Queremos conocer si hay diferencias en el contexto que utiliza el sexo masculino respecto al sexo femenino.

## Warning in chisq.test(x): Chi-squared approximation may be incorrect
## 
##  Pearson's Chi-squared test
## 
## data:  x
## X-squared = 18.087, df = 2, p-value = 0.0001182

Se obtiene un p-valor de 9.759e-12 (menor a 0.05) luego rechazamos la hipótesis nula de que no hay diferencias en el número de atacantes utilizados según el genero.

## Loading required package: grid
##                     X^2 df   P(> X^2)
## Likelihood Ratio 20.348  2 3.8144e-05
## Pearson          18.087  2 1.1816e-04
## 
## Phi-Coefficient   : NA 
## Contingency Coeff.: 0.141 
## Cramer's V        : 0.142

Se han obtenido resultados significativos e interesa conocer en qué niveles de la variable se han encontrado las relaciones.

Pruebas post hoc

Primera opción: ver los valores residuales de Pearson. Los valores residuales son las diferencias entre los valores observados y esperados, y si estos se dividen por la raíz de los esperados se obtienen los residuales de Pearson. Estos valores se estandarizan y se pueden comparar con la normal (por ejemplo, si supera 1.96 es significativo a un nivel de 0.05)

## Warning in chisq.test(x): Chi-squared approximation may be incorrect

residuales

##            contexto
## genero      inferiodidad   igualdad superioridad
##   masculino    0.6283787 -2.6736957   -1.2247449
##   femenino    -0.6283787  2.6736957    1.2247449

residuales ajustados

##            contexto
## genero      inferiodidad  igualdad superioridad
##   masculino     4.205915 -3.861752    -1.734958
##   femenino     -4.205915  3.861752     1.734958

Esta opción permite ver de manera visual (y no muy exacta) qué valores tienen más peso en el estadístico.

Segunda opcion: partir la tabla en varias tablas 2x2 y para cada una calcular una prueba \(\chi^2\) de Pearson corrigiendo la significación.

Para corregir la significación se puede utilizar Bonferroni dividiendo el nivel de significación \(\alpha\) entre el número de comparaciones k que se realizan. Se utiliza un valor de k menos restrictivo (Agresti, 2002; Anderson, 2014; University, 2014), es decir, un valor que no reduzca tanto el nivel de significación (DeVries, 2007).

\[k = \frac{{r*c}}{4}\]

El valor de alfa es \(\frac{\alpha }{k}\)

## [1] 0.01666667

con el género y las categoría inferioridad-igualdad del tipo de marcaje

##            contexto
## genero      inferiodidad igualdad
##   masculino          441        7
##   femenino           415       30
## 
##  Pearson's Chi-squared test with Yates' continuity correction
## 
## data:  marcaje12
## X-squared = 13.801, df = 1, p-value = 0.0002032

con el género y las categorías inferioridad-superioridad del del tipo de marcaje

##            contexto
## genero      inferiodidad superioridad
##   masculino          441            0
##   femenino           415            3
## Warning in chisq.test(marcaje13): Chi-squared approximation may be
## incorrect
## 
##  Pearson's Chi-squared test with Yates' continuity correction
## 
## data:  marcaje13
## X-squared = 1.4487, df = 1, p-value = 0.2287

con el género y las categorías igualdad-superioridad del del tipo de marcaje

##            contexto
## genero      igualdad superioridad
##   masculino        7            0
##   femenino        30            3
## Warning in chisq.test(marcaje23): Chi-squared approximation may be
## incorrect
## 
##  Pearson's Chi-squared test with Yates' continuity correction
## 
## data:  marcaje23
## X-squared = 0.00156, df = 1, p-value = 0.9685