不快な科学

統計学者ジョン^・テューキー[ ^{1 ] [ 2 ]}が指摘した「不快な科学」とは、同じ原因システムによって影響を受ける追加のサンプルが入手できない限られたデータサンプルから推論を導き出す必要がある状況を指します。より具体的には、探索的データ分析と確認的データ分析の両方に共通のデータサンプルを使用するという問題を克服するのが難しい有限の自然現象の分析が含まれます。これは、データによって示唆される仮説を検証することによって体系的なバイアスが生じる危険性につながります。

典型的な例として、太陽系内の惑星と太陽との距離を単純な数値で表すボーデの法則が挙げられます。この法則は、様々な法則を観測データと試行錯誤的に照合することによって導き出されます（探索的データ分析）。しかし、厳密かつ独立した仮説検証（確認的データ分析）を行うには、残っている惑星の数が足りません。自然現象を網羅的に検証し尽くしたと言えるでしょう。データと数値法則が一致するのは当然のことです。なぜなら、データに合うように意図的に法則を選択したからです。ボーデの法則が惑星分布の原因体系について何を示唆しているのかを知りたいのであれば、他の惑星系に関するより詳細な情報が得られるまで、その確認は得られないでしょう。

• 宇宙の変動は、この現象の極端な例である。
• データマイニング

• Diaconis, P. (1985). 「データ分析の理論：魔法的思考から古典統計学まで」 Hoaglin, DC 他編 『データ表の傾向と形状を探る』 Wiley. ISBN 0-471-09776-4。