Análisis estadístico: prueba exacta de Fisher o prueba de chi-cuadrado?

Estoy tratando de hacer un análisis estadístico para una encuesta de usuario. El número total de encuestas a analizar es 59. Las variables de la encuesta se pueden definir como una variable categórica. Algunas de las tablas de contingencia para la encuesta tienen el siguiente aspecto:

2 1 11 13 0 32 11 9 1 14 23 1 13 7 23 15 

Estoy confundido sobre si usar la prueba de Fisher o la prueba de chi cuadrado. Como no todas las tablas son de matriz 2 * 2, así como algunas de las tablas tienen valores esperados menores a 5. (El número total de respuestas varía en cada tabla).

Si tengo que hacerlo uso la prueba de Fisher, yo uso la prueba F de dos muestras para varianzas en Excel. La solución por ese método da los siguientes términos. ¿Qué significan estos términos?

F P(F<=f) one-tail F Critical one-tail 

Por fin, ¿cuándo puedo rechazar la hipótesis nula en Excel?

Comentarios

• " Si tengo que usar la prueba de Fisher, uso la prueba F de dos muestras para varianzas en Excel. " – Lo ' lo siento, esto no tiene ningún sentido. ¿Por qué haría una prueba de dos muestras para ver las variaciones? Dijiste que querías hacer una prueba de Fisher (es decir, una prueba exacta de Fisher para tablas de contingencia). Ellos ' no son en absoluto lo mismo.
• Hay varias publicaciones sobre Fisher vs $ \ chi ^ 2 $, como este . Según @FrankHarrell, el requisito " $ \ geq 5 $ " es un mito. Hay otras en la lista de publicaciones relacionadas a la derecha de tu publicación.