La metodología llevada a cabo en este trabajo se basa en la inferencia no paramétrica. El problema se enmarca como un análisis de regresión y la solución se deriva utilizando el enfoque de permutación. La prueba propuesta no se basa en la suposición de que la distribución de la respuesta sigue una familia específica de leyes de probabilidad, a diferencia de otros enfoques paramétricos. Esto hace que la prueba sea potente, especialmente cuando las suposiciones típicas de los enfoques paramétricos, como la normalidad de los datos, no se cumplen y las pruebas paramétricas no son confiables. Además, este método es más flexible y robusto con respecto a las pruebas paramétricas. Se aplica una prueba de permutación sobre la bondad de ajuste de un modelo de regresión múltiple. Por lo tanto, la solución propuesta consiste en la aplicación de pruebas de permutación sobre la significancia de los coeficientes individuales y luego una prueba de permutación combinada (CPT) para resolver el problema general de prueba de bondad de ajuste. Además, se realizó un estudio de simulación de Monte Carlo para evaluar la potencia del enfoque de permutación mencionado anteriormente, comparándolo con la prueba paramétrica convencional de ANOVA y la prueba combinada de bootstrap, ambos discutidos comúnmente en la literatura sobre este problema estadístico. Finalmente, la prueba no paramétrica propuesta se aplicó a datos del mundo real para investigar el impacto de la edad y los hábitos de fumar en los costos de seguro médico en los EE. UU. Los hallazgos sugieren que fumar y tener al menos 50 años contribuyen significativamente a un aumento en los costos de seguro médico.