需要做什么样的研究才能比较准确地获知自己乘地铁时电子产品被人偷走的可能性到底有多大？你自然想知道乘地铁被盗窃的概率，而不是失窃物是电子产品的概率。这个数据证明了一件事：地铁系统的大部分偷窃行为都是奔着小型电子产品去的。但它并没有证明这类偷窃行为发生的概率有多大。要回答这个问题，你需要这样问：在坐地铁的时候被偷的概率到底是多少？有可能总体的偷窃行为非常少，但是其中大部分都牵涉小型电子产品。这个例子给我们的最重要的教训就是：我们一定要加倍注意统计数据和结论的措辞，看看二者是不是指的同一件事情。如果不是，写作者或发言者就很可能是在用数据说谎。
如果你乘坐我们这座城市的地铁，十有八九你的手机会被人偷走。我刚读到一份统计数据，说地铁盗窃中的失窃物70%都是小型电子产品。
知道什么样的数据证据应被用来支持一个结论是很难的。因此，另一种策略就是不急于看作者的结论，而先仔细检查作者的数据，然后问自己：“从这些数据中我们可以得出什么合适的结论？”然后拿你的结论和作者的结论相比较。请用这种策略来检验下面这个例子。
一种策略是对立论者提供的数据视而不见，然后问自己：“以什么样的统计数据作证据，在证明他的结论时会有帮助？”然后，将“所需”的数据和给出的数据进行比较。如果两者之间难以吻合，你可能就发现了一个数据上的欺骗。下面的例子为你提供一个应用这种策略的机会。
大约半数美国人欺骗自己的另一半。研究人员最近在一家购物中心采访了很多人。在接受采访的75人当中，有36人直白地说他们有朋友曾承认欺骗过自己的交往对象。
有些数据确实能证明一件事，而立论者往往欺骗我们，宣称这些数据证明了另一件性质完全不同的事。这些数据压根就证明不了它们被用来证明的事！有两种策略可以帮你找出这类欺骗。
你有没有想到这个例子一开始得出的结论？大约一半人在某个特定地点承认有朋友告诉过自己，他们在和他人交往的过程中至少有过一次欺骗行为。你有没有看出数据所证明的东西和写作者的结论之间存在着巨大的差异？如果你看出来了，那你就发现了这位写作者是如何利用数据来进行欺骗的。