Se utiliza una prueba de bondad de ajuste de chi-cuadrado para determinar si una variable categórica sigue o no una distribución hipotética.
Este tutorial explica cómo realizar una prueba de bondad de ajuste de chi-cuadrado en SPSS.
Ejemplo: prueba de bondad de ajuste de chi-cuadrado en SPSS
El propietario de una tienda afirma que un número igual de clientes entra en su tienda todos los días de la semana. Para probar esta hipótesis, un investigador registra la cantidad de clientes que ingresan a la tienda en una semana determinada y encuentra lo siguiente:
- Lunes: 50 clientes
- Martes: 60 clientes
- Miércoles: 40 clientes
- Jueves: 47 clientes
- Viernes: 53 clientes
Utilice los siguientes pasos para realizar una prueba de bondad de ajuste de chi-cuadrado en SPSS para determinar si los datos son consistentes con la afirmación del propietario de la tienda.
Paso 1: Ingrese los datos.
Primero, ingrese los datos en SPSS en el siguiente formato:
Paso 2: use casos ponderados.
Para que la prueba funcione correctamente, debemos indicarle a SPSS que la variable «Día» debe ponderarse con la variable «Recuento».
Haga clic en la pestaña Datos y luego en Peso de casos :
En la nueva ventana que aparece, arrastre la variable Count al cuadro etiquetado Test Variable List. Luego haga clic en Aceptar .
Paso 3: Realice la prueba de bondad de ajuste de chi-cuadrado.
Haga clic en la pestaña Analizar , luego Pruebas no paramétricas , luego Diálogos heredados , luego Chi-cuadrado :
En la nueva ventana que aparece, arrastre la variable Count al cuadro etiquetado Test Variable List.
Deje la etiqueta marcada junto a Todas las categorías iguales, ya que cada una de nuestras categorías (es decir, los días de la semana) tiene el mismo número esperado de visitantes cada día. Luego haga clic en Aceptar .
Paso 4: Interprete los resultados .
Una vez que haga clic en Aceptar , aparecerán los resultados de la prueba de bondad de ajuste de chi-cuadrado:
La primera tabla muestra el número observado y esperado de clientes cada día de la semana, junto con el residual (es decir, la diferencia) entre observado y esperado.
La segunda tabla muestra los siguientes números:
Chi-Cuadrado: el estadístico de la prueba de Chi-Cuadrado, que resultó ser 4.36.
df: Los grados de libertad, calculados como # categorías-1 = 5-1 = 4.
Asymp. Sig: el valor p que corresponde a un valor de chi-cuadrado de 4,36 con 4 grados de libertad, que se encuentra en 0,359. Este valor también se puede encontrar utilizando la calculadora de la puntuación de chi-cuadrado al valor de p .
Dado que el valor p (.359) no es menor que 0.05, no rechazamos la hipótesis nula. Esto significa que no tenemos pruebas suficientes para decir que la verdadera distribución de los clientes es diferente de la distribución que afirmaba el dueño de la tienda.
- https://r-project.org
- https://www.python.org/
- https://www.stata.com/
Redactor del artículo
¿Te hemos ayudado?
Ayudanos ahora tú, dejanos un comentario de agradecimiento, nos ayuda a motivarnos y si te es viable puedes hacer una donación:La ayuda no cuesta nada
Por otro lado te rogamos que compartas nuestro sitio con tus amigos, compañeros de clase y colegas, la educación de calidad y gratuita debe ser difundida, recuerdalo:
