赫夫這本 1954 年的小書，用幽默的筆調揭露統計數字如何被用來誤導人。他說，統計的「祕密語言」在一個重視事實的文化裡特別有說服力，因為數字看起來客觀又權威，正因如此，它也最容易被拿來煽動、誇大、混淆和過度簡化。

赫夫並不是要讀者不相信所有統計，而是要大家學會辨別。他認為統計本身是中性的，關鍵在於怎麼使用。全書不需要任何高深的數學，一般讀者都能讀懂。

第一章談抽樣。一個有問題的樣本，會讓後面所有的分析都失去意義。當研究忽略或錯誤地代表了母體中的某一部分人，結論就會被扭曲。

他舉同學會的例子：如果去調查某一屆畢業生現在的收入，回應的人可能會為了面子誇大收入，而混得不好的人可能根本不回應，結果算出來的平均收入就會高得不合理。

赫夫也用數玉米的比喻說明抽樣：抽樣讓一份研究看起來很科學，但如果樣本本身不可靠，得到的結論就只是穿著科學外衣的猜測。他也提到，正派的民調機構其實一直在和各種偏差「打一場持續的仗」，完美的樣本不存在，但嚴謹的方法能讓結果可靠得多。

「平均數」其實有三種：平均數、中位數和眾數。同樣一組數據，用不同的「平均」算法，可以得到差異很大的結果。

赫夫舉例，同一個社區的平均收入，可以說是一萬五千美元，也可以說是三千五百美元，兩個數字都是真的。如果社區裡住了幾個非常有錢的人，平均數就會被拉高，中位數卻能反映一般家庭的狀況。如果沒有說清楚用的是哪一種，讀者就很容易被誤導。

第三章談那些「沒有出現的數字」。樣本太小、沒有提供誤差範圍，都可能讓一個結論看起來很可靠，其實不然。

書中舉了兒童發展常模的例子：如果某份表格說嬰兒在某個月齡會坐，那麼本來就有一半的孩子會比這個時間晚，但家長看到後卻可能非常焦慮。一個沒說清楚的「平均」，就能製造不必要的恐慌。

第四章談統計上「沒有意義的差異」。許多差距其實落在誤差範圍之內，卻被當成重大發現來報導。

赫夫有一句名言：差異只有在真的造成差異時，才算是差異。一個百分點的差距，如果被戲劇化地呈現，可能影響輿論，但它可能根本不顯著，也沒有實際意義。

第五章是許多讀者最喜歡的一章，談折線圖的操弄。圖表比數字更容易親近，但也因此更容易被扭曲。

不需要竄改任何數據，只要把縱軸的起點從零改成一個較大的數字，或者把比例拉長、壓扁，一條平緩的曲線就能變得像在飆升或暴跌。赫夫教讀者看圖時，第一件事就是檢查座標軸。

第六章談用圖畫代替長條圖的伎倆，例如用錢袋的大小代表薪水。問題在於，如果要表示兩倍的數值，畫家常常把錢袋的長和寬都放大兩倍，結果面積變成四倍，看起來的差距遠遠超過實際。

書中也提到，如果是立體的圖像，視覺上的差距甚至會更誇張：一個高兩倍的人，看起來可能像是重了八倍。

「半連接的數字」指的是，數字本身是對的，卻被用來支持一個和它沒有直接關係的結論。

例如廣告說某產品能殺死多少細菌，卻沒說那些細菌和你在意的問題有什麼關係。透過省略脈絡，發布者製造出看似合理、其實沒有根據的邏輯跳躍。

第八章談「相關不等於因果」。兩個數字一起變動，不代表其中一個造成了另一個，背後常常有其他隱藏的因素。

一個經典的例子是冰淇淋的銷量和溺水人數一起上升，但造成兩者的其實是夏天的炎熱天氣，而不是冰淇淋。赫夫用許多生動的例子，提醒讀者不要被看似明顯的因果關係騙了。

第九章整理各種操弄的方法，例如挑選計算百分比的基準，幾乎就能證明任何你想證明的事。

赫夫也指出，扭曲常常不是統計學家造成的，而是記者、廣告商和其他使用數據的人，為了讓故事更吸引人，而重新包裝研究結果。因為統計是由有偏見的人製作和呈現的，它永遠不可能完全客觀。他也用一個笑話作結：有個商人說他的香腸是馬肉和兔肉「各半」，意思是一匹馬配一隻兔子。

最後一章給讀者五個問題，用來檢查任何統計說法：是誰說的？他怎麼知道的？少了什麼？有人偷換了主題嗎？這說得通嗎？

第一個問題提醒我們注意來源的偏見與利益；第二個問題檢查抽樣方法；第三個問題找出被省略的資訊；第四個問題注意原始數據和最後結論之間是否偷偷換了概念；第五個問題則是用常識做最後把關。

赫夫說，只要用這五個簡單的問題去戳一戳數字，就能避免學到一大堆不是真的東西。他也提醒，這五個問題不只適用於統計，在教育、政治、宗教等任何需要批判判斷的領域都用得上。當然，要逐一檢查每個數字並不實際，但養成習慣，就能大幅降低被騙的機會。

這本書的例子大多來自 1950 年代的美國，薪水數字也都過時了，但書評者認為，只要讀者願意包容這些時代差異，裡面的原則仍然完全適用。

在今天這個數據和資訊爆炸的時代，赫夫的提醒反而更加重要。不過也有書評者指出，赫夫自己後來替菸草業辯護、否認吸菸與癌症的關係，可見即使懂得統計陷阱的人，也可能被自己的立場蒙蔽。

一位從事問卷調查的書評者說，對已經熟悉平均數、中位數、標準誤，以及「百分比」和「百分點」差別的專業人士來說，部分內容可能不算新鮮；但書中具體的例子和淺白的語言，仍然非常適合用來培養對數據呈現的批判思考。他形容赫夫的文筆風趣但不浮誇。