Proponemos una nueva clase de pruebas de bondad de ajuste para la distribución inversa gaussiana basadas en una caracterización de la función de distribución acumulativa (CDF). Las nuevas pruebas son de tipo ponderado dependiendo de un parámetro de ajuste. Desarrollamos la teoría asintótica bajo la hipótesis nula y bajo una amplia clase de distribuciones alternativas. Estos resultados garantizan que el procedimiento de bootstrap paramétrico, que empleamos para implementar la prueba, es asintóticamente válido y que todo el procedimiento de prueba es consistente. Un estudio de simulación comparativo para tamaños de muestra finitos muestra que el nuevo procedimiento es competitivo con pruebas clásicas y recientes, superando casi uniformemente a estos otros métodos sobre un amplio conjunto de distribuciones alternativas. El uso de la prueba recién propuesta se ilustra con dos conjuntos de datos observados.