Такая стратегия представляется весьма разумной. Она, безусловно, играет важнейшую роль в научной методологии. Реальное применение ее можно обнаружить в математической статистике и использующих ее программах экспериментов. Здесь реализуется идея нулевой гипотезы. Нулевая гипотеза — это обычно предположение, которое специально готовится на опровержение. Проводимые опыты планируются так, чтобы ее опровергнуть. После серии таких попыток мы либо находим ее опровержение, либо продолжаем поиски, либо соглашаемся с тем, что не смогли ее отвергнуть. Конечно, последний вариант не означает подтверждения гипотезы, но служит основанием для ее последующего принятия.Асимметрия подтверждения и опровержения может быть обыграна следующим образом. Можно подготовить на опровержение гипотезу, противоположную той, которую мы выдвигаем, и в случае достоверного опровержения мы получаем существенные аргументы в пользу принятия нашей исходной гипотезы. Этот способ является сейчас типичным в эмпирических испытаниях. Скажем, в медико-биологических исследованиях часто возникает задача зафиксировать зависимость между приемом препарата и клиническим эффектом от его применения. Задача прямого подтверждения (в данном случае необходимо прямо подтвердить позитивное влияние препарата на состояние пациентов) является, как мы говорили выше, неопределенной. Поэтому вводится гипотеза на опровержение, в нашем примере такой нулевой гипотезой окажется гипотеза об отсутствии связи между приемом препарата и состоянием пациентов.
И, если мы достоверно получили ее опровержение, это становится аргументом в пользу исходной, ненулевой гипотезы. Вообще вопросы, касающиеся асимметрии гипотезы и ее альтернативы и критерия оптимального выбора между ними, давно находятся в поле зрения статистиков. Так, в 1933 г. Дж. фон Нейманом и Э. Пирсоном было получено решение, которое легло в основу позднейших статистических концепций (известный критерий Неймана—Пирсона). Но можем ли мы считать, что метод «фальсификации» действительно универсально решает проблему подтверждения и принятия гипотезы? К сожалению, нет. Прежде всего, как уже говорилось в § 2.6, математическая статистика не является панацеей, а должна применяться сознательно и с учетом содержательных факторов. Она не может автоматически решать вопросы оценки гипотез. Например, как замечают П. Бикел и К. Доксам, соотношение гипотезы и ее альтернативы часто не столь определенно, как хотелось бы. Если исходная гипотеза ведома теорией и четко формулируется, то о классе альтернатив мы часто вообще не можем сказать ничего определенного’.