DISTRIBUCIÓN DE PEARSON O

CHI CUADRADO Χ²

Es la distribución de probabilidades de

una variable aleatoria continua.
SE DEFINE:
 Como la suma de “n” variables independientes cada una la
cuadrado.
𝑋 2 = 𝑍12 + 𝑍22 + 𝑍32 + ⋯ + 𝑍𝑛2
𝐧 = 𝑔𝑟𝑎𝑑𝑜 𝑑𝑒 𝑙𝑖𝑣𝑒𝑟𝑡𝑎𝑑 𝑒𝑛 𝑛𝑢𝑒𝑠𝑡𝑟𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑎𝑙𝑒𝑎𝑡𝑜𝑟𝑖𝑎 𝑐𝑜𝑛𝑡𝑖𝑛𝑢𝑎.

 Y cada una de nuestras variables 𝑍𝑖 sigue una distribución normal

estándar cuya media vale 0 y cuya desviación vale 1

𝑍𝑖 ~ 𝑁 0,1 , (𝑍𝑖 )2 ≥ 0
 CAMPO DE VARIACIÓN:

 Son los posibles valores que puede tomar nuestra variable aleatoria
continua definida.
𝑋 2 = 𝑍12 + 𝑍22 + 𝑍32 + ⋯ + 𝑍𝑛2 ≥ 0
Ejemplos
𝑃( 𝑋 2 3 ≥ 5 )

𝑃 𝑋 2 3 ≥ 2 ~ 𝑃( 0 < 𝑋 2 3 ≤ 2)
FUNCION DENSIDAD DE PROBABILIDAD ρ(x)
𝑏
𝑃 𝑎< 𝑥2 𝑛 ≤𝑏 = ‫𝑓 𝑎׬‬ 𝑥 𝑑𝑥
o la distribución cumple con diferentes propiedades:
1. 𝑓 𝑥 ≥0
+∞
2. ‫׬‬0 𝑓 𝑥 𝑑𝑥 = 1

o En nuestro caso para calcular probabilidades usaremos

tablas.
DETALLE IMPORTANTE:
n = grado de libertad.
 En las tablas anteriores nos fijamos que:
A medida que aumenta “n”, la función se hace mas simétrica a tal punto
que cuando “n” llega a un determinado valor, quedara una campana
perfecta.
Podemos decir que cuando aumenta en numero de grados de libertad,
nuestra “distribución chi cuadrado” tiende a la “distribución normal”
𝑋 2 𝑛 ~ 𝑁𝑜𝑟𝑚𝑎𝑙
 En algunos problemas de chi cuadrado se resuelve usando distribución
normal.
 Desde que valor de “n” usaremos la distribución normal, hay un
convenio.
Cuando: 𝑛 ≥ 30 , se hace la aprox. A una distribución normal.
TABLAS:
TABLA EXTENDIDA:
 CALCULO DE PROBABILIDADES CHI CUADRADO Χ² :
 CASO 1:
𝑃 𝑋 2 3 ≥ 0.216 = 0.975 ~ 97.5%

 CASO 2:
𝑃 𝑋 2 15 < 11.04 = 1 − 𝑃 𝑋 2 15 ≥ 11.04 =1− 0.75 = 0.25 =
25%

 CASO 3:
𝑃 11.59 < 𝑋 2 21 ≥ 20.34
= 𝑃 𝑋 2 21 ≥ 11.59 − 𝑃(𝑋 2 (21) ≥ 20.34)
= 0.95 − 0.5 = 0.45 = 45%
EJEMPLO PARA PRUEBA O TEST Χ² :
 Se utiliza para ver si dos parámetro o variables determinadas están
relacionadas o no (si son independientes una variable de la otra).

 Para el ejemplo el nivel de significancia seria 0.01

FORMULACION DE HIPOTESIS:

 HIPOTESIS NULA (𝐻0 ):

𝐻0 = 𝑃𝑎𝑟á𝑚𝑒𝑡𝑟𝑜𝑠 𝑠𝑜𝑛 𝑖𝑛𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒𝑠.
 HIPOTESIS ALTERNATIVA (𝐻1 ):
𝐻1 = 𝑃𝑎𝑟á𝑚𝑒𝑡𝑟𝑜𝑠 𝑛𝑜 𝑠𝑜𝑛 𝑖𝑛𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒𝑠.

 Valores o frecuencias observadas (𝑓0 )

 Hallaremos los valores o frecuencias esperadas (𝑓𝑒 ):
𝑇𝑜𝑡𝑎𝑙 𝐶𝑜𝑙𝑢𝑚𝑛𝑎 ∗ 𝑇𝑜𝑡𝑎𝑙 𝐹𝑖𝑙𝑎
𝑓𝑒 =
𝑆𝑢𝑚𝑎 𝑇𝑜𝑡𝑎𝑙

Para 20: Para 25:

30∗45 45∗70
𝑓𝑒 20 = = 13.5 𝑓𝑒 25 = = 31.50
100 100

Para 10: Para 45:

53∗30 55∗70
𝑓𝑒 10 = = 16.5 𝑓𝑒 45 = = 38.5
100 100
CALCULAMOS EL Χ²
( 𝑓0 − 𝑓𝑒 )2
• 𝑋 2 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜 = σ
𝑓𝑒

( 𝑓0 − 𝑓𝑒 )2 (20−13.5)2 (25−31.5)2 (10−16.5)2 (45−38.5)2

σ = + + + = 8.13
𝑓𝑒 13.5 31.5 16.5 38.5

CALCULAMOS EL Χ² (crítico):
𝛼 = 0.01
𝑛 = 𝑔𝑟𝑎𝑑𝑜𝑠 𝑑𝑒 𝑙𝑖𝑏𝑒𝑟𝑡𝑎𝑑 = # 𝑑𝑒 𝑓𝑖𝑙𝑎𝑠 − 1 ∗ # 𝑑𝑒 𝑐𝑜𝑙𝑢𝑚𝑛𝑎𝑠 − 1 = 1
𝑋 2 𝑐𝑟í𝑡𝑖𝑐𝑜 = 𝑋 2 1,0.01

𝑋 2 𝑐𝑟í𝑡𝑖𝑐𝑜 = 𝑋 2 1,0.01 = 6.635

 AHORA:
 𝐻0 (𝑛𝑢𝑙𝑎) = 𝑃𝑎𝑟á𝑚𝑒𝑡𝑟𝑜𝑠 𝑠𝑜𝑛 𝑖𝑛𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒𝑠.
𝑋 2 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜 < 𝑋 2 𝑐𝑟í𝑡𝑖𝑐𝑜
𝐻1 (𝑎𝑙𝑡𝑒𝑟𝑛𝑎𝑡𝑖𝑣𝑎) = 𝑃𝑎𝑟á𝑚𝑒𝑡𝑟𝑜𝑠 𝑛𝑜 𝑠𝑜𝑛 𝑖𝑛𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒𝑠.
𝑋 2 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜 > 𝑋 2 𝑐𝑟í𝑡𝑖𝑐𝑜

 Según los criterio evaluamos:

𝑋 2 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜 = 8.13 > 𝑋 2 𝑐𝑟í𝑡𝑖𝑐𝑜 = 6.635

 Entonces:
La sensación de bienestar y la practica deportiva no son
independientes.