La primera prueba de bondad de ajuste fue propuesta por Karl Pearson en el ao 1900.
Pearson propuso evaluar el ajuste de una funcin de distribucin F0 a una muestra de
variables i.i.d., mediante el uso de un estadstico de tipo cuadrtico. Este planteamiento constituye la primera evaluacin rigurosa de la calidad del ajuste a una distribucin. Anteriormente a Pearson slo se intentaron comparaciones subjetivas. Baste como ejemplo el de la utilizacin de la distribucin normal en la teora de errores. Dicha distribucin fue introducida por Gauss en 1801 para modelar los errores en la determinacin de la posicin del asteroide Ceres. Aos despus Laplace y Polisn llegaron a ella en versiones primigenias del Teorema Central del Lmite. Poisson agregara contraejemplos con lmites no gaussianos. La primera justificacin de la aplicabilidad del modelo fue dada por un ingeniero alemn: G. Hagen, en 1837. Pero hubo que esperar casi un siglo hasta que alguien (Pearson) propusiera verificar la adecuacin del modelo. En el caso de hiptesis nula compuesta, en que es necesario estimar parmetros, las distribuciones La prueba de Pearson es considerada como una prueba no paramtrica que mide la discrepancia entre una distribucin observada y otra terica (bondad de ajuste), indicando en qu medida las diferencias existentes entre ambas, de haberlas, se deben al azar en el contraste de hiptesis. Tambin se utiliza para probar la independencia de dos variables entre s, mediante la presentacin de los datos en tablas de contingencia. La frmula que da el estadstico es la siguiente:
Cuanto mayor sea el valor de , menos verosmil es que la hiptesis sea correcta. De la misma forma, cuanto ms se aproxima a cero el valor de chi-cuadrado, ms ajustadas estn ambas distribuciones. Los grados de libertad gl vienen dados por: gl= (r-1)(k-1). Donde r es el nmero de filas y k el de columnas. Criterio de decisin: No se rechaza cuando . En caso contrario s se rechaza. Donde t representa el valor proporcionado por las tablas, segn el nivel de significacin estadstica elegido.