「数字は嘘をつかない。だが、嘘つきは数字を使う」— 70年読み継がれる統計リテラシーの聖典、『統計でウソをつく法』を再読する: AI書評

『統計でウソをつく法―数式を使わない統計学入門』 ダレル・ハフ著、1968年

第1部：序論 — なぜ、半世紀以上前の本が今も「必読書」なのか？

情報が洪水のように押し寄せる現代社会において、我々は日々、無数の「数字」に晒されている。経済指標、支持率、マーケティング調査、健康情報。数字は客観的な事実の象徴として、議論に権威と説得力を与える。しかし、その数字が必ずしも真実を語っているとは限らない。この普遍的な課題に、70年以上も前に警鐘を鳴らし、今なお多くの人々の知的な羅針盤となっている一冊の本がある。それが、ダレル・ハフによる不朽の名著『統計でウソをつく法』だ。

本書を語る上で、避けては通れない有名な警句がある。「ウソには3種類ある。ウソ、みえすいたウソ、そして統計だ」。この言葉は、統計が時にいかに巧妙で、悪質な嘘となりうるかを痛烈に皮肉っている。興味深いことに、この言葉の起源は定かではない。マーク・トウェインがイギリスの首相ベンジャミン・ディズレーリの言葉として紹介したとされているが、決定的な証拠は見つかっていない 1。情報の出所を問うことの重要性を説く本書の導入として、これほど相応しいエピソードはないだろう。

本書の挑発的なタイトルは、しばしば誤解を招く。これは決して、人を騙すための手口を指南する悪書ではない。むしろ、その逆である。泥棒の手口を知ることで正直者が身を守れるように、統計でウソをつく方法を学ぶことで、我々は統計に騙されないための「知的なワクチン」を接種することができるのだ。本書の真の目的は、読者を数字の罠から守り、批判的思考力、すなわち現代に不可欠な情報リテラシーを授けることにある。

その証拠に、本書は驚異的な生命力を誇っている。原書は1950年代に出版され、日本語版（講談社ブルーバックス）は1968年の初版以来、版を重ね続け、現在では100刷を超えるロングセラーとなっている。なぜ、半世紀以上も前の本が、これほどまでに読み継がれるのか。その答えは、本書が暴き出す統計的詐術の根本的な手口が、驚くほど変わっていないからに他ならない。技術は進化し、社会は変容しても、人間の認知バイアスを突く方法は普遍的なのである。

本書の成功の核心には、そのタイトル自体が持つ卓越した教育戦略がある。「統計的誤謬入門」といった退屈な学術書のタイトルではなく、『統計でウソをつく法』という、まるで禁断の知識を授けるかのようなタイトルを選ぶことで、著者は読者の知的好奇心を巧みに刺激した。これにより、読者は受け身の学生ではなく、詐欺師の手口を学ぶ探偵へと変貌する。本書の構成も巧みで、第1章から第9章にかけて様々な「ウソのつき方」を詳述し、最後の第10章でそれらを見破るための「防御法」を明かすという流れは、攻撃を知ることで防御を固めるという本書の哲学を体現している。このエンターテイメント性こそが、本書を単なる学術書ではなく、時代を超えて愛される知的冒険譚へと昇華させているのである。

第2部：『統計でウソをつく法』が暴く、巧みな「数字の罠」

本書の中核をなすのは、統計がいかにして真実を歪め、人々を誤った結論へと導くかを具体的に解き明かす部分である。ここで紹介される手口は、現代のメディアや広告、ビジネスの現場で今なお頻繁に目にするものばかりだ。

2.1. 偏ったサンプル — 都合の良い「事実」の作り方

信頼できる統計の根幹は、調査対象となる母集団を正しく反映した、無作為（ランダム）で偏りのないサンプルにある。統計でウソをつく最も簡単で古典的な方法は、この大原則を意図的に破ることだ。

本書が挙げる古典的な例として、学生の1日の勉強時間を調べるために、図書館にいる学生だけを対象にアンケートを行うケースがある 2。当然ながら、このサンプルは勉強熱心な学生に著しく偏っており、ここから得られた「平均勉強時間」を全学生のそれとして発表するのは、明らかなごまかしである。

この手口は、現代のインターネット社会でさらに巧妙化している。特定のウェブサイトやSNS上で行われるオンライン投票は、その典型だ。回答者はそのテーマに強い関心や意見を持つ人々に偏りがちで、サイレント・マジョリティ（物言わぬ多数派）の声は反映されない。結果として、一見すると数万票を集めた大規模な調査に見えても、その信頼性は、科学的に抽出された数百人のランダムサンプル調査に遠く及ばないことが多い。「サンプルの基礎は『ランダム』という性質がなければならない」という本書の指摘は、データ量が爆発的に増えた現代においてこそ、より一層の重みを持つ。

2.2. 「平均」という名の魔術 — 平均値・中央値・最頻値のトリック

「平均」という言葉は、日常的に使われるがゆえに、非常に危険な曖昧さをはらんでいる。統計学上、「平均」を指しうる代表値には主に3種類あり、それぞれが全く異なる実態を映し出すことがある。

1. 平均値 (Mean): 全てのデータを合計し、データの数で割ったもの。一般的に「平均」と聞いて想像されるもの。

2. 中央値 (Median): データを大きさの順に並べたとき、ちょうど真ん中に位置する値。

3. 最頻値 (Mode): データの中で最も出現頻度が高い値。

本書で紹介される有名な例は、ある地域の「平均」年収だ 2。住民のほとんどが年収500万円前後であっても、その地域に年収5億円の大富豪が一人いるだけで、算術平均値は劇的につり上がり、例えば「この地域の平均年収は2000万円です」といった、実態とはかけ離れた数字が算出されてしまう。この場合、住民の実態をより正確に表すのは、大富豪一人の影響を受けない中央値であろう。

このトリックは、企業の平均給与、不動産の平均価格、国の経済統計など、あらゆる場面で悪用されうる。高い平均値を提示することで、格差の実態を覆い隠し、あたかも全体が豊かであるかのような印象操作が可能になるのだ。したがって、我々は「平均」という言葉に出会った時、常に「それはどの『平均』か？」と自問する習慣を身につけなければならない。

2.3. 小さなサンプル — 偶然を必然に見せかける

サンプル数が少なければ少ないほど、極端な結果や驚くべき結果が「偶然」によって生まれやすくなる。そして、その偶然をあたかも必然であるかのように見せかけるのが、この手口の本質だ。

例えば、ある新薬の効果を10人の患者で試したところ、7人に改善が見られたとする 2。成功率70%という数字は非常に印象的だが、サンプルサイズが小さすぎるため、この結果が単なる偶然である可能性を否定できない。

この手法は、特に広告業界で頻繁に利用される。「歯科医の90%が推奨」といった謳い文句は、その典型かもしれない。これは、意図的にごく少人数の歯科医グループを対象に何度も調査を行い、偶然にも望ましい結果が出た一回だけを大々的に公表している可能性がある。統計学的には、サンプルサイズが小さい調査を繰り返せば、結果は大きくばらつくことがわかっている。そのばらつきを利用し、自社に都合の良い結果だけを「つまみ食い」する。これが、小さなサンプルを利用した巧妙なウソのからくりである。

2.4. グラフの魔力 — 見せ方一つで印象は操作される

人間は視覚的な情報に強く影響される生き物であり、グラフはデータを直感的に伝える強力なツールだ。しかし、その力を悪用すれば、些細な変化を劇的に見せかけ、受け手の印象を自在に操作することが可能になる。

最も古典的で効果的なテクニックが、「軸を切り詰める」ことである。例えば、ある企業の売上がわずかに増加したとする。グラフの縦軸（Y軸）の目盛りを0から始めるのではなく、売上変動があった範囲だけを切り取って表示すれば、ごくわずかな上昇が、まるで急成長を遂げたかのような急峻な右肩上がりの線として描かれる。

もう一つの巧妙な手口は、絵や図の大きさで量を表現する「絵グラフ」の悪用だ。例えば、A社の売上がB社の2倍であることを示すために、A社の金袋の「高さ」をB社の2倍にしたとする。しかし、高さが2倍になれば、面積は4倍、体積は8倍に見えてしまい、視覚的には2倍をはるかに超える圧倒的な差があるかのように錯覚させられてしまう。これらのテクニックは、企業の業績報告や政治家の実績アピールなど、特定のメッセージを強く印象付けたい場面で今なお多用されている。

2.5. 相関関係と因果関係の混同 — 最も陥りやすい論理の罠

統計が示す「ウソ」の中で、最も根深く、多くの人が陥りやすいのが「相関関係」と「因果関係」の混同である。二つの事象（AとB）の間に統計的な関連性（相関）が見られたとしても、それが「AがBの原因である」（因果）と結論づけることはできない。

本書でも触れられる有名な例が、「アイスクリームの売上」と「水難事故の発生件数」の相関だ 2。データ上、夏になると両者の数値はともに上昇し、強い相関関係を示す。しかし、ここから「アイスクリームを食べると溺れる」という因果関係を導き出すのは馬鹿げている。実際には、「気温の上昇」という第三の因子が、アイスクリームの消費を促し、同時に人々を水辺での活動に向かわせることで、両方の数値を押し上げているに過ぎない。

この論理的誤謬は、現代の健康・医療ジャーナリズム（例：「コーヒーを飲む人ほど長生きする」）やビジネスのデータ分析において、後を絶たない。観測データから見出された相関関係は、あくまでさらなる分析への「仮説」を提示するものであり、それ自体が結論ではない。この原則を忘れると、我々は誤った判断を下し、無意味な行動を取ることになりかねない。

これらの deceptive な手法は、単独で使われるだけでなく、複合的に組み合わされることで、より強力な「ウソの物語」を構築する。それは、いわば「騙しの文法」とでも言うべき体系だ。まず、偏ったサンプル を選び（例えば、自社製品の熱心なファンだけを集める）、小さなサンプル で調査を繰り返して偶然出た最高の評価を拾い上げる。次に、その結果を外れ値に引っ張られた平均値 で報告し、軸を切り詰めたグラフ でその成果を視覚的に誇張する。最後に、その製品の売上上昇と社会のポジティブなトレンドを並べて見せ、あたかも製品が社会を良くしているかのような偽りの因果関係 を示唆する。このように、個々のトリックが連動することで、偏見や偶然は、科学的な装いをまとった「事実」へと巧妙に洗い替えされる。この構造全体を見抜く力こそが、真の統計リテラシーなのである。

第3部：時代を超えて引用される、本書のハイライト

本書には、その核心的なメッセージを凝縮した、多くの人々に引用され続ける名文句が散りばめられている。これらの言葉は、データに対する健全な懐疑心を育むための文化的アンカーとして機能してきた。

Quote 1: 「ウソには3種類ある。ウソ、みえすいたウソ、そして統計だ」

本書と最も強く結びつけられているこの言葉は、統計に対する人々の根深い不信感を的確に表現している。なぜ統計が「みえすいたウソ」よりも悪質なのか。それは、統計が客観的な「数字」という権威の衣をまとっているからだ。単純なウソは反証されやすいが、統計的なウソは、それを解体するための専門的な知識や批判的な視点を持たない人々をいとも簡単に欺いてしまう。この言葉は、数字の持つ魔力とその危険性を一言で喝破している。

Quote 2: 「統計はウソをつかないが、ウソつきは統計を使う」

これもまた、広く引用される名言である。先の言葉よりも一歩踏み込み、問題の所在をより正確に指摘している。罪は、数学的なツールである統計学そのものにあるのではない。それを悪用する人間の意図にあるのだ、と。数字自体は客観的かもしれないが、どの数字を選び、どう見せ、どう解釈するかは、徹頭徹尾、主観的な行為である。この言葉は、データと向き合う際に、その背後にいる人間の存在を常に意識せよという、本書の核心的な教えを見事に要約している。

Quote 3: 「サンプリング調査の結果が…データが何回も統計的操作で濾過され…小数点のついた平均値に姿を変える頃には，その結果はもとのデータとは似ても似つかないような確信の臭気を身につけ始めるのである」

本書を深く読み込んだ読者に特に愛されているのが、この詩的で洞察に満ちた一節だ。これは、「データロンダリング（データの洗浄）」とも言うべきプロセスを鮮やかに描き出している。もともとは偏りや不確実性を含んだ生のデータが、統計という「科学的」なフィルターを何度も通過するうちに、その汚れが洗い流され、「成長率3.57%」のような、クリーンで精緻な数字へと姿を変える。この小数点以下の数字が持つ精密さが、元データにあったはずの曖昧さを覆い隠し、人々に疑うことを忘れさせるような、本来不相応な「確信の臭気」を放つのだ。

これらの名言が時代を超えて生き続けているのは、単にウィットに富んでいるからだけではない。それらは、情報過多の社会を生きる我々にとって、必要不可欠な思考のショートカット、あるいは精神的なお守りとして機能しているからだ。驚くべき統計データに直面したとき、「ウソには3種類ある…」という言葉を思い出すだけで、無条件の受け入れから一歩立ち止まり、批判的な距離を置くことができる。数字の客観性と人間の主観性の間に横たわる深い溝。この複雑な概念を、これらの言葉は瞬時に我々に伝えてくれる。それらは、情報化時代の「ことわざ」であり、専門家でなくとも健全な懐疑心を持つための、強力な知的武装なのである。

第4部：統計のウソを見破る「5つのカギ」— あなたの思考を守る盾

本書は、ウソの手口を暴くだけで終わらない。最終章では、それらのウソから身を守るための実践的な武器として、「5つのカギ」となる質問を提示する。これらは、統計情報に出会ったときに、誰もが自問すべきチェックリストである。

1. 誰がそういっているのか？ (Who says so?)
まず問うべきは、情報の発信源である。その調査は誰が、何の目的で行ったのか。そこには、何かを売りたい、特定の意見を支持させたいといった、意識的あるいは無意識的なバイアスが働いていないだろうか。権威ある組織の名前が挙げられていても、鵜呑みにしてはならない。

2. どういう方法で分かったのか？ (How does he know?)
次に、その調査手法を問う。サンプルはどのように選ばれたのか。その数は十分か、そして母集団を代表するものか。アンケートの質問の仕方に、特定の回答を誘導するような意図はなかったか。

3. 足りないデータはないか？ (What's missing?)
提示されたデータだけでなく、「提示されなかったデータ」に目を向けることが重要だ。割合（パーセント）だけが示され、その元となる絶対数が隠されていないか。「平均」だけが語られ、データのばらつき具合（範囲や標準偏差）が無視されていないか。都合の悪いデータが意図的に省略されている可能性を常に探るべきである。

4. いっていることが違ってやしないか？ (Did somebody change the subject?)
これは、調査した事柄と、そこから導き出された結論との間に「すり替え」がないかを確認する質問である。例えば、「風邪薬Aを飲んだ人は、飲まなかった人より『不快な気分』を訴える日が少なかった」というデータから、「風邪薬Aは風邪を治す効果がある」と結論づけるのは、典型的なすり替えである。

5. 意味があるかしら？ (Does it make sense?)
最後のカギは、最も基本的でありながら最も重要な「常識によるチェック」である。その統計的結論は、常識的に考えてありえる話か。また、統計的に「有意な差」があるとされても、その差は実社会において意味を持つほど大きなものなのか。あまりに突飛な結論や、細かすぎる数字には注意が必要だ。

この「5つのカギ」こそ、本書が後世に残した最大の遺産と言えるだろう。なぜなら、これらの質問は統計という特定の分野をはるかに超え、我々が日常生活で触れるあらゆる情報に対して適用可能な、普遍的な批判的思考のフレームワークを提供しているからだ。

試しに、「統計」という言葉を「政治家の主張」に置き換えてみよう。「その主張を誰が言っているのか？（彼の立場は？）」「どういう方法でその結論に至ったのか？（根拠は？）」「足りない情報はないか？（不都合な事実を隠していないか？）」「論点をすり替えていないか？（経済の話をしていたはずが、いつの間にか別の話に…）」「そもそも、その主張は意味があるか？（現実的か？）」。このフレームワークは完璧に機能する。ハフは、客観性という仮面を被った統計を完璧なケーススタディとして用いることで、規律ある懐疑心という、より広範で深遠なスキルを我々に教えてくれたのだ。AIが生成する巧妙なフェイクニュースが社会を脅かす現代において、情報の発信源と根拠を問うこの5つの質問の重要性は、かつてないほど高まっている。

第5部：結論 — AIとフェイクニュースの時代にこそ、『統計でウソをつく法』を読むべき理由

本書が書かれた時代と現代とでは、決定的な違いがある。それは、統計を操作し、見栄えの良いグラフを作成する手段が、専門家だけでなく、あらゆる人々の手に渡ったことだ。表計算ソフトを使えば、誰もが数値を加工し、プロ並みのグラフを瞬時に作成できる。これは「騙しの民主化」とも言える状況であり、本書の持つ意味合いを大きく変えた。

もはや本書は、単に情報の「受け手」が身を守るための手引書ではない。むしろ、情報の「作り手」が自らを戒めるための倫理的な教科書としての役割を強く帯び始めている。自分の部署の業績を少しでも良く見せたい、自分の主張をより説得的に伝えたい。そんな時、本書で紹介された手口を使いたくなる「悪魔のささやき」に抗うためにも、我々はこの本を再読する必要があるのだ。

さらに、ビッグデータ、アルゴリズムによる判断、AIが生成するコンテンツといった21世紀の新たな課題に直面する今こそ、本書の古典的な知恵が光を放つ。テクノロジーは新しくなっても、そこで起きる誤謬は驚くほど古い。偏ったデータで学習したAIは、ハイテク版の「偏ったサンプル」に他ならない。本物と見分けがつかないディープフェイク動画は、我々の認知を歪める現代の「人を驚かすグラフ」である。本書は、こうした新しい形の権威に対しても、その根源を問い、健全な懐疑の目を向けるための基礎体力を与えてくれる。

結論として、『統計でウソをつく法』は、単なる数字に関する古き良き啓蒙書ではない。それは、知的自己防衛術の基礎を築き、好奇心と懐疑心、そして知的な誠実さを求める、時代を超えた呼びかけである。

皮肉なことに、この本が今なおベストセラーであり続けるという事実そのものが、我々の社会がその教えを十分に学んでこなかったことの証左なのかもしれない。本書が指摘するように、統計リテラシーを持たない無垢な世代は次々と生まれ、知っているはずの我々でさえ、絶え間ない復習を必要とする。この本の今日的な意義は、それが70年前に解決しようとした問題が、今なお我々の社会に根深く残っているという事実の裏返しでもある。だからこそ、我々は再びこの本を手に取るべきなのだ。賢い情報の消費者になるためだけでなく、より責任感のある、倫理的な情報社会の担い手となるために。

引用文献

1. 「統計はウソをつかないが、ウソつきは統計を使う」①「ウソには3 ..., 10月 23, 2025にアクセス、 https://mediajuku.com/article/229

2. だまされないためにだます方法を知る——「統計でウソをつく法 ..., 10月 23, 2025にアクセス、 https://mukai.systems/articles/530wibce37ewmen1wa0fkhvt17bbd6uh/

（Gemini 2.5 pro Deep Research とClaude Sonnet 4.5を使用して作成しています）