在第二次世界大战期间，美国陆军航空队和英国皇家空军一起对德国进行战略轰炸.但在早期，每次执行任务战损率都很高.为此，美国陆军航空队采取种种措施，希望减少损失。

　　有一条措施就是请国内派统计专家来前线，看看能不能通过统计手段降低战损率.一位统计学专家很快来到前线基地.他在各个部队走访了一圈，然后让配合他工作的军士去制作了陆军航空队所用的Bl7、B24等轰炸机大尺寸模型.在接下来的时问里，只要有执行任务的轰炸机部队返航，统计学家和他的军士就在第一时间去机场，详细地记录下每一架飞机的损伤情况，随后在模型上用墨汁将所有被击中的部位涂黑.结果，不到两个月时闻，统计学家面前的轰炸机模型上，除了几个很小的区域还是机身原来的颜色以外，其他全被涂黑了.很多地方显然是被反复涂过多次，墨汁都已经像油漆一样凝结成厚厚的一层。

　　统计学家将这些飞机模型带到了陆军航空队司令的办公室.在场的还有各个轰炸机生产厂家的代表.在部队司令的面前，统计学家指着模型，先是解释了一下机身被涂黑意味着什么,，接着提出了他的建议：“请让厂家将轰炸机上这些没有被涂成黑色的部位，尽快增加装甲”几个厂商代表马上发出了疑问：“为什么是这些没有被击中的地方?难道那些被击中次数最多的部位不需要增加装甲吗?”统计学家很无奈地摇了摇头，解释道：“这些部位之所以没有被涂黑，不是因为那里不会被击中，而是因为所有被击中这些部位的飞机，最终都没有返回基地.”陆军航空队司令非常赞同统计学家的观点，并立刻下令让各个厂家给轰炸机的相应部位增加防护措施.在采取统计学家的建议后，轰炸机部队在执行任务时的战损率果然有了明显的下降.这个真实的故事能够带给我们什么启示呢?可能每一个人对此都有不同的理解.在我看来，这位统计学家在分析问题的时候，能够做到不被表面现象所迷惑，在使用数据之前首先考虑到了数据的代表性问题，进而得到了正确的统计分析结果。

　　在我们的工作中，也会接触到大量的统计数据，我们在使用这些数据进行分析的时候，有没有想过这些数据与我们所期望的是否吻合，是否存在影响数据结果的未考虑到的因素呢?我们在使用数据的时候，不妨将眼界放宽一些，考虑数据的上下游联系更充分一些，这样更有助于我们得到正确的结论。