Statistische gegevens interpreteren als bewijs Statistisch bewijs: een waarschijnlijkheidsparadigma richt zich op de wet van waarschijnlijkheid die fundamenteel is voor het oplossen van veel van de problemen die gepaard gaan met het op deze manier interpreteren van gegevens. De statistiek heeft dit principe lange tijd verwaarloosd, wat heeft geleid tot een ernstig gebrekkige methodologie. Dit boek herstelt het evenwicht en verklaart waarom de wetenschap zich ondanks haar bekende gebreken heeft vastgeklampt aan een gebrekkige methodologie. Na de sterke en zwakke punten van het werk van Neyman en Pearson en het Fisher-paradigma te hebben onderzocht, stelt de auteur een alternatief paradigma voor dat in de wet van waarschijnlijkheid het expliciete concept van bewijs biedt dat ontbreekt in de andere paradigma's. Tegelijkertijd behoudt dit nieuwe paradigma de elementen van objectieve meting en controle van de frequentie van misleidende resultaten, kenmerken die de oude paradigma's zo belangrijk maakten voor de wetenschap. Het waarschijnlijkheidsparadigma leidt tot statistische methoden die een dwingende grondgedachte en een elegante eenvoud hebben, waardoor de lezer niet langer hoeft te kiezen tussen frequentistische en Bayesiaanse statistiek. Taal: Engels