En este caso, si suponemos que hay independencia entre las variables (como corresponde a la hipótesis nula de ajuste al modelo que ahora interesa) resultará que la probabilidad de que un individuo de la muestra pertenezca a una casilla (fila f, columna c) debe ser igual a la "probabilidad" de pertenecer a la fila f multiplicado por la "probabilidad" de pertenecer a la columna c.
- Si representamos por T(f) el total de observaciones en la fila f; por T(c) el total de observaciones en la columna c y por N el número total de observaciones podemos escribir:


Entonces, bajo la hipótesis nula de independencia, la probabilidad p(f,c) de pertenecer a la casilla correspondiente a la fila f y la columna c se obtendrá multiplicando las dos anteriores y será:

Por lo tanto, la frecuencia esperada en cada casilla, Fesp(f,c), que se obtendrá multiplicando la probabilidad de pertenecer a la casilla por el número total de datos observados, será, como en el caso del test de homogeneidad:

Observemos, pues, que a pesar de que el planteamiento inicial "teórico" ha sido diferente del que hemos realizado en el apartado anterior, las frecuencias esperadas son las mismas. Puesto que para calcular las frecuencias esperadas utilizamos los mismos totales (de datos, por filas y por columnas) que en el caso anterior, también coincidirá el número de grados de libertad con que hay que aplicar la prueba de ji cuadrado.
No habrá, pues, ninguna diferencia en la aplicación práctica del test. Lo que variará será el "comentario" que podremos hacer de acuerdo con las variables estudiadas y del papel que realicen unas respecto a las otras.
Acabaremos con un ejemplo didáctico (no le busquéis la finalidad estadística) de la aplicación de la prueba desde un punto de vista "manual". Puesto que no siempre se tiene el ordenador, también conviene conocer este procedimiento, que será diferente del que hay que adoptar cuando se trabaja con los programas informáticos.