Prueba de independencia de chi-cuadrada para determinar si existe o no una asociación

significativa entre dos variables categóricas.

Ejemplo: Prueba Chi-Cuadrado de Independencia en SAS

Supongamos que queremos saber si el género (macho o hembra) está asociado o no con la altura
(cm) en casuarios. Tomamos una muestra aleatoria simple de 580 animales.

La siguiente tabla muestra los resultados:

Alta (1.60-1.70) Media(1.20-1.59 ) Baja (<1-1.19m) Total

Macho 45 140 40 225
Hembra 150 160 45 355
Total 195 300 85 580

data casuario;
input Genero $ Altura $ frecuencia;
datalines;
M A 45
M M 140
M B 40
H A 150
H M 160
H B 45
;
run;
proc print data=casuario;
proc freq data=casuario;
tables Genero*Altura / chisq;
weight frecuencia;
run;

Valores de interés en la salida:

Estadística de prueba de chi-cuadrada: 30.5634

Valor p correspondiente: <.0001

H 0: Las dos variables son independientes.

H I: Las dos variables no son independientes.

Dado que el valor p (<.0001) de la prueba es inferior a 0.05, podemos rechazar la hipótesis nula.

Esto significa que tenemos evidencia suficiente para decir que existe una asociación entre el
género y la altura del animal.
En estadística , la V de Cramér (a veces denominada phi de Cramér y denotada como φ c ) es una
medida de asociación entre dos variables nominales (va de 0 a 1)

El coeficiente de contingencia es un coeficiente de asociación que indica si dos variables o

conjuntos de datos son independientes o dependientes entre si (va de 0 a 1)

En estadística, el coeficiente phi φ o rφ, también llamado coeficiente de correlación de Mathews

es una medida de la asociación entre dos variables binarias. Esta medida es similar al coeficiente
de correlación de Pearson en su interpretación.

la prueba de Cochran-Mantel-Haenszel (CMH) es una prueba utilizada en el análisis de datos

categóricos estratificados o emparejados . Permite a un investigador probar la asociación entre un
predictor o tratamiento binario y un resultado binario, como el estado de caso o control, teniendo
en cuenta la estratificación.

La razón de verosimilitud es una herramienta útil para comparar dos hipótesis puntuales en
competencia (p. ej., la hipótesis nula y la alternativa especificadas en un ensayo clínico). La razón
de verosimilitud cuantifica el apoyo dado por los datos a una hipótesis sobre la otra.