden inherente a ellas ni un orden de jerarqua.
2. Si las categoras o valores que adopte una variable cualitativa poseen un orden,
secuencia o progresin natural esperable, hablaremos de variable ordinal, como
por ejemplo: grados de desnutricin, respuesta a un tratamiento, nivel
socioeconmico, intensidad de consumo de alcohol, das de la semana, meses del
ao, escalas de Killip o Apgar. A pesar de este orden jerrquico no es posible
obtener valoracin numrica lgica entre dos valores.
3. Las variables de tipo cuantitativo pueden a su vez ser clasificadas como continuas
o discretas. Las escalas cuantitativas son reconocidas tambin como escalas
intervalares o numricas.
Psicologa
Pgina 36
Prof. Ren Castro
Psicoestadstica
UBA
Si entre dos valores determinados existen infinitas posibilidades de valores,

hablaremos de una variable de tipo continuo. Ejemplos de este tipo de variables
son: el peso, la talla, la presin arterial o el nivel de colesterol srico. En la
prctica, salvo contadas excepciones no se dispone de mtodos de medicin
sofisticados como para poder medir exactamente los valores, por ejemplo, de talla.
En estricto rigor, la probabilidad que dos individuos tengan exactamente la misma
talla o edad es muy baja.
Si la variable a medir slo puede adoptar un slo valor numrico, entero, con
valores intermedios que carecen de sentido, hablaremos de variable cuantitativa
de tipo discreto. Son ejemplos de ellas: el nmero de hijos, de unidades vecinales
del sector, nmero de exmenes de laboratorio o de pacientes atendidos.
Tanto las variables discretas como las continuas pueden agruparse construyendo
intervalos, entre cuyos valores extremos se ubicarn las diferentes observaciones
registradas. Sin embargo, estrictamente hablando, slo las variables continuas
pueden ser objeto de categorizacin mediante intervalos.
Continuas
Cuantitativas (intervalares)
Discretas
Ej. Nmero de hijos, episodios de infeccin

urinaria
Categricas (cualitativas)
Nominales
Ordinales
-Dicotmicas : Ej vivo/muerto, sexo
Ej.Etapificacin tumores, Apgar, Killip
-Policotmicas : Ej. Grupo sanguneo, raza
Ej. Presin arterial, peso, edad, talla, IMC
Escalas de medicin para variables

Definicin de escala
Cualquier recurso para determinar la magnitud o cantidad de un objeto o hecho de cualquier
clase; instrumento para asignar un nmero o guarismo que indicar cunto hay de algo; un recurso
de medicin que provee un conjunto de normas (numeradas de acuerdo con ciertas reglas de
trabajo) con las que se puede comparar el objeto que ser medido, para asignarle un nmero o
valor matemtico que represente su magnitud. El trmino es de amplia aplicacin: una escala de
alguna clase est incluida en toda medicin o estimacin. Implcito en cada caso hay un conjunto
de reglas para asignar nmeros o valores: son estas reglas las que dan significado a las
cantidades. Los objetos pueden ser perceptuales o conceptuales.
La escala de medida de una caracterstica tiene consecuencias en la manera de presentacin
de la informacin y el resumen. La escala de medicin -grado de precisin de la medida de la
caracterstica- tambin determina los mtodos estadsticos que se usan para analizar los datos.
Por lo tanto, es importante definir las caractersticas por medir. Las escalas de medicin ms
frecuentes son las siguientes:
Escala Nominal.- No poseen propiedades cuantitativas y sirven nicamente para asignar, designar
o identificar las clases. Los datos empleados con las escalas nominales constan generalmente de
la frecuencia de los valores o de la tabulacin de nmero de casos en cada clase, segn la variable
Psicologa
Pgina 37
Prof. Ren Castro
Psicoestadstica
UBA
que se est estudiando. El nivel nominal permite mencionar similitudes y diferencias entre los
casos particulares. Los datos evaluados en una escala nominal se llaman tambin "observaciones
cualitativas", debido a que describen la cualidad, atributo o calidad de una persona o cosa
estudiada, u "observaciones categricas" porque los valores se agrupan en categoras. Por lo
regular, los datos nominales o cualitativos se describen en trminos de porcentaje o proporciones.
Para exhibir este tipo de informacin se usan con mayor frecuencia tablas de contingencia y
grficas de barras. Ejemplo: color de ojos, estado civil, sexo, etc. Usada principalmente por variables
cualitativas o categricas.
Escala Ordinal.- Las clases en las escalas ordinales no solo se diferencian unas de otras
(caracterstica que define a las escalas nominales) sino que mantiene una especie de relacin
entre s. Tambin permite asignar un lugar especfico a cada objeto de un mismo conjunto, de
acuerdo con la intensidad, fuerza, etc.; presentes en el momento de la medicin. Una caracterstica
importante de la escala ordinal es el hecho de que, aunque hay orden entre las categoras, la
diferencia entre dos categoras adyacentes no es la misma en toda la extensin de la escala.
Algunas escalas consisten en calificaciones de mltiples factores que se agregan despus para
llegar a un ndice general. Usada principalmente por variables cualitativas o categricas.
Debe mencionarse brevemente una clase espacial de escala ordinal llamada "escala de
posicin", donde las observaciones se clasifican de mayor a menor (o viceversa). Al igual que en
las escalas nominales, se emplean a menudo porcentajes y proporciones en escalas ordinales.
Ejemplo: nivel socioeconmico (Alto, Medio, Bajo), agresividad (intensa, promedio, baja), etc.
Escala de Intervalo.- Refleja distancias equivalentes entre los objetos y en la propia escala. Es
decir, el uso de sta escala permite indicar exactamente la separacin entre 2 puntos, lo cual, de
acuerdo al principio de isomorfismos, se traduce en la certeza de que los objetos as medidos
estn igualmente separados a la distancia o magnitud expresada en la escala, por lo que emplea
un intervalo igual y regular entre dos puntos de medida. Tambin posee un punto cero relativo,
debajo del cual la variable sigue existiendo y que es cuantitativamente distinto entre las distintas
escalas empleadas para medir un mismo fenmeno (temperatura medida en C, F, K, etc.,
tiempo medido segn diferentes civilizaciones como mayas, chinos, japoneses, calendario
gregoriano, etc., coeficiente intelectual, etc.). Usada principalmente por variables cuantitativas o
intervalares.
Escala de Razn.- Constituye el nivel ptimo de medicin, posee un cero verdadero o absoluto
como origen, tambin denominada escala de cocientes o proporciones. La existencia de un cero,
natural y absoluto, significa la posibilidad de que el objeto estudiado carezca de propiedad medida,
adems de permitir todas las operaciones aritmticas y el uso de nmeros representada
cantidades reales de la propiedad medida.
Con esto notamos que esta escala puede ser usada para medir la velocidad de respuesta de cierto
fenmenos psicolgicos, pero no de todos, pues no se puede hablar de cero inteligencia o cero
aprendizaje, etc. Usada principalmente por variables cuantitativas o intervalares. Consultas:
http://www.raydesign.com.mx/psicoparaest/index.php?option=com_content&view=article&id=237:descripcionn
opara&catid=53:pruebasnopara&Itemid=62
http://www.raydesign.com.mx/psicoparaest/index.php?option=com_content&view=article&id=239:ji-unamuestra&catid=53:pruebasnopara&Itemid=62
Psicologa
Pgina 38
Prof. Ren Castro
Psicoestadstica
UBA
http://www.raydesign.com.mx/psicoparaest/index.php?option=com_content&view=article&id=240:ji-masmuestras&catid=53:pruebasnopara&Itemid=62
DISTRIBUCIN CHI-CUADRADO EN EXCEL

FUNCIONES CON LA DISTRIBUCIN Y PRUEBAS X2
DISTR.CHI
Devuelve la probabilidad de una variable aleatoria continua siguiendo una distribucin chi
cuadrado de una sola cola. La distribucin X2 est asociada a una prueba X2. Utilice la
prueba X2 para comparar los valores observados con los esperados. Por ejemplo, un
experimento gentico podra estar basado en la hiptesis de que la prxima generacin
de plantas presentar un conjunto determinado de colores. Al comparar los resultados
observados con los resultados esperados, puede decidir si su hiptesis original es vlida.
Sintaxis
DISTR.CHI(x;grados_de_libertad)
X es el valor al que desea evaluar la distribucin.
Grados_de_libertad es el nmero de grados de libertad.
Observaciones
Si uno de los argumentos no es numrico, DISTR.CHI devuelve el valor de error
#VALOR!
Si el argumento x es negativo, DISTR.CHI devuelve el valor de error #NUM!
Si el argumento grados_de_libertad no es un entero, se trunca.
Si el argumento grados_de_libertad < 1 o si grados_de_libertad 10^10,
DISTR.CHI devuelve el valor de error #NUM!
DISTR.CHI se calcula como DISTR.CHI = P(X>x), donde X es una variable
aleatoria de X2.
Funcin PRUEBA.CHI
Devuelve la prueba de independencia. PRUEBA.CHI devuelve el valor de la distribucin
chi cuadrado (X2) para la estadstica y los grados de libertad apropiados. Puede usar
pruebas X2 para determinar si un experimento se ajusta a los resultados hipotticos.
IMPORTANTE Esta funcin se ha sustituido por una o ms funciones nuevas que
pueden proporcionar una mayor exactitud y cuyos nombres reflejan mejor su uso. Esta
funcin sigue estando disponible para la compatibilidad con versiones anteriores de Excel.
Sin embargo, si no se requiere la compatibilidad con versiones anteriores, sera
aconsejable usar las nuevas funciones de ahora en adelante, porque describen con ms
exactitud su funcionalidad.Para obtener ms informacin sobre la nueva funcin,
consulte Funcin PRUEBA.CHICUAD.
Psicologa
Pgina 39
Prof. Ren Castro
Psicoestadstica
UBA
Sintaxis
PRUEBA.CHI (intervalo_real,intervalo_esperado)
Argumento
Descripcin
intervalo_real
El intervalo de datos que contiene las observaciones para probar los

valores esperados.
intervalo_esperado
El intervalo de datos que contiene la relacin del producto de totales de
fila y columna con el total general.

Comentarios generales
Si los argumentos tienen un nmero distinto de puntos de datos, esta funcin devuelve el valor de
error #N/A.
La prueba 2 primero calcula una estadstica 2 con la frmula:
donde:
A ij = frecuencia real en la fila i, columna j
E ij = frecuencia esperada en la fila i, columna j
r = nmero de filas
c = nmero de columnas
Un valor bajo de X es un indicador de independencia. Como puede ver en la frmula, X siempre es

positivo o 0, y es 0 slo si A ij = E ij por cada i,j.
PRUEBA.CHI devuelve la probabilidad de que un valor de la estadstica X sea al menos tan alto
como el valor calculado por la frmula anterior se pueda producir por casualidad con el supuesto de
2
independencia. Al calcular esta probabilidad, PRUEBA.CHI usa la distribucin X con un nmero

apropiado de grados de libertad, g l. Si r > 1 y c > 1, g l = (r - 1)x(c - 1). Si r = 1 y c > 1, g l = c - 1 o si
r > 1 y c = 1, g l = r - 1. r = c= 1 no se permite y se devuelve #N/A.
El uso de PRUEBA.CHI resulta muy adecuado cuando cada E ij no es demasiado pequeo. Algunos
estadsticos sugieren que cada E ij debe ser mayor o igual que 5.
Muestra
Para que el siguiente ejemplo resulte ms sencillo de comprender, puede copiar los datos en una
hoja en blanco y, a continuacin, escribir la funcin debajo de los datos. No seleccione los
encabezados de fila o columna (1, 2, 3...A, B, C...) cuando copie los datos de ejemplo en una hoja
en blanco.
Hombres (real)
Mujeres (real)
Descripcin
58
35
De acuerdo
11
25
Neutral
10
23
En desacuerdo
Hombres (esperado)
Mujeres (esperado)
Descripcin
Psicologa
Pgina 40
Prof. Ren Castro
Psicoestadstica
UBA
Hombres (real)
Mujeres (real)
Descripcin
45,35
47,65
De acuerdo
17,56
18,44
Neutral
16,09
16,91
En desacuerdo
Frmula
Descripcin (resultado)
=PRUEBA.CHI(A2:B4,A6:B8)
Estadstica 2 de los datos de la tabla es

16,16957 con 2 grados de libertad
(0,000308)
O ms resumido:
PRUEBA.CHI
Devuelve la prueba de independencia. PRUEBA.CHI devuelve el valor de la distribucin
chi cuadrado (X2) para la estadstica y los grados de libertad apropiados. Las pruebas X2
pueden utilizarse para determinar si un experimento se ajusta a los resultados tericos.
Sintaxis
PRUEBA.CHI(rango_actual;rango_esperado)
Rango_actual es el rango de datos que contiene observaciones para probar frente a
valores esperados.
Rango_esperado es el rango de datos que contiene la relacin del producto de los totales
de filas y columnas con el total global.
Observaciones
Si rango_actual y rango_esperado tienen un nmero diferente de puntos de datos,
PRUEBA.CHI devuelve el valor de error #N/A.
La prueba X2 primero calcula una estadstica X2 y despus suma las diferencias entre
los valores reales y los valores esperados. La ecuacin para esta funcin es
PRUEBA.CHI=p( X>X2 ), donde:
y donde:
Aij = frecuencia actual en la isima fila, jsima columna
Eij = frecuencia esperada en la isima fila, jsima columna
r = nmero de filas
c = nmero de columnas
PRUEBA.CHI devuelve la probabilidad para una estadstica X2 y grados de libertad, gl,
donde gl = (r - 1)(c - 1).
PRUEBA.CHI.INV
Devuelve para una probabilidad dada, de una sola cola, el valor de la variable aleatoria
siguiendo una distribucin chi cuadrado. Si el argumento probabilidad = DISTR.CHI(x;...),
entonces PRUEBA.CHI.INV(probabilidad,...) = x. Utilice esta funcin para comparar los
resultados observados con los resultados esperados, a fin de decidir si la hiptesis
original es vlida.
Sintaxis
PRUEBA.CHI.INV(probabilidad;grados_de_libertad)
Psicologa
Pgina 41
Prof. Ren Castro
Psicoestadstica
UBA
Probabilidad es una probabilidad asociada con la distribucin chi cuadrado.

Grados_de_libertad es el nmero de grados de libertad.
Observaciones
Si uno de los argumentos no es numrico, PRUEBA.CHI.INV devuelve el valor de

error #VALOR!
Si probabilidad < 0 o si probabilidad > 1, PRUEBA.CHI.INV devuelve el valor de
error #NUM!
Si el argumento grados_de_libertad no es un entero, se trunca.
Si grados_de_libertad < 1 o si grados_de_libertad 10^10, PRUEBA.CHI.INV
devuelve el valor de error #NUM!
.CHI.INV usa una tcnica iterativa para calcular la funcin. Dado un valor de probabilidad,
PRUEBA.CHI.INV itera hasta que el resultado tenga una exactitud de 3x10^-7. Si
PRUEBA.CHI.INV no converge despus de 100 iteraciones, la funcin devuelve el valor
de error #N/A.
Para completar este tema, puede ver un video en YouTube: Universidad de Salamanca.
Anlisis de la relacin entre dos variables cualitativas: Test Chi cuadrado Disponible en:
https://www.youtube.com/watch?v=XvPEeQAjTW8.
Anlisis de la relacin entre dos variables cualitativas. Chi cuadrado: causas de la
significacin Mdulo 4 Disponible: https://www.youtube.com/watch?v=qAHXnbp1lHY
Psicologa
Pgina 42
Prof. Ren Castro
Psicoestadstica
UBA
Usar Statgraphics a fin de generar grficos de Chi cuadrado para la gua.
Distribuciones de Probabilidad
Distribucin: Chi-Cuadrada
Parmetros: G. L.
Dist. 1
2
Dist. 2
Dist. 3
Dist. 4
Dist. 5
El StatAdvisor
Este procedimiento permite analizar cualquiera de 45 distribuciones de probabilidad. Actualmente, se ha seleccionado la
distribucin Chi-Cuadrada. Puede crear varias grficas, calcular reas de colas y valores crticos, as como generar
nmeros aleatorios de la distribucin elegida. Pueden especificarse hasta cinco pares de parmetros pulsando el botn
secundario del ratn y seleccionando Opciones de Anlisis.
Chi-Cuadrada
Probabilidad = 0,0500001
0,6
G. L.
0,5
d en sid ad
0,4
0,3
0,2
0,1
0
0
10
12
14
16
18
20
22
24
26
28
30
Distribucin Acumulada
Distribucin: Chi-Cuadrada
rea Cola Inferior (<)
Variable Dist. 1
Dist. 2
29,664
1,0
Dist. 3
Dist. 4
Dist. 5
Densidad de Probabilidad
Variable Dist. 1
29,664
1,80932E-7
Dist. 2
Dist. 3
Dist. 4
Dist. 5
rea Cola Superior (>)

Variable Dist. 1
29,664
3,61863E-7
Dist. 2
Dist. 3
Dist. 4
Dist. 5
El StatAdvisor
Esta ventana evala la distribucin acumulada de la Distribucin Chi-Cuadrada. Calcular las reas de colas para hasta 5
valores crticos de la distribucin. Tambin calcular la probabilidad de densidad la funcin de masa. Por ejemplo, el
resultado indica que, para la primera distribucin especificada, la probabilidad de obtener un valor menor que 29,664 es
Psicologa
Pgina 43
Prof. Ren Castro
Psicoestadstica
UBA
1,0. Tambin, la probabilidad de obtener un valor mayor que 29,664 es 3,61863E-7. La altura de la funcin de densidad
de probabilidad en 29,664 es 1,80932E-7.
Leer el pdf Distribuciones de probabilidad en Ayuda Manuales en lnea de Statgraphics.

El valor de la variable en los 3 cuadros anteriores es el valor de X2 ya sea tabla o
calculado, en el caso anterior, es el X2 calculado de un ejemplo de la gua.
Psicologa
Pgina 44

Guía Ji Chi Cuadrada X2 Inferencia Estadística Con Variables Categóricas

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Guía Ji Chi Cuadrada X2 Inferencia Estadística Con Variables Categóricas

Caricato da

Copyright:

Formati disponibili

Prof.

Inferencia estadstica por pruebas no paramtricas de hiptesis con

Prof. Ren Castro

Descripcin de Pruebas no paramtricas

Cuando los datos puntualizan a las escalas nominal u ordinal.

Leyes de la probabilidad y prueba binomial.

Prueba de Kolmogorov-Smirnov para una muestra.

Prof. Ren Castro

Prueba de Wilcoxon de rangos sealados y pares igualados para dos muestras

Prof. Ren Castro

Prueba ji, chi, X2cuadrada de Pearson para una muestra

La prueba estadstica de X para una muestra se emplea frecuentemente como prueba de

La ji o chi cuadrada (X ) se utiliza cuando:

Cuando los datos puntualizan a las escalas nominal u ordinal.

Prof. Ren Castro

Planteamiento de las hiptesis estadsticas (Ho y Ha).

Prof. Ren Castro

Nivel de significacin: =0,05

Si el valor de X tabla es superior al valor de X calculado, se acepta o no se rechaza Ho.

Si el valor de X calculado es mayor que el valor de X tabla (para = 0,05 y un # de gl

Si el del X2 calculado es numricamente mayor a

Si el del X2 calculado es numricamente menor a

Prof. Ren Castro

Aplicacin de la prueba estadstica.

Fuma por causa

X = valor estadstico de ji cuadrada.

Calcular el nmero de grados de libertad (gl):

Prof. Ren Castro

Fuma por causa del

No fuma por causa del

Nivel de significacin: = 0,05

En virtud de que: a) el valor de X tabla es superior al valor de X calculado, se acepta o no se

X tabla (0,05;2)= 5,99

Si el del X2 calculado es numricamente mayor a

Si el del X2 calculado es numricamente menor a

Entonces tenemos que:

Prof. Ren Castro

Prof. Ren Castro

Prueba ji cuadrada de Pearson para dos y ms muestras

Establecer tipo y escala de la variable

Prof. Ren Castro

V. dep. (seccin terica).

Planteamiento de las hiptesis estadsticas (Ho hiptesis nula y Ha o H1 hiptesis alterna).

Prof. Ren Castro

a) Si el valor de X tabla es superior al valor de X calculado, se acepta o no se rechaza Ho.

Si el del X2 calculado es numricamente mayor a

Si el del X2 calculado es numricamente menor a

Prof. Ren Castro

Entonces tenemos que:

Variable fumar por estrs

FUMA POR CAUSA

Aplicacin de la prueba estadstica.

Agrupamos estos valores de la frecuencia esperada en una tabla:

FUMA POR CAUSA

Una grfica de la frecuencia observada y esperada sera la siguiente:

Prof. Ren Castro

Frecuencia observada y esperada para gnero y fumar o no por estres

Frec. Absol. sim. (FAS)

Hombre no Hombre no Mujer fuma

Gnero fuma o no por estrs

Una vez obtenidos los valores tericos, aplicamos la frmula de X .

X = valor estadstico de ji cuadrada.

Tambin podemos hacer estos clculos en forma tabular: