در مقدمه، با مفاهیم اصلی و تفسیر تست فرضیه، شامل مقدار P، و فاصله اطمینان آشنا می شویم. این مفاهیم در حالی که جذاب می باشند، به صورت حیرت آوری دقیق بوده و می توانند به طور دردسر سازی مبهم نیز باشند. حتی زبانی که ما اخیرا برای شرح تفسیر مقدار P مورد استفاده قرار داده ایم، نسبتا در هم و برهم و غیردقیق می باشد. درحالی که نمی توانیم قضاوتی را در حول و حوش تحقیقات مرتبط به موضوعات انجام دهیم، چندین نکته ارزش بیان کردن دارد، که در اولین فرضیه ذکر شده در این کتاب با آن ها مواجه می شویم. استفاده از تست فرضیه کلاسیک، و ارتباط مقدار P به طور آشکار و مشخص مورد نقد قرار گرفته است. مقدار p برای آزمون ناوابستگی χ2 این احتمال را نشان نمی دهد که ریسک نسبی جمعیت برابر یا بیشتر از ناوابستگی (RR=1) به عنوان ریسک نسبی نمونه می باشد. مقدار p مطمئنا بر مبنای احتمال H0 (فرضیه صفر) نبوده، و با در نظر قرار دادن داده- این موارد تقریبا بر مبنای خطای هم ارزسازی P(A|B) با P(B|A) می باشد- و به این ترتیب، مقدارp بستگی به احتمالات محاسبه مشاهدات مورد نظر، با توجه به H0 (فرضیه صفر) می باشد. علاوه بر این مقدار p با توجه به تست فرضیه، هیچ توان مورد بررسی را با توجه به تست فرضیه نمی پذیرد، یعنی احتمال پذیرش فرضیه صفر، زمانی که در واقع صحیح نمی باشد. بنابراین انحراف کم از این ناوابستگی در بررسی های بزرگ می تواند دارای مقدار p مشابهی نسبت به بررسی های کوچک حاوی انحرافات بزرگ باشد. در مواردی که تردید وجود دارد، مقادیر p را کمی بیشتر از مقدار جایگزین شده اندازه نمونه نادیده گرفته چون تمام فرضیه های صفر مقدار p کوچکی را ایجاد می کنند تا آنجا که داده ها به اندازه کافی گرداوری شوند. به انی ترتیب، چگونه می توانیم به شرح مقدارp که در اینجا نشان داده شده، بپردازیم؟ ما از مقادیر p به عنوان مقادیر غیررسمی سازگاری داده با فرضیه صفر مورد بحث استفاده می کنیم. این موارد باعث نادیده گرفتن نقدهای مطرح شده یا نقدهای مربوط به موضوعات دیگر نشده، بلکه این امکان ایجاد می گردد که این مقادیر را نمی توان به صورت رسمی مد نظر قرار داد و مطمئنا نمی بایست منوط به مقادیر اختیاری همانند 0.05 باشند.