# 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://test.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

- [Trazador de diferencia crítica Nemenyi y rangos Friedman](https://test.elysiatools.com/es/tools/nemenyi-critical-difference-friedman-rank-plotter): Pruebas de Friedman e Iman-Davenport con p-valores exactos, rangos promedio, la diferencia crítica de Nemenyi y el clásico diagrama CD con cliques — más una capa opcional Bonferroni-Dunn contra un modelo de control.
- [Coach de cycle time y throughput Kanban](https://test.elysiatools.com/es/tools/kanban-cycle-time-throughput-coach): Importa marcas de creado→iniciado→resuelto desde CSV (estilo Jira o simple) y obtén métricas de flujo como las leen los agile coaches: percentiles de lead/cycle time, edad del WIP, throughput por día/semana/mes, un diagrama de flujo acumulado y una verificación de la Ley de Little.
- [Analizador de Curtosis](https://test.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://test.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://test.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.
- [Analizador APNG de bloques IDAT/fdAT, replay deflate y métodos de disposición con temporización de fotogramas](https://test.elysiatools.com/es/tools/apng-idat-fdat-chunk-streaming-deflate-replay-and-disposal-method-analyzer): Sube un PNG/APNG y analiza su estructura de animación: firma PNG y verificación CRC32 por bloque, IHDR (profundidad/tipo de color/entrelazado), acTL (número de fotogramas y reproducciones, debe preceder al primer IDAT), fcTL (número de secuencia, restricción de región x+y+w+h ≤ lienzo, normalización delay_num/delay_den, dispose_op none/background/previous, blend_op source/over), primer fotograma IDAT + fotogramas fdAT; los números de secuencia compartidos fcTL+fdAT deben crecer de 1 en 1 desde 0; se reproduce el flujo deflate de cada fotograma comprobando que el tamaño descomprimido = alto × (1 + bytes por fila) y se informa del zlib dañado; la simulación de disposal avisa de un previous en el primer fotograma (se trata como background), fotogramas con retardo cero, etc.
- [Comprobador de seguridad auditiva](https://test.elysiatools.com/es/tools/audio-hearing-safety-checker): Estima el riesgo de exposición al sonido según NIOSH (85 dBA/8 h, intercambio 3 dB), OSHA (90 dBA/8 h, 5 dB) y la asignación semanal WHO-ITU H.870 — introduce nivel, duración y sesiones, o sube el audio que escuchas.
- [Simulador de firmas de umbral BLS (Boneh–Lynn–Shacham) + generación distribuida de claves](https://test.elysiatools.com/es/tools/bls-boneh-lynn-shacham-threshold-signature-aggregation-distributed-key-gen-simulator): Simula firmas BLS12-381 de extremo a extremo: ceremonias Joint-Feldman DKG, firmas de umbral t-de-n con interpolación de Lagrange, el ataque de clave perversa y su defensa por prueba de posesión, y la agregación de atestaciones de Ethereum 2.

## Ejemplos

- [Ejemplos de Procesamiento de Imágenes Android Java](https://test.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://test.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://test.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://test.elysiatools.com/es/samples/web-image-processing-rust): Ejemplos de procesamiento de imágenes Web Rust incluyendo lectura/escritura, escalado y conversión de formato
