
Un método científico que propone una explicación tentativa y la evalúa mediante experimentos u observaciones.La prueba de hipótesis es un procedimiento formal en estadística para decidir si una explicación propuesta sobre una población está respaldada por los datos de una muestra. Se comienza con una hipótesis nula (a menudo 'sin efecto' o 'sin diferencia') y una hipótesis alternativa (lo que se sospecha que es cierto). El objetivo es evaluar cuán probable serían los datos observados si la hipótesis nula fuera verdadera, y luego rechazar o no rechazar la hipótesis nula basándose en esa probabilidad.
El marco fue desarrollado por Ronald Fisher en la década de 1920, con contribuciones posteriores de Jerzy Neyman y Egon Pearson que formalizaron las reglas de decisión y las tasas de error.
Se calcula un estadístico de prueba a partir de los datos, como un valor t o un valor chi-cuadrado, y se compara con una distribución esperada bajo la hipótesis nula. El valor p es la probabilidad de obtener un resultado al menos tan extremo como el observado, asumiendo que la hipótesis nula es cierta. Si el valor p es menor que un nivel de significancia preelegido (comúnmente 0.05), se rechaza la hipótesis nula, concluyendo que la evidencia favorece la hipótesis alternativa. El procedimiento equilibra dos tipos de errores: falsos positivos (error tipo I) y falsos negativos (error tipo II).
Se utiliza en todas las ciencias para validar resultados experimentales, desde ensayos clínicos que prueban la eficacia de fármacos hasta búsquedas en física de partículas de nuevas partículas, donde un umbral de 5 sigma corresponde a un valor p muy pequeño.
En física de partículas, el estándar para reclamar un descubrimiento es un valor p de aproximadamente 3×10⁻⁷, correspondiente a un efecto de 5 sigma, mucho más estricto que el 0.05 habitual en muchos otros campos.









