4.

1 Introducción
En estadística, la distribución de Pearson, llamada también ji cuadrada(o) o chi cuadrado(a)
(χ²), es una distribución de probabilidad continua con un parámetro k, donde k que representa
los grados de libertad de la variable aleatoria. La distribución χ² tiene muchas aplicaciones en
inferencia estadística.

La más conocida es la de la denominada prueba χ² utilizada como prueba de independencia y

como prueba de bondad de ajuste y en la estimación de varianzas. Pero también está
involucrada en el problema de estimar la media de una población normalmente distribuida y
en el problema de estimar la pendiente de una recta de regresión lineal, a través de su papel
en la distribución t de Student.

En nuestro caso la aplicación es para calcular y validar las pruebas de hipótesis en el cálculo de
intervalos de confianza de múltiples variables al hacer comparaciones entre variables,
relaciones entre variables, pero todas múltiples

Calculo de la Frecuencia Esperada

( Total en filas ) x (Total columaj)

Fe j=
Grantotal de Filas y Columna
Calculo de los Grados de libertad

Grados de Libertad = (r-1)(c-1)

Criterio de Rechazo con Ji2

El Valor de Ji2 se Compara un valor calculado con la formula o con los valores críticos de una
tabla Ji2.

Si Ji2 calculada > Ji2 de tabla se rechaza Ho

Esto significa que si existe dependencia entre las variables comparadas
Tabla de Criterio de Rechazo Con P value

Aceptar H cuando p ≥ 
o
Aceptar H cuando p < 
a
Esto significa que si existe dependencia entre las variables comparadas

Aplicaciones de Ji2
En algunas situaciones, el investigador clasifica una unidad experimental de acuerdo
con dos variables cualitativas para generar datos bivariados, por ejemplo:
o Una pieza defectuosa de mueble se clasifica según el tipo de defecto y el turno de
producción durante el que se hizo.
o Una profesora es clasificada por su rango profesional y el tipo de universidad (pública o
privada) en la que trabaje.
o Un paciente es clasificado de acuerdo al tipo de tratamiento preventivo contra la gripe que
ha recibido y si ha contraído o no la gripe durante el invierno.

Cuando se registran dos variables categóricas, se puede resumir la información al

contar
el número observado de unidades que caen en cada una de las diversas
intersecciones
de niveles de categoría. Las cantidades resultantes se exhiben en un conjunto
ordenado
llamado tabla de contingencia.

Ejercicio
Un total de n = 309 defectos en muebles fueron registrados y los defectos fueron clasificados en
cuatro tipos: A, B, C o D. Al mismo tiempo, cada pieza de mueble fue identificado por el turno de
producción en el que se manufacturó. Estas cantidades están presentadas en una tabla de
contingencia

el objetivo de la tabla de contingencia es determinar si un método de clasificación es o no es

dependiente del otro método de clasificación. Si no lo es, se dice que los dos métodos de
clasificación son independientes. Para nuestro caso es validar si el tipo de defecto es dependiente
del turno

Éstas son las hipótesis:

H0: Los dos métodos de clasificación son independientes
 Ha: Los dos métodos de clasificación son dependientes

Nos interesa calcular los valores esperados a partir de la tabla de contingencia

¿Los datos presentan suficiente evidencia para indicar que el tipo de defecto de muebles varía con el
turno durante el cual la pieza se produjo?

Se Calculan los valores esperados de Cada par de variables (tipo de defecto-turno)

PA= 94*74/309 = 22.51
PB= 94*69/309 = 20.99
PC= 94*128/309= 38.94
PD= 94*38/309= 11.56

El valor de Ji2 se calcula a continuación:

Este valor de Ji2 se compara contra el valor de Ji2 de tablas para validar las hipótesis y concluir de
acuerdo con el criterio

Ji2 de tablas se toma considerando α = 0.05 con los grados de libertad del estudio

GL = ( r-1) x (c-1) R= filas C= columnas

GL = (4-1)x(3-1) = 3 x 2 = 6 Grados de libertad

El estadístico de prueba observada es mayor a x2 0.05,6 = 18.5476,

Se puede rechazar Ho y declarar que los resultados son altamente significativos (P < 0.05) Hay
suficiente evidencia para indicar que las proporciones de tipos de defecto varían de un turno a otro.

Por el método de p-value se calcula con la función “prueba Chi” para encontrar que el valor es <
0.05 por lo cual se puede rechazar Ho, aceptando la Hipotesis alterna como válida al nivel de
confianza del 95%