# Tutor de tablas de contingencia: chi-cuadrado, Fisher exacto, Cramér's V Prueba de hipótesis paso a paso para tablas 2×2 y R×C: chi-cuadrado de Pearson, corrección de continuidad de Yates, prueba G (razón de verosimilitudes), Fisher exacto cuando hay esperadas pequeñas, tamaños de efecto (V de Cramér / phi / coeficiente de contingencia), residuos ajustados de Haberman para localizar celdas, aviso BH-FDR de comparaciones múltiples y estimación opcional de Chapman (captura-recaptura). > Página canónica: https://elysiatools.com/es/tools/contingency-table-chi-square-fisher-exact-cramer-v-tutor - **Categoría:** Data Analysis - **Palabras clave:** chi cuadrado, tabla de contingencia, fisher exacto, v de cramer, yates, prueba g ## Descripción general Fórmulas y métodos numéricos: χ² = Σ(O−E)²/E (E = total fila × total columna / N, df=(R−1)(C−1)); Yates solo 2×2: Σ(|O−E|−0.5)²/E; G = 2ΣO·ln(O/E) (términos O=0 valen 0). El valor p usa la gamma incompleta regularizada Q(k/2, χ²/2) (serie y fracción continua, precisión ~1e-7; identidades de autocomprobación df=1 → erfc(√(χ²/2)), df=2 → e^(−χ²/2)). Fisher exacto 2×2 con lgamma (Lanczos g=7) y convención SciPy a dos colas (suma de tablas con P ≤ P_observada); referencia: experimento del té [[3,1],[1,3]] → p = 34/70 = 0.4857. Efectos: V = √(χ²/(N·min(R−1,C−1))), phi = √(χ²/N) (2×2), C = √(χ²/(χ²+N)); umbrales de Cohen 0.1/0.3/0.5. Residuos ajustados d = (O−E)/√(E(1−p_fila)(1−p_col)), |d|>1.96 (α=.05) / >2.58 (α=.01) con aviso BH-FDR. Regla de Cochran: todas E ≥ 5 (o ≤20% de celdas con E<5 y ninguna <1); si no, Fisher/simulación. Chapman opcional (2×2): N̂ = (a+1)(b+1)/(c+1) − 1. Vectores: [[30,20],[20,30]] → χ²=4, p=0.0455, Yates 3.24, G=4.0271, V=0.2, residuos ±2. ## Entradas - **Tabla de contingencia (filas por línea, celdas separadas por coma/espacio/tab)** (textarea): 30, 20 20, 30 - **Corrección de continuidad de Yates** (select) - **Nivel de significancia α** (number) - **Estimador de captura-recaptura de Chapman (2×2)** (checkbox): For 2×2 mark-recapture data: N̂ = (a+1)(b+1)/(c+1) − 1. ## Cuándo usarlo - Cuando necesitas comprobar si dos variables categóricas son independientes. - Cuando una tabla 2×2 contiene recuentos pequeños y debes valorar la prueba exacta de Fisher. - Cuando quieres medir la intensidad de la asociación y localizar las celdas que más contribuyen al resultado. ## Cómo funciona - Introduce las filas de la tabla con valores separados por comas, espacios o tabuladores; usa una línea por fila. - La herramienta calcula las frecuencias esperadas y aplica el chi-cuadrado de Pearson, con Yates en tablas 2×2 según la configuración elegida. - También calcula la prueba G, el valor p, los grados de libertad, los tamaños de efecto y los residuos ajustados de Haberman. - Si las frecuencias esperadas son pequeñas, informa de la recomendación de Fisher exacto; en tablas 2×2 también puedes activar el estimador de Chapman. ## Casos de uso - Evaluar la relación entre dos variables categóricas en estudios de mercado, encuestas o investigación social. - Comparar respuestas observadas y esperadas en tablas de frecuencia con varias filas y columnas. - Analizar datos 2×2 de captura-recaptura mediante el estimador opcional de Chapman. ## Preguntas frecuentes ### ¿Qué formato debe tener la tabla? Escribe una fila por línea y separa las celdas con comas, espacios o tabuladores. Por ejemplo: "30, 20\n20, 30". ### ¿Cuándo recomienda Fisher exacto? Cuando no se cumple adecuadamente la regla de Cochran, especialmente si hay frecuencias esperadas menores que 5 o alguna menor que 1. ### ¿Qué hace la corrección de Yates? Ajusta el chi-cuadrado de continuidad en tablas 2×2. Puede aplicarse automáticamente, siempre o nunca. ### ¿Qué significa V de Cramér? Es una medida de la intensidad de la asociación entre variables categóricas. Sus referencias habituales son 0,1, 0,3 y 0,5. ### ¿Para qué sirven los residuos ajustados? Ayudan a identificar las celdas cuya frecuencia observada se aleja más de la esperada, con umbrales de significación indicados. ## Herramientas relacionadas - [Analizador de Curtosis](https://elysiatools.com/es/tools/kurtosis-analyzer): Analizar la curtosis de los datos para medir la "colas" de la distribución y detectar patrones de colas pesadas o ligeras - [Divisor train/test con estratificación](https://elysiatools.com/es/tools/train-test-split-with-stratification): Lee un dataset CSV/JSON y divide en train/validation/test con muestreo estratificado por la columna objetivo (70/15/15 por defecto, semilla reproducible), o valida con k-fold estratificado; incluye informe de distribución de clases por split con barras de desviación, comprobación de fugas por filas duplicadas, vista previa de SMOTE (interpolación de vecinos sobre el split de train) y exportación de los CSV en ZIP. - [Generador de ideas de dominios con IA](https://elysiatools.com/es/tools/ai-domain-name-idea-generator): Introduce palabras clave de marca y la IA genera hasta 10 ideas de dominio, filtrando los ya registrados con DNS + RDAP. Para emprendedores y desarrolladores. - [Cirujano de filas CSV malformadas](https://elysiatools.com/es/tools/csv-malformed-row-surgeon): Repara quirúrgicamente filas CSV malformadas una a una: comillas no escapadas (sueltas), delimitadores mixtos (tabulador/punto y coma/coma en el mismo archivo), encabezados con BOM, finales de línea CRLF/CR y líneas vacías finales. El cirujano analiza de forma tolerante, muestra un diff rojo/verde fila por fila de cada cambio realizado (antes → después, con la razón de la reparación etiquetada), lista las filas aceptadas sin cambios y emite el CSV limpio. La reparación opcional con IA puede revisar las filas sospechosas después de la pasada determinista. Complementa al Validador CSV (que solo reporta problemas) reparando realmente las filas dañadas. - [Calculadora de Densidad (ρ = m/V)](https://elysiatools.com/es/tools/density-calculator): Calcula densidad, masa o volumen a partir de los otros dos, con gravedad específica y flotación - [Tutor de Análisis Dimensional y Cancelación de Unidades](https://elysiatools.com/es/tools/dimensional-analysis-unit-cancellation-tutor): Descompone conversiones en cancelación factor-label paso a paso: muestra cómo se anulan unidades en numerador/denominador, detecta factores invertidos y da feedback didáctico ante inconsistencias o respuestas incorrectas. - [Linter de Dockerfile (conjunto de reglas Hadolint)](https://elysiatools.com/es/tools/dockerfile-linter): Pega un Dockerfile y ejecuta análisis estático estilo Hadolint sin daemon de Docker: etiquetas de imagen base, USER root, sudo, higiene de apt/apk/yum/dnf, fijado de versiones de npm/pip/yarn, ADD vs COPY, fusión de capas, pipefail, puertos EXPOSE, secretos en ENV y más de 30 reglas clasificadas por severidad con línea, motivo y ejemplo de corrección, más una vista del código anotada línea a línea. - [Comparador de algoritmos hash](https://elysiatools.com/es/tools/hash-algorithm-comparator): Aplica MD5, SHA-1, SHA-256, SHA-512, BLAKE2b y BLAKE3 a la misma entrada y compáralos lado a lado: longitud de salida, digest hex/Base64, estado de seguridad (roto/moderno) y benchmark de velocidad relativa. Útil para enseñanza, elegir algoritmo o verificar checksums. ## Ejemplos - [Ejemplos de Procesamiento de Imágenes Android Java](https://elysiatools.com/es/samples/android-image-processing-java): Ejemplos de procesamiento de imágenes Android Java incluyendo lectura/escritura, escalado y conversión de formato - [Ejemplos de Procesamiento de Imágenes Android Kotlin](https://elysiatools.com/es/samples/android-image-processing-kotlin): Ejemplos de procesamiento de imágenes Android Kotlin incluyendo lectura/escritura, escalado y conversión de formato - [Ejemplos de Procesamiento de Imágenes Web Python](https://elysiatools.com/es/samples/web-image-processing-python): Ejemplos de procesamiento de imágenes Web Python usando PIL/Pillow incluyendo lectura, guardado, redimensionamiento y conversión de formato - [Ejemplos de Procesamiento de Imágenes Web Rust](https://elysiatools.com/es/samples/web-image-processing-rust): Ejemplos de procesamiento de imágenes Web Rust incluyendo lectura/escritura, escalado y conversión de formato ## Contenido relacionado - [Herramientas de validación de identificadores, configuración y entradas](https://elysiatools.com/es/hubs/validation-validate): Compara validadores de email, teléfono, IP, fechas, cron, códigos de barras, datos de pago y archivos env en un solo hub para entradas reales. - [Validadores de formato para identificadores, direcciones y codigos](https://elysiatools.com/es/hubs/validation-format): Herramientas reunidas para validacion de formato de identificadores, direcciones, cuentas y codigos en un solo hub. - [Herramientas de validación de JSON Schema y contratos API](https://elysiatools.com/es/hubs/json-validate): Compara validación de JSON Schema, comprobaciones de respuesta OpenAPI, mutation testing, stress testing y detección de cambios incompatibles en un solo hub para revisión de contratos API. - [Herramientas de validacion de contacto, codigo postal y envios](https://elysiatools.com/es/hubs/contact-shipping-validation): Valida correos, telefonos, codigos postales, prefijos internacionales y numeros de seguimiento en un solo hub para flujos de registro, checkout y entrega.