Matemática

Calculadora Test Chi-Cuadrado de Independencia (χ²)🌎 Actualizado mayo de 2026

Calculadora Gratis · Privada
Revisado por: (política editorial ) · Última revisión:

El test chi-cuadrado de independencia evalúa si dos variables categóricas están asociadas. Compara las frecuencias observadas con las esperadas bajo independencia: χ² = Σ (O - E)² / E. Si χ² es grande, las variables probablemente están asociadas.

Última revisión: 18 de mayo de 2026 Revisado por Fuente: Pearson K. (1900) - On the criterion that a given system..., NIST Engineering Statistics Handbook 100% privado

Cuándo usar esta calculadora

  • Evaluar si dos variables categóricas están asociadas.
  • Analizar tablas de contingencia 2×2.
  • Resolver ejercicios de pruebas de hipótesis.
  • Analizar resultados de ensayos clínicos.
  • Evaluar efectividad de tratamientos vs control.

Ejemplo real: tratamiento nuevo vs placebo

  1. Datos: 100 pacientes, tabla 2×2: Tratamiento (sí/no) × Mejoría (sí/no).
  2. Observadas: a=30 (trat+mej), b=10 (trat+no mej), c=20 (placebo+mej), d=40 (placebo+no mej). Totales: fila1=40, fila2=60, col1=50, col2=50, n=100.
  3. Esperadas: E_a = (40×50)/100 = 20; E_b = (40×50)/100 = 20; E_c = (60×50)/100 = 30; E_d = 30.
  4. χ²: (30-20)²/20 + (10-20)²/20 + (20-30)²/30 + (40-30)²/30 = 5 + 5 + 3,33 + 3,33 = 16,67.
  5. Comparación: 16,67 >> 10,828 (p < 0,001).
  6. Conclusión: se rechaza H₀ de independencia.
Resultado: χ² = 16,67 con 1 gl → p < 0,001. Hay asociación muy significativa entre tratamiento y mejoría. El tratamiento nuevo se asocia con 3x más probabilidad de mejoría versus placebo.

Cómo funciona

1 min de lectura

Qué es el test χ²

El test chi-cuadrado de independencia fue desarrollado por Karl Pearson en 1900 y evalúa si dos variables categóricas están asociadas. Compara las frecuencias observadas (O) con las frecuencias esperadas (E) bajo la hipótesis de independencia: χ² = Σ (O − E)² / E.

Para una tabla 2×2 hay 1 grado de libertad (df = (r-1)(c-1)).

Valores críticos para significancia

Grados de libertadp < 0,05p < 0,01p < 0,001
1 (tabla 2×2)3,8416,63510,828
2 (tabla 2×3 / 3×2)5,9919,21013,816
37,81511,34516,266
4 (tabla 3×3)9,48813,27718,467

Regla: si χ² calculado > valor crítico, se rechaza H₀ (independencia), concluyendo que las variables están asociadas.

Cuándo usar / Errores comunes

  • Requisito: todas las frecuencias esperadas deben ser ≥ 5. Si alguna es menor, usar test exacto de Fisher (tablas 2×2) o colapsar categorías.

  • Muestra mínima recomendada: n ≥ 30.

  • Chi² no mide fuerza: para eso usar V de Cramér o Phi.

  • No implica causalidad: asociación estadística ≠ relación causal.

  • Variables ordinales: mejor usar Mantel-Haenszel o Kendall's tau-b si el orden importa.
  • Si tus datos son continuos y buscás asociación lineal, mirá la calculadora de correlación de Pearson.

    Preguntas frecuentes

    ¿Qué evalúa el test chi-cuadrado?

    Si la distribución de una variable categórica es independiente de otra. Si χ² es alto, las variables están asociadas.

    ¿Cuándo es significativo?

    Con 1 gl (tabla 2×2): χ² > 3,84 para p < 0,05. χ² > 6,63 para p < 0,01. χ² > 10,83 para p < 0,001.

    ¿Qué son los grados de libertad?

    Para tabla r×c: gl = (r-1)(c-1). Para 2×2: gl = 1. Para 3×3: gl = 4.

    ¿Cuándo no debo usarlo?

    Cuando alguna frecuencia esperada < 5. En ese caso, usá el test exacto de Fisher.

    ¿Qué es el p-valor?

    La probabilidad de observar un χ² tan extremo si las variables fueran realmente independientes. p < 0,05 → rechazás independencia.

    ¿Funciona para tablas más grandes que 2×2?

    Sí, pero esta calculadora solo soporta 2×2. La fórmula es la misma: Σ(O-E)²/E.

    ¿Es lo mismo que correlación?

    No. Chi-cuadrado evalúa asociación entre variables categóricas. La correlación mide relación lineal entre variables numéricas.

    ¿Cuándo usar / Errores comunes?

  • Requisito: todas las frecuencias esperadas deben ser ≥ 5. Si alguna es menor, usar test exacto de Fisher (tablas 2×2) o colapsar categorías. - Muestra mínima recomendada: n ≥ 30. - Chi² no mide fuerza: para eso usar V de Cramér o Phi. - No implica causalidad: asociación estadística ≠ relación causal. - Variables ordinales: mejor usar Mantel-Haenszel o Kendall's tau-b si el orden importa.
  • Fuentes y referencias

    Metodología y confianza

    Editorial

    Contenido revisado por el equipo editorial de Hacé Cuentas, con apego a nuestra política editorial y metodología de cálculo.

    Actualización

    Última revisión: 18 de mayo de 2026. Los parámetros fiscales, legales y datos se verifican periódicamente con las fuentes citadas.

    Privacidad

    Los cálculos corren 100% en tu navegador. No guardamos ni transmitimos tus datos. Leé nuestra política de privacidad.

    Limitaciones

    Resultados orientativos. Para decisiones financieras, médicas o legales críticas, consultá con un profesional.