7 – Pruebas Chi-cuadrado y Fisher para variables categóricas

Lección 7 del curso Estadística Inferencial No Paramétrica.

En la lección anterior vimos en qué consiste y cómo usar Python para aplicar la prueba de Dunn, la cual nos permite encontrar diferencias entre pares de grupos y que se aplica después de la prueba de Kruskal-Wallis, tras realizar comparaciones entre tres o más agrupaciones.

Así que hasta este punto del curso hemos visto las principales pruebas no paramétricas que nos permiten analizar desde el punto de vista estadístico variables individuales (como la prueba de Wilcoxon para una muestra), comparar pares de variables ( como en las pruebas U de Mann-Whitney y la prueba de Wilcoxon para muestras pareadas) o incluso múltiples variables (como lo son precisamente las pruebas de Kruskal-Wallis y de Dunn).

Sin embargo, todas estas pruebas se enfocan en variables numéricas. Pero en muchos problemas de Ciencia de Datos comúnmente encontraremos otro tipo de variables: las categóricas.

Así que para cuando queremos analizar variables categóricas tendremos que usar pruebas diseñadas específicamente para este tipo de datos. Entonces, en esta lección veremos qué son y cómo aplicar las pruebas Chi-cuadrado y Fisher, las dos pruebas estadísticas más usadas al momento de analizar variables categóricas.

Comencemos entendiendo qué son y cómo funcionan estas pruebas de Chi-cuadrado y Fisher:

En esencia estas dos pruebas nos permiten determinar si dos variables categóricas son independientes o si tienen algún tipo de asociación. Y ambas pruebas usan el conteo de frecuencias y la tabla de contingencia, calculada a partir de los datos, para calcular la estadística correspondiente.

Cuando tenemos relativamente pocos datos usamos la prueba de Fisher, mientras que lo más común es usar la prueba Chi-cuadrado.

Así que teniendo claro el principio de funcionamiento de esta prueba, veamos cómo usar Python para aplicar esta prueba a un problema en Ciencia de Datos:

Acabamos de ver lo sencillo que resulta realizar la prueba Chi-cuadrado usando Python y la librería «pingouin». En esencia la lógica es la misma vista en lecciones anteriores: primero diseñamos la prueba, luego usamos «pingouin» para obtener la estadística y el valor p y finalmente interpretamos los resultados obtenidos.

Así que en este punto ya tenemos claro qué es y cómo usar la prueba Chi-cuadrado cuando queramos realizar comparaciones sobre datos categóricos.

Entonces, en la próxima lección, la última de este curso, veremos en detalle la correlación de Spearman, que es similar a la correlación de Pearson vista anteriormente pero que funciona cuando queremos comparar variables ordinales o rangos dentro de dichas variables.

Todas las lecciones del curso Estadística Inferencial No Paramétrica