Prueba de bondad de ajuste chi-cuadrado
La prueba de bondad de ajuste chi-cuadrado determina si la distribución de frecuencias observada de una variable categórica coincide con una distribución esperada específica. Compara la frecuencia con la que ocurre realmente cada categoría en sus datos con la frecuencia que cabría esperar para cada una según un modelo teórico o una suposición previa.
Última revisión:
Idea clave
La prueba de bondad de ajuste chi-cuadrado determina si la distribución de frecuencias observada de una variable categórica coincide con una distribución esperada específica.
En esta página
- ¿Qué es la prueba de bondad de ajuste chi-cuadrado?
- ¿Cuándo usar la prueba de bondad de ajuste chi-cuadrado?
- Pautas para el uso correcto de la prueba de bondad de ajuste chi-cuadrado
- Alternativas: cuándo no usar la prueba de bondad de ajuste chi-cuadrado
- Ejemplo de prueba de bondad de ajuste chi-cuadrado
- Cómo realizar la prueba de bondad de ajuste chi-cuadrado
¿Qué es la prueba de bondad de ajuste chi-cuadrado?
La prueba de bondad de ajuste chi-cuadrado determina si la distribución de frecuencias observada de una variable categórica coincide con una distribución esperada específica. Compara la frecuencia con la que ocurre realmente cada categoría en sus datos con la frecuencia que cabría esperar para cada una según un modelo teórico o una suposición previa.
Por ejemplo, puede comprobar si una línea de producción genera defectos por igual en todos los turnos, o si las quejas de clientes se distribuyen entre las categorías en las proporciones que predice su modelo.
Definición sencilla: Una prueba que comprueba si los recuentos reales que observa en las categorías coinciden con los recuentos que esperaba, e indica si sus datos se ajustan al patrón que había previsto.
¿Cuándo usar la prueba de bondad de ajuste chi-cuadrado?
- Úsela cuando su variable de respuesta sea categórica y quiera comprobar si su distribución observada coincide con una distribución esperada o teórica.
- Úsela para verificar si un proceso genera defectos o resultados en las proporciones esperadas entre categorías como turno, máquina o tipo de producto.
- Úsela cuando tenga un modelo teórico o una distribución previa y quiera comprobar en qué medida se ajustan a él sus datos reales.
- Úsela en auditorías de muestreo, verificaciones de cumplimiento y revisiones de calidad en los que las frecuencias esperadas se conocen por las especificaciones o por datos históricos.
Pautas para el uso correcto de la prueba de bondad de ajuste chi-cuadrado
- Cada categoría debe tener una frecuencia esperada de al menos 5 : las categorías con recuentos esperados muy pequeños hacen que la prueba no sea fiable. Combine categorías si es necesario.
- Las observaciones deben ser independientes : el recuento de una categoría no debe influir en el de otra.
- Las proporciones o los recuentos esperados deben especificarse antes de ver los datos : derivarlos del mismo conjunto de datos que se somete a prueba es circular e inválido.
- Un valor p inferior a 0.05 indica que la distribución observada difiere significativamente de la esperada; investigue qué categorías muestran las mayores desviaciones.
- Recopile una muestra total suficientemente grande para que todas las frecuencias esperadas de las celdas alcancen el umbral mínimo de 5.
Alternativas: cuándo no usar la prueba de bondad de ajuste chi-cuadrado
- Si va a probar la relación entre dos variables categóricas, use la prueba chi-cuadrado de independencia
- Si la variable de respuesta es continua, use la prueba de normalidad o la identificación de distribución individual
- Si los datos de recuento siguen un proceso de Poisson (eventos poco frecuentes en el tiempo o en una superficie), use la bondad de ajuste de Poisson
Ejemplo de prueba de bondad de ajuste chi-cuadrado
Un gerente de compras quiere comparar la proporción de camisetas de cada talla que se venden con la proporción que se pidieron. El gerente cuenta el número de camisetas de cada talla vendidas en una semana. El comprador realiza una prueba de bondad de ajuste chi-cuadrado para determinar si las proporciones de tallas vendidas son coherentes con las proporciones de tallas pedidas. La prueba se realiza en los siguientes pasos:
- Recopiló los datos necesarios.

- Ahora analiza los datos en Zometric Statistical Software en https://statsai.zometric.com/.
- Para encontrar Chi Square Goodness Of Fit, elija Statistical module> Hypothesis Test> Chi Square Goodness Of Fit.
- Dentro de la herramienta, se introducen los datos junto con otras entradas, como sigue:

5. Después de usar la herramienta mencionada, se obtiene la siguiente salida:

Cómo realizar la prueba de bondad de ajuste chi-cuadrado
La guía es la siguiente:
- Inicie sesión en Zometric Statistical Software en https://statsai.zometric.com/
- En la página de inicio, elija Statistical Tool> Hypothesis Test >Chi Square Goodness Of Fit .
- A continuación, introduzca los datos manualmente o copie todos los datos (Ctrl+C) de una hoja de Excel y péguelos (Ctrl+V).
- Rellene las opciones necesarias.
- Por último, haga clic en calculate en la parte inferior de la página para obtener los resultados deseados.
En el tablero de Chi Square Goodness Of Fit, la ventana está dividida en dos partes.

En la parte izquierda se encuentra el panel de datos (Data Pane). En el Data Pane, cada fila forma un subgrupo. Los datos pueden introducirse manualmente, o bien copiarse por completo (Ctrl+C) desde una hoja de Excel y pegarse (Ctrl+V) aquí.
Load example: Se cargarán los datos de ejemplo.
Load File: Se usa para cargar directamente los datos de Excel.
En la parte derecha hay varias opciones, como sigue:
- Observed Counts Seleccione la columna que contiene los recuentos reales registrados para cada categoría en sus datos; por ejemplo, el número de defectos observados en cada turno, el número de quejas de clientes por categoría o el número de ocurrencias en cada grupo. Es la entrada principal que usa la prueba para comparar lo que realmente ocurrió con lo que se esperaba. Este campo es obligatorio.
- Category Names; Seleccione la columna que contiene las etiquetas o nombres de cada categoría; por ejemplo, Shift 1, Shift 2, Shift 3, o Scratch, Dent, Tear. Es opcional, pero se recomienda, ya que así las gráficas de salida y la tabla de resultados quedan claramente rotulados y son más fáciles de interpretar y de presentar en informes.
- Test: Define con qué distribución esperada se comparan los recuentos observados. Hay tres opciones:
- Equal Proportions — comprueba si todas las categorías ocurren con la misma frecuencia. Úsela cuando su hipótesis nula sea que cada categoría debe aparecer el mismo número de veces; por ejemplo, para comprobar si los defectos se distribuyen por igual entre todos los días de la semana.
- Specific Proportions — comprueba si las categorías ocurren en proporciones específicas y predefinidas que usted introduce manualmente. Úsela cuando tenga una distribución esperada basada en la teoría, en datos históricos o en especificaciones; por ejemplo, para comprobar si el 60% de los resultados cae en la categoría A, el 30% en la B y el 10% en la C.
- Properties Specified by Historical Counts (Input Column) — compara con proporciones esperadas derivadas de una columna de referencia de recuentos históricos, en lugar de valores introducidos manualmente. Úsela cuando tenga un conjunto de datos anterior o un periodo de referencia cuya distribución quiera comparar con sus datos actuales.
- Specific Proportion: Seleccione la columna que contiene las proporciones esperadas o los recuentos de referencia de cada categoría cuando use la opción de prueba Specific Proportions o Historical Counts. Los valores de esta columna definen cómo debería ser la distribución bajo la hipótesis nula; la proporción esperada de cada categoría debe corresponder, en el mismo orden, a las categorías de la columna Observed Counts.
- Bar Chart of Observed and Expected Values: Cuando está activada, muestra una gráfica de barras lado a lado que compara los recuentos observados con los recuentos esperados de cada categoría. Es una de las salidas visuales más útiles: permite ver de inmediato qué categorías presentan las mayores diferencias entre lo observado y lo esperado, y localizar dónde se desvía más la distribución.
- Bar Chart of Each Category Contribution to the Chi-Square Value: Cuando está activada, muestra una gráfica de barras con cuánto contribuye cada categoría al estadístico chi-cuadrado global. Las categorías con las barras más altas son las que determinan el resultado significativo; esto ayuda a identificar exactamente qué categorías son las más responsables de la desviación respecto a la distribución esperada, en lugar de saber solo que existe una diferencia global.
- Display Bars from Largest to Smallest: Cuando está activada, ordena las barras de las gráficas en orden descendente , de la mayor contribución o recuento a la menor. Así resulta más fácil priorizar qué categorías son más importantes y centrarse primero en las mayores desviaciones; es especialmente útil cuando hay muchas categorías y se quieren identificar rápidamente las más significativas.
- Display Test Results: Cuando está activada, muestra el resultado estadístico completo de la prueba directamente en la gráfica o junto a ella, incluidos el estadístico chi-cuadrado, los grados de libertad y el valor p. Permite ver en un solo lugar los resultados visuales y estadísticos, sin tener que consultar una tabla de salida aparte.
Preguntas frecuentes
¿Qué indica una prueba de bondad de ajuste chi-cuadrado?
Indica si la distribución de frecuencias observada de una variable categórica coincide con una distribución esperada específica, comparando la frecuencia con la que ocurre realmente cada categoría con la frecuencia con la que debería ocurrir según un modelo teórico o una suposición previa. Un valor p inferior a 0.05 indica una diferencia significativa; entonces investigue qué categorías muestran las mayores desviaciones.
¿Cuáles son los supuestos de la prueba de bondad de ajuste chi-cuadrado?
Cada categoría debe tener una frecuencia esperada de al menos 5; combine categorías si es necesario y recopile una muestra total suficientemente grande. Las observaciones deben ser independientes, de modo que el recuento de una categoría no influya en el de otra. Las proporciones esperadas deben especificarse antes de ver los datos, porque derivarlas del mismo conjunto de datos es circular e inválido.
¿Con qué distribuciones esperadas se puede comparar?
En Zometric Statistical Software, la opción Test ofrece tres alternativas: Equal Proportions, en la que todas las categorías deben ocurrir con la misma frecuencia; Specific Proportions, introducidas manualmente a partir de la teoría, de datos históricos o de especificaciones; y proporciones especificadas por recuentos históricos de una columna de referencia, para comparar los datos actuales con un conjunto de datos anterior o un periodo de referencia.
¿Cuándo conviene usar en su lugar la prueba chi-cuadrado de independencia?
Use la prueba de bondad de ajuste para una variable categórica comparada con una distribución esperada. Para probar la relación entre dos variables categóricas, use la prueba chi-cuadrado de independencia. Si la respuesta es continua, use una prueba de normalidad o la identificación de distribución individual, y si los recuentos siguen un proceso de Poisson, use la bondad de ajuste de Poisson.
