Książka może spełniać rolę podręcznika do nauki statystyki dla uczniów szkół średnich, studentów oraz hobbystów pasjonujących się obliczeniami statystycznymi. Będzie przydatna także osobom zawodowo zajmującym się statystyką, którym autor ułatwia wykrywanie i unikanie typowych błędów obliczeniowych i interpretacyjnych. Zawarte w książce przykłady obliczeniowe zostały opracowane za pomocą pakietu obliczeniowego o nazwie R, dostępnego w Internecie bezpłatnie, dzięki czemu Czytelnicy książki nie muszą wykonywać samodzielnie żmudnych obliczeń.

Omawiane w książce techniki są bogato ilustrowane przejrzyście opisanymi przykładami, na końcu każdego rozdziału umieszczono zadania.

Jak przewidywać społeczno-ekonomiczne charakterystyki ludności na podstawie bieżących tendencji? Jak podejmować decyzje sprzyjające wzrostowi dobrobytu społeczeństwa? Czy jutro będzie padać deszcz? Czy ubezpieczyć się na wypadek klęski nieurodzaju, śmierci, katastrofy? Jak łatwo się domyślić, główną przeszkodą w udzieleniu odpowiedzi na te pytania jest niepewność – brak jednoznacznej relacji między przyczyną i skutkiem.

Dopiero z początkiem poprzedniego wieku nauczono się wyznaczać niepewność 1. Dane trzeba przetwarzać, aby dowiedzieć się, do jakiego stopnia można z nich usunąć element niepewności. Wiedza o zasobie niepewności zawartej w danych jest kluczem do podjęcia odpowiedniej decyzji. Statystyka jest więc logiką, za pomocą której można wspiąć się po drabinie od danych do informacji o jeden szczebel wyżej. Statystyka to pewna metodologia podejmowania decyzji, czyli wnioskowania w warunkach niepewności. Wiedza osoby zajmującej się statystyką (czyli statystyka) pozwala zaufać głoszonym przez niego sądom lub podejmowanym decyzjom z uwzględnieniem nieuniknionego ryzyka.

Musimy pamiętać, że zawsze istnieje ryzyko porażki, popełnienia błędu, ale zdecydowanie lepiej wiedzieć coś jedynie z pewnym prawdopodobieństwem, niż nie wiedzieć nic z całą pewnością. Osoby uprawiające statystykę często popełniają różnorakie błędy, spowodowane kilkoma przyczynami:

• Zdecydowana większość ludzi korzystających z metod statystycznych to specjaliści w zupełnie innych dziedzinach, dla których statystyka odgrywa rolę pomocniczą – ekonomiści, biolodzy, chemicy itp.
• Klasyczna teoria statystyki powstawała ponad pół wieku temu i z braku wówczas odpowiednio wydajnych komputerów opiera się na zaawansowanych metodach analitycznych (czytaj: długich i skomplikowanych wzorach) oraz koniecznych do ich wyprowadzenia założeniach, nie zawsze spełnianych w praktyce (raczej rzadko) i często nierozumianych (lub rozumianych błędnie) przez niestatystyków.
• Próba wyjaśnienia tej złożonej teorii na kursie lub w podręczniku dla niestatystyków kończy się zwykle katalogiem przepisów „kiedy stosować który test”. Niestety, żaden katalog nie uwzględni wszystkich przypadków, z którymi
  możemy mieć do czynienia, i nie zastąpi zrozumienia podstaw.
• Podstawową konsekwencją rozpowszechnienia komputerów jest ułatwienie dostępu do tych skomplikowanych metod: z wczytaniem danych do pakietu statystycznego jakoś sobie poradzimy, potem tylko trzeba „doklikać się” do testu i komputer zawsze „wyrzuci” wynik. Komputer jednak nie przyjmie odpowiedzialności za dobór metody do problemu, poprawne sformułowanie hipotezy oraz wyciągnięcie właściwych wniosków.