Interpretar los resultados clave para Tabulación cruzada y Chi-cuadrada

Complete los siguientes pasos para interpretar un análisis de tabulación cruzada. La salida clave incluye los conteos y los conteos esperados, los estadísticos de chi-cuadrada y los valores p.

En este tema

Paso 1: Determinar si la asociación entre las variables es estadísticamente significativa
Paso 2: Examinar las diferencias entre los conteos esperados y los conteos observados para determinar qué niveles de las variables pueden tener el mayor impacto sobre la asociación

Paso 1: Determinar si la asociación entre las variables es estadísticamente significativa

Utilice el valor p para determinar si puede o no puede rechazar la hipótesis nula, que indica que las variables son independientes.

Para determinar si las variables son independientes, compare el valor p con el nivel de significancia. Por lo general, un nivel de significancia (denotado como α o alfa) de 0.05 funciona adecuadamente. Un nivel de significancia de 0.05 indica un riesgo de 5% de concluir que existe una asociación entre las variables cuando no hay una asociación real.

Valor p ≤ α: Las variables tienen una asociación estadísticamente significativa (Rechazar H₀): Si el valor p es menor que o igual al nivel de significancia, usted rechaza la hipótesis nula y concluye que hay una asociación estadísticamente significativa entre las variables.
Valor p > α: No se puede concluir que las variables están asociadas (No se puede rechazar H₀): Si el valor p es mayor que el nivel de significancia, usted no puede rechazar la hipótesis nula, porque no hay suficiente evidencia para concluir que las variables están asociadas.

Prueba de chi-cuadrada

	Chi-cuadrada	GL	Valor p
Pearson	11.788	4	0.019
Relación de verosimilitud	11.816	4	0.019

Salida clave: Valor p

En estos resultados, el valor p es 0.019. Puesto que el valor p es menor que α, usted debe rechazar la hipótesis nula. Usted puede concluir que las variables están asociadas.

Paso 2: Examinar las diferencias entre los conteos esperados y los conteos observados para determinar qué niveles de las variables pueden tener el mayor impacto sobre la asociación

El conteo observado es el número real de observaciones en una muestra que pertenecen a una categoría.

El conteo esperado es la frecuencia que se esperaría en una celda, en promedio, si las variables fueran independientes. Minitab calcula los conteos esperados como el producto de los totales de fila y columna, dividido entre el número total de observaciones.

Al examinar las diferencias entre los conteos observados de celda y los conteos esperados de celda, podrá ver qué variables tienen las mayores diferencias, lo que podría indicar dependencia. Usted también puede comparar los residuos estandarizados para ver qué variables presentan la mayor diferencia entre los conteos esperados y los conteos reales en relación con el tamaño de la muestra.

Filas: Máquina Columnas: Columnas de la hoja de trabajo

	1er turno	2do turno	3er turno	Todo

1	48	47	48	143
	56.08	46.97	39.96
	-1.0788	0.0050	1.2726

2	76	47	32	155
	60.78	50.91	43.31
	1.9516	-0.5476	-1.7184

3	36	40	34	110
	43.14	36.13	30.74
	-1.0867	0.6443	0.5889

Todo	160	134	114	408

Resultados clave: Conteos, conteos esperados, residuos estandarizados

En esta tabla de tabulación cruzada, el conteo de celda es el primer número en cada celda, el conteo esperado es el segundo número en cada celda y el residuo estandarizado es el tercer número en cada celda. En estos resultados, el conteo esperado y el conteo observado más grandes son para el primer turno con la máquina 2, y el residuo estandarizado también es el más grande.