Kaj pravzaprav pomeni »dokazano«?

Dokaz ni ena sama univerzalna stvar

Filozofija znanosti obravnava dokaz kot odnos med dokaznim gradivom in hipotezo. Stanford Encyclopedia of Philosophy pri teoriji potrditve poudarja, da resnični podatki lahko povečajo verodostojnost hipoteze, ne da bi jo nujno logično dokazali z absolutno gotovostjo.[1] V empiričnem svetu pogosto obstaja več hipotez, ki so logično združljive z istimi podatki. Zato dokaz pogosto ne pomeni: »druga možnost je logično nemogoča.« Pomeni: »ta informacija povečuje ali zmanjšuje podporo določeni razlagi.« Matematični dokaz in empirični dokaz nista ista stvar. V matematiki lahko iz definicij, aksiomov ter pravil sklepanja izpeljemo trditev. Če je formalni dokaz pravilen, rezultat sledi iz začetnih predpostavk. V empirični znanosti pa moramo dodatno vprašati: Ali je meritev pravilna?; Ali je vzorec reprezentativen?; Ali je model primeren?; Ali obstaja alternativna razlaga?; ter Ali se rezultat ponovi?

Zato empirična znanost pogosteje govori o podpori, verjetnosti, gotovosti dokazov in skladnosti podatkov z modelom kot o absolutnem dokazu v matematičnem smislu.

Dejstvo ni isto kot razlaga dejstva. Predstavljajmo si varnostno kamero. Posnetek pokaže, da je oseba A ob 20:14 vstopila v stavbo. To lahko zelo močno podpira trditev, da je bil A v stavbi. Sam pa ne dokazuje, zakaj je vstopil, kaj je tam naredil ali ali je pozneje povzročil določen dogodek. To je ena najpomembnejših razlik: dokaz ima omejen dokazni domet. Vprašanje ni samo: »Ali imam dokaz?« Ampak: »Katero konkretno trditev ta dokaz dejansko podpira?« Indic ni isto kot neposredni dokaz. V vsakdanjem jeziku je indic okoliščina, ki povečuje razlog za sum oziroma podporo hipotezi; neposrednejši dokaz pa je informacija, ki akterja bolj neposredno povezuje z dejanjem ali trditvijo. Primer: človek je imel motiv. To je indic. njegov preverjen digitalni podpis je na ukazu. To je drugačna vrsta dokazne povezave. Motiv je pomemben. Toda sam ne dokazuje dejanja.

Več indicev lahko skupaj postane zelo močno dokazno gradivo. Ni nujno, da obstaja en sam odločilni dokaz. Močan primer je lahko sestavljen iz časovnice, komunikacij, finančnih tokov, fizičnih dokazov, več neodvisnih prič ter tehničnih podatkov. Vsak element sam dopušča več razlag. Skupaj lahko ustvarijo zelo močno konvergenco dokazov. Zato posredni dokazi niso avtomatično »slab dokaz«. Pomembna je celotna dokazna struktura.

Ponavljanje istega vira ni konvergenca

Če deset člankov povzema eno samo anonimno izjavo, imamo deset objav, ne pa nujno deset neodvisnih dokazov. Enako velja v znanosti. Deset člankov lahko uporablja isti nabor podatkov, isto kohorto, isto merilno napravo ter isto temeljno predpostavko. Zato mora THY-REALITY pri dokazni moči vedno preveriti: koliko je dejansko neodvisnih poti do istega zaključka.

Statistična značilnost ni dokaz pomembnosti. P-vrednost je eden najbolj napačno razumljenih statističnih pojmov. American Statistical Association je leta 2016 objavila posebno izjavo prav zato, ker so bile napačne interpretacije razširjene.[2] P-vrednost ni verjetnost, da je hipoteza resnična, verjetnost, da je rezultat »samo naključje«, velikost učinka ali praktična pomembnost rezultata. ASA posebej opozarja: znanstvenih in poslovnih odločitev ne smemo sprejemati samo na podlagi tega, ali p-vrednost prestopi določen prag.[2] Kaj p-vrednost približno pove? Poenostavljeno: če predpostavimo določen statistični model in ničelno hipotezo, p-vrednost pove, kako neobičajen bi bil opazovani rezultat oziroma še ekstremnejši rezultat v okviru teh predpostavk. To je precej drugače od »Obstaja samo 3 % verjetnost, da je rezultat napačen.« Ta druga izjava je praviloma napačna. P-vrednost govori o podatkih pod predpostavljeno hipotezo, ne neposredno o verjetnosti hipoteze po podatkih. p < 0,05 ni magična meja resničnosti. Če dobimo p = 0,049, druga raziskava pa p = 0,051, ni racionalno prve razglasiti za dokazano in druge za ničvredno. Rezultata sta statistično skoraj enaka. Prag 0,05 je konvencija. Ni naravni zakon. ASA zato opozarja pred razmišljanjem po ostri mejni črti, v katerem ena decimalna meja odloča, ali je trditev »resnična«.[2] Velik vzorec lahko naredi majhen učinek statistično značilen. Če je vzorec zelo velik, lahko odkrijemo zelo majhno razliko. Primer: zdravilo zmanjša simptom za 0,2 točke na 100-točkovni lestvici.

To je lahko statistično značilno. A vprašanje ostaja: Ali je učinek praktično oziroma klinično pomemben? Statistična značilnost in praktična pomembnost sta različni stvari.

Majhen vzorec lahko pomemben učinek spregleda

Nasprotno: raziskava lahko opazi precej velik učinek, vendar ima malo udeležencev in veliko variabilnosti. Rezultat zato ne doseže tradicionalnega statističnega praga. To ne dokazuje, da učinka ni. Lahko pomeni: študija je preveč nenatančna, da bi ga zanesljivo ocenila. Zato potrebujemo intervale negotovosti. Interval zaupanja je pomembnejši od same točkovne ocene. Cochrane poudarja, da mora ocena učinka biti predstavljena skupaj z intervalom zaupanja, ker ta pokaže statistično negotovost ocene.[3] Ozki interval pomeni večjo natančnost.

Široki interval: večjo negotovost. Če ocena kaže 20-odstotno zmanjšanje, interval pa sega od velike koristi do skoraj nobenega učinka, ne smemo komunicirati samo številke 20 %.

Interval zaupanja ne zajame vseh vrst negotovosti. Tudi ozek interval ne pomeni, da je raziskava nujno zelo zanesljiva. Lahko obstajajo pristranskost, nereprezentativen vzorec, napačen model, objavna pristranskost ali problem merjenja. Cochrane zato poudarja, da je statistična nepreciznost samo ena domena celotne gotovosti dokazov.[3] To je bistveno: precizno izmerjena pristranskost je še vedno pristranskost.

Povezanost ni vzročnost. Če dve spremenljivki nastopata skupaj, imamo povezanost. Če se linearno spreminjata skupaj, lahko govorimo o korelaciji. Iz tega še ne sledi, da ena povzroča drugo. Sodobna metodološka literatura jasno ločuje povezanost, korelacijo in vzročnost.[4] Zakaj korelacija ni dovolj? Tri klasične možnosti: A povzroča B.

B povzroča A. C povzroča oba. Primer: prodaja sladoleda je lahko povezana z več utopitvami. Sladoled ne povzroča utopitev. Poletje poveča tako prodajo sladoleda kot kopanje. To je vpliv motečih dejavnikov.

Tudi močna korelacija ne dokazuje vzročnosti

Korelacija je lahko zelo visoka in je še vedno posredna, posledica tretjega dejavnika ali rezultat selekcije. Zato moramo pri vzročni trditvi vprašati: Kakšna je strategija za ugotavljanje vzročnosti? Kako raziskava loči: »X se pojavlja skupaj z Y« od »X spreminja verjetnost Y«?

Randomizirani eksperiment je močan, ker poskuša zlomiti vpliv motečih dejavnikov. Pri randomiziranem preskušanju ljudi naključno razdelimo v skupine. Če je randomizacija uspešna, so znani in neznani dejavniki v povprečju bolje uravnoteženi. Zato je razlika med skupinama bolj verjetno posledica intervencije. NLM pri zdravstvenih statistikah RCT opisuje kot eno izmed zasnov, ki je posebej močna za ocenjevanje vzročnega učinka.[5] Toda niti RCT ni popoln. Randomizirano preskušanje ima meje. Lahko ima premajhen vzorec, slabo upoštevanje protokola, veliko izgubljenih udeležencev, neustrezno meritev, kratko spremljanje ali nereprezentativno populacijo. Poleg tega randomizacija ni vedno etična, praktična ali mogoča. Ne moremo ljudi naključno razdeliti tako, da bi polovica 30 let kadila, polovica pa ne. Zato potrebujemo tudi druge načine vzročnega sklepanja.

Bradford Hill ni ustvaril devetih »testov« za avtomatično vzročnost. Bradford Hill je leta 1965 opisal več vidikov, ki lahko pomagajo presoditi, ali je opažena asociacija verjetno vzročna. Pogosto se jim reče: »Hillovi vidiki«. Toda zgodovinski pregled opozarja, da jih Hill ni nameraval kot rigidne kriterije.[6] Med njegovimi vidiki so časovna prednost vzroka pred posledico, skladnost, moč povezave, biološki gradient in biološka verjetnost. Najbolj nujna je časovna prednost vzroka pred posledico. Vzrok mora časovno priti pred posledico. Vzročno sklepanje nima samo ene univerzalne filozofije. Epidemiologija uporablja več načinov razmišljanja o vzročnosti: protidejstvene, verjetnostne, večkomponentne ter druge modele.

Sistematični filozofsko-metodološki pregledi opozarjajo, da ni ene same definicije vzročnosti, ki bi popolnoma rešila vsa vprašanja.[7] Zato je treba izraz »dokazana vzročnost« vedno vezati na tip dokaznega gradiva, raziskovalni dizajn ter alternativne razlage.

Bayes: dokaz naj spremeni stopnjo zaupanja

Bayesovski pogled je za THY-REALITY zelo uporaben. Ideja je, da imamo pred novim dokazom določeno začetno stopnjo zaupanja v hipotezo. Ko dobimo novo informacijo, vprašamo: kako verjetna bi bila ta informacija, če je hipoteza pravilna, in kako verjetna pri konkurenčni hipotezi? Nato posodobimo zaupanje. Stanford Encyclopedia to opiše kot prehod od predhodne do naknadne stopnje zaupanja, pri katerem dokazno gradivo potrjuje hipotezo, če po njej postane bolj verjetna.[8] Dokazno gradivo lahko podpira hipotezo, ne da bi jo naredilo gotovo. Predstavljajmo si bolezen, ki jo ima 1 človek na 10.000. Test je zelo dober. Pozitiven rezultat močno poveča verjetnost bolezni. Toda če je bolezen zelo redka, pozitiven test ne pomeni nujno: skoraj 100 % verjetnost. To je problem osnovne stopnje. Dokaz moramo interpretirati skupaj s predhodno verjetnostjo.

»Kako verjeten je dokaz, če je osumljenec kriv?« ni isto kot »Kako verjetno je, da je kriv glede na dokaz?«. To je klasična logična zamenjava. Forenzični rezultat lahko pove: ta vzorec bi bil veliko verjetnejši, če prihaja od osebe A kot od nepovezane osebe.

To ni isto kot obstaja 99,99 % verjetnost, da je A storilec. Za slednje potrebujemo tudi: druge dokaze, kontekst ter osnovne verjetnosti. NIST pri statističnem vrednotenju dokazov poudarja, da so razmerje verjetij in drugi statistični izrazi način vrednotenja dokazne teže z lastnimi omejitvami in negotovostjo.[9] Forenzični dokaz ni brez napake samo zato, ker je »znanstven«. Forenzične metode imajo svoje validacijske postopke, omejitve, stopnje napak, človeške dejavnike in merilno negotovost.

National Academies je že leta 2009 opozoril, da znanstvena podlaga različnih forenzičnih metod ni enako močna in da je potrebno več validacijskih raziskav.[10] NIST danes razvija prav statistične metode za boljšo oceno in komunikacijo negotovosti ter stopnje napak v forenzični znanosti.[9][11] »Match« ne sme pomeniti »identiteta brez alternative«, če metoda tega ne more podpreti. Pri nekaterih področjih vzorčnega dokazovanja je zgodovinsko obstajala težnja k zelo absolutnemu jeziku. Toda če ima metoda: znano stopnjo napake, subjektivno komponento ter nepopolno validacijo mora to biti del interpretacije. Natančnejša komunikacija pove, kaj rezultat podpira in s kakšno negotovostjo, ne pa »znanost je dokazala identiteto«, če metodologija tega ne dovoljuje.

Pričanje je dokaz – vendar človeški spomin ni video posnetek

Priča lahko iskreno pove: »Prepričan sem, da sem videl to osebo.« To je dokaz. Ni pa avtomatično zanesljiv dokaz. Innocence Project je pri zgodovinskih primerih oprostitev na podlagi DNK ugotovil, da je napačna identifikacija očividca nastopala v velikem deležu napačnih obsodb.[12] To ne pomeni, da pričam ne smemo verjeti.

Pomeni pa, da moramo pričevanje oceniti z enako metodološko previdnostjo kot druge vrste dokaznega gradiva. Visoka samozavest priče ni univerzalni dokaz pravilnosti. Na spomin lahko vplivajo čas, stres, sugestija, postopek identifikacije in povratne informacije. Eksperimentalna literatura je pokazala, da lahko potrditvena povratna informacija po identifikaciji spremeni poznejšo samozavest in spomin priče na prvotno izkušnjo.[13] Zato je posebej pomembno, kako je bila identifikacija izvedena, ne samo, kako prepričljiva je priča pozneje na sodišču. Dokument je močan dokaz samo, če poznamo njegov izvor in sledljivost. Pri dokumentu preverimo: kdo ga je ustvaril, kdaj, ali je celoten, ali je avtentičen, v kakšnem kontekstu ter komu je bil namenjen. Anonimni posnetek zaslona z iztrganim stavkom ima precej manjšo dokazno težo kot preverljiv dokument iz znanega arhiva s celotnim kontekstom.

To je razlog, zakaj v THY-REALITY toliko pozornosti namenjava izvoru in sledljivosti virov. Primarni dokument dokazuje predvsem svoj obstoj in vsebino. Če memorandum pravi: »Predlagamo operacijo X,« Zelo močno dokazuje: predlog X je obstajal. Ne dokazuje: X je bil odobren. Niti: X je bil izveden. To ponovno potrjuje naše zaklenjeno pravilo: Predlog ≠ odobritev ≠ izvedba ≠ dokaz avtorstva. Fotografija in video imata omejen dokazni domet. Video lahko dokazuje: prizor, gibanje, zvok ter čas, če je ustrezno verificiran. Ne dokazuje nujno: predhodnega konteksta, motivacije, osebe zunaj kadra ter avtorstva napada. V času manipulacije in generativnih orodij moramo dodatno preverjati: izvor, geolokacijo, čas ter kontinuiteto datoteke.

Odsotnost dokaza je včasih informativna

Stavek: »odsotnost dokazov ni dokaz odsotnosti« je pogosto uporaben. Toda ni univerzalen. Če hipoteza napoveduje: če je X res, bi morali z veliko verjetnostjo opaziti Y, In Y po dobrem iskanju ni, potem odsotnost Y zmanjša podporo X. Bayesovsko: če bi bil manjkajoči dokaz zelo pričakovan pod hipotezo, njegovo neopažanje šteje proti njej.

»Ni dokazov« ima vsaj tri različne pomene. A. Nismo iskali. Dokazna vrednost odsotnosti je majhna. B. Iskali smo, vendar metoda ni dovolj občutljiva. Še vedno veliko negotovosti.

C. Dobro smo iskali tam, kjer bi dokaz moral biti. Odsotnost postane pomemben dokaz proti hipotezi. Zato mora dober članek povedati: kakšne vrste odsotnost dokazov imamo.

Pravna resnica in znanstvena resnica uporabljata različne pragove. V pravu obstajajo različni standardi dokaznega bremena. Cornell Legal Information Institute pri ameriškem sistemu navaja na primer: prevlada dokazov v številnih civilnih sporih, onkraj razumnega dvoma v kazenskih primerih ter jasni in prepričljivi dokazi v nekaterih drugih postopkih[14]. To je samo ilustracija določenega pravnega sistema. Države in pravne veje uporabljajo različne standarde. Ključna ideja pa je univerzalnejša: pravo mora sprejeti odločitev pri določeni stopnji negotovosti.

Sodba »ni kriv« ne pomeni nujno »dokazano nedolžen«. V sistemu, kjer mora tožilstvo dokazati krivdo čez določen prag, oprostilna sodba lahko pomeni, da dokazno breme ni bilo doseženo. To je drugačna trditev od dokazano je, da oseba dejanja ni storila. Podobno: obtožba ni dokazana ni isto kot dokazano je, da je obtožba lažna. To razlikovanje je zelo pomembno tudi zunaj prava.

»Ni dovolj dokazov« ni isto kot »se ni zgodilo«. THY-REALITY bo pri številnih zgodovinskih sporih prišel do tega položaja. Lahko imamo: motive, anomalije ter delne dokumente. Vendar ne dovolj za močnejši sklep. Takrat pravilna formulacija ni: »dogodek je ovržen.« Ampak: »razpoložljivi dokazi trenutno ne zadostujejo za zanesljivo potrditev te trditve.«

In »uradna razlaga ima luknje« ni dokaz alternative

Če model A ne pojasni 100 % podatkov, iz tega še ne sledi: model B je pravilen. B potrebuje svoje pozitivne dokaze. To je eno najpomembnejših pravil pri trditvah o operacijah pod lažno zastavo, teorijah zarote ter zgodovinskih sporih. Neuspeh razlage A ≠ dokaz razlage B. Anekdota je vrsta dokaza, vendar z zelo omejenim dometom. Če človek reče: »Po zdravilu sem se počutil bolje,« je to resnična informacija o njegovi izkušnji. Ne dokazuje avtomatično: zdravilo je povzročilo izboljšanje.

Možne razlage so naravni potek bolezni, placebo, druga terapija ali regresija k povprečju. Anekdota je lahko signal za raziskovanje. Ni isto kot kontrolirana ocena učinka. Opis primera je pomemben predvsem za odkrivanje signalov. V medicini lahko en nenavaden primer opozori na redek stranski učinek, novo bolezen ter nepričakovan pojav. To je dragoceno. Toda za oceno: kako pogosto se pojav dogaja potrebujemo drugačen tip podatkov. Spet: vrsta dokaznega gradiva mora ustrezati vrsti trditve.

Ekspertno mnenje je dokazna plast, ne nadomestek za podatke. Strokovnjak ima znanje konteksta, izkušnje in sposobnost povezovanja kompleksnih informacij. To je zelo pomembno. Toda moč njegovega mnenja je večja, če lahko pokaže: na katere podatke in metode se opira.

»Profesor je rekel« je šibkejše kot »Profesor je razložil dokazno verigo, ki jo lahko preverijo tudi drugi kvalificirani ljudje.« Izredne trditve in dokazna teža. Priljubljena maksima pravi: »izredne trditve zahtevajo izredne dokaze.« Bolj natančno bi rekli: bolj kot je trditev v konfliktu z dobro podprtim obstoječim znanjem, več dokazne teže potrebujemo, da racionalno spremenimo visoko začetno zaupanje v obstoječi model. To je bayesovska logika. Ne pomeni, da novo idejo zavrnemo samo zato, ker je nenavadna. Pomeni pa, da ima močan obstoječi model veliko dokaznega gradiva, ki ga mora novi model prav tako pojasniti.

Negativen dokaz je lahko zelo močan

Če hipoteza napoveduje, da mora pojav X povzročiti Y, dobro zasnovan eksperiment pa večkrat pokaže, da se Y ne zgodi, to je pomemben dokaz proti hipotezi. Zato znanost ne napreduje samo s potrditvami, ampak tudi z dobrimi neuspehi napovedi. Ponovitev raziskave spremeni dokazni status. En rezultat je lahko zanimiv. Več neodvisnih ponovitev je precej močnejših, različne metode z enakim osnovnim zaključkom še bolj, sistematični pregled pa pokaže celotno sliko. Zato dokaz ni samo objekt. Je lahko tudi proces kopičenja in preverjanja. Stopnje gotovosti so bolj poštene od besede »dokazano«. Za THY-REALITY bi uporabljal naslednje opisne kategorije: Dokumentirano. Primarni oziroma neposredni viri jasno potrjujejo trditev. Močno podprto. Več neodvisnih vrst dokaznega gradiva vodi k istemu zaključku. Podprto / verjetno. Dokazi podpirajo zaključek, vendar obstajajo pomembne omejitve.

Možno. Hipoteza je možna in skladna z delom podatkov, vendar dokazna baza ni dovolj močna. Špekulativno. Obstaja ideja oziroma nekaj indicev, ni pa dovolj povezovalnega dokaznega gradiva. Nepodprto. Za trditev trenutno ni relevantne podpore.

V nasprotju z dokazi. Razpoložljivi kakovostni dokazi aktivno nasprotujejo trditvi. To ni matematična lestvica. Je uredniški jezik za preprečevanje lažne gotovosti. Dokazna veriga. Za prihodnje članke uvedemo še en standard: Trditev → vrsta dokaza → izvor → veljavnost → neodvisnost → alternativne razlage → negotovost → moč sklepa Pri vsaki trditvi vprašamo:

1. Kaj natančno trdimo?
2. Kakšna vrsta dokaznega gradiva jo podpira?
3. Od kod prihaja?
4. Ali je metoda validirana?
5. So viri neodvisni?
6. Katere alternative ostajajo?
7. Kakšna je negotovost?
8. Kako močan zaključek si smemo dovoliti?

Ujemanje dokazov s trditvijo. To je verjetno najpomembnejši uredniški princip. Vrsta zaključka ne sme biti močnejša od vrste dokaza. Primeri: motiv → podpira sum, ne krivde; korelacija → podpira asociacijo, ne nujno vzročnosti; dokument o predlogu → podpira obstoj predloga, ne izvedbe; fotografija posledice → podpira posledico, ne nujno atribucije; neuspešna preiskava → podpira »ni dokazano«, ne nujno »ni se zgodilo«; statistična značilnost → podpira neskladnost z določenim ničelnim modelom, ne praktične pomembnosti.

Zaključek mora biti enako natančen kot dokaz

Velik problem javne komunikacije nastane takole: Podatek. »V vzorcu smo opazili asociacijo.« Povzetek raziskave. »Rezultati kažejo možno povezavo.« Sporočilo za javnost. »Znanstveniki odkrili vzrok.« Naslov. »X povzroča Y.« Vsak korak poveča gotovost. Na koncu javnost prejme precej močnejšo trditev, kot jo raziskava dejansko podpira. THY-REALITY mora ta proces obrniti: zaključek znižamo na najmočnejšo formulacijo, ki jo dokazno gradivo dejansko podpira.

Dokaz ni samo »za« ali »proti«. Dokazno gradivo lahko trditev močno potrdi, nekoliko potrdi, jo pusti skoraj nespremenjeno, nekoliko oslabi ali močno oslabi. Bayesovska logika lepo pokaže, zakaj ni treba vsake nove informacije razglasiti za dokaz ali ovržbo. Informacija lahko samo premakne stopnjo zaupanja za nekaj odstotkov. Ne vem je veljaven dokazni rezultat. Po pregledu vseh virov lahko ugotovimo: podatki ne omogočajo zanesljivega razlikovanja med hipotezama. To je rezultat. Ni neuspeh. Lažna gotovost je epistemološko slabša od poštenega: »trenutno ne vemo.« Naslednji članek serije bo prav zato namenjen vprašanju, kako živeti in odločati pod takšno negotovostjo. THY-REALITY: status dokazov. Za vsak pomemben sporni članek bi zato uvedel tri ločene oznake: Status dejstev. Kaj se je zgodilo?

Status pripisa odgovornosti. Kdo je odgovoren? Status interpretacije. Kaj dogodek pomeni v širšem kontekstu? Primer: dogodek je lahko dokumentiran, pripis odgovornosti samo verjeten, širša geopolitična interpretacija pa sporna. S tem ena močna plast dokaza ne »okuži« drugih plasti z lažno gotovostjo. Zaključek: »dokazano« je pogosto začetek, ne konec vprašanja. Ko nekdo reče: »To je dokazano,« je najbolj koristno vprašati: Kaj točno? Nato: S katero vrsto dokazov? Po katerem standardu? S kakšno negotovostjo? Ali dokaz podpira dogodek, pripis odgovornosti, namero ali samo povezanost? Ali obstajajo neodvisne potrditve? Kaj bi ta zaključek oslabilo?

To ne pomeni, da ne moremo ničesar vedeti. Nasprotno. Prav zato lahko nekaterim trditvam zaupamo zelo močno: ker so prestale več meritev, različne metode, preverjanje neodvisnih raziskovalcev, poskuse ovržbe in preizkus časa. Toda tudi pri zelo močnem empiričnem znanju je izraz visoka gotovost pogosto natančnejši od absolutne gotovosti. Največja intelektualna napaka ni samo verjeti brez dokazov. Je tudi zahtevati od dokazov več, kot lahko katera koli empirična metoda realno zagotovi.

Opomba o metodologiji

Članek namenoma ločuje matematični dokaz od empiričnih dokazov, indic od zaključka, statistično značilnost od praktične pomembnosti, korelacijo od vzročnosti, verjetnost dokaznega gradiva ob hipotezi od verjetnosti hipoteze glede na dokaze, pravni standard dokazovanja od znanstvene gotovosti ter neobstoj zadostnih dokazov od dokaza neobstoja dogodka. Ameriški pravni standardi so uporabljeni samo kot ilustracija različne višine dokaznega praga, ne kot univerzalni opis vseh pravnih sistemov.