数字本身什么也证明不了！有些人看到论证中使用了数字——任何数字——然后便断定它是一个好的论证。统计数字似乎能给人一种权威、确切的感觉（你知道吗？88%的医生表示赞同 ）。然而实际上，像其他任何类型的证据一样，数字也需要批判性地看待。别把你的大脑“关机”！
曾经有一段时期，人们指责个别盛产体育人才的大学剥削学生运动员，说这些学生一旦失去参赛资格就被迫退学。如今，大学生运动员的毕业率提高了。目前，在很多学校中，50%以上的学生运动员都能毕业。
50%是吗？好高啊！但这个乍看很有说服力的数字，实际上并没有那么有用。
首先，尽管很多学校有50%以上的学生运动员顺利毕业，但还有一些学校做不到——因此，当初引起人们关注，剥削学生运动员的学校未必包含在其中。
这个论证确实给出了毕业率。但我们有必要知道，“50%以上”的毕业率与同一批学校的整体 毕业率相比是高还是低。如果前者过低，那么学生运动员可能仍然受到了剥削。
最重要的是，这个论证并未给出理由来说明，大学生运动员毕业率的确在上升 ，因为它根本没有与之前毕业率进行比较！结论认为，目前的毕业率“提高了”，但在不知道之前毕业率的情况下，不可能证明这一点。
在其他情况下，数字证据也可能是不全面的。例如，规则9告诉我们，了解概率可能很关键。相应地，当论证中出现概率或百分比时，相关背景信息通常必须包括例子的数目 。校园内汽车被盗事件数量可能翻了一番，但如果原来有一辆车被盗，如今有两辆，那也没必要过于担心。
另一个使用统计数字时容易犯的错误是过于精确 ：
这所学校每年要浪费412067个纸杯和塑料杯。是时候改用非一次性水杯了！
我完全赞成杜绝浪费，我也确信校园浪费现象非常严重。但没有人知道具体浪费了多少只水杯，也不可能每年数字都一样。这里，精确的表象夸大了证据的权威性。
另外，还要当心容易受人为操纵的数字。民意测验机构非常清楚，提问方式能够影响答案。比如说，时至今日，我们甚至还能看到一些“民意测验”提出诱导性问题（如果你发现她是个骗子，你会不会改变选择？ ），试图使人们改变对一名政治候选人的看法。同样，很多看起来“确凿”的统计数字实际上是以猜测或推测为基础，例如半合法或非法活动的统计数字。由于人们都极不情愿透露或报告吸毒、暗中交易、雇用非法移民等活动，对任何关于此类活动如何泛滥的大胆概括都要谨慎对待。
再举个例子：
如果儿童看电视的时间按照现在的速度增长下去，到2025年，他们就没时间睡觉了！
是的，到2040年，他们每天要看36个小时呢。这些案例中的推测在数学上完全成立，但过了某个界限之后，它就没有任何道理可言了。