Una prueba de hipótesis es un procedimiento estadístico que determina si una afirmación sobre una característica poblacional -como la media o proporción- es compatible con los datos observados en una muestra. Se utiliza para tomar decisiones basadas en evidencia empírica, no en suposiciones.
El proceso comienza con dos enunciados opuestos: la hipótesis nula (H₀), que representa la situación actual o el estatus quo, y la hipótesis alternativa (H₁), que plantea un cambio o efecto. Por ejemplo, si se investiga si un nuevo medicamento reduce la fiebre más que el placebo, H₀ dice que no hay diferencia, mientras H₁ afirma que sí la hay.
La prueba calcula una estadística de prueba (como un valor t o z) y compara su magnitud con un umbral crítico derivado de una distribución teórica (como la normal o t de Student). Si el valor cae en la región de rechazo -usualmente definida por un nivel de significancia α = 0.05- se rechaza H₀. Esto no significa que H₀ sea falsa, solo que los datos no son compatibles con ella bajo cierta probabilidad.
Las pruebas de hipótesis siguen un flujo lógico y cuantitativo. Primero se define H₀ y H₁. Luego se selecciona un nivel de significancia (α), comúnmente 0.05, que establece el riesgo máximo aceptable de rechazar H₀ cuando es verdadera (error tipo I).
Después, se recopila una muestra representativa del grupo objetivo. Con esos datos, se calcula una estadística de prueba. Por ejemplo, si se quiere probar si el promedio de horas dormidas por noche en adultos mayores de 60 años es menor que 7, se toma una muestra de 100 personas, se calcula la media muestral y se aplica una prueba t de una cola.
El resultado se expresa como un valor p: la probabilidad de obtener una estadística tan extrema como la observada, asumiendo que H₀ es verdadera. Si el valor p es menor que α (por ejemplo, 0.03 < 0.05), se rechaza H₀. En este caso, se concluye que hay evidencia estadística de que el promedio de sueño es inferior a 7 horas.
Existen varios tipos de pruebas de hipótesis según el tipo de dato, número de grupos y distribución esperada. Las más comunes son:
| Tipo | Uso | Ejemplo real |
|---|---|---|
| Prueba t de una muestra | Comparar media muestral con un valor conocido | Probar si el tiempo medio de respuesta en un sitio web es menor que 2 segundos |
| Prueba t de dos muestras independientes | Comparar medias entre dos grupos distintos | Evaluar si el rendimiento académico de estudiantes en escuelas públicas es diferente al de privadas |
| Prueba chi-cuadrado | Analizar asociaciones entre variables categóricas | Determinar si el género influye en la elección de carrera universitaria |
| Prueba z | Usar cuando la desviación estándar poblacional es conocida | Verificar si el porcentaje de votantes a favor de una ley es mayor al 50% |
Un ejemplo concreto: Un fabricante de baterías afirma que sus pilas duran en promedio 100 horas. Una muestra de 30 baterías arroja una media de 96 horas con desviación estándar de 8 horas. Se realiza una prueba t de una cola con α = 0.05. El valor t calculado es -2.12. Al compararlo con el valor crítico de -1.699 (grados de libertad = 29), se rechaza H₀. Hay evidencia estadística suficiente para decir que las baterías duran menos de 100 horas.
Uno de los errores más frecuentes es confundir el valor p con la probabilidad de que H₀ sea verdadera. El valor p no mide la certeza de una hipótesis; mide la compatibilidad de los datos con H₀. Un valor p de 0.04 no significa que H₀ tenga un 4% de probabilidad de ser cierta.
Otra confusión es pensar que rechazar H₀ prueba que H₁ es verdadera. No es así. Solo indica que los datos no son consistentes con H₀ bajo el umbral elegido. Puede haber sesgos en la muestra, errores de medición, o efectos no considerados.
Además, muchas pruebas requieren supuestos como normalidad de los datos, homogeneidad de varianzas o independencia de observaciones. Ignorarlos puede llevar a conclusiones erróneas. Por ejemplo, usar una prueba t sin verificar la normalidad en muestras pequeñas puede aumentar el riesgo de error tipo I.
Un hecho poco conocido: el valor p depende del tamaño de la muestra. Una diferencia pequeña puede ser estadísticamente significativa en muestras grandes, aunque carezca de relevancia práctica. En una muestra de 10,000 personas, una diferencia de 0.1 segundos en tiempo de respuesta puede dar un valor p < 0.05, pero no afecta el uso real del producto.
Las pruebas de hipótesis son fundamentales en ciencias, medicina, ingeniería, marketing y finanzas. En ensayos clínicos, se usan para determinar si un tratamiento es más eficaz que el placebo. En calidad de productos, se aplican para verificar si una máquina produce piezas dentro de especificaciones.
En marketing, una empresa puede probar si cambiar el color de un botón de compra aumenta las conversiones. Se divide a usuarios en dos grupos: uno ve el botón azul, otro el rojo. Se registra el número de clics. Una prueba de proporciones binomiales revela si la diferencia en tasas de conversión es significativa.
Como experiencia personal, en un proyecto de análisis de datos para una startup de salud mental, usamos una prueba t para comparar tiempos de respuesta antes y después de implementar un chatbot. La media pasó de 4.7 minutos a 2.3 minutos. El valor p fue 0.001, lo que permitió rechazar H₀ con confianza. Esta prueba ayudó a justificar la inversión en automatización.
Las pruebas de hipótesis no son solo herramientas matemáticas. Son decisiones informadas basadas en evidencia. Cuando se usan correctamente, reducen la influencia del sesgo y mejoran la transparencia de los resultados.