Respuesta corta: si te preguntas qué es una hipótesis nula y alternativa, la nula (H0) afirma que no hay efecto, diferencia o relación en la población; la hipótesis alternativa (H1) afirma que sí lo hay. En un contraste estadístico se parte de H0 y se decide, con los datos y un nivel de significación fijado de antemano (habitualmente 0,05), si hay evidencia suficiente para rechazarla.
Casi cualquier TFG o TFM cuantitativo acaba con una tabla de resultados que dice «p < 0,05» y una frase del tipo «se rechaza la hipótesis nula». Para escribir esa frase con seguridad, y para defenderla ante el tribunal, necesitas entender qué es cada hipótesis, cómo se formulan y qué significa exactamente rechazar o no rechazar. Esta guía lo explica con ejemplos aplicados a los diseños más habituales.
Qué es una hipótesis nula y alternativa: definición
Un contraste de hipótesis es un procedimiento para decidir, a partir de una muestra, si los datos son compatibles con una afirmación sobre la población. Esa afirmación de partida es la hipótesis nula. El manual de estadística del NIST lo describe así: un test estadístico proporciona un mecanismo para tomar decisiones cuantitativas y determinar si hay evidencia suficiente para rechazar una conjetura, que recibe el nombre de hipótesis nula; puedes consultarlo en el NIST/SEMATECH e-Handbook of Statistical Methods.
| Hipótesis nula (H0) | Hipótesis alternativa (H1 o Ha) | |
|---|---|---|
| Qué afirma | No hay diferencia, efecto o relación | Sí hay diferencia, efecto o relación |
| Cómo se escribe | Con igualdad: μ1 = μ2, ρ = 0 | Con desigualdad: μ1 ≠ μ2, μ1 > μ2, ρ ≠ 0 |
| Papel en el contraste | Se asume verdadera para calcular el estadístico | Es lo que se acepta si se rechaza H0 |
| Qué decides sobre ella | Rechazarla o no rechazarla | Nunca se «demuestra» directamente |
El marco de dos hipótesis enfrentadas y de los errores que se pueden cometer al decidir procede del trabajo de Jerzy Neyman y Egon Pearson, «On the problem of the most efficient tests of statistical hypotheses», publicado en 1933 en Philosophical Transactions of the Royal Society of London, Series A (DOI 10.1098/rsta.1933.0009).
Bilateral o unilateral
La hipótesis alternativa puede ser de dos tipos, y elegir uno u otro cambia el contraste:
- Bilateral (de dos colas): H1 dice que hay diferencia, sin indicar en qué dirección (μ1 ≠ μ2). Es la opción por defecto y la más prudente.
- Unilateral (de una cola): H1 indica la dirección (μ1 > μ2 o μ1 < μ2). Solo se justifica si la teoría o los estudios previos predicen claramente esa dirección y si un resultado en la dirección contraria no te interesaría.
El manual del NIST lo ilustra con un ejemplo industrial: si se quiere comprobar que unas fotomáscaras tienen una anchura de línea media de 500 micrómetros, la nula es que la media es 500 y la alternativa, que es distinta, en las dos direcciones; si se quiere asegurar que unas bombillas duran al menos 500 horas, la nula es que la duración media es igual o superior a 500 y la alternativa, que es inferior. Decide el tipo de hipótesis antes de ver los datos y justifícalo en la metodología.
Ejemplos por tipo de estudio
Los ejemplos de esta sección son ilustrativos: adáptalos a tus variables y a tu población.
| Diseño | Hipótesis nula (H0) | Hipótesis alternativa (H1) | Prueba habitual |
|---|---|---|---|
| Comparar dos grupos | La media de ansiedad ante los exámenes es igual en estudiantes de primer y de cuarto curso | La media de ansiedad difiere entre primer y cuarto curso | t de Student o U de Mann-Whitney |
| Antes y después | La puntuación de comprensión lectora no cambia tras el programa | La puntuación cambia tras el programa | t para muestras relacionadas o Wilcoxon |
| Relación entre variables | No existe correlación entre horas de sueño y rendimiento académico (ρ = 0) | Existe correlación (ρ ≠ 0) | Pearson o Spearman |
| Asociación entre categorías | El tipo de contrato es independiente de la intención de abandono | El tipo de contrato y la intención de abandono están asociados | Chi cuadrado |
| Más de dos grupos | La satisfacción media es igual en los tres turnos | Al menos un turno difiere | ANOVA o Kruskal-Wallis |
Observa que la hipótesis alternativa del ANOVA no dice que «todos los grupos son distintos», sino que al menos uno lo es; para saber cuál, necesitarás comparaciones posteriores.
Cómo se decide: nivel de significación y valor p
El procedimiento tiene cuatro pasos:
- Fijas el nivel de significación (α) antes de analizar. El manual del NIST indica que la elección es en parte arbitraria y que en la práctica son comunes 0,1, 0,05 y 0,01; un α de 0,05 implica que la hipótesis nula se rechaza el 5 % de las veces cuando en realidad es verdadera. En la mayoría de TFG y TFM se usa 0,05.
- Calculas el estadístico de contraste con tus datos (t, F, chi cuadrado, r…), con el programa que elijas; si dudas entre opciones, compara R y Python para la tesis.
- Obtienes el valor p: la probabilidad de obtener un estadístico al menos tan extremo como el observado si la hipótesis nula fuera cierta.
- Decides: si p ≤ α, rechazas H0; si p > α, no la rechazas.
El valor p se malinterpreta con mucha frecuencia. La Asociación Americana de Estadística (ASA) publicó en 2016 una declaración con seis principios, recogida por Wasserstein y Lazar en The American Statistician (DOI 10.1080/00031305.2016.1154108). Entre ellos: el valor p no mide la probabilidad de que la hipótesis estudiada sea verdadera, las conclusiones no deberían basarse solo en si el valor p supera un umbral, un valor p o la significación estadística no miden el tamaño de un efecto ni la importancia de un resultado, y la inferencia adecuada exige informar de todo con transparencia. Puedes leer la declaración completa en el PDF de la ASA.
Consecuencia práctica para tu TFG: junto al valor p, informa siempre del tamaño del efecto (por ejemplo, d de Cohen o r) y, si puedes, de un intervalo de confianza.
Ejemplo resuelto (ilustrativo)
Una estudiante de Psicología compara la ansiedad ante los exámenes entre 60 estudiantes de primer curso y 60 de cuarto. Formula H0: μ1 = μ2 y H1: μ1 ≠ μ2, con α = 0,05. Tras comprobar los supuestos, aplica una t de Student para muestras independientes y obtiene p = 0,012. Como 0,012 es menor que 0,05, rechaza H0 y concluye que la ansiedad media difiere entre cursos. Después informa del tamaño del efecto y de la dirección de la diferencia. Si hubiera obtenido p = 0,21, escribiría que no se encontró evidencia suficiente para rechazar H0, no que «se demostró que no hay diferencias».
Error tipo I y error tipo II
| Decisión Realidad | H0 es verdadera | H0 es falsa |
|---|---|---|
| Rechazas H0 | Error tipo I (probabilidad α) | Decisión correcta (potencia, 1 − β) |
| No rechazas H0 | Decisión correcta | Error tipo II (probabilidad β) |
El error tipo I es un «falso positivo»: concluir que hay efecto cuando no lo hay. El error tipo II es un «falso negativo»: no detectar un efecto que existe. Con muestras pequeñas, el riesgo de error tipo II aumenta, por eso es tan importante calcular bien el tamaño muestral; tienes el procedimiento en nuestra guía de tamaño de muestra de una encuesta.
Cómo redactarlas en tu TFG o TFM
En la memoria, las hipótesis estadísticas suelen aparecer en dos sitios:
- En el planteamiento o la metodología, como hipótesis de investigación en lenguaje natural («Se espera que la ansiedad ante los exámenes sea mayor en primer curso que en cuarto»), derivadas de la teoría.
- En el análisis de datos, como hipótesis estadísticas formales (H0 y H1), junto con la prueba elegida y el nivel de significación.
Mantén la coherencia: cada hipótesis de investigación debe traducirse en un par H0/H1 concreto y en una prueba. Si necesitas repasar cómo derivar hipótesis de la teoría, tienes una guía completa sobre cómo formular hipótesis y preguntas de investigación, si trabajas en Ciencias de la Salud, la de la pregunta PICO, y si estás empezando el trabajo de máster, la de cómo hacer la introducción de un TFM te ayuda a presentarlas desde el principio.
En resultados, una redacción correcta tiene esta forma: prueba aplicada, estadístico con sus grados de libertad, valor p, tamaño del efecto y decisión. Por ejemplo, de forma ilustrativa: «La prueba t para muestras independientes mostró diferencias significativas entre cursos, t(118) = 2,56, p = 0,012, d = 0,47; se rechaza la hipótesis nula».
¿Y si mi TFG es cualitativo?
Las hipótesis nula y alternativa pertenecen al contraste estadístico, así que solo tienen sentido cuando analizas datos cuantitativos con una prueba. En un TFG cualitativo (entrevistas, grupos focales, análisis de documentos, estudio de caso) no se formulan H0 y H1: se trabaja con preguntas de investigación y, a veces, con supuestos o proposiciones de partida que el análisis permite matizar. Forzar hipótesis estadísticas en un diseño cualitativo es un error que los tribunales detectan enseguida.
En los diseños mixtos, en cambio, puedes tener ambas cosas: hipótesis estadísticas para la fase cuantitativa y preguntas abiertas para la cualitativa. En ese caso, deja claro en la metodología qué parte del estudio responde a cada una.
Tampoco todos los estudios cuantitativos necesitan hipótesis. Un estudio puramente descriptivo, que solo pretende estimar porcentajes o medias en una población, puede plantearse con objetivos descriptivos sin contraste. Las hipótesis aparecen cuando comparas grupos, relacionas variables o evalúas el efecto de una intervención.
Errores frecuentes
- «Aceptar» la hipótesis nula. Lo correcto es «no se rechaza»: la ausencia de evidencia no es evidencia de ausencia.
- Decir que p es la probabilidad de que H0 sea cierta. No lo es; es la probabilidad de datos tan extremos si H0 fuera cierta.
- Elegir una hipótesis unilateral después de ver los datos para que el resultado sea significativo.
- Confundir significación con importancia. Con muestras grandes, diferencias minúsculas pueden ser significativas; por eso hay que informar del tamaño del efecto.
- Formular H0 con desigualdad. La nula contiene siempre la igualdad (=, ≤ o ≥).
- Multiplicar contrastes sin control. Si haces muchas comparaciones, aumenta la probabilidad de algún falso positivo; coméntalo con tu tutor y valora correcciones.
- Olvidar los supuestos. Antes de una prueba paramétrica, comprueba normalidad y homogeneidad de varianzas, o usa una alternativa no paramétrica. Y si mides con escalas, revisa también la fiabilidad con nuestra guía del alfa de Cronbach.
Del planteamiento a los resultados
Tesify te ayuda a estructurar tu TFG o TFM y a mantener alineadas las hipótesis del planteamiento con los análisis y las conclusiones mientras redactas. Lo usan más de 9.000 estudiantes, que han trabajado más de 15.000 capítulos, y el texto es 100 % escrito por ti.
Preguntas frecuentes
¿Qué es una hipótesis nula?
Es la afirmación de partida de un contraste estadístico, que sostiene que no hay diferencia, efecto o relación en la población. Se representa como H0 y se escribe con igualdad.
¿Qué es una hipótesis alternativa?
Es la afirmación contraria a la nula: sostiene que sí hay diferencia, efecto o relación. Se representa como H1 o Ha y puede ser bilateral o unilateral.
¿Se acepta la hipótesis nula si p es mayor que 0,05?
No se acepta: se dice que no se rechaza. Significa que los datos no aportan evidencia suficiente contra ella, no que se haya demostrado que es cierta.
¿Qué nivel de significación se usa en un TFG?
Lo más habitual es 0,05, aunque también se usan 0,01 y 0,1. Debe fijarse antes de analizar los datos y declararse en la metodología.
¿El valor p indica la probabilidad de que mi hipótesis sea cierta?
No. Según la declaración de la ASA de 2016, el valor p no mide la probabilidad de que la hipótesis estudiada sea verdadera.
¿Cuándo uso una hipótesis unilateral?
Solo cuando la teoría o los estudios previos predicen claramente la dirección del efecto y lo decides antes de ver los datos.
¿Qué diferencia hay entre error tipo I y tipo II?
El tipo I es rechazar una nula verdadera (falso positivo); el tipo II es no rechazar una nula falsa (falso negativo).
¿Qué más debo informar además del valor p?
El estadístico con sus grados de libertad, el tamaño del efecto y, si es posible, el intervalo de confianza.
Organiza tu TFG con Tesify y presenta tus hipótesis y resultados con la coherencia que espera el tribunal.
Escribe tu TFG o tesis con IA
Pasa de la teoría a tu documento terminado
Tesify estructura, redacta y formatea tu TFG, TFM o tesis en normas APA y Vancouver, con bibliografía automática y verificación antiplagio integrada. Regístrate gratis, sin tarjeta.
Deja una respuesta