La prueba de chi-cuadrado, que también se conoce como la prueba de chi-cuadrado de independencia, es un método de estadística inferencial que prueba la validez de una reclamación hecha sobre una población basada en una muestra aleatoria.
Utilizado exclusivamente para datos separados en clases (contenedores), requiere un tamaño de muestra suficiente para producir resultados precisos. Pero no indica el tipo o intensidad de la relación. Por ejemplo, no concluye si la relación es positiva o negativa.
Para calcular una bondad de ajuste de chi-cuadrado, establezca el nivel alfa deseado de importancia. Entonces, si su nivel de confianza es del 95% (o 0.95), entonces el alfa es 0.05. A continuación, identifique las variables categóricas para probar, luego defina las declaraciones de hipótesis sobre las relaciones entre ellas.
Las variables deben ser mutuamente excluyentes para calificar para la prueba de chi-cuadrado de independencia. Y la prueba de bondad de ajuste de chi no debe usarse para datos continuos.
El nombre de los matemáticos rusos Andrey Kolmogorov y Nikolai Smirnov, la prueba Kolmogorov-Smirnov (también conocida como prueba K-S) es un método estadístico que determina si una muestra es de una distribución específica dentro de una población.
Esta prueba, que se recomienda para muestras grandes (por ejemplo, más de 2000), no es paramétrica. Eso significa que no confía en que ninguna distribución sea válida. El objetivo es probar la hipótesis nula, que es la muestra de la distribución normal.
Al igual que el chi-cuadrado, utiliza una hipótesis nula y alternativa y un nivel alfa de importancia. NULL indica que los datos siguen una distribución específica dentro de la población, y la alternativa indica que los datos no siguieron una distribución específica dentro de la población. El alfa se usa para determinar el valor crítico utilizado en la prueba. Pero a diferencia de la prueba de chi-cuadrado, la prueba Kolmogorov-Smirnov se aplica a las distribuciones continuas.
¿Qué es la bondad de ajuste?
En psicología, el ajuste es esa condición de una persona que puede adaptarse a los cambios en su entorno físico, ocupacional y social. En otras palabras, el ajuste se refiere al proceso de comportamiento de equilibrar las necesidades conflictivas o las necesidades desafiadas por los obstáculos en el medio ambiente. Los humanos y los animales se adaptan regularmente a su entorno. Por ejemplo, cuando su estado fisiológico los estimula a buscar alimentos, comen (si es posible) para reducir su hambre y, por lo tanto, se ajustan al estímulo del hambre. El trastorno de ajuste ocurre cuando existe la incapacidad de hacer un ajuste normal a alguna necesidad o estrés en el medio ambiente.
El ajuste exitoso es crucial para tener una alta calidad de vida. Aquellos que no pueden adaptarse bien tienen más probabilidades de tener ansiedad clínica o depresión, [1], así como experimentan sentimientos de desesperanza, anhedonia, dificultad para concentrarse, problemas para dormir y un comportamiento imprudente. [2]
Al evaluar el ajuste, puede considerarse de dos maneras: ajuste como un logro y un ajuste como un proceso.
Este modelo aborda el ajuste en un momento específico en el tiempo, considerando el ajuste de un individuo a un desafío, no a todos los desafíos que han enfrentado. Ajustarse con éxito a un escenario puede ser independiente de la lucha para adaptarse a otro escenario no relacionado. [3] Un ejemplo de este tipo de enfoque es observar a un estudiante pobre que comienza a estudiar durante el recreo porque no tienen un entorno doméstico en el que puedan estudiar de manera efectiva. Comenzar a estudiar en otro momento se consideraría adecuadamente ajustarse a este escenario, pero no considera las otras formas en que puede afectar su vida (es decir: inhibir las interacciones sociales con sus compañeros). [4] [5]
La teoría del «ajuste como un proceso» retrata que, desde el momento en que nacemos, los humanos están en un estado constante de ajuste. Dado que existimos en un estado de cambio constante y a menudo rápido, se deduce que no podemos dividir estos cambios en desafíos separados y no relacionados. Este método de consideración afirma que no hay forma de ‘ajustarse con éxito’, porque algo siempre estará a punto de cambiar y provocar un ajuste adicional. Este enfoque considera que todos los eventos de la vida son inextricables de alguna forma de ajuste. [6]
¿Qué es la bondad de un ajuste?
Albert Einstein se cita como compartir: «La medida de la inteligencia es la capacidad de cambiar». Este mundo le dará mucha práctica para cambiar y adaptarse al cambio, ya sea que cause el cambio o no. El cambio es cierto. Si se detiene y lo considera, verá que el cambio ocurre todo el tiempo en este mundo. Pero, aquí está la cosa. Estás experimentando cambios incluso si los ojos de tu cuerpo no pueden verlo. Esos granos, arrugas, cofres en expansión, pelos grises y articulaciones doloridas que se revelan durante la edad adulta no solo aparecen.
Similar a una semilla que germina bajo tierra, esos y otros cambios ocurren, mientras que parece que nada está cambiando. No tiene que estar obsesionado con su apariencia física para ser sacudido cuando su cabello griseos, detectas espinillas en tu cara, aumenta de peso, tu voz se profundiza o tu piel comienza a hundirse. Incluso en ausencia de obsesión corporal, tendrá que adaptarse a estos cambios.
Y, puede que no siempre sea fácil. Como primer paso, considere cómo se sintió, pensó y se comportó antes de saber que el cambio estaba sucediendo. ¿Experimentaste miedo? ¿Estabas luchando con desesperanza, ira o estrés? ¿O estabas pasando tus días como si no hubiera pasado nada nuevo?
Levantando este punto para demostrar que el cambio puede no ser lo que te sacude. Después de todo, si no se enoja mientras la semilla está germinando (en el proceso de crear un gran cambio), ¿podría ser realmente la revelación (realmente conozca el cambio que estaba teniendo lugar debajo de la superficie) que lo gira? ¿Miedo, emoción, depresión, ira o esperanza?
¿Cómo hacer bondad de ajuste?
«El camino hacia el éxito y el camino hacia el fracaso son casi exactamente los mismos». – Colin R. Davis
La mayoría de los líderes empresariales ultra exitosos están de acuerdo en que hubo un momento de maquillaje o ruptura al principio de sus carreras que les permitieron disfrutar del éxito y las riquezas más adelante en la vida. Vive con estos 12 consejos y prepárate para esa oportunidad para impulsar tu carrera al siguiente nivel.
Todos hemos escuchado el clásico proverbio de Ben Franklin, «temprano a la cama y temprano para levantarse, hace que un hombre sea sano, rico y sabio». La ciencia muestra que un buen sueño puede aumentar su éxito al mejorar la adquisición, la consolidación y el retiro de la información. Además, el sueño adecuado mejora su estado de ánimo e incluso su sistema inmunológico. Comience todos los días renovado y sintiéndose saludable.
Según esta charla de TED, cuando te jactas de los objetivos que no has completado tu cerebro piensa que ya los has logrado. Su cerebro verifica ese objetivo de su lista como se hace, lo que hace que el objetivo sea casi imposible de trabajar. Los anuncios pueden llegar una vez que haya comenzado esa empresa o haya recibido esa promoción.
Estoy hablando a largo plazo y a corto plazo. Tenga un objetivo a largo plazo que siempre está trabajando para lograr. Solo pasa un tiempo valioso en cosas que te mantengan en el camino que has elegido. Esto te ayudará a darte cuenta de ese objetivo. Tenga planes a corto plazo para cuándo las cosas salen mal y siempre tengan una copia de seguridad. Si se cierra una avenida, tiene otra salida que tomar de inmediato para que no salga del rumbo.
¿Cuáles son las pruebas de bondad de ajuste para diferentes tipos de distribuciones?
La prueba de bondad de ajuste es que le indica si sus datos de muestra representan los datos que esperaría encontrar en la población real. Más específicamente, se utiliza para probar si los datos de la muestra se ajustan a una distribución de una determinada población (es decir, una población con una distribución normal o una con una distribución de Weibull).
Ambas pruebas usan la estadística y distribución de chi-cuadrado. Para obtener más información sobre cómo calcular la estadística de Chi Square, consulte:
La estadística de prueba de Chi Square (incluye cálculos): ¿Qué es una estadística de Chi Square?
Por lo general, esta prueba se ejecuta utilizando software. La hipótesis nula para la prueba de bondad de ajuste de chi-cuadrado es que los datos provienen de una distribución específica. La hipótesis alternativa es que los datos no provienen de una distribución específica.
Para interpretar la prueba, deberá elegir un nivel alfa (1%, 5% y 10% son comunes). La prueba de chi-cuadrado devolverá un valor p. Si el valor p es pequeño (menor que el nivel de significancia), puede rechazar la hipótesis nula de que los datos provienen de la distribución especificada.
Aunque Kolmogorov-Smirnov se llama una prueba de normalidad, en realidad no le dice si una muestra particular probablemente proviene de una población normal. En cambio, le dirá cuándo es poco probable que tenga una distribución normal. Una ventaja para esta prueba es que no hace ninguna suposición sobre la distribución de datos. Una muestra se puede comparar con una distribución utilizando una prueba K-S de una muestra o prueba K-S de dos muestras. La prueba generalmente se realiza utilizando software (como SPSS), porque los valores críticos deben calcularse para cada distribución y encontrar las tablas de valores críticos no es una tarea fácil. La prueba generalmente se recomienda para muestras grandes durante 2000. Para muestras más pequeñas, use Shapiro-Wilk.
¿Qué son los ajuste de distribuciones pruebas de normalidad y pruebas de bondad de ajuste )?
La prueba de la bondad de la adaptación del chi-quadrato es una hipótesis estadística utilizada para determinar la posibilidad de que una variable se deriva de una distribución específica o no. En general, se utiliza para evaluar si los datos de ejemplo son representativos de toda la población.
La prueba de la bondad de adaptación del chi-quadrato tiene sentido cuando hay ciertos cargos de valores para una variable categórica.
La prueba de la bondad de la adaptación del chi-quadrato sirve para verificar que los datos de ejemplo provienen de una cierta distribución teórica. Comienza con un conjunto de valores de datos y con una idea de cómo se distribuyen estos valores. La prueba nos permite decidir si los valores de datos dan «suficiente» confirma a nuestra idea o si es apropiado cuestionarla.
Para realizar la prueba de la bondad de la adaptación, es necesario tener una variable y una idea o hipótesis de cómo se distribuye esta variable. Aquí hay un par de ejemplos:
- Hay algunas bolsas de dulces con cinco sabores diferentes en cada uno. Las bolsas deben contener el mismo número de dulces para cada sabor. La idea es verificar que las proporciones entre los cinco sabores en cada bolsa son las mismas.
- En un grupo deportivo para niños, queremos que los niños más experimentados, en promedio, expertos o no expertos se distribuyan por igual en cada equipo. Sabemos que el 20 % de los jugadores tienen mucha experiencia, que el 65 % es en promedio experto y que el 15 % nunca antes había jugado. La idea a probar es que en cada equipo la proporción de niños más o menos experimentados es igual a la de toda la división.
- Datos categóricos o nominales. La prueba de la bondad de la adaptación del chi-quadrato no es adecuada para datos continuos.
- Un conjunto de datos grande suficiente para dar al menos cinco valores esperados para cada una de las categorías de datos en el análisis.
Tomemos el ejemplo de los dulces de los dulces. Consigamos un campeón al azar de diez bolsas. Cada bolsa contiene 100 dulces y cinco sabores. Nuestra hipótesis es que las proporciones de cada uno de los gustos en cada bolsa son las mismas.
¿Qué es una prueba de bondad de ajuste para frecuencias esperadas?
- Indique las hipótesis nulas y alternativas y el nivel de importancia
(H_ {o} ): los datos son consistentes con una distribución específica
(H_ {a} ): los datos no son consistentes con una distribución específica
Además, indique su nivel ( alpha ) aquí. - Establezca y verifique los supuestos para la prueba de hipótesis
- Se toma una muestra aleatoria.
- Las frecuencias esperadas para cada celda son mayores o iguales a 5 (las frecuencias esperadas, E, se calcularán más adelante, y esta suposición significa (E Geq 5 )).
- Encuentre la estadística de prueba y el valor p
Encontrar la estadística de prueba implica varios pasos. Primero, los datos se recopilan y se cuentan, y luego se organiza en una tabla (en una tabla, cada entrada se llama celda). Estos valores se conocen como las frecuencias observadas, que el símbolo para una frecuencia observada es O. La tabla está compuesta por entradas K. El número total de frecuencias observadas es n. Las frecuencias esperadas se calculan multiplicando la probabilidad de cada entrada, p, tiempos n.
donde o es la frecuencia observada y E es la frecuencia esperada.
Una vez más, el estadístico de prueba implica cuadrar las diferencias, por lo que las estadísticas de prueba son positivas. Por lo tanto, una prueba de chi cuadrado para la bondad de ajuste siempre es de la ruta.
Aquí es donde escribe rechazar (h_ {o} ) o no puede rechazar (h_ {o} ). La regla es: si el valor p < ( alpha ), luego rechace (h_ {o} ). Si el valor p ( geq alpha ), entonces no logre rechazar (h_ {o} ),
Aquí es donde interpretas en términos del mundo real la conclusión de la prueba. La conclusión de una prueba de hipótesis es que tiene suficiente evidencia para mostrar (h_ {a} ) es verdadera, o no tiene suficiente evidencia para mostrar (h_ {a} ) es verdadera.
¿Qué es una prueba de bondad de ajuste?
La bondad del ajuste (GOF) de un modelo estadístico describe qué tan bien encaja en un conjunto de observaciones. Los índices GOF resumen la discrepancia entre los valores observados y los valores esperados bajo un modelo estadístico. Las estadísticas de GOF son índices de GOF con distribuciones de muestreo conocidas, generalmente obtenidas utilizando métodos asintóticos, que se utilizan en las pruebas de hipótesis estadística. Como las aproximaciones de muestra grandes pueden comportarse mal en muestras pequeñas, una gran cantidad de investigación utilizando estudios de simulación se ha dedicado a investigar en qué condiciones los valores p asintóticos de las estadísticas de GoF son precisos (es decir, cuán grande debe ser el tamaño de la muestra para los modelos de modelos de diferentes tamaños).
Evaluar el ajuste del modelo absoluto (es decir, la discrepancia entre un modelo y los datos) es crítica en las aplicaciones, ya que las inferencias extraídas en modelos mal ajustados pueden ser malas. Los investigadores aplicados deben examinar no solo el ajuste general de sus modelos, sino que también deben realizar una evaluación por partes. Bien puede ser que un modelo se ajuste bien en general, pero que se ajusta mal a algunas partes de los datos, lo que sugiere el uso de un modelo alternativo. La evaluación del GOF por partes también puede revelar la fuente de inadaptados en modelos mal ajustados.
Cuando se está considerando más de un modelo sustantivo, los investigadores también están interesados en un ajuste de modelo relativo (es decir, la discrepancia entre dos modelos; ver Yuan y Bentler, 2004; Maydeu-Olivares y Cai, 2006). Por lo tanto, podemos clasificar la evaluación de GOF utilizando dos dicotomías útiles: índices GOF versus estadísticas de GOF y ajuste absoluto versus ajuste relativo. A su vez, los índices y estadísticas de GoF se pueden clasificar como en general o por partes. Una tercera dicotomía útil para clasificar la evaluación del GOF se basa en la naturaleza de los datos observados, discretos versus continuo. Históricamente, la evaluación de GOF para datos discretos multivariados y que para datos continuos multivariados se ha presentado como completamente diferente. Sin embargo, los nuevos desarrollos en la evaluación de GOF de información limitada para datos discretos revelan que existen fuertes similitudes entre los dos, y aquí, destacaremos las similitudes en la evaluación de GOF para datos discretos y continuos.
Una prueba de bondad de ajuste es un procedimiento estadístico para comparar mediciones individuales con un tipo especificado de distribución estadística. Por ejemplo, una distribución normal se especifica completamente por su media aritmética y su varianza (el cuadrado de la desviación estándar). La hipótesis nula (H0), que los datos representan una muestra de una sola distribución normal, se puede probar mediante una prueba estadística de bondad de ajuste. Se han ideado varias pruebas de bondad de ajuste para determinar si los datos se desvían significativamente de una distribución específica.
Otro método de bondad de ajuste es la prueba de máxima verosimilitud. Si se produce una salida significativa, indica solo que la distribución especificada puede rechazarse con cierta garantía. Esto no significa necesariamente que la verdadera distribución contenga dos o más subpoblaciones. La verdadera distribución puede ser una distribución única, basada en una relación matemática diferente, por ejemplo, log-normal. En el último caso, no se esperaría que los logaritmos de la medición exhiban mediante una prueba de bondad de ajuste una desviación estadísticamente significativa de una distribución lognormal. Se requiere un tamaño de muestra de 200 o más para realizar un análisis válido de mezclas de poblaciones. Cuando los medios calculados de subpoblaciones son menos de tres desviaciones estándar aparte y los tamaños de muestra son inferiores a 300, el método de máxima probabilidad debe usarse con extrema precaución, o no en absoluto.
¿Qué es la frecuencia esperada?
La convicción de la Regla X → Y es la relación de la frecuencia esperada de X que ocurre a pesar de Y y la frecuencia observada de predicciones incorrectas. La convicción tiene en cuenta la dirección de la regla. La convicción de (x → y) no es la misma que la convicción de (y → x). La convicción de una regla (x → y) se puede calcular por
La prueba de chi-cuadrado [22] se usa para determinar si hay una diferencia significativa entre la frecuencia esperada y la frecuencia observada en los niveles de expresión génica en un conjunto de datos de microarrays. Los niveles de expresión de los genes están discretizados. Si la frecuencia de ocurrencia de un valor de expresión génica es diferente para diferentes clases, indica que el gen es importante para la clasificación de la muestra. Para un gen F, el valor χ2 se calcula como
donde o (xi, cj) es el número de ocurrencias de un valor de expresión génica particular Xi para la clase CJ y E (XI, CJ) es el número esperado de ocurrencias de ese valor de expresión génica XI cuando la clase es CJ. E (xi, cj) viene dado por
n (xi) = número de ocurrencias de valor xi en el gen f
Se seleccionan las características que tienen valores más altos de χ2. La prueba de chi-cuadrado se ha utilizado con éxito para la selección de genes en datos de microarrays [36].
El rendimiento de la prueba de chi-cuadrado para la selección de genes se ha evaluado en ocho conjuntos de datos de microarrays descritos anteriormente. Se utilizó una validación cruzada de 5 veces para seleccionar las características. La precisión se da en las Tablas 3.5 y 3.6. La precisión de clasificación promedio para cada uno de los conjuntos de datos para los 50 principales genes es mucho mayor que la precisión promedio informada en la Tabla 3.4 cuando se utilizan todos los genes.
Artículos Relacionados:
