Hipótesis nula y alternativa: qué son, cómo se formulan y ejemplos
Validado por: Equipo Tesis y Másters.
Índice del artículo
Pregunta: ¿Qué son la hipótesis nula y la hipótesis alternativa?
Respuesta: La hipótesis nula (H0) afirma que no hay efecto, diferencia o relación en la población; la hipótesis alternativa (H1) sostiene lo contrario y suele expresar lo que el investigador espera encontrar. En una prueba estadística se evalúa H0 con los datos: si la evidencia es suficiente se la rechaza en favor de H1; si no lo es, no se la rechaza, pero tampoco se la da por probada.
Cuando una tesis tiene un componente cuantitativo, tarde o temprano aparece la pregunta de cómo escribir las hipótesis estadísticas. Y ahí se cometen dos errores muy repetidos: invertir los papeles de H0 y H1, y concluir que un resultado «prueba» la hipótesis del investigador. Los dos se detectan rápido en una defensa.
En esta guía vas a ver qué es cada hipótesis, cómo se redactan a partir de la pregunta de investigación, cómo se decide entre ellas con el valor p y varios ejemplos que podés adaptar a tu trabajo.
Qué es la hipótesis nula (H0)
La hipótesis nula es el enunciado que se pone a prueba en un contraste estadístico. Afirma que no existe el efecto, la diferencia o la relación que se estudia: dos grupos tienen la misma media, una variable no se asocia con otra, un tratamiento no cambia el resultado.
Se la llama «nula» porque plantea el escenario de «no pasa nada» o de igualdad. Por eso, en su forma matemática, siempre contiene el signo igual (=, ≤ o ≥). Es el punto de partida contra el cual se comparan los datos, no la idea que el investigador quiere defender.
Qué es la hipótesis alternativa (H1)
La hipótesis alternativa es la afirmación que se acepta si los datos permiten rechazar la nula. Suele coincidir con lo que el investigador espera encontrar: que hay una diferencia, un efecto o una asociación. Se escribe H1 o Ha y nunca incluye la igualdad (usa ≠, < o >).
H0 y H1 son mutuamente excluyentes y, juntas, cubren todas las posibilidades. Si una es verdadera, la otra es falsa. Esa complementariedad es lo que permite tomar una decisión con los datos.
Antes de formularlas conviene tener clara la hipótesis de investigación, que es la conjetura conceptual del estudio. Si todavía estás en esa etapa, repasá qué es una hipótesis y qué funciones cumple en una investigación.
Cómo se relacionan: la lógica del contraste de hipótesis
El contraste funciona como un juicio con presunción de inocencia. Se supone que H0 es cierta y se mira si los datos observados serían muy improbables bajo ese supuesto. Si lo son, se rechaza H0. Si no lo son, se mantiene, no porque se haya demostrado sino porque no hubo evidencia suficiente en su contra.
Por eso las conclusiones correctas son sólo dos: «se rechaza H0» o «no se rechaza H0». Decir «se acepta H0» o «se demostró H1» es impreciso. El manual de métodos estadísticos del NIST lo formula en esos términos: la prueba se diseña para que el riesgo de rechazar la hipótesis nula cuando es verdadera sea pequeño.
Pruebas bilaterales y unilaterales
La forma de H1 define el tipo de prueba:
- Bilateral (dos colas): H1 dice que el parámetro es distinto de un valor, sin indicar dirección. Ejemplo: H0: μ = 500; H1: μ ≠ 500.
- Unilateral (una cola): H1 indica una dirección. Ejemplo: H0: μ ≥ 500; H1: μ < 500.
La elección tiene que justificarse antes de ver los datos y a partir del marco teórico. Cambiar de bilateral a unilateral después de mirar los resultados para «llegar» a la significación es una mala práctica.
Cómo formular H0 y H1 paso a paso
- Partí de la pregunta de investigación. Por ejemplo: ¿el uso de tutorías mejora el promedio de los estudiantes de primer año?
- Identificá las variables y el parámetro. Variable independiente: asistencia a tutorías; variable dependiente: promedio. El parámetro que se compara es la media de cada grupo. Si dudás de cuál es cuál, revisá estos ejemplos de variables dependientes e independientes.
- Escribí H1 con la expectativa del estudio. H1: la media de quienes asisten a tutorías es mayor que la de quienes no asisten (μ1 > μ2).
- Escribí H0 como su negación, con la igualdad. H0: la media de quienes asisten es igual o menor (μ1 ≤ μ2).
- Fijá el nivel de significación antes de analizar. Lo habitual es α = 0,05, aunque también se usan 0,01 y 0,10 según el área.
Un control útil: si tu H0 no tiene un signo igual, probablemente las invertiste.
Ejemplos de hipótesis nula y alternativa
Estos ejemplos cubren los contrastes más comunes en tesis de grado y posgrado:
| Situación | H0 | H1 | Prueba típica |
|---|---|---|---|
| Comparar una media con un valor de referencia | El tiempo medio de espera en la guardia es 30 minutos | El tiempo medio es distinto de 30 minutos | t de Student para una muestra |
| Comparar dos grupos | No hay diferencia en la ansiedad entre estudiantes que trabajan y que no trabajan | Hay diferencia en la ansiedad entre ambos grupos | t para muestras independientes o U de Mann-Whitney |
| Antes y después de una intervención | El taller no modifica el puntaje de comprensión lectora | El puntaje después del taller es mayor que antes | t para muestras relacionadas o Wilcoxon |
| Asociación entre variables categóricas | El nivel educativo y el uso de banca digital son independientes | El nivel educativo y el uso de banca digital están asociados | Chi cuadrado |
| Relación entre variables numéricas | No hay correlación entre horas de sueño y rendimiento (ρ = 0) | Hay correlación (ρ ≠ 0) | Pearson o Spearman |
La prueba concreta depende del tipo de variable, del diseño y de si se cumplen supuestos como la normalidad. En la guía de análisis de datos cuantitativos vas a encontrar cómo elegirla, y si trabajás con software estadístico te sirve el artículo sobre qué es SPSS y cómo se usa.
Cómo decidir: nivel de significación y valor p
La decisión se toma comparando el valor p con el nivel de significación α:
- Si p ≤ α: se rechaza H0. Los datos son poco compatibles con la hipótesis nula y el resultado se considera estadísticamente significativo.
- Si p > α: no se rechaza H0. No hay evidencia suficiente para afirmar H1 con ese nivel de riesgo.
El valor p es la probabilidad de obtener un resultado al menos tan extremo como el observado si H0 fuera cierta. No es la probabilidad de que H0 sea verdadera. La American Statistical Association lo aclaró en su declaración de 2016 sobre valores p, que además advierte que un valor p no mide el tamaño del efecto ni su importancia, y que las conclusiones no deberían basarse sólo en si se cruza un umbral.
En la práctica, eso significa que en tu capítulo de resultados conviene informar el valor p exacto junto con el tamaño del efecto y, cuando corresponda, el intervalo de confianza.
Cómo redactar la conclusión
Dos fórmulas correctas para el ejemplo de las tutorías:
Se rechaza la hipótesis nula (p = 0,012): el promedio de los estudiantes que asistieron a tutorías fue significativamente mayor que el de quienes no asistieron.
No se rechaza la hipótesis nula (p = 0,31): los datos no aportan evidencia suficiente de una diferencia en el promedio entre ambos grupos.
Errores tipo I y tipo II
Como la decisión se toma con una muestra, siempre existe el riesgo de equivocarse. Hay dos errores posibles:
| H0 es verdadera | H0 es falsa | |
|---|---|---|
| Se rechaza H0 | Error tipo I (probabilidad α) | Decisión correcta (potencia, 1 − β) |
| No se rechaza H0 | Decisión correcta | Error tipo II (probabilidad β) |
El error tipo I es un falso positivo: concluir que hay un efecto que no existe. El error tipo II es un falso negativo: no detectar un efecto real. Bajar α reduce el primero pero, con el mismo tamaño de muestra, aumenta el segundo. La forma de reducir ambos a la vez es aumentar el tamaño de la muestra.
Errores frecuentes al plantear las hipótesis en una tesis
- Invertir H0 y H1. Poner la expectativa del estudio en H0 y la igualdad en H1. La igualdad va siempre en la nula.
- Escribir «se acepta H0». No rechazar no equivale a demostrar que no hay efecto; puede deberse a una muestra chica.
- Formular hipótesis estadísticas en estudios que no las necesitan. Una investigación exploratoria o cualitativa puede no tener contraste; en ese caso leé el artículo sobre tesis sin hipótesis.
- Mezclar hipótesis de investigación y estadística. La primera se enuncia en lenguaje conceptual; H0 y H1 se expresan sobre parámetros medibles.
- Elegir la prueba unilateral después de ver los datos. La dirección se decide antes.
Para ver cómo encajan las hipótesis estadísticas con el resto de la clasificación, podés consultar los tipos de hipótesis en una investigación.
Cierre
La hipótesis nula y la alternativa son dos caras de una misma decisión: H0 plantea la igualdad y H1 lo que querés mostrar. Formularlas bien, fijar α antes de analizar e informar el valor p con su contexto hace que tus resultados sean defendibles. Si necesitás una segunda mirada sobre el planteo o el análisis, en Tesis y Másters ofrecemos asesoría en análisis estadístico para revisar tus hipótesis, elegir la prueba y leer los resultados.
Preguntas frecuentes
¿La hipótesis nula siempre tiene que ser lo contrario de lo que quiero probar?
Casi siempre, sí. La hipótesis nula expresa la ausencia de efecto o de diferencia, y lo que esperás encontrar va en la alternativa. Hay excepciones, como las pruebas de equivalencia, donde se invierte la lógica, pero en la mayoría de las tesis la regla práctica es que la igualdad va en H0.
¿Qué significa que un resultado no sea estadísticamente significativo?
Significa que el valor p superó el nivel de significación fijado y que no se pudo rechazar H0. No prueba que no exista efecto: puede que el efecto sea pequeño o que la muestra no haya sido suficiente para detectarlo. Por eso se recomienda informar también el tamaño del efecto y el intervalo de confianza.
¿Puede una tesis tener varias hipótesis nulas?
Sí. Cada contraste estadístico tiene su propio par H0 y H1, así que una tesis con varios objetivos específicos puede plantear varios. Cuando se hacen muchas pruebas sobre los mismos datos aumenta la probabilidad de algún falso positivo, y conviene consultar si corresponde aplicar una corrección por comparaciones múltiples.
¿Qué nivel de significación tengo que usar?
El más usado es 0,05, pero no es una regla universal. En algunas áreas se exige 0,01 y en estudios exploratorios se acepta 0,10. Lo importante es fijarlo antes del análisis, justificarlo en el marco metodológico y respetar lo que pida tu director o el reglamento de tu carrera.
Referencias bibliográficas
- National Institute of Standards and Technology (NIST) (s. f.). NIST/SEMATECH e-Handbook of Statistical Methods, 7.1.3. What are statistical tests?
- American Statistical Association (2016). American Statistical Association releases statement on statistical significance and p-values.
Artículos relacionados
¿Necesitas ayuda?
Solicitá tu presupuesto hoy
