Twymans lag
Twymans lag säger att "alla siffror som ser intressanta ut eller annorlunda är vanligtvis fel", enligt principen att "ju mer ovanliga eller intressanta uppgifterna är, desto mer sannolikt är det att de har varit resultatet av ett fel av ett eller annat slag". Den är uppkallad efter media- och marknadsforskaren Tony Twyman och har beskrivits som en av dataanalysens viktigaste lagar .
Lagen bygger på att fel i datamätning och analys kan leda till observerade storheter som skiljer sig mycket från typiska värden. Dessa fel är vanligtvis vanligare än verkliga förändringar av liknande storlek i den underliggande processen som mäts. Till exempel, om en analytiker på ett mjukvaruföretag märker att antalet användare har fördubblats över en natt, är den mest sannolika förklaringen ett fel i loggning , snarare än en verklig ökning av antalet användare.
Lagen kan även utvidgas till situationer där de bakomliggande uppgifterna påverkas av oväntade faktorer som skiljer sig från vad som var tänkt att mätas. Till exempel, när skolor visar ovanligt stora förbättringar i testresultat , visar efterföljande undersökningar ofta att dessa poäng drevs av bedrägeri .