Curiosidad: ¿Por qué los test estadísticos siempre parten de que no pasa nada?

Si has leído sobre estadística, seguro has notado que casi todos los tests parten de la idea de que no ocurre nada especial. A esta suposición se le llama hipótesis nula (H₀). Es decir, se comienza asumiendo que no hay ningún efecto, ningún cambio, ninguna diferencia. Y solo si los datos lo contradicen con suficiente fuerza, consideramos que quizá sí está pasando algo.

A simple vista, esta postura puede parecer rara o incluso pesimista. ¿Por qué empezar negando lo que precisamente queremos encontrar?

Por ejemplo:

• Si queremos saber si una medicina funciona mejor que un placebo, el test comienza suponiendo que ambos tienen el mismo efecto.
• Si queremos comprobar si una moneda está trucada, partimos de que la moneda es justa.
• Siempre lo mismo: “No pasa nada”.

Entonces… ¿por qué ese aparente pesimismo metodológico?

El escepticismo como punto de partida

La razón es sencilla: la ciencia es escéptica por naturaleza. Para afirmar que existe una diferencia, un efecto o una relación, necesitamos pruebas sólidas. Y esas pruebas solo tienen sentido si partimos de un escenario base donde todo lo que observamos se debe únicamente al azar.

La hipótesis nula cumple justamente ese papel: actúa como un fondo blanco sobre el que tratamos de detectar si hay una señal clara. Si no partimos de la suposición de que todo es puro ruido, no podemos saber con confianza cuándo aparece algo que realmente sobresale.

Un ejemplo visual: detectar una melodía en la estática

Imagina que estás escuchando estática en la radio. De repente, percibes una melodía débil. ¿Es real o te lo estás imaginando? La única manera de saberlo es conocer bien cómo suena la estática normal, sin interferencias ni transmisiones.

Esa estática pura es la hipótesis nula. Si lo que escuchas es suficientemente distinto a ese ruido de fondo, entonces puedes empezar a sospechar que alguien está transmitiendo algo.

En estadística ocurre lo mismo: si asumimos que todo es azar, cualquier desviación notable respecto a lo esperado puede ser una señal real.

¿Y por qué no empezar creyendo que sí pasa algo?

Podríamos hacerlo, pero entonces no podríamos estimar con claridad cuán sorprendidos deberíamos estar si los datos no muestran ninguna señal. Además, los métodos estadísticos están diseñados para controlar el riesgo de cometer un error al detectar un efecto que en realidad no existe —el famoso error tipo I.

Por eso se prefiere comenzar con la postura más simple y conservadora: que no hay nada especial. Solo si los datos insisten lo suficiente, nos atrevemos a dudar de esa hipótesis inicial.

En resumen

Partir de la hipótesis nula —la idea de que “no pasa nada”— no es un gesto de pesimismo, sino una estrategia lógica y prudente. Es la forma más sólida que tenemos para distinguir entre lo que podría ser simple ruido aleatorio y lo que podría ser una señal real que merece atención.

Gracias a este enfoque, podemos cuantificar la evidencia a favor de una diferencia o efecto. No significa que creamos que nunca ocurre nada interesante, sino que preferimos exigir buenas pruebas antes de afirmarlo.

Nota: La imagen de este artículo fue generada utilizando un modelo de inteligencia artificial.