4.1 3 Prueba De La Bondad Del Ajuste

La Prueba de la Bondad del Ajuste (Bondad de Ajuste), o Prueba Chi-Cuadrado de Bondad de Ajuste, nos ayuda a determinar si un conjunto de datos observados se ajusta a una distribución teórica específica. En pocas palabras, ¿los datos que tenemos se parecen a lo que esperaríamos?

¿Cuándo usarla?

Se utiliza cuando queremos comparar las frecuencias observadas (los datos reales) con las frecuencias esperadas (las que predecimos según un modelo). Es útil para saber si una muestra proviene de una población con una distribución específica, como una distribución normal, binomial o de Poisson.

Pasos para realizar la Prueba de Bondad del Ajuste:

Paso 1: Define las Hipótesis.

• Hipótesis Nula (H₀): Los datos observados se ajustan a la distribución teórica propuesta. En otras palabras, no hay diferencia significativa entre lo observado y lo esperado.
• Hipótesis Alternativa (H₁): Los datos observados no se ajustan a la distribución teórica propuesta. Hay una diferencia significativa.

Paso 2: Calcula las Frecuencias Esperadas.

Esta es la clave. Según la distribución teórica que estás probando, calcula cuántos datos esperarías ver en cada categoría. Por ejemplo, si estás probando si un dado es justo (distribución uniforme), esperarías que cada número (1 al 6) aparezca con la misma frecuencia. Si lanzas el dado 60 veces, esperarías 10 veces cada número.

Paso 3: Calcula el Estadístico Chi-Cuadrado (χ²).

La fórmula es: χ² = Σ [(O_i - E_i)² / E_i] donde:

• O_i = Frecuencia Observada en la categoría i.
• E_i = Frecuencia Esperada en la categoría i.
• Σ = Suma sobre todas las categorías.

Básicamente, calculas la diferencia entre lo observado y lo esperado, la elevas al cuadrado (para eliminar negativos), la divides por lo esperado, y sumas todo.

Paso 4: Determina los Grados de Libertad (gl).

Los grados de libertad se calculan como: gl = (Número de categorías - Número de parámetros estimados - 1). El número de parámetros estimados se refiere a la cantidad de parámetros que necesitas calcular a partir de los datos para poder obtener las frecuencias esperadas. Por ejemplo, si estás probando una distribución normal y calculas la media y la desviación estándar a partir de los datos, tendrías 2 parámetros estimados. Si estás probando una distribución uniforme (como un dado), no necesitas estimar ningún parámetro.

Paso 5: Encuentra el Valor Crítico o el Valor p.

Usando una tabla de distribución Chi-Cuadrado o un software estadístico, busca el valor crítico para tu nivel de significancia (alfa, generalmente 0.05) y tus grados de libertad. Alternativamente, puedes encontrar el valor p (probabilidad) asociado con tu estadístico Chi-Cuadrado.

Paso 6: Toma la Decisión.

• Usando el Valor Crítico: Si tu estadístico Chi-Cuadrado calculado es mayor que el valor crítico, rechazas la hipótesis nula. Esto significa que los datos no se ajustan a la distribución teórica.
• Usando el Valor p: Si el valor p es menor que tu nivel de significancia (alfa), rechazas la hipótesis nula.

Ejemplo Sencillo: Un Dado

Lanzas un dado 60 veces y obtienes los siguientes resultados: 1 (8 veces), 2 (9 veces), 3 (12 veces), 4 (11 veces), 5 (10 veces), 6 (10 veces). ¿Es el dado justo?

• H₀: El dado es justo (distribución uniforme).
• H₁: El dado no es justo.
• Frecuencias Esperadas: 10 veces cada número (60/6 = 10).
• Calcula χ² usando la fórmula.
• gl = 6 - 0 - 1 = 5 (6 categorías, 0 parámetros estimados, -1).
• Compara el χ² calculado con el valor crítico de la tabla o encuentra el valor p.
• Concluye si rechazas o no la hipótesis nula.

Recuerda, la Prueba de la Bondad del Ajuste es una herramienta poderosa para verificar si tus datos se comportan como esperas. ¡Practica con ejemplos para dominarla!