INDEPENDENCIA
Dos variables estadísticas A y B son independientes, es decir que, la variable A no tiene
efecto sobre la probabilidad de ocurrencia de la otra variable B por los valores que toma
la otra (Castillo, 2019). Esta prueba no aceptará ninguna suposición sobre el tipo de
distribución de las variables cualitativas, porque se utiliza la información contingente de
la muestra en el chi-cuadrado (Barrios, 2014).
Formalmente la definición de independencia entre eventos es la siguiente:
1. Si A, B son eventos independientes la probabilidad de que ocurra A y B es igual
al producto de las posibilidades:
P(A∩B) =P(A) * P(B)
(Rodríguez et al., 2012).
2. Si dos eventos no son independientes, se dice que son dependientes, sin importa
cuál sea el grado de libertad (Gallardo, 2020).
Prueba de independencia de chi-cuadrado o contingencia: compara dos
variables categóricas dentro de una población, por lo tanto, se definen las
hipótesis nula y alternativa sobre dos medias poblacionales independientes antes
de recolectar los datos, los dos tamaños de las muestras simples aleatorias son:
n1 >30 y n2 >30 con distribución normal (Tinoco, 2008), los valores de σ 1 y σ 2
son desconocidos y se supone que no son iguales, se define nivel de
significancia α=0,05 de las pruebas de independencia, para comprobar si hay
errores en los datos de los supuestos, finalmente, se realiza la prueba para
obtener las conclusiones (Montano, 2017).
Notación: en la población 1 son: μ1=media poblacional ,
σ 1=desviación estándar poblacional, n1=tamaño dela primera muestra,
x 1=media muestral y S1=desviación estándar muestral; y para la población 2:
μ2 , σ 2 , n2 , x 2 y S2 (Rattigan et al., 2011).
Ecuación 1
Dato estadístico de prueba de hipótesis para dos medias: muestras independientes con H 0 : μ1=μ2
( x 1−x 2) −( μ1−μ 2)
t=
√
2 2
S1 S2
+
n1 n2
Donde: μ1−μ2 =0
(Pérez, 2017).
Grados de libertad (gl): Determinan la distribución t específica utilizada
para calcular los valores P y los valores críticos para la prueba t de una
variable de muestras pequeñas, por ende, a medida que aumenta la n también
lo hace el número de gl, y la distribución t se aproxima a la distribución
normal (Merino & Willson, 2013), no obstante, la distribución chi-cuadrada
define la independencia de la prueba por el número de celdas de la tabla de
dos factores de las variables categóricas, que son restringidas por los totales
marginales de las filas y columnas; a medida que aumentan los gl se
aproxima a la curva normal (asimetría positiva) (Oré, 2013).
Gráfica 1.
a) Distribución t y b) Distribución chi-cuadrada
Fuente: (Pandy & Bright, 2008).
Ecuación 2
Estimación simple de los grados de libertad
gl=( n 1−1 ) ( n2−1 )
(Mendivelso & Rodríguez, 2018).
Ecuación 3
Grados de libertad
g l=¿ ¿
2 2
S1 S2
Donde: A= y B=
n1 n2
(Rubio et al., 2007).
Gráfica 2
Tabla de distribución t: Valores t críticos
Fuente: (Valdés & Ruiz, 2014).
Gráfica 3
Tabla de distribución Ji-cuadrada (x 2)
Fuente: (Triola, 2018).
Referencias bibliográficas
Barrios, J. (2014). Estádistica básica 2. [Link]
54183/APUNTES%20ESTAD%C3%8DSTICA%[Link]
Castillo, A. (2019). Fundamentos de probabilidad: Independencia estadística (p. 19).
Universidad Santiago de Cali.
[Link]
Gallardo. (2020). Contraste de independencia (pp. 12–16). UNAM.
[Link]
Mendivelso, F., & Rodríguez, M. (2018). Prueba Chi-Cuadrado de independencia
aplicada a tablas 2xN. Revista Médica Sanitas, 21, 92–95.
[Link]
Merino, C., & Willson, V. (2013). Comparación de variables de distribución t: Una
aplicación en la diferencia de grupos para la validez de constructo. Liberabit,
19(2), 243–249.
Montano, J. (2017). Especialidad en métodos estadísticos: Pruebas de independencia.
Universidad Veracruzana.
Oré, J. (2013). ¿Qué significan los grados de libertad? Revista Peruana de
Epidemiología, 17(2), 01–06.
Pandy, S., & Bright, C. (2008). Grados de libertad de probabilidad. Social Work
Research, 32(2).
Pérez, D. (2017). Uso de la prueba Chi-cuadrado del modelo de independencia como
fuente de evidencia empírica en Análisis Factorial Confirmatorio [Doctoral].
Universidad Autónoma de Madrid.
Rattigan, M. J., Maier, M., & Jensen, D. (2011). Relational Blocking for Causal
Discovery. Proceedings of the AAAI Conference on Artificial Intelligence, 25(1),
145–151.
Rodríguez, C., Gutiérrez, J., & Pozo, T. (2012). FUNDAMENTOS CONCEPTUALES
DE LAS PRINCIPALES PRUEBAS DE SIGNIFICACIÓN ESTADÍSTICA EN EL
AMBITO EDUCATIVO. Grupo Editorial Universitario.
[Link]
[Link]
Rubio, E., Hernández, S., Aracil, S., Saltarén, P., & Moreno, Q. (2007). Modelado,
Identificación y Control de Actuadores Lineales Electroneumáticos. Aplicación
en Plataforma de Dos Grados de Libertad. Revista Iberoamericana de
Automática e Informática Industrial RIAI, 4(4), 58–69.
Tinoco, O. (2008). Una aplicación de la prueba chi cuadrado con SPSS. Revista de la
Facultad de Ingeniería Industrial, 11(1), 73–77.
Triola, M. (2018). Estadística (12a ed.). Pearson Education.
Valdés, A. L., & Ruiz, A. (2014). Un modelo TGARCH con una distribución T de
Student asimétrica y las hipótesis de racionalidad de los intervencionistas
bursátiles en Latinoamérica. Revista Economía y Política, 19, 80–97.