Preguntar cuán improbable serían los datos si no hubiera efecto — el marco en el que se declaran los descubrimientos.La prueba de hipótesis nula es un marco estadístico utilizado para decidir si un efecto observado en los datos es real o podría deberse plausiblemente al azar. La 'hipótesis nula' generalmente establece que no hay efecto, diferencia o relación — por ejemplo, que un nuevo fármaco no funciona mejor que un placebo. La prueba pregunta: si la hipótesis nula fuera cierta, ¿qué tan improbable sería observar datos al menos tan extremos como los realmente observados? Si esa improbabilidad cae por debajo de un umbral preestablecido (comúnmente 5%), los investigadores declaran el resultado 'estadísticamente significativo' y rechazan la hipótesis nula en favor de una alternativa.
El marco fue formalizado a principios del siglo XX por Ronald Fisher, quien introdujo el concepto de prueba de significancia en la década de 1920, y luego fue ampliado por Jerzy Neyman y Egon Pearson con la hipótesis alternativa y los tipos de error.
El procedimiento comienza asumiendo que la hipótesis nula es verdadera. A partir de esta suposición, se deriva una distribución de probabilidad para un estadístico de prueba — un número que resume los datos, como una diferencia de medias. Los datos observados producen un valor real de ese estadístico. La prueba entonces calcula la probabilidad de obtener un valor tan extremo o más extremo que el observado, bajo la distribución asumida. Esta probabilidad es el valor p. Si el valor p es lo suficientemente pequeño, el resultado se considera inconsistente con la hipótesis nula, y se rechaza la nula.
Es la herramienta predeterminada en la investigación científica, desde ensayos clínicos hasta experimentos de psicología, para decidir si una intervención o efecto merece atención.
El umbral del 5% para la significancia fue popularizado por Fisher, quien lo eligió como un número redondo conveniente en su libro de 1925 'Métodos estadísticos para investigadores'.












