然而大量的统计数据、统计资料由于主、客观的原因被滥用，很难起到描述事实、传递信息的作用。相反，还往往对读者形成误导。达莱尔·哈夫(Darrell Huff)，一位具有深厚统计背景的新闻记者——发现了这一现象。他在广泛调查的基础上，从报刊、杂志、书籍中，从美国统计学会一些统计学家提供的实例中，收集了大量案例，并在 1954年写下了“How to Lie with Statistics”一书。该书一经出版，便畅销美国，成为美国 20 世纪 50 年代的畅销书之一。并受到了当时美国各种书评杂志的好评。《管理评论》认为：“哈夫先生用如此生动的、充满人情味的方式来论述统计这个干巴巴的课题，真是一讯灵丹妙药。
作者摈弃了前 9 章使用的描述手法，直接正面地阐述了“对统计资料”应该“提出的五个问题”：(1)“谁说的？”(2)“如何知道的？”(3)“是否遗漏了什么？”(4)“是否偷换了概念？”以及(5)“资料是否有意义？”通过寻找这 5 个问题的答案，读者能初步判断资料是否真实可信。原著的标题为“How to Lie with Statistics”，有多种译法。可直译为《如何利用统计撒谎》，这样基本体现了本文前 9 章的行文风格，但考虑到作者的目的是识破谎言，最终将译名定为《统计数字会撒谎》。
培根曾经说过：“如果一个人以种种肯定的立论开始，他必将终止于各种怀疑；但如果他愿意抱着怀疑的态度开始，那么他必将获得肯定的结论。”我想对数据资料的判断和接收也是如此。
我们知道，一条河永远不可能高于它的源头。但如果在河的某处藏有水电站，却可以做到。同理，对样本研究后得到的结论不会好于样本本身。当数据经过层层统计处理，最后简化成一个小数形式的平均数时，结论似乎被确定的光环所笼罩，但只要再仔细留心整个抽样过程，这个光环就会破灭。
一个以抽样为基础的报告如果要有价值，就必须使用具有代表性的样本，这种样本排除了各种误差。这就是耶鲁毕业生的收入数据失真的原因，也是许多你在报纸或杂志上读到的报道毫无意义的原因。
：无形的误差与有形的误差一样容易破坏样本的可信度。也就是说，即使你找不到任何破坏性的误差来源，但只要有产生误差的可能性，你就有必要对结果保留一定的怀疑。
你不可能获胜！ 除此之外，如何在各层内部获得随机样本呢？最有效的办法是准备好每一层中所有单位的名单，并以随机抽中的名单构成样本。当然，这耗资不菲。于是又转为街头调查，但由于遗漏了呆在家中的人而变得有偏；白天挨家挨户上门调查，又遗漏了上班族；转而改为晚上访问，但又不能包括那些看电影和去夜总会的人。
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。调查报告的读者应谨记这点：这场战斗永远不会取得胜利。在看到“67％的美国人反对”或其他类似的字眼时，应保留这样一个问题：67％的哪些美国人？