EL TEST CHI-CUADRADO

EL TEST CHI-CUADRADO

El test Chi-cuadrado es un ejemplo de los denominados test de ajuste estadístico, cuyo objetivo es evaluar la bondad del ajuste de un conjunto de datos a una determinada distribución candidata. Su objetivo es aceptar o rechazar la siguiente hipótesis:

“Los datos de que se dispone son una muestra aleatoria de una distribución ”.

El procedimiento de realización del test Chi-cuadrado es el siguiente:

1) Se divide el rango de valores que puede tomar la variable aleatoria de la distribución en K intervalos adyacentes:

Pueden ser y .

2) Sea el número de valores de los datos que tenemos que pertenecen al intervalo .

3) Se calcula la probabilidad de que la variable aleatoria de la distribución candidata esté en el intervalo . Por ejemplo, si se trata de una distribución continua, esa probabilidad sería:

siendo la función densidad de probabilidad de la distribución candidata. También se puede hacer:

Nótese que este es un valor teórico, que se calcula de acuerdo a la distribución candidata y a los intervalos fijados.

4) Se forma el siguiente estadístico de prueba:

Si el ajuste es bueno, tenderá a tomar valores pequeños (¿por qué?).

Rechazaremos la hipótesis de la distribución candidata si toma valores “demasiado grandes”.

Nótese que para decidir si los valores son “demasiado grandes”, necesitamos fijar un umbral. Para ello se hace uso de la siguiente propiedad, que no demostraremos. Nótese que es a su vez una variable aleatoria (¿por qué?).

“Si el número de muestras es suficientemente grande, y la distribución candidata es la adecuada tiende a tener a una distribución Chi-cuadrado de (K – 1) grados de libertad”

En realidad, la afirmación anterior sólo es estrictamente cierta si no hay que estimar ningún parámetro en la distribución candidata. Si para definir la distribución candidata hay que estimar algún parámetro (su media, su varianza,…) el número de grados de libertad de la distribución Chi-cuadrado es

(K – 1 – número de parámetros que hay que estimar a partir de los datos)

Tenemos por tanto, que si la distribución candidata

...