Перегляд вихідного коду сторінки Р-хакінг

Стандартна ситуація для науковця – дані оброблені, статистика обрахована і прогнозований ефект ніби добре виражений, але рівень його достовірності '''p''' трошки не дотягує до бажаного '''0.05''', а становить '''0.06'''. Мабуть, припустимо знехтувати однією сотою і вказати у статті/дисертації омріяні '''0.05''', або просто вважати ефект достовірним при '''0.06'''. Інша ситуація – в серії ''дослідів А'' '''p''' становить '''0.24''', в серії ''дослідів B'' – '''0.17''', в серії ''дослідів C'' – '''0.4''', в серії ''дослідів D'' – '''0.03'''. 
Отже, дослідник обирає для звіту лише серію ''дослідів D'' і нехтує іншими серіями. 

Ще один випадок – після обробки даних та статаналізу, виявилося, що '''p=0.08'''. Але даних ніби небагато, тож можна їх ще добрати, після чого виявляється, що '''p=0.04''' – чого так добивався дослідник. Що є спільним для цих трьох випадків? В усіх випадках відбулася маніпуляція даними або статистичними критеріями для того, щоб ''«підігнати»'' результати під необхідний рівень статистичних показників. Подібні способи маніпуляції об’єднують у єдине явище під назвою '''''p-хакінг.''''' 

Тема '''p-хакінгу''' зараз є однією з центральних тем в науці у зв’язку із дуже низьким рівнем відтворюваності наукових результатів (менше 30% у деяких провідних наукових галузях). 

У 2016 році найбільш вагомий науковий '''журнал Nature''' опублікував опитування 1500 вчених, які зазначали низький рівень відтворюваності опублікованих досліджень, після чого у світовій науці відкрито заговорили про кризу відтворюваності. І саме p-хакінг є однією з основних причин, чого результати дослідження одного автора відрізняються від результатів дослідження за тою ж самою методикою іншого автора. Наукове товариство активно закликає використовувати підходи, які запобігають маніпуляціям із даними та статистичними критеріями. У наведених прикладах такі підходи будуть наступними. В першому випадку ефект дійсно може бути достовірним і при '''p>0.05''', але значення p бажано розрахувати ще до проведення експерименту (т.з. «аналіз потужності») і зазначати ці розрахунки в публікаціях. В другому випадку виникнення низького значення p вже саме по собі може бути випадковим – якщо ми беремо декілька серій, не дивно, що в якійсь з серій цей рівень випадковим чином є меншим за '''0.05'''. Для усунення подібної ситуації використовуються методи для множинних порівнянь, зокрема коригується рівень достовірності – в менший бік (наприклад, за допомогою поправки Бонферроні). 

Нарешті, в третьому випадку автор має заздалегідь визначити, при якій кількості даних має проявитися ефект і опублікувати у відкритому доступі очікувану величину ефекту при очікуваній кількості даних.