Estadística Teórica II

TABLAS DE CONTINGENCIA

Santiago de la Fuente Fernández 189

 Tablas de Contingencia
CONTRASTE NO PARAMÉTRICO DE BONDAD DE AJUSTE

1.- Para comprobar si los operarios encontraban dificultades con una prensa manual de
imprimir, se hizo una prueba a cuatro operarios anotando el número de atascos sufridos
al introducir el mismo número de hojas, dando lugar a la siguiente tabla:

Operario A B C D Total
Obstrucciones 6 7 9 18 40

Con un nivel de significación del 5%, ¿existe diferencia entre los operarios?

Solución.-

Estableciendo la hipótesis nula H0 : 'no existe diferencia entre los operarios'

La probabilidad de que se atascase una hoja sería 1 / 4 para todos los operarios.
De este modo, el número de atascos esperados para cada uno de ellos sería
( e i = 10 )i =1 , L , 4 .

Tenemos, la tabla de contingencia 1 x 4:

Operario A B C D Total
6 7 9 18 40
Obstrucciones
(10) (10) (10) (10) (40)

Se acepta la hipótesis nula, a un nivel de significación α si

k ( ni − e i ) 2 k ni2
χ 2
k −1 = ∑ ei
=∑
ei
−n < χ 2α ; k −1
123
k ≡ número intervalos
i =1 i =1
14
424 4
3 estadístico teórico
estadístico contraste

⎧⎪ k (ni − e i )2 ⎫⎪
o bien, la región de rechazo de la hipótesis nula: R = ⎨ ∑ ≥ χ 2α ; k −1 ⎬
⎪⎩ i=1 ei ⎪⎭

4 ni2 6 2 7 2 9 2 18 2
con lo cual, χ 23 = ∑ −n = + + + − 40 = 9
i =1 ei 10 10 10 10

Con el nivel de significación ( α = 0, 05 ), el estadístico teórico: χ 20, 05 ; 3 = 7, 815

siendo χ23 = 9 > 7, 815 = χ 20, 05 ; 3 se verifica la región de rechazo, en consecuencia,
rechazamos la hipótesis nula y se concluye que existe diferencia significativa entre los
operarios respecto al número de atascos en la prensa de imprimir.

Santiago de la Fuente Fernández 190

 Tablas de Contingencia
CONTRASTE NO PARAMÉTRICO DE BONDAD DE AJUSTE A UNA POISSON CON PARÁMETRO
DESCONOCIDO.

2.- En un laboratorio se observó el número de partículas α que llegan a una

determinada zona procedentes de una sustancia radiactiva en un corto espacio de
tiempo siempre igual, obteniéndose los siguientes resultados:

Número partículas 0 1 2 3 4 5
Número períodos de tiempo 120 200 140 20 10 2

¿Se pueden ajustar los datos obtenidos a una distribución de Poisson, con un nivel de
significación del 5%?

Solución.-

Se establece la hipótesis nula H0 : 'La distribución empírica se ajusta a la Poisson'

La hipótesis nula se acepta, a un nivel de significación α si

k ( ni − e i ) 2 k ni2 k ≡ número intervalos

χ 2
k − p −1 = ∑ ei
=∑
ei
−n < χ 2α ; k − p −1
1424 3
donde
p ≡ número parámetros a estimar
i =1 i =1
14 424 4
3 estadístico teórico
estadístico contraste

⎧⎪ k (ni − e i )2 ⎫⎪
o bien, la región de rechazo de la hipótesis nula: R = ⎨ ∑ ≥ χ 2α ; k −p −1 ⎬
⎪⎩ i=1 e i ⎪⎭

La distribución de Poisson se caracteriza porque sólo depende del parámetro λ que

coincide con la media.

Sea la variable aleatoria X = ‘número de partículas’ y n i = ‘número de períodos de tiempo’

xi ni x i ni P (x i = k ) = p i
0 120 0 0,3012
x =λ =
∑ x i ni =
590
= 1,2
1 200 200 0,3614 n 492
2 140 280 0,2169 λ = 1, 2
3 20 60 0,0867 en consecuencia,

4 10 40 0,0260 1,2 k −1,2

P(x i = k) = e k = 0, L , 5
5 2 10 0,0062
k!
n = 492 590

Las probabilidades con que llegan las partículas k = 0, 1 , L, 5 se obtienen sustituyendo

1,2 k − 1.2
los valores de k en la fórmula P (x i = k) = e , o bien en las tablas con λ = 1, 2
k!

Santiago de la Fuente Fernández 191

 Tablas de Contingencia
Para verificar si el ajuste de los datos a una distribución de Poisson se acepta o no,
mediante una χ 2 , tenemos que calcular las frecuencias esperadas (e i = n p i )

xi 0 1 2 3 4 5
120 200 140 20 10 2
frecuencias ( e1 = 148, 2 ) ( e 2 = 177, 8 ) ( e 3 = 106, 7 ) ( e 4 = 42, 7 ) ( e 5 = 12,8) ( e 6 = 3,05 )

e 1 = 492 . 0, 3012 = 148, 2 e 2 = 492 . 0, 3614 = 177, 8 e 3 = 492 . 0, 2169 = 106, 7

e 4 = 492 . 0, 0867 = 42, 7 e 5 = 492 . 0,0260 = 12,8 e 6 = 492 . 0,0062 = 3,05

dando lugar a una tabla de contingencia 1 x 6, en donde hay que agrupar las dos últimas
columnas por tener la última columna frecuencias esperadas menores que cinco.
Por tanto, se tiene la tabla de contingencia 1 x 5:

xi 0 1 2 3 4 y 5
120 200 140 20 12
frecuencias
( e1 = 148, 2 ) ( e 2 = 177, 8 ) ( e 3 = 106, 7 ) ( e 4 = 42, 7 ) ( e 5 = 15, 8 )

Así, los grados de libertad son tres ( k − p − 1 = 5 − 1 − 1 = 3 )

♦ El estadístico de contraste:

2
5 ( ni − ei ) 2 5 ni 120 2 200 2 140 2 20 2 12 2
2
χ3 = ∑ ei
= ∑e −n = + + + +
148, 2 177, 8 106, 27 42, 7 15, 8
− 492 = 32, 31
i =1 i =1 i

♦ El estadístico teórico: χ 20, 05 ; 3 = 7, 815

El estadístico de contraste (bondad de ajuste) es mayor que el estadístico teórico

( 7, 815 ) , rechazándose la hipótesis nula, es decir, la distribución NO se puede ajustar
a una distribución de Poisson a un nivel de significación del 5%.

⎧⎪ k (ni − e i )2 ⎫⎪
Se verifica la región de rechazo: R = ⎨ ∑ ≥ χ 2α ; k −p −1 ⎬ ≡ { 32,31 > 7,815 }
⎪⎩ i=1 e i ⎪⎭

En el test de la χ 2 hay que tener en cuenta las siguientes consideraciones:

ƒ Hay que tener en cuenta el número de modalidades que admite el carácter, ya que al haber
más modalidades la χ 2 va siendo cada vez más grande.
ƒ Para emplearlo correctamente es necesario que las frecuencias esperadas de las distintas
modalidades no sea inferior a cinco.

Santiago de la Fuente Fernández 192

 Tablas de Contingencia
ƒ Si existe alguna modalidad que tenga una frecuencia esperada menor que cinco se agrupan
dos o más modalidades contiguas en una sola hasta lograr que la nueva frecuencia sea mayor
que cinco.
ƒ Si para obtener las frecuencias esperadas se necesitan hallar p parámetros entonces los
grados de libertad de la χ 2 son (k - p) si son independientes, y (k – p - 1) si son excluyentes
las modalidades.
ƒ Se puede aplicar el test de la χ 2 en situaciones en las que se quiere decidir si una serie de
observaciones se ajusta o no a una función teórica previamente determinada (binomial,
Poisson, normal, o hipotética).

Santiago de la Fuente Fernández 193