• Saltar al contenido principal
  • Skip to secondary menu
  • Saltar a la barra lateral principal
  • Saltar al pie de página
  • Inicio
  • Secciones
    • Ciencia de datos
    • Criptografía
    • Herramientas
    • Machine Learning
    • Noticias
    • Opinión
    • Productividad
    • Programación
      • JavaScript
      • Julia
      • Matlab
      • Python
      • R
  • Programación
    • JavaScript
    • Julia
    • Matlab
    • Python
    • R
  • Noticias
  • Boletín
  • Contacto
  • Tienda
    • Libros
    • Equipamiento de oficina
    • Equipamiento en movilidad
    • Tiendas afiliadas
      • AliExpress
      • Amazon
      • Banggood
      • GeekBuying
      • Lenovo

Analytics Lane

Ciencia e ingeniería de datos aplicada

  • Ciencia de datos
  • Machine Learning
  • Python
  • Pandas
  • NumPy
  • Matlab
  • Julia
  • Excel
  • IA Generativa

Prueba de independencia de Chi-cuadrado con Excel

mayo 20, 2020 Por Daniel Rodríguez 1 comentario
Tiempo de lectura: 3 minutos

En una entrada reciente se explicó los fundamentos de la prueba de independencia de Chi-cuadrado, una prueba que se puede encontrar fácilmente en R o Python. Pero en Excel es necesario implementarla. Hoy se explicará cómo se puede implementar la prueba de independencia de Chi-cuadrado con Excel.

Planteamiento del problema

Un grupo de investigadores desean comprobar si existe diferencia entre la aplicación de un tratamiento y un placebo. Para ello suministran a un grupo de pacientes el tratamiento y a otro de control placebo, obteniendo los resultados de la siguiente captura de pantalla del libro Excel.

Ejemplo de hoja de cálculo excel en la que se implementa la prueba de independencia de Chi-cuadrado
Ejemplo de hoja de cálculo excel en la que se implementa la prueba de independencia de Chi-cuadrado

Ahora queremos comprobar si existe relación entre haberse curado y haber tomado el tratamiento o no. Para lo que se define la siguiente hipótesis nula: “No existe diferencia entre aplicar la terapia y el placebo.”

Publicidad


Implementación de la prueba de independencia de Chi-cuadrado con Excel

Ahora se puede cargar la tabla de contingencia en una hoja de cálculo Excel e intentar descartar esta hipótesis mediante la prueba de independencia de Chi-cuadrado.

Valores esperados

Para ello en primer es necesario calcular cual es la frecuencia esperada para cada de los casos asumiendo que fuese verdadera la hipótesis nula. Es decir, que el tratamiento no fuese mejor que el placebo. Lo que se hace multiplicando, como se explicó en la entrada anterior, el total de pacientes de un grupo por el total de cada uno de los resultados y dividido por el número total de pacientes en los dos grupos.

Tutorial de Mypy para Principiantes
En Analytics Lane
Tutorial de Mypy para Principiantes

A modo de ejemplo se puede ver que el valor esperado para los pacientes curados con tratamiento es el total de pacientes con tratamiento (104) por el número de pacientes totales curados (142) y dividido por el número total de pacientes (204). Lo que da un valor esperado de 72,39 pacientes curados con tratamiento.

En este punto es importante recordar que para poder aplicar la Prueba de independencia de Chi-cuadrado es necesario que todos los valores esperados sean mayor que 5.

Publicidad


Diferencias al cuadrado

El segundo paso es obtener la diferencia al cuadrado del número de casos respecto al esperado dividido por el esperado. Por ejemplo, en el caso de pacientes curados con tratamiento tememos 78 casos y lo esperado seria 72,39, lo que nos da un valor de 0,43.

Los valores para todos los casos se suman para obtener el valor de la distribución de Chi-cuadrado. En el ejemplo es 2,91, lo que se muestra en la celda B24 del ejemplo.

Evaluación de los resultados

Ahora se puede comprobar si se puede rechazar la hipótesis nula de dos maneras. En la primera se puede obtener el punto de corte que nos indica la distribución inversa de Chi-cuadrado con el grado de significancia (generalmente 0,05) y los grados de libertad del experimento. Comprobando si el valor obtenido es mayor que el del punto de corte. Es importante recordar que los grados de libertad es el producto del número de tratamientos (2) menos uno por el número de posibles resultados (2) menos uno. Por lo que, en este caso, los grados de libertad son 1. Esto se puede hacer con obtener con la siguiente celda de Excel (B26 en el ejemplo).

=INV.CHICUAD(1-0,05; 1)

Lo que nos da un valor de 3,8 que es mayor de 2,91, por lo que no se puede rechazar la hipótesis nula.

Otra alternativa es obtener el p-valor y comprobar si este es menor que el grado de significancia. Algo que se puede obtener con la distribución de Chi-cuadrado. En la hoja de cálculo de ejemplo (celda B25):

=1-DISTR.CHICUAD(B24;B23;VERDADERO)

Lo que nos da 0,09. Al igual que antes indica que no se puede rechazar la hipótesis nula en este experimento. Esto es, no existe diferencia entre en tratamiento y el placebo.

Publicidad


Conclusiones

En esta entrada se ha visto cómo aplicar la prueba de independencia de Chi-cuadrado con Excel. Algo que no es excesivamente complicado.

¿Te ha parecido de utilidad el contenido?

¡Puntúalo entre una y cinco estrellas!

Puntuación promedio 5 / 5. Votos emitidos: 2

Ya que has encontrado útil este contenido...

¡Síguenos en redes sociales!

¡Siento que este contenido no te haya sido útil!

¡Déjame mejorar este contenido!

Dime, ¿cómo puedo mejorar este contenido?

Publicaciones relacionadas

  • Tutorial de Mypy para Principiantes
  • Semana sin nuevas publicaciones
  • Combinar gráficos con FacetGrid: Cómo analizar tendencias complejas en múltiples paneles con Seaborn
  • Introducción a igraph en R (Parte 6): Centralidad de Katz en grafos
  • Cómo modificar los mensajes de commit en Git
  • Optimización de memoria en Pandas: Usar tipos de datos personalizados para manejar grandes conjuntos de datos
  • Introducción a igraph en R (Parte 7): Centralidad de Bonacich
  • ¡Analytics Lane cumple siete años!
  • Sincronizar múltiples ejes con twinx(): Comparación de datos con diferentes escalas en un solo gráfico con Matplotlib

Publicado en: Herramientas Etiquetado como: Excel

Interacciones con los lectores

Comentarios

  1. Mar dice

    noviembre 24, 2020 a las 10:12 am

    Hola Daniel,

    Muchas gracias por tu detallada explicación. Me ha ayudado a refrescar algunos conceptos que necesito usar.
    Hacía años que no miraba nada de estadísitica, lo que estudié en la universidad hace 10 años, pero gracias a este post he podido hacer un contraste que nos irá muy bien en el trabajo.

    Responder

Deja una respuesta Cancelar la respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

I accept the Terms and Conditions and the Privacy Policy

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.

Barra lateral principal

Suscríbete a nuestro boletín

Suscríbete al boletín semanal para estar al día de todas las publicaciones.

Política de Privacidad

Analytics Lane en redes sociales

  • Amazon
  • Bluesky
  • Facebook
  • GitHub
  • Instagram
  • Mastodon
  • Pinterest
  • RSS
  • Telegram
  • Tumblr
  • Twitter
  • YouTube

Publicidad

Entradas recientes

Variables globales en Python: Problemas y cómo evitarlos

mayo 12, 2025 Por Daniel Rodríguez

Los valores numéricos en los ordenadores: Entendiendo enteros, flotantes y más

mayo 9, 2025 Por Daniel Rodríguez

Introducción a igraph en R (Parte 8): PageRank

mayo 7, 2025 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Enviar notificaciones de escritorio con Python publicado el septiembre 27, 2021 | en Python
  • El método de Steffensen e implementación en Python publicado el marzo 17, 2023 | en Ciencia de datos
  • Truco SQL: Búsqueda fonética en SQL Server publicado el noviembre 13, 2020 | en Herramientas
  • Obtención de valores únicos de una columna con Pandas publicado el mayo 8, 2019 | en Python
  • Diferencia entre dos fechas en Python publicado el noviembre 14, 2022 | en Python

Publicidad

Lo mejor valorado

4.9 (24)

Seleccionar filas y columnas en Pandas con iloc y loc

4.6 (16)

Archivos JSON con Python: lectura y escritura

4.4 (14)

Ordenación de diccionarios en Python mediante clave o valor

4.7 (13)

Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas

4.5 (10)

Diferencias entre var y let en JavaScript

Publicidad

Comentarios recientes

  • Daniel Rodríguez en Tutorial de Mypy para Principiantes
  • Javier en Tutorial de Mypy para Principiantes
  • javier en Problemas con listas mutables en Python: Cómo evitar efectos inesperados
  • soldado en Numpy básico: encontrar la posición de un elemento en un Array de Numpy
  • plataformas AéReas en Numpy básico: encontrar la posición de un elemento en un Array de Numpy

Publicidad


Footer

Analytics Lane

  • Acerca de Analytics Lane
  • Boletín de noticias
  • Contacto
  • Libros
  • Lo más popular
  • Noticias
  • Tienda
  • Tiendas afiliadas

Secciones

  • Ciencia de datos
  • Criptografía
  • Herramientas
  • Machine Learning
  • Opinión
  • Productividad
  • Programación
  • Reseñas

Sobre de Analytics Lane

En Analytics Lane tratamos de explicar los principales conceptos de la ciencia e ingeniería de datos con un enfoque práctico. Los principales temas tratados son ciencia de datos, ingeniería de datos, inteligencia artificial, machine learning, deep learning y criptografía. Además, también se habla de los principales lenguajes de programación y herramientas utilizadas por los científicos e ingenieros de datos.

Copyright © 2018-2025 Analytics Lane ·Términos y condiciones ·Política de Cookies ·Política de Privacidad ·Herramientas de privacidad ·Contacto