이 책은 사람들에게 오해나 잘못된 판단을 일으킬 수 있는 통계들에 대해서 다룬 책입니다. 저는 제가 통계 결과를 잘못 해석하는 것을 막기 위해서 이 책을 선정하게 되었습니다. 이 책에는 잘못되거나 무의미한 통계 결과를 일으킬 수 있는 원인들로 표본 추출 과정에서의 왜곡, 부적절한 대푯값, 표본의 수, 중요한 숫자의 생략, 오차의 무시, 오해를 불러일으킬 수 있는 그래프, 결론과 무관한 것의 증명, 상관관계와 인과관계의 혼동, 백분율에서의 오류 등이 나옵니다. 그리고 통계에서의 오류를 피하기 위한 여러 방법을 제시합니다. 표본 추출 과정에서의 왜곡은 왜곡된 표본의 사용이나 설문 대상자들의 거짓말로 발생할 수 있다고 합니다. 부적절한 대푯값의 사용은 평균, 중앙값, 최빈값 등 다양한 대푯값 중 상황에 맞지 않는 대푯값을 사용할 때 생길 수 있는 문제라고 합니다. 표본의 수는 표본의 수가 적으면 우연에 의해 잘못된 결론이 발생할 수 있다는 것입니다. 중요한 숫자의 생략은 유의 수준이나 표준 편차와 같은 숫자들이 생략되어 충분한 정보가 없는 상황을 뜻합니다. 오차의 무시는 통계의 결과로 산출된 값이 있을 때, 이를 다른 값들과 비교하는 과정에서 그 차이가 매우 작아 오차를 고려한다면 거의 무의미함에도 불구하고 그러한 차이에 주목하고 비교 결과에 따라서 판단을 내리는 상황을 의미합니다. 오해를 불러일으킬 수 있는 그래프는 밑부분을 생략한 막대그래프를 볼 때, 전체 값에 비하면 얼마 되지 않는 차이가 그래프 상에서는 굉장히 큰 차이라는 시각적 인상을 주거나 물체의 크기로 숫자의 크기를 표현한 그림에서 숫자가 2배 큰 상황에서 높이와 폭 모두를, 그리고 입체일 때는 하나의 방향으로 더 2배 크게 그림을 그림으로써 크기가 4배, 혹은 8배라는 시각적 인상을 주는 상황을 의미합니다. 결론과 무관한 것의 증명은 예를 들어, 특정 약이 실험 환경에서 세균을 죽인 것을 바탕으로 이 약이 복용 시 특정 질병에 효과가 있음을 주장하는 것 같은 상황을 의미합니다. 상관관계와 인과관계의 혼동은 단순한 상관관계를 인과관계로 착각하는 상황을 의미합니다. 백분율에서의 오류는 기준을 일관적이지 않게 설정하거나 백분율을 백분율점과 혼동해 발생할 수 있다고 합니다. 저자는 이러한 오류들을 피하기 위해 자료의 출처와 조사 방법에 유의해야 하고, 빠뜨린 정보가 없는지 확인해야 하며, 둘 이상의 대상을 비교할 때 기준이 일관적인지 확인하고 쟁점을 바꿔치지 않았는지 확인해야 하고, 상식적으로 말이 되는지 생각해보라고 말합니다. 저는 이 책을 통해 표본의 왜곡이 정말 다양한 이유로 발생할 수 있다는 사실을 배웠습니다. 또, 저는 통계가 우리에게 다양한 정보를 가져다 줄 수 있는 정말 유용한 도구이지만, 통계를 사용할 때에는 언제나 잘못된 결과가 나오지 않도록 주의하며 사용해야겠다고 느꼈습니다.