Cómo funciona la prueba G
En cada celda se compara la frecuencia observada O con la esperada bajo independencia, E = total de fila × total de columna ÷ n. G es dos veces la suma de O · ln(O ÷ E), es decir, el doble de la diferencia de log-verosimilitud entre el modelo saturado y el de independencia.
- G = 2 Σ O · ln(O ÷ E); las celdas con O = 0 aportan 0.
- Grados de libertad = (f − 1)(c − 1), igual que en la ji cuadrado.
- Los valores de G son aditivos, lo que permite descomponer modelos anidados.
Ejemplo
Con la tabla inicial [[20, 30], [30, 20]] (n = 100), la prueba G da G = 4,03, gl = 1, p = 0,045. La ji cuadrado de Pearson da χ² = 4,00, p = 0,046: prácticamente lo mismo, como cabe esperar en una tabla bien poblada.
Cuándo usarla y cuándo no
G y la ji cuadrado responden a la misma pregunta; G es habitual en biología y en modelos log-lineales, la ji cuadrado en investigación de mercados.
- Contrastar independencia en tablas de cualquier tamaño.
- Hacer comparables los resultados con modelos log-lineales o logísticos.
- No con frecuencias esperadas muy pequeñas: entonces es mejor la prueba exacta de Fisher.
- No para mediciones pareadas de las mismas personas.