# Calculadora chi cuadrado > ¿Hasta qué punto los recuentos coinciden con lo esperado? Pruebas de bondad de ajuste y de independencia con recuentos: χ², grados de libertad, valor p y recuentos esperados, en vivo. Contrasta recuentos con proporciones esperadas o una tabla de contingencia: χ², valor p, recuentos esperados y V de Cramér, con gráficos en vivo. - Page: https://how.box/es/chi-square/ - Runs entirely in the browser. - License: HowToolbox's own text and data (titles, explanations, FAQs, tool descriptions and schemas, this file) are CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/); AI training and answers are welcome. Attribute "HowToolbox (how.box)" with a link to the page used. Third-party data keeps its own terms; the name and logo are not licensed. Publisher: HowToolbox, contact@how.box. Terms: https://how.box/es/about/terms/ ## Inputs Answer link: https://how.box/es/chi-square/?t={t}&o={o}&e={e}&tab={tab}&a={a} - `t` (fit or independence): fit or independence. Example: `fit`. - `o` (text): Observed counts (fit). Example: `315 108 101 32`. - `e` (text): Expected proportions or counts (fit); empty for equal. Example: `9 3 3 1`. - `tab` (text): The table, one row per line (independence). Example: `10 20 30 40`. - `a` (number 0.1 to 50): Significance level in percent. Example: `5`. Example answer: https://how.box/es/chi-square/?t=fit&o=315+108+101+32&e=9+3+3+1&tab=10+20%0A30+40&a=5 A complete link carries the primary answer in the page HTML; a missing or invalid value shows the default page. ## Agent tools - `chi_square_calculate`: Pearson's chi-square tests of counts. - MCP, one POST to https://how.box/mcp: `{"jsonrpc":"2.0","id":1,"method":"tools/call","params":{"name":"chi_square_calculate","arguments":{"test":"fit","observed":"315 108 101 32","expected":"9 3 3 1","table":"10 20\n30 40","significance":5}}}` - GET: https://how.box/mcp/run/chi_square_calculate?test=fit&observed=315+108+101+32&expected=9+3+3+1&table=10+20%0A30+40&significance=5 ## How it works Una prueba chi cuadrado averigua si los recuentos difieren de lo que predice una hipótesis más de lo que explicaría el azar. Suma, en todas las categorías, la diferencia al cuadrado entre el recuento observado O y el esperado E, dividida entre E: χ² = Σ (O − E)² ÷ E. Cuanto mayor es χ², peor es el ajuste; el valor p es la probabilidad de obtener un χ² al menos así de grande si la hipótesis fuera cierta. En la bondad de ajuste, los recuentos esperados son el total por cada proporción esperada, y los grados de libertad son el número de categorías menos uno. Los 556 guisantes de Mendel, 315, 108, 101 y 32 frente a una razón 9 : 3 : 3 : 1, esperan 312,75, 104,25, 104,25 y 34,75, y dan χ² ≈ 0,47 con 3 grados de libertad y p ≈ 0,93: un ajuste muy bueno. En una tabla, si filas y columnas son independientes, cada casilla espera total de la fila × total de la columna ÷ total general, con (filas − 1)(columnas − 1) grados de libertad. El método sigue el NIST/SEMATECH e-Handbook of Statistical Methods. La prueba necesita recuentos de observaciones independientes, no porcentajes ni mediciones. La aproximación de χ² es dudosa cuando los recuentos esperados son pequeños (una regla habitual: todos de al menos 5); entonces conviene agrupar categorías o usar una prueba exacta. Un resultado significativo indica que los recuentos difieren, no por qué. ## FAQ **¿Qué diferencia hay entre bondad de ajuste e independencia?** La bondad de ajuste compara un conjunto de recuentos con proporciones esperadas fijas, como un dado equilibrado o una razón genética. La independencia pregunta si dos clasificaciones de los mismos sujetos, las filas y las columnas de una tabla, están relacionadas. **¿Puedo introducir porcentajes?** Como proporciones esperadas, sí: 25 25 50 funciona igual que 1 1 2. Los valores observados deben ser recuentos, porque la prueba depende de cuántas observaciones hay. **¿Un valor p pequeño significa una asociación fuerte?** No. Con una muestra grande, una asociación pequeña puede ser estadísticamente significativa. Usa la V de Cramér junto con el valor p para valorar la fuerza de una asociación en una tabla. **¿Un valor p grande demuestra que mis proporciones esperadas son correctas?** No. Significa que estos datos no aportan pruebas suficientes contra las proporciones esperadas al nivel de significación elegido. Una muestra pequeña puede no detectar una diferencia real. **¿Puedo contrastar medidas repetidas de las mismas personas?** No con esta prueba chi cuadrado ordinaria. Sus observaciones deben ser independientes; los datos categóricos pareados o repetidos necesitan un método pensado para esa dependencia. More: [HowToolbox index](https://how.box/llms.txt) · [Agent Skill](https://how.box/skill.md) · [agent terms](https://how.box/es/about/agents/)