书里讲的很多例子其实已经有些老生常谈了，在九年义务教育和高中、大学中已经被拿出来鞭尸过很多次了（例如使用平均数、中位数和众数来描述一个公司的工资水平）。在互联网发达的今天，会有嘴替替我们指出数据里的问题。
以及，这本书否定了很多错误的统计数据，但没有告诉我们什么是正确的统计数据。正确的统计数据，还是需要培养常识来判断，那些明显偏离自己常识的，数据可能会有问题。
总的来说，这本书在过去是一本好书，但现在可能有些过时了。
# 第一章：内在有偏的样本
主要讲各种样本的偏差。在各类调查问卷中，选择一个合适的样本会直接关系到结果的准确性，但这真的很难。
民意调查最终将演变为一场与误差的遭遇战。所有信誉良好的调查公司将不可避免地投入到这场战斗中。
# 第二章：精心挑选的平均数
注：原作将算术平均数、中位数、众数统称为“平均数”，所以书里提到“平均数”时会去质疑这个平均数是哪种平均数。
当看到某些人平均身高为5英尺时，你便能对这些人的外形有大概的了解，而根本不需过问这个平均数到底是均值、中位数还是众数，因为它们没有过多的区别。因为这些数据的分布十分接近正态分布，而正态分布的均值、中位数和众数是相等的。
在描述他们的经济收入时，却不是那么回事了。
身高遵守正态分布，而收入遵二八法则（也称帕累托法则）。
# 第三章：没有披露的数据
样本过小产生的随机性，使得数据可能会“出奇的好”。而随机更坏的数据被隐藏起来了。
没有注解的图表没有意义。能被任意解读。
# 第四章：毫无意义的工作
无论智力测验测试什么内容。它都与我们平常意义上的智商相去甚远。它忽略了类似领导才能、创造性想象力等十分重要的素质；它没有考虑到社交判断力以及音乐、艺术或其他方面的才能；它无法测试出诸如勤劳、情感平衡等重要的人格品质。再加上，大部分学校做的智力测试都是简单低廉的类型，它们极大程度地依赖于阅读能力、测验者反映的快慢等因素，阅读速度慢的人根本没有拿高分的希望。假设我们对这些都有了重新认识并一致达成共识：智力测验仅仅测验了处理那些预先准备好的抽象问题的能力，而这些能力又很难确切地进行定义。
有些时候两个测量结果的差距甚至小于测量误差，这样的两个测量结果是不可比较的。
# 第五章：惊人的统计图形
画统计图的欺骗技巧。
改变横轴与纵轴刻度的比例关系，将纵轴的每一个刻度缩减为原来的1/10，斜率就会变为10倍。反之也可以以数倍缩小斜率。下面的图看着斜率差距很大，但实际上是一样的。
# 第六章：平面图形
用一个小人来表示成千上万的人，一个钱袋或一堆硬币表示成千上万的钱，一片牛肉来表示明年牛肉的供应量，这些都是形象化的图形。由于十分吸引人，它可以作为一种有用的工具，但同时它也能摇身一变，成为一个老练、狡猾而且成功的骗子。
# 第七章：不相匹配的资料
这章讲的是证据正确、但推理错误，导致错误结论的情况。
以同样荒谬的逻辑继续推理下去的话，你还可以证明天气晴朗时驾车比有雾时更危险。因为晴天比雾天多，所以天气晴朗时会有更多的交通意外。但只要运用常识，你我都能知道雾会使驾车变得危险。
“去年飞机失事造成的人员死亡比1910年多”，这是否意味着现在乘飞机要比过去危险？认为更危险的说法是不合理的，因为选择飞机作为交通工具的人已经是以前的几百倍了。
这是一个有趣的事实，在考虑某种疾病的发病情况时，使用死亡率或者死亡人数比发病人数更合理——这是因为死亡报道和死亡记录的质量更高。
来一道阅读理解：
1942年杜威(Dewey)当选州长时，一些地区教师的最低年收入只有900美元；今天，而纽约州的教师享有全世界最高的收入水平。在杜威政府的建议下，在由杜威指定的委员会的表决下，立法机构于1947年从州财政盈余中拨出3200万美元直用于提高教师收入水平，这使得纽约市教师最低收入水平提高到2500~5323 美元之间波动。
上面这段话有什么问题？
也许，杜威先生想借此表明自己是教师的朋友，但是这些数据并不能证明这一点。这里使用了前后比较的老把戏，一些没有指明的因素加入到过程中，导致前后并不一致。以前只有900美元，而现在是2500~5325美元，的确有了长足的进步。但实际上，前者是该州乡村地区的最低收入，而后者仅仅是纽约市的最低收入水平。这些进步只能部分归功于杜威政府。
# 第八章：相关关系与因果关系
这章讲的东西已经写标题里了。相信本文的读者也清楚这一点，相关关系≠因果关系。
即使是相关关系本身，在没有足够的数据证明之前，可能也是不可信的。很多数据的变化是随着时代变化的，而不是数据之间可能存在相关性。比如使用 20 年前和现在的香烟消费数据，得出 “国内经济越发达，抽烟的人越多” 的结论显然是不合理的。
当你发现某些人在胡乱使用相关性时，请注意分辨相关是否是事件变迁的产物或时代趋势的产物。在我们这个时代的任何一对数据，例如大学生的人数、心理研究机构同房间的病人数、香烟的消费量、心脏病的发病率、X光的使用次数、假牙的生产量、加利福尼亚学校老师的薪水、内华达州赌博的利润等，都很容易显示出正相关关系。
# 第九章：如何进行统计操纵
统计操纵：利用统计资料传递错误的信息而误导他人可称得上是一种操纵行为。
这段里举了非常多的例子，包括上面已有的一些例子，以及对百分比直接进行加减乘除得出的具有误导性的结论，等等。
# 第十章：对统计资料提出的五个问题
总结性章节
- 谁说的？（是否是利益相关者？是权威人士说的，还是仅仅和权威人士沾边？）
- 他是如何知道的？（调查过程是否有偏？调查量是否够大？他的分析基于的数据是否是有偏的？）
通常，你无法了解样本包含了多少案例。这个数据的缺失，特别当信息的来源存在着利害关系时，已足以使你对整件事情提出质疑。
- 是否有人偷换了概念？
- 这个资料有意义吗？