Prueba una hipótesis nula que indica que la distribución de frecuencia de ciertos eventos observados en una muestra es consistente con una distribución teórica particular. Los eventos considerados deben ser mutuamente excluyentes y tener una probabilidad total 1. Un caso común para esto es donde los eventos cubren un resultado de una variable categórica.
Un ejemplo simple es la hipótesis de que un dado ordinario de seis lados es «justo» (es decir, es probable que ocurran los seis resultados igualmente).
- Una prueba de bondad de ajuste establece si una distribución de frecuencia observada difiere de una distribución teórica.
- Una prueba de homogeneidad compara la distribución de los recuentos para dos o más grupos que usan la misma variable categórica (por ejemplo, elección de actividad (colegio, militar, empleo, viajes) de graduados de una escuela secundaria reportadas un año después de la graduación, ordenada por año de graduación, Para ver si el número de graduados que eligen una actividad dada ha cambiado de clase a clase, o de una década a década). [2]
- Una prueba de independencia evalúa si las observaciones que consisten en medidas en dos variables, expresadas en una tabla de contingencia, son independientes entre sí (por ejemplo, respuestas de votación de personas de diferentes nacionalidades para ver si la nacionalidad está relacionada con la respuesta).
Para las tres pruebas, el procedimiento computacional incluye los siguientes pasos:
- Una prueba de bondad de ajuste establece si una distribución de frecuencia observada difiere de una distribución teórica.
- Una prueba de homogeneidad compara la distribución de los recuentos para dos o más grupos que usan la misma variable categórica (por ejemplo, elección de actividad (colegio, militar, empleo, viajes) de graduados de una escuela secundaria reportadas un año después de la graduación, ordenada por año de graduación, Para ver si el número de graduados que eligen una actividad dada ha cambiado de clase a clase, o de una década a década). [2]
- Una prueba de independencia evalúa si las observaciones que consisten en medidas en dos variables, expresadas en una tabla de contingencia, son independientes entre sí (por ejemplo, respuestas de votación de personas de diferentes nacionalidades para ver si la nacionalidad está relacionada con la respuesta).
En este caso, las observaciones n { displaystyle n} se dividen entre las celdas n { displaystyle n}. Una aplicación simple es probar la hipótesis de que, en la población general, los valores ocurrirían en cada célula con igual frecuencia. La «frecuencia teórica» para cualquier célula (bajo la hipótesis nula de una distribución uniforme discreta) se calcula así como
¿Cómo se interpreta el chi cuadrado de Pearson?
Como puede ver a continuación, SPSS calcula varias medidas de asociación diferentes.
Estamos interesados en la medida de Pearson Chi-Square.
La estadística de Chi Square aparece en la columna de valor inmediatamente a la derecha de «Pearson Chi-Square». En este ejemplo, el valor de la estadística del cuadrado Chi es 6.718.
El valor p (.010) aparece en la misma fila en la columna «Significación asintótica (2 lados)». El resultado es significativo si este valor es igual o menor que el nivel alfa designado (normalmente .05). En este caso, el valor p es más pequeño que el valor alfa estándar, por lo que rechazaríamos la hipótesis nula que afirma que las dos variables son independientes entre sí. En pocas palabras, el resultado es significativo: los datos sugieren que las variables religión y alimentación están asociados entre sí.
La estadística de Chi Square solo le dice si las variables están asociadas. Si desea averiguar cómo están asociados, debe volver a la tabla Crosstabs. En nuestro ejemplo, la tabla de crosstabs nos dice que el ateísmo se asocia desproporcionadamente con el vegetarianismo y la alimentación de la carne se asocia desproporcionadamente con el cristianismo.
Eso es todo para este tutorial. Ahora debería tener una buena idea de cómo interpretar los resultados de Chi Square en SPSS.
La segunda mitad de nuestro video SPSS Chi Square incluye una discusión sobre cómo interpretar los resultados de Chi Square en SPSS.
¿Qué indica el chi cuadrado?
La prueba de chi-cuadrado de bondad de ajuste está relacionada con la prueba de chi-cuadrado de Pearson (que se discute más adelante en el capítulo), en la que las proporciones observadas se comparan con los valores esperados. La prueba de chi-cuadrado de bondad de ajuste se puede usar para probar la importancia de una sola proporción o la importancia de un modelo teórico, como el modo de herencia de un gen. Una población de referencia a menudo se usa para obtener los valores esperados. Supongamos que se sabe que la frecuencia de un alelo que produce riesgo de JIA poliarticular es de 2 de cada 100 en la población general. Sin embargo, se encuentra que la frecuencia observada del alelo en una muestra de pacientes con JIA poliarticular es de 10 de cada 100. Para evaluar si esta desviación del valor esperado es significativa, se puede usar la prueba de chi-cuadrado de bondad de ajuste.
La prueba de chi-cuadrado de bondad de ajuste está relacionada con la prueba de chi-cuadrado de Pearson (discutida más adelante), en la que las proporciones observadas se comparan con los valores esperados. La prueba de chi-cuadrado de bondad de ajuste se puede usar para probar la importancia de una sola proporción o de un modelo teórico, como el modo de herencia de un gen. Una población de referencia a menudo se usa para obtener los valores esperados. Supongamos que se sabe que la frecuencia de un alelo que produce riesgo de JRA poliarticular es 2 de cada 100 en la población general (ignorando la estratificación de la población para este ejemplo). Sin embargo, la frecuencia observada del alelo en una muestra de pacientes con JRA poliarticular es de 10 en 100. ¿Es esta desviación del valor esperado significativo? Brevemente, se calcula qué tan bien las frecuencias observadas se ajustan al modelo de la población general al determinar la diferencia entre cada conjunto de valores observados y esperados, cuadrarlas, dividirse por sus respectivos valores esperados y agregar los resultados. En el ejemplo, la suma de (observado – esperado) 2 ÷ valores esperados = (10 – 2) 2 ÷ 2 [para aquellos con el alelo] + (90 – 98) 2 ÷ 98 [para aquellos sin alelo] = aproximadamente 33. Se consulta una tabla de chi-cuadrado (como se describe con mayor detalle más adelante), y se encuentra que el valor de 33 es muy estadísticamente significativo.
El análisis de Chi-cuadrado de Pearson mostró que HC tenía un estado socioeconómico parental significativamente mayor (SES) que ambos grupos de pacientes, que no diferían entre sí (P = 0.62). Por lo tanto, después de descartar las diferencias grupales en las pendientes de las relaciones entre el SES de los padres y cada una de las medidas de GBR (grupo × Interacción de SES de los padres: potencia total: p = 0.75; potencia evocada: P = 0.79; PLF: P = 0.76) y Al eliminar los términos de interacción, el grupo × sitio ANCOVAS se realizaron en cada una de las medidas de GBR utilizando SES de los padres como covariable. El efecto SES parental no fue significativo para ninguna de las medidas de GBR (potencia total: p = 0.29; potencia evocada: p = 0.65; PLF: p = 0.92), y los efectos de grupo fueron esencialmente los mismos que los que resultan de los modelos ANOVA descrito arriba.
La prueba de contingencia de chi-cuadrado se basa en las diferencias entre los valores observados y aquellos que se esperarían si las variables fueran independientes si estas diferencias son pequeñas, hay poca dependencia entre las variables; Las grandes diferencias indican una dependencia. La estadística de chi-cuadrado real es la suma de estas diferencias cuadradas en la relación con el valor esperado. Una pequeña estadística de chi-cuadrado surge si los valores observados están cerca de los valores que esperaríamos si las dos variables no estuvieran relacionadas. Una gran estadística de chi-cuadrado surge si los valores observados son bastante diferentes de los que esperaríamos de variables no relacionadas. Si la estadística de chi-cuadrado es lo suficientemente grande como para que haya ocurrido por casualidad, concluimos que es significativo y que la variable de las filas no es totalmente independiente de la variable de columnas. Sin embargo, no se sigue que uno pueda ser bien predicho por el otro.
¿Qué es el chi cuadrado según autores?
Con los datos en forma de tabla, el investigador puede proceder con el cálculo de la estadística χ2 para averiguar si el programa de vacunación hizo alguna diferencia en los resultados de salud de los empleados. La fórmula para calcular un chi-cuadrado es:
El primer paso para calcular A χ2 es calcular la suma de cada fila y la suma de cada columna. Estas sumas se denominan «marginales» y hay valores marginales de fila y valores marginales de columna. Los valores marginales para los datos del estudio de caso se presentan en la Tabla 2.
El segundo paso es calcular los valores esperados para cada celda. En la estadística de chi-cuadrado, los valores «esperados» representan una estimación de cómo se distribuirían los casos si no hubiera efecto de vacuna. Los valores esperados deben reflejar tanto la incidencia de casos en cada categoría como la distribución imparcial de los casos si no hay efecto de vacuna. Esto significa que la estadística no puede contar solo el N total y dividir por 6 para el número esperado en cada celda. Eso no tendría en cuenta el hecho de que más sujetos se mantuvieron saludables, independientemente de si estaban vacunados o no. Los esperados de Chi-Square se calculan de la siguiente manera:
¿Qué mide el test de chi cuadrado Scielo?
Antecedentes: la ansiedad preoperatoria es un evento frecuente que depende de múltiples factores. Una es la información anterior al paciente, que debe ser simple, comprensible y confiable. El objetivo de este estudio es establecer la relación entre el grado de información del procedimiento quirúrgico y el nivel de ansiedad preoperatoria en pacientes programados para la cirugía. Material y métodos: Estudio transversal de 99 pacientes seleccionados al azar programados para cirugía en el Hospital Royo Villanova (Sector I en Zaragoza). Se utilizaron escalas APAIS y STAI-AA para evaluar el nivel de ansiedad preoperatoria y el grado de información previa. El análisis estadístico se realizó utilizando SPSS V.21.0, con la prueba de chi-cuadrado, la prueba ANOVA y el Kruskal Wallis no paramétrico para estudiar la asociación entre las diferentes preguntas y el grado de ansiedad. Para evaluar la asociación de las dos escalas se utilizó la prueba de correlación de Pearson. Resultados: El nivel educativo, el tipo de cirugía, las variables de cirugía previa, especialidad y cirugía previa no muestran significación estadística (P <0.05) en comparación con la variable de nivel de ansiedad. Se ha demostrado que existe una asociación entre el grado de información y el nivel de ansiedad. Conclusiones: Los datos que se muestran en el presente estudio respaldan la hipótesis de que los pacientes que creen que necesitan más conocimiento sobre el procedimiento quirúrgico tienen niveles de ansiedad más altos que los pacientes que creen que necesitan menos.
La ansiedad se define como el estado de inquietud (suave o intensa) a menudo causada por lo desconocido o inespecífico para el individuo1. La ansiedad puede tener una función adaptativa, pero, sin embargo, puede producir una enfermedad si está desproporcionada.
Los pacientes se someten a altos niveles de ansiedad cuando esperan justo antes de un procedimiento quirúrgico, la ansiedad depende de varios factores, como sexo, edad, entorno socioeconómico, ocupación, cirugía… 3,4 si es útil información sobre la salud actual del paciente, La posible enfermedad y el tratamiento posterior no son proporcionados por el equipo que asiste al paciente, los niveles de ansiedad aumentarán5.
La información escrita no excusa información verbal; Se complementan entre sí, y su contenido debe adaptarse a la situación de la clínica. La información debe ser clara, comprensible y confiable. No debe ser exhaustivo, pero tiene que evitar malentendidos y ayudar al paciente a comprender el objetivo médico perseguido y los procedimientos propuestos.
¿Qué es la chi cuadrada y para qué sirve PDF?
Creo que ya sabes cómo hacer un tablero cruzado dinámico bajo Excel. Nos permitirá despojar rápidamente los datos de la encuesta. Nuestra tabla dinámica nos dará la distribución de las dos variables (nuestras dos respuestas de forma). Por lo tanto, seremos, cuántas mujeres han respondido sí o no y cuántos hombres han respondido sí o no. En un segundo paso, esto nos permitirá llevar a cabo el cálculo de las frecuencias teóricas.
La siguiente ilustración presenta el formato de la tabla cruzada:
– El paso A simbolizado por 1 en rojo presenta cómo crear la tabla dinámica, en la pestaña Inserción, haga clic en «Tabla de cruce dinámico», esto debería seleccionar todos los datos. Si este es el caso, valide la entrada, de lo contrario, seleccione todos los datos de la encuesta y valide.
-Paso dos (en naranja en la ilustración a continuación) le permiten formatear la tabla cruzada dinámica, tendrá una interfaz similar a la de abajo para crear su tabla, primero, seleccione el sexo variable y deslice en el campo de línea, luego Puede seleccionarlo nuevamente y deslizarlo en el campo Valores, verifique que la operación del campo de los valores sea, por supuesto, esto nos dirá el número de respuestas por sexo). Luego seleccione la variable Rep_alCool y deslice allí en el campo de columna.
-Finalmente, el paso tres (en azul en la captura a continuación) nos hace aparecer el resultado de nuestra pintura cruzada dinámica. Por lo tanto, aprendemos, entre otras cosas, que 56 hombres respondieron a 53 mujeres, donde, por ejemplo, que 35 personas de los 109 ya se han emborrachado en su lugar de trabajo. Por lo tanto, nuestra tabla dinámica nos quitó los datos.
Artículos Relacionados:
- La tabla de cuadrado de Pearson es una herramienta útil para el análisis estadístico
- La formula de Pearson para el coeficiente de correlación
- La p de Pearson es una prueba estadística usada para evaluar la relación entre dos variables.
- Coeficiente de correlacion de Pearson: la formula para encontrar la relacion entre dos variables
