Chi - Cuadrado

Esta prueba se caracteriza por tener un procedimiento sistemático que permitirá

recolectar, analizar e interpretar inteligentemente los datos relevantes en su toma
de decisión, solucionar problemas en una diversidad de contextos y agregar soporte
a las decisiones, es decir, tomar decisiones de manera objetiva y reducir el trabajo
de adivinar, esto permitirá que los resultados objetivos sean realistas con un margen
de error mínimo, reduciendo así costos y el riesgo que tendría al tomar una mala
decisión.

“Es considerada como una prueba no paramétrica, que mide la discrepancia entre una
distribución observada y otra teórica (bondad de ajuste), indicando la medida de las
diferencias existentes entre ambas, y de haberlas, se deben al azar en el contraste de
hipótesis, también se utiliza para probar la independencia de dos variables entre sí,
mediante la presentación de los datos en tablas de contingencia”. (Bra. Rosangel C.
pp.71)

La prueba de ji-Cuadrado, como una de los tipos de pruebas no paramétricas,

comparte las ventajas y desventajas de este grupo, las cuales son:

Ventajas:

 No requieren que hagamos la suposición de que una población está

distribuida en forma de curva normal u otra forma específica.
 Generalmente son fáciles de efectuar y comprender, es decir, la mayoría
de las pruebas no paramétricas no demandan el tipo de laboriosos
cálculos menudos requeridos.
 Algunas veces, ni siquiera se requiere del ordenamiento o clasificación
formal, es decir, lo único que se puede hacer es describir un resultado
como “mejor” que otro ó cuando nuestras mediciones no son tan exactas,
como es necesario para las pruebas paramétricas, entonces se pueden
usar las pruebas no paramétricas.

Desventajas:

 La inferencia no paramétrica queda restringida a situaciones

relativamente simples. La inferencia normal, a diferencia de la no
paramétrica, se puede usar con procedimientos aplicables a diseños
experimentales complejos y a regresión múltiple. En parte, damos más
importancia a la inferencia normal porque conduce a procedimientos
estadísticos más avanzados.
  Las pruebas normales comparan medias, y permiten cálculos sencillos de
intervalos para medias y diferencias entre medias. Cuando usamos
pruebas no paramétricas para comparar medianas, podemos acompañar
estas pruebas de intervalos de confianza; sin embargo, su cálculo es
laborioso. De todas formas, en situaciones en las que no queremos
comparar medianas, la utilidad de las pruebas no paramétricas es más
clara. En estas situaciones, no se determina la magnitud del efecto
observado; la significación estadística de la prueba está ligada a los
rangos asignados a las observaciones, no a sus valores observados.
 La robustez de las pruebas normales para medias implica que raramente
nos encontramos con datos que exijan la utilización de procedimientos no
paramétricos para obtener valores P razonablemente exactos.
 Existen procedimientos modernos, basados en nuevos procedimientos de
cálculo, que permiten escapar del supuesto de normalidad.
 A menudo no son tan eficientes como las pruebas paramétricas.
 Ignoran una cierta capacidad de información.

Ahora, analizando únicamente la prueba de Chi cuadrado, destacamos las siguientes

limitaciones en su uso, o lo que viene a ser lo mismo, las desventajas al aplicar esta
prueba:

 “Se debe tener mucho cuidado, al aplicar una prueba de Chi Cuadrado (X²) en
algunos problemas. Si se da el caso en que existe una frecuencia esperada
pequeña en una celda, el Chi Cuadrado (si se aplica) puede llevar a una
conclusión errónea. Esto se debe a que la frecuencia esperada (fe), aparece en
el denominador en la fórmula del estadístico Chi Cuadrado, y la división entre
un número muy pequeño produce un coeficiente demasiado grande.” (Bra.
Rosangel C. pp.77)
Respecto a esto y con la finalidad de controlar esta desventaja, se establecen dos
reglas de aceptación general, respecto a pequeñas frecuencias de celda, las
cuales son:

1. Si solo hay dos celdas, la frecuencia esperada en cada celda debe ser
igual a 5 o mayor (fe ≥ 5), es decir, para utilizar la prueba de hipótesis
de Chi Cuadrado, se debe tener un tamaño de muestra lo
suficientemente grande, para garantizar la similitud entre la
distribución teórica correcta y nuestra distribución de muestreo de
X², porque lo más probable es que se rechace la hipótesis nula, cuando
la misma es verdadera al tener muestras menores a 5 o muestras muy
pequeñas.

2. Para más de dos celdas, no debe aplicarse X², si más de 20% de las
celdas de fe, tienen frecuencias esperadas menores de 5.
¿Cuándo se debe usar la prueba de Chi-cuadrado?

“Existen multitud de situaciones en el ámbito de la salud en el que las variables de

interés, las cuales no pueden cuantificarse mediante cantidades numéricas, entre las
que el investigador esté interesado en determinar posibles relaciones. Ejemplos de este
tipo de variables pueden ser las complicaciones tras una intervención quirúrgica, el
sexo, el nivel socio-cultural, etc. En este caso tendríamos, a lo sumo, las observaciones
agrupadas en forma de frecuencia, dependiendo de las modalidades que presente cada
paciente en cada una de las variables, por los que los métodos conocidos no serıan
aplicables” (Cuqui, pp.255). Para ello, se realiza el estudio de este tipo de cuestiones
en relación con las variables cualitativas, y en general, se puede decir que este tipo
de test consisten en tomar una muestra y observar si hay diferencia significativa
entre las frecuencias observadas y las especificadas por la ley teórica del modelo que
se contrasta, también denominadas “frecuencias esperadas”.

En particular en estas pruebas no paramétricas, tenemos a la distribución de Chi

Cuadrado, la cual es denotada por la letra griega X², esta, como ya se expresó de las
pruebas no paramétricas, es frecuentemente usada para probar hipótesis,
concernientes a la diferencia entre un conjunto de frecuencias observadas de una
muestra y un conjunto correspondientes de frecuencias teóricas esperadas.

Las Pruebas de Chi Cuadrado, son útiles al analizar más de dos poblaciones, por
ejemplo, sirven para trabajar con datos de Mercadotecnia, también permite
determinar si un grupo de datos descritos de una distribución normal, se ajustan a
la realidad de ese patrón. Por esto se puede decir que:
“Se utiliza la prueba Ji cuadrado para contrastar la hipótesis nula: H0: no hay relación
entre dos variables categóricas cuando tengas una tabla de contingencia surgida de
cualquiera de estas situaciones:

 Muestras aleatorias simples independientes de varias poblaciones, con cada

individuo clasificado de acuerdo con una variable categórica. (La otra variable
indica de qué muestra procede el individuo.)

 Una sola muestra aleatoria simple, con cada individuo clasificado mediante dos
variables categóricas.” (David S. Moore, pp63.)
Ahora, aparte de lo señalado, se pueden señalar tres situaciones principales en las
que se puede aplicar esta prueba, para las cuales se tiene sus respectivas pruebas
de hipótesis:

 La Prueba de Bondad de Ajuste, estas pruebas miden el grado en que los

datos muéstrales que son observados, cumplen una distribución hipotética
determinada y si el grado de cumplimiento es razonable, se puede deducir
que la distribución hipotética existe.
 La Prueba de Independencia, lo que busca es resolver aquellas situaciones
en las que se está interesado en determinar si dos variables están
relacionadas, en las aplicaciones estadísticas, es frecuente interesarse en
calcular si dos variables de clasificación, ya sea cuantitativa o cualitativa, son
independientes o si están relacionadas.
 La Prueba de Homogeneidad lo que busca es, que cuando se presenten
varias muestras cualitativas, se comprueba si las mismas provienen de una
misma población, donde las variables medibles se presentan a través de
categorías.

REFERENCIAS BIBLIOGRAFICAS

 TESIS: Aplicaciones de la distribución de probabilidades de Chi-cuadrado en

la toma de decisiones, Bra. Rosangel Castillar

 Bioestadística, Wayne, W. Daniel

 Estadística Aplicada Básica, David S. Moore

 Bioestadística: Métodos y Aplicaciones, Cuqui