EL CHI CUADRADO Y LA CORRELACION SIMPLE

QU ES UNA PRUEBA DE CHI-CUADRADO?

Una prueba de chi-cuadrado es una prueba de hiptesis que compara la

distribucin observada de los datos con una distribucin esperada de los datos.

Existen varios tipos de pruebas de chi-cuadrado:

Prueba de chi-cuadrado de bondad de ajuste
Utilice este anlisis para probar qu tan bien una muestra de datos
categricos se ajusta a una distribucin terica.

Por ejemplo, usted puede comprobar si un dado es justo, lanzando el

dado muchas veces y utilizando una prueba de chi-cuadrado de bondad
de ajuste para determinar si los resultados siguen una distribucin
uniforme. En este caso, el estadstico chi-cuadrado cuantifica qu tanto
vara la distribucin observada de conteos con respecto a la distribucin
hipottica.

Pruebas de chi-cuadrado de asociacin e independencia

Los clculos para estas pruebas son iguales, pero la pregunta que se
est tratando de contestar puede ser diferente.

Prueba de asociacin: utilice una prueba de asociacin para

determinar si una variable est asociada a otra variable. Por
ejemplo, determine si las ventas de diferentes colores de
automviles dependen de la ciudad donde se venden.

Prueba de independencia: utilice una prueba de independencia

para determinar si el valor observado de una variable depende del
valor observado de otra variable. Por ejemplo, determine si el
hecho de que una persona vote por un candidato no depende del
sexo del elector.
La prueba de chi o Ji cuadrado (2), es sin duda la ms conocida y
probablemente la ms utilizada para el anlisis de variables cualitativas. Su
nombre lo toma de la distribucin Chi cuadrado de la probabilidad, en la que se
basa. La prueba de chi cuadrado de independencia entre dos variables
cualitativas fu desarrollada ya en 1900 por Pearson, y su utilidad es
precisamente evaluar la independencia entre dos variables nominales u
ordinales, dando un mtodo para verificar si las frecuencias observadas en cada
categora son compatibles con la independencia entre ambas variables. Para
evaluarla se calculan los valores que indicaran la independencia absoluta, lo
que se denomina frecuencias esperadas, comparndolos con las frecuencias de
la muestra. Como habitualmente, H0 indica que ambas variables con
independientes, mientras que H1 indica que las variables tienen algn grado de
asociacin.

Esta prueba solamente puede aplicarse a estudios basados en muestras

independientes, y cuando todos los valores esperados son mayores de 5. Como
indicbamos ms arriba, los valores esperados son los que indican la
independencia absoluta entre ambas variables.

La prueba de Chi cuadrado utiliza una aproximacin a la distribucin Chi

cuadrado, para evaluar la probabilidad de una discrepancia igual o mayor que la
que exista entre los datos y las frecuencias esperadas segn la hiptesis nula.
La exactitud de esta evaluacin depende de que los valores esperados no sean
muy pequeos, y en menor medida de que el contraste entre ellos no sea muy
elevado.
 CORRELACION SIMPLE
Nosotros demostraremos nuestras hiptesis (principal y alternas), utilizando el
anlisis de correlacin simple para ver de que manera la variable independiente,
explica el comportamiento de la variable dependiente; adems hemos construido
una matriz de correlacin mltiple, que relaciona la variable independiente con
un conjunto de sub indicadores econmicos y sociales; y de esa manera
determinar una relacin conjunta que nos permita obtener un panorama mayor
de la influencia de esta variable en el sub desarrollo del pas, ampliando el
anlisis, a uno combinado de indicadores.

ANLISIS DE CORRELACIN SIMPLE

El anlisis de correlacin simple nos permite obtener relacin entre dos conjuntos
de puntuaciones. Para investigar la relacin entre dos variables es conveniente
considerar:

Las observaciones que muestran los valores de las variables

Si se tiene n observaciones bidimensionales, cada par de puntos(X, Y) se

representa en un sistema de coordenadas rectangulares por un punto como
parejas de observaciones se tenga.

La representacin de los puntos en el sistema de coordenadas rectangulares,

da origen al diagrama de dispersin.

El diagrama de dispersin en una grfica en la que cada punto trazado

representa el par de valores observados de las variables independientes y
dependientes.

La grfica del diagrama de dispersin nos permite visualizar el valor de la

variable independiente X en el eje horizontal y el valor de la variable
dependiente Y en el eje vertical.

El grado de asociacin entre dos variables X e Y podemos describirlos

como fuerte, bajo positivo, negativo o moderado; pero estos trminos carecen de
precisin y objetividad.

El anlisis del grado de asociacin entre la variable independiente X y la

variable dependiente Y constituye la correlacin.
a) Coeficiente de Correlacin ( r ).

Describe la intensidad de la observacin entre las variables X e Y, respecto

del modelo lineal, se denota por r de Pearson; utilizamos el coeficiente de
correlacin (r) para medir la intensidad entre las dos variables X, Y; y puede
tomar cualquier valor desde 1,00 hasta + 1,00 inclusive, pasando por el cero.

Podemos representar la intensidad y la direccin del coeficiente de correlacin a

partir del esquema:

Esquema

-1.00 - 050 0 050 1.00

Para medir la intensidad de la relacin entre dos conjuntos de variables

utilizamos la frmula.

N (XY) - (X) (Y)

r=

n(X2 )- (X)2 n (Y2 )- (Y)2

En donde:

N Es el numero de pares de observaciones

X Es la suma de valores de la Variable X

Y Es la suma de los valores de la variable Y

(X2) Es la suma de los valores de X elevado al cuadrado

(X)2 Es el cuadrado de la suma de los valores X

(Y2 ) Es la suma de los valores de Y elevado al cuadrado

(Y)2 Es el cuadrado de la suma de valores de Y

B) Coeficiente de Determinacin (r2 )

Mide la proporcin de la variacin total en la variable dependiente Y que se

explica por la variacin en la variable independiente X. El coeficiente de
determinacin se calcula al elevar al cuadrado el coeficiente de correlacin.
C) Coeficiente de No Determinacin CND (1- r2)

Mide la proporcin de la variacin en Y que no es explicada por la variacin en

X.

El coeficiente de no determinacin se calcula por medio de 1- r2. Los coeficientes

de determinacin y no determinacin solo pueden ser positivos y tomar cualquier
valor entre 0 y 1.00.

D) Matriz de Correlacin Mltiple - MCM

Se construye a partir de relacionar un conjunto de indicadores sociales y

econmicos, que son asumidos por el modelo neoclsico como efectos del
impacto de la Inversin Extranjera Directa; nosotros realizaremos un anlisis
individual con cada uno de ellos y al final obtendremos un conjunto de valores
que nos permita observar con mayor claridad el impacto de la Inversin
Extranjera en el Subdesarrollo desde el anlisis Socio - Econmico, rebatiendo
o confirmando los supuestos neoclsicos.