"Este trabajo trata sobre dos aspectos fundamentales en la teor´ıa de prueba de hip´otesis para modelos estad´ısticos param´etricos, a saber, (i) la posibilidad de comenter errores al decidir sobre la validez de una hip´otesis dada o su hip´otesis complementaria, y (ii) la noci´on de insesgamiento de una prueba. Los principales objetivos son (i) establecer una cota inferior para las probabilidades de decidir incorrectamente entre dos hip´otesis complementarias dadas, y (ii) demostrar que una prueba de Neyman-Pearson es insesgada en el sentido estricto. La exposici´on inicia con una descripci´on breve del problema de prueba de hip´otesis en modelos param´etricos, para continuar con una discusi´on de los posibles errores en que se puede incurrir al tratar de determinar la validez de una hip´otesis o de su complementaria bas´andose en una observaci´on aleatoria; el resultado principal que se obtiene es una cota inferior para la suma de los posibles errores de decisi´on, mostrando que dicha cota es, generalmente, positiva y que, bajo condiciones menores, es igual a uno. Adicionalmente, se discute la construcci´on de pruebas de Neyman-Pearson para decidir entre dos hip´otesis simples y s establece el insesgamiento estricto de dichas pruebas.""This work is concerned with two basic aspects in the theory of hypothesis testing in the context of parametric statistical models, namely, (i) the possibility of taking incorrect decisions when the validity of one of a pair of complementary hypothesis is assessed, and (ii) the idea of unbiased test. The main objectives of the thesis are (i) to establish a lower bound for the probabilities of deciding incorrectly between to given complementary hypothesis, and (ii) to prove that a Neyman- Pearson test is striclty unbiased. La exposition begins with a brief description of the testing problem for parametric models, and continues discussing the potential errors that can occur when a random observation vector is used to decide between to complementary hypothesis; the main result established in this direction is that the sum of the probabilities of the possible errors is bounded below by a number that, generally, is positive and, moreover, under mild conditions it is shown that such a bound is equal to 1. Additionally, the existence and construction of a Neyman-Pearson test is discussed, and it is proved that such a test is strictly unbiased."