Вот уж совсем не соглашусь.
Любые испытания - это проверка на практике неких предположений.
Другими словами, выдвигается гипотеза. Для ее подтверждения или опровержения строится модель. Согласно модели проводятся испытания. На основании испытаний делается вывод о правильности, либо о не правильности гипотезы.
Приведу классический пример.
Выдвигаю гипотезу: все лебеди белые.
Проводим испытания: берем несколько лебедей и обнаруживаем, что они белые.
Делаем вывод: мы не нашли опровержения нашей гипотезе, но не нашли и подтверждения.
Для того чтобы подтвердить гипотезу, необходимо проверить цвет всех вообще лебедей. Они все должны быть белые.
Но как только нам попался один черный лебедь, мы гипотезу опровергли.
Если пользоваться Вашей логикой, то невозможно определить результат испытаний, пока в процессе испытаний не будут перебраны ВСЕ возможные вариации для ВСЕХ возможных составляющих. Очевидно, что в этом случае вы не получите результат никогда. Особенно в тестировании.
Но ведь Вы или Ваши менеджеры принимают как то управленческие решения на основании той не полной информации, которую Вы получаете в результате тестирования? Следовательно, они готовы принять на себя ответственность, хотя и не обладают всей возможной информацией. Что это? Головой в омут? Или все таки некий подход?
Повторюсь, существует специальный математический аппарат, позволяющий оценивать результаты испытаний. Помнится, в военном училище у нас был целый курс по теории вероятности и вероятностному анализу, который, в том числе, позволяет проводить анализ больших массивов неструктурированной информации (данных) и выявлять закономерности.
В отношении Вашего примера...
Опровержение одной гипотезы - это рождение другой. Предполагайте, что лебеди двух цветов - черного и белого.
Суть не в гипотезе. А в моделе, которая должна подтвердить или опровергнуть гипотезу. Чем более точно описана модель, тем выше вероятность того, что полученный на основании модели результата будет достоверным. Другими словами, это означает, что полученный результат будет с высокой степенью вероятности подтверждать или опровергать нашу гипотезу.
Что бы повысить результативность, необходимо повысить точность модели. В вашем примере модель, прямо скажем, никакая. Следовательно достоверность результатов, полученных на основании такой модели, оставляет желать лучшего.
И последнее.
Если пользоваться Вашим подходом, то Ньютон, прежде чем сделать открытие закона тяготения, должен был бы "принять" на голову все яблоки земли.