En este documento, consideramos árboles de decisión que utilizan dos tipos de consultas: consultas basadas en un atributo cada una y consultas basadas en hipótesis sobre los valores de todos los atributos. Tales árboles de decisión son similares a los estudiados en el aprendizaje exacto, donde se permiten consultas de membresía y de equivalencia. Presentamos algoritmos de programación dinámica para la minimización de la profundidad y el número de nodos de los árboles de decisión anteriores y discutimos los resultados de experimentos informáticos en varios conjuntos de datos y funciones booleanas generadas aleatoriamente. Los árboles de decisión con hipótesis generalmente tienen menos complejidad, es decir, son más comprensibles y más adecuados como medio de representación del conocimiento.