La prueba de chi-cuadrado en este gráfico
Lanza un dado de caras veces de forma independiente y cuenta cuántas veces sale cada cara: son las frecuencias observadas . Si el dado está equilibrado, cada cara tiene una frecuencia esperada de . El estadístico chi-cuadrado suma, para cada cara, el cuadrado de su desviación respecto a dividido por . Si el dado está equilibrado y hay suficientes tiradas, sigue aproximadamente una distribución de chi-cuadrado con grados de libertad. El valor p es el área bajo la curva a la derecha del observado. Las barras amarillas muestran las frecuencias y la línea oscura marca . Debajo aparece la curva.
Por qué se divide cada término por E
Superar la frecuencia esperada en 9 es llamativo cuando y apenas se nota cuando . La variación aleatoria crece con la frecuencia: en un dado equilibrado la varianza de cada frecuencia es , cercana a . Dividir el cuadrado de la desviación por pone todas las caras en la misma escala. Un término cercano a 1 representa una fluctuación corriente. Al elevar al cuadrado, una sola cara puede dominar: en el ejemplo de seis caras, los diecinueve seises aportan 8.1 al total .
Por qué hay k − 1 grados de libertad
Las frecuencias deben sumar , así que las diferencias siempre suman 0: conocidas de ellas, la última queda fijada. En un dado equilibrado, la media de es exactamente . Por tanto, un mismo resulta menos llamativo cuantos más lados haya: 11.2 supera el valor crítico del 5% con seis caras (p ≈ 0.048), pero es corriente con doce (p ≈ 0.43). En pruebas de hipótesis y valores p se explica cómo interpretar un valor p.
Cuándo es fiable la curva
Con un dado equilibrado, solo puede tomar ciertos valores: su distribución real consiste en picos separados. La curva de chi-cuadrado es la forma suave a la que se acercan al aumentar . Repetir las tiradas con un dado equilibrado estima directamente la probabilidad real de la cola. Con una frecuencia esperada de 10 por cara, la estimación y la curva concuerdan bien; con solo 6 tiradas, no. Una regla orientativa pide frecuencias esperadas de al menos 5 aproximadamente. El efecto de aumentar la muestra también se ve a la inversa: multiplicar cada frecuencia por diez multiplica por diez. Con suficientes tiradas independientes, hasta un pequeño sesgo resulta significativo. mide la evidencia contra el equilibrio del dado; no mide la magnitud de su sesgo. Un valor p grande solo indica que estas frecuencias no bastan para demostrar un sesgo.
Qué observar
- Si la hipótesis asigna distintas probabilidades a las categorías, las frecuencias esperadas son y el resto del procedimiento es el mismo.
Controles
- Pulsa o arrastra encima de una cara para fijar su frecuencia. Al pulsar su número bajo el eje solo la seleccionas.