RESUMEN: En la literatura de series de tiempo se encuentran diferentes procedimientos para probar la hipótesis sobre el origen aleatorio o determinístico de la componente de tendencia de una serie. La mayoría de ellos se basan en establecer la existencia de una raíz unitaria ya sea en el polinomio autorregresivo o en el polinomio de medias móviles. El desarrollo de las pruebas para verificar estas hipótesis se basa fundamentalmente en el empleo de la teoría no estándar asociada a procesos de Wiener. Este artículo presenta una nueva prueba que hace uso de las funciones de autocorrelación (ACF) de los residuales de los modelos bajo la hipótesis nula H0 : Zt = _0 +Zt−1+at, y bajo la hipótesis alterna H1 : Zt = _0 +_1t+at. A partir de la teoría tradicional, con el supuesto que at es un ruido blanco gaussiano, se obtiene por simulación la distribución nula del estadístico de prueba para muestras finitas y se deriva una aproximación asintótica. Para el caso en el cual at es un proceso autocorrelacionado, se generaliza la prueba y se obtiene la distribución nula asintótica del estadístico de prueba. Los resultados muestran que la prueba asintótica tiene, en general, una potencia alta y mayor que la potencia de la prueba de Dickey y Fuller Aumentada (ADF), particularmente cuando una raíz del polinomio AR o MA está cerca de 1. La prueba asintótica propuesta también presenta menos distorsiones en el tamaño que la prueba ADFABSTRACT: Several procedures to test the null hypothesis on the random or deterministic origin of the trend in a time series are found in the specialized literature. Most of these tests are based on the analysis of the unit roots of the autoregressive or moving average operators. The procedures are based on the nonstandard theory associated to a Wiener process. In this paper it is proposed a test that uses the autocorrelation function (ACF) of the residuals considering the null hypothesis H0 : Zt = _0 + Zt−1 + at, and the alternative hypothesis H1 : Zt = _0 + _1t + at. The distribution of the test statistics for finite sample sizes and the asymptotic approximation are obtained using the usual theory, assuming that at is a gaussian white noise. The procedure is generalized for the case where at is a correlated white noise. The results obtained using simulation show that the proposed test has in general high power and specially when it is compared the well known Dicker-Fuller Augmented test (ADF), in the case when the roots of the autoregressive or moving average operators are close to one. The proposed procedure has also better approximation to the nominal test size when it is also compared with the ADF.