Statistik: prediktion med extraantaganden

När man ska göra en prediktion (P) från en hypotes (H) krävs ofta att man gör extra antaganden (A) också (tex att mätutrustning mäter rätt osv). Varför betyder detta att testningen blir svårare?

a) man måste först testa att A stämmer

b) Utfall stöder A snarare än H

c) Ett negativt utfall kan bero på att A är fel snarare än att H är det

d) ett experimentellt utfall som stämmer med P kan bero på A snarare än H

Jag vet att c) kan stämma; att vi får negativt utfall betyder att -(A och H) stämmer, vilket i sin tur kan bero på antingen -A eller -H. Men stämmer även d), och är den i så fall mer generell och därmed "mer rätt"?