Probabilidad y estadística · Prueba de chi-cuadrado

Prueba de chi-cuadrado

La prueba de chi-cuadrado examina si las frecuencias de ensayos independientes se alejan demasiado de las que predice una hipótesis. Suma (O − E)²/E para las k categorías y compara el total X² con una distribución de chi-cuadrado con k − 1 grados de libertad.

La prueba de chi-cuadrado en este gráfico

Lanza un dado de kk caras NN veces de forma independiente y cuenta cuántas veces sale cada cara: son las frecuencias observadas O1,…,OkO_1, \dots, O_k. Si el dado está equilibrado, cada cara tiene una frecuencia esperada de E=N/kE = N/k. El estadístico chi-cuadrado X2=∑(O−E)2/EX^2 = \sum (O - E)^2/E suma, para cada cara, el cuadrado de su desviación respecto a EE dividido por EE. Si el dado está equilibrado y hay suficientes tiradas, X2X^2 sigue aproximadamente una distribución de chi-cuadrado con k−1k - 1 grados de libertad. El valor p es el área bajo la curva a la derecha del X2X^2 observado. Las barras amarillas muestran las frecuencias y la línea oscura marca EE. Debajo aparece la curva.

Por qué se divide cada término por E

Superar la frecuencia esperada en 9 es llamativo cuando E=10E = 10 y apenas se nota cuando E=1000E = 1000. La variación aleatoria crece con la frecuencia: en un dado equilibrado la varianza de cada frecuencia es E(1−1/k)E(1 - 1/k), cercana a EE. Dividir el cuadrado de la desviación por EE 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 X2=11.2X^2 = 11.2.

Por qué hay k − 1 grados de libertad

Las frecuencias deben sumar NN, así que las diferencias O−EO - E siempre suman 0: conocidas k−1k - 1 de ellas, la última queda fijada. En un dado equilibrado, la media de X2X^2 es exactamente k−1k - 1. Por tanto, un mismo X2X^2 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, X2X^2 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 NN. 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 X2X^2 por diez. Con suficientes tiradas independientes, hasta un pequeño sesgo resulta significativo. X2X^2 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 pip_i a las categorías, las frecuencias esperadas son Ei=NpiE_i = N p_i 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.

Temas relacionados