Strength of Evidence: Likelihood and How Much a Result Should Change a Belief / Fuerza de la evidencia: verosimilitud y cuánto debería cambiar un resultado una creencia

English

Scientific evidence is not exhausted by whether a result crosses a significance threshold. Evidence concerns how observations discriminate among competing hypotheses or models, how surprising the observations are under each alternative, and how strongly the data should alter an inferential state given declared assumptions. This article develops a bounded treatment of evidential strength using likelihood and Bayes-factor ideas without turning INF into a general statistics course. It distinguishes evidence in the data from prior odds, posterior belief and long-run error control. It also explains why p values and confidence intervals answer questions different from the likelihood ratio between specified alternatives, and why a small p value does not by itself measure how strongly one scientific explanation is supported over another. The article does not prescribe a universal evidence scale. Its purpose is to force the analyst to state the rival claims, the data model under each, and the quantity being interpreted as evidential weight.

Español

La evidencia científica no se agota en si un resultado cruza un umbral de significación. La evidencia se refiere a cómo las observaciones discriminan entre hipótesis o modelos competidores, a lo sorprendentes que son las observaciones bajo cada alternativa y a cuánto deberían cambiar los datos un estado inferencial dados unos supuestos declarados. Este artículo desarrolla un tratamiento acotado de la fuerza de la evidencia mediante ideas de verosimilitud y factor de Bayes sin convertir INF en un curso general de estadística. Distingue la evidencia contenida en los datos de las odds previas, la creencia posterior y el control de errores a largo plazo. También explica por qué los valores p y los intervalos de confianza responden a preguntas distintas de la razón de verosimilitud entre alternativas especificadas, y por qué un valor p pequeño no mide por sí solo con qué fuerza una explicación científica queda respaldada frente a otra. El artículo no prescribe una escala universal de evidencia. Su propósito es obligar al analista a declarar las afirmaciones rivales, el modelo de datos bajo cada una y la magnitud que se interpreta como peso evidencial.

INF-005 · Version / Versión 0.2.