赫夫这本 1954 年的小书，用幽默的笔调揭露统计数字如何被用来误导人。他说，统计的「秘密语言」在一个重视事实的文化里特别有说服力，因为数字看起来客观又权威，正因如此，它也最容易被拿来煽动、夸大、混淆和过度简化。

赫夫并不是要读者不相信所有统计，而是要大家学会辨别。他认为统计本身是中性的，关键在于怎么使用。全书不需要任何高深的数学，一般读者都能读懂。

第一章谈抽样。一个有问题的样本，会让后面所有的分析都失去意义。当研究忽略或错误地代表了母体中的某一部分人，结论就会被扭曲。

他举同学会的例子：如果去调查某一届毕业生现在的收入，回应的人可能会为了面子夸大收入，而混得不好的人可能根本不回应，结果算出来的平均收入就会高得不合理。

赫夫也用数玉米的比喻说明抽样：抽样让一份研究看起来很科学，但如果样本本身不可靠，得到的结论就只是穿著科学外衣的猜测。他也提到，正派的民调机构其实一直在和各种偏差「打一场持续的仗」，完美的样本不存在，但严谨的方法能让结果可靠得多。

「平均数」其实有三种：平均数、中位数和众数。同样一组数据，用不同的「平均」算法，可以得到差异很大的结果。

赫夫举例，同一个社区的平均收入，可以说是一万五千美元，也可以说是三千五百美元，两个数字都是真的。如果社区里住了几个非常有钱的人，平均数就会被拉高，中位数却能反映一般家庭的状况。如果没有说清楚用的是哪一种，读者就很容易被误导。

第三章谈那些「没有出现的数字」。样本太小、没有提供误差范围，都可能让一个结论看起来很可靠，其实不然。

书中举了儿童发展常模的例子：如果某份表格说婴儿在某个月龄会坐，那么本来就有一半的孩子会比这个时间晚，但家长看到后却可能非常焦虑。一个没说清楚的「平均」，就能制造不必要的恐慌。

第四章谈统计上「没有意义的差异」。许多差距其实落在误差范围之内，却被当成重大发现来报导。

赫夫有一句名言：差异只有在真的造成差异时，才算是差异。一个百分点的差距，如果被戏剧化地呈现，可能影响舆论，但它可能根本不显著，也没有实际意义。

第五章是许多读者最喜欢的一章，谈折线图的操弄。图表比数字更容易亲近，但也因此更容易被扭曲。

不需要窜改任何数据，只要把纵轴的起点从零改成一个较大的数字，或者把比例拉长、压扁，一条平缓的曲线就能变得像在飙升或暴跌。赫夫教读者看图时，第一件事就是检查座标轴。

第六章谈用图画代替长条图的伎俩，例如用钱袋的大小代表薪水。问题在于，如果要表示两倍的数值，画家常常把钱袋的长和宽都放大两倍，结果面积变成四倍，看起来的差距远远超过实际。

书中也提到，如果是立体的图像，视觉上的差距甚至会更夸张：一个高两倍的人，看起来可能像是重了八倍。

「半连接的数字」指的是，数字本身是对的，却被用来支持一个和它没有直接关系的结论。

例如广告说某产品能杀死多少细菌，却没说那些细菌和你在意的问题有什么关系。透过省略脉络，发布者制造出看似合理、其实没有根据的逻辑跳跃。

第八章谈「相关不等于因果」。两个数字一起变动，不代表其中一个造成了另一个，背后常常有其他隐藏的因素。

一个经典的例子是冰淇淋的销量和溺水人数一起上升，但造成两者的其实是夏天的炎热天气，而不是冰淇淋。赫夫用许多生动的例子，提醒读者不要被看似明显的因果关系骗了。

第九章整理各种操弄的方法，例如挑选计算百分比的基准，几乎就能证明任何你想证明的事。

赫夫也指出，扭曲常常不是统计学家造成的，而是记者、广告商和其他使用数据的人，为了让故事更吸引人，而重新包装研究结果。因为统计是由有偏见的人制作和呈现的，它永远不可能完全客观。他也用一个笑话作结：有个商人说他的香肠是马肉和兔肉「各半」，意思是一匹马配一只兔子。

最后一章给读者五个问题，用来检查任何统计说法：是谁说的？他怎么知道的？少了什么？有人偷换了主题吗？这说得通吗？

第一个问题提醒我们注意来源的偏见与利益；第二个问题检查抽样方法；第三个问题找出被省略的资讯；第四个问题注意原始数据和最后结论之间是否偷偷换了概念；第五个问题则是用常识做最后把关。

赫夫说，只要用这五个简单的问题去戳一戳数字，就能避免学到一大堆不是真的东西。他也提醒，这五个问题不只适用于统计，在教育、政治、宗教等任何需要批判判断的领域都用得上。当然，要逐一检查每个数字并不实际，但养成习惯，就能大幅降低被骗的机会。

这本书的例子大多来自 1950 年代的美国，薪水数字也都过时了，但书评者认为，只要读者愿意包容这些时代差异，里面的原则仍然完全适用。

在今天这个数据和资讯爆炸的时代，赫夫的提醒反而更加重要。不过也有书评者指出，赫夫自己后来替烟草业辩护、否认吸烟与癌症的关系，可见即使懂得统计陷阱的人，也可能被自己的立场蒙蔽。

一位从事问卷调查的书评者说，对已经熟悉平均数、中位数、标准误，以及「百分比」和「百分点」差别的专业人士来说，部分内容可能不算新鲜；但书中具体的例子和浅白的语言，仍然非常适合用来培养对数据呈现的批判思考。他形容赫夫的文笔风趣但不浮夸。