You are on page 1of 3

Distribuciones continuas para pruebas

Chi cuadrada o ji cuadrada de Pearson


La prueba de Chi- cuadrado (X2), permite calcular la probabilidad de obtener resultados que nicamente por efecto del azar se desven de las expectativas en la magnitud observada si el modelo es correcto. Este modelo se le atribuye a Karl Pearson quien fue un gran impulsor de las tesis sobre la eugenesia, contribuyendo a fundamentar matemticamente los conceptos bsicos usados dentro de esa ciencia. A travs de numerosas investigaciones Pearson axiomatiz los conceptos de Regresin Lineal y de Coeficiente de Correlacin que inicialmente fueron sugeridos por Galton, pero adems, ante la necesidad de establecer parmetros ms exactos y objetivos para determinar cundo la desviacin estadstica de un resultado obtenido respecto del resultado esperado en un experimento es verdaderamente significativa, hacia 1900 Pearson propuso lo que actualmente se conoce como el Test Chi Cuadrado asociado a la Distribucin Chi Cuadrado, que es una prueba que se le aplica a los valores estadsticos resultantes de un experimento para determinar cul es el grado de confianza que se le puede atribuir a la creencia de que la desviacin descubierta en los resultados obtenidos realmente se aleja del comportamiento regularmente esperado del fenmeno. Chi cuadrado permitir la comparacin de dos atributos para determinar si existe una relacin entre ellos. Por ejemplo: Determinar cmo los gerentes de produccin la relacin que puede existir entre la productividad de sus empleados y el grado de su capacitacin recibida. Otro es, si coincide la relacin existente entre la efectividad que le asignen los consumidores a cierto producto y el sitio en el cual se utilice. Funcin de densidad de probabilidad

Parmetros Formulacin de hiptesis * Nula (H0): Es aquella en la que se asegura que los dos parmetros analizados son independientes uno del otro. * Alternativa (H1): Es aquella en la que se asegura que los dos Ei=n*p Donde: Ei: frecuencia de los eventos esperados si la hiptesis nula es correcta. n: tamao de la muestra p: probabilidad del evento Se procede al clculo de ambas hiptesis, es decir, al clculo del promedio de la clasificacin del producto si es del promedio establecido y posteriormente el clculo de Ei a la ubicacin en donde viven los consumidores.

Gl=k-1 Gl son los grados de libertad que tiene el problema Nivel de significancia * Es el error que se puede cometer al rechazar la hiptesis nula siendo verdadera. * Por lo general se trabaja con un nivel de significancia de 0.05, que indica que hay una probabilidad del 0.95 de que la hiptesis nula sea verdadera. Luego de obtener estos datos se procede con el clculo mediante la formula Y esos datos se comparan con los valores crticos conseguidos en la tabla mediante los grados de libertad y el nivel de significancia dado o el general

Si los valores calculados de son menores a los valores crticos encontrados en al tabla voy a aceptar la hiptesis nula al contrario si lo calculado es mayor que el valor critico voy rechazar la hiptesis nula. Bibliografa: http://www.eyeintheskygroup.com/Azar-Ciencia/Metodos/Karl-Pearson-Estadistica-DarwinismoSocial.htm http://es.wikibooks.org/wiki/Tablas_estad%C3%ADsticas/Distribuci%C3%B3n_chi-cuadrado http://es.wikipedia.org/wiki/Distribuci%C3%B3n_%CF%87%C2%B2 http://www.uoc.edu/in3/emath/docs/Chi_cuadrado.pdf http://www-eio.upc.edu/teaching/estad/MC/taules/Chi2.pdf http://www.itescam.edu.mx/principal/sylabus/fpdb/recursos/r99940.PDF