alt=Rozkład wartości p dla H1 ilustrujący, że przy wysokiej mocy wartości istotne statystycznie mogą nadal być bardziej prawdopodobne dla H0|mały|Rozkład wartości p dla H0 i H1 przy mocy testu ~90%. Znaczna część wartości p poniżej progu istotności 0,05 pozostaje bardziej prawdopodobna dla hipotezy zerowej niż alternatywnej, co skutkuje rozbieżnością rezultatów podejścia częstościowego i bayesowskiego w tym obszarze. Paradoks Lindleya – pozorny paradoks polegający na rozbieżności rezultatów przeprowadzonych na podstawie tych samych danych testów hipotez statystycznych metodami wnioskowania częstościowego i bayesowskiego. Pierwsze podejście oszacowuje prawdopodobieństwo ekstremalnych danych przy założeniu hipotezy zerowej: Drugie podejście oszacowuje prawdopodobieństwo obu hipotez przy założeniu danych: Choć obie perspektywy są równie poprawne arytmetycznie, odpowiadają na inne pytania, przez co mogą uzyskiwać różne odpowiedzi.
Wczesne omówienie problemu przedstawił m.in. Jeffreys w 1939, a jego najbardziej znaną prezentację jako „paradoks” opublikował w 1957 Lindley (stąd druga stosowana nazwa: paradoks Jeffreysa-Lindleya).