La tesis principal del artículo es que en el caso de las estadísticas modernas, las diferencias entre los diversos conceptos de modelos fueron la clave de sus controversias formativas. La teoría matemática de la inferencia estadística fue desarrollada principalmente por Ronald A. Fisher, Jerzy Neyman y Egon S. Pearson. Fisher, por un lado, y Neyman-Pearson, por el otro, estuvieron a menudo involucrados en una polémica controversia. La opinión común es que Neyman y Pearson hicieron que la cuenta de Fisher fuera matemáticamente más estricta. Sin embargo, se argumenta que existe una profunda base teórica para la controversia: ambas partes sostuvieron opiniones contradictorias sobre el papel del modelado matemático. Al final, se considera que el influyente programa de Análisis de Datos Exploratorios aboga por otra concepción más instrumental de los modelos.
Sir Ronald Fisher (1890-1962) fue profesor de genética y muchas de sus innovaciones estadísticas encontraron expresión en el desarrollo de metodología en estadística genética. Sin embargo, mientras sus contribuciones en estadística matemática son fácilmente identificadas, en genética de poblaciones compartió su supremacía con Sewal Wright (1889-1988) y J.S.S. Haldane (1892-1965). Este documento muestra algunas de las mejores contribuciones de Fisher a las bases de la estadística genética, y sus interacciones con Wrigth y Haldane, los cuales contribuyeron al desarrollo del tema. Con la tecnología moderna, tanto la metodología estadística como la información genética están cambiando. No obstante, muchos de los trabajos de Fisher permanecen relevantes, y pueden aún servir como base para investigaciones futuras en el análisis estadístico de datos de DNA. El trabajo de este autor refleja su visión del papel de la estadística en la inferencia científica expresada en 1949.
No hay una amplia o urgente demanda por gente que defina métodos de prueba con el fin de mejorar la estadística matemática. Hay una urgente demanda por quienes entiendan la estadística teórica, pero que sean capaces también de reconocer situaciones en el mundo real para las cuales la estadística es aplicable.
A pesar de los frecuentes llamamientos para la revisión de la prueba de significación de hipótesis nulas (NHST), este controvertido procedimiento sigue siendo omnipresente en la enseñanza e investigación conductual, social y biomédica. Poco cambio parece posible una vez que el procedimiento se arraiga bien en las mentes y la práctica actual de los investigadores; por lo tanto, la oportunidad óptima para tal cambio es en el momento en que se enseña el procedimiento, ya sea a nivel de pregrado o posgrado. Este artículo presenta un tutorial para la enseñanza de los procedimientos de prueba de datos, a menudo denominados teorías de prueba de hipótesis. El primer procedimiento introducido es el enfoque de Fisher para las pruebas de datos: pruebas de importancia; el segundo es el enfoque de Neyman-Pearson: pruebas de aceptación; El procedimiento final es la combinación incongruente de las dos teorías anteriores en el enfoque actual: NSHT.