数据与结论不相关的谬误是指把不相关的统计数据误认为密切相关而做出的错误的统计论证。如果统计推理提供的数字与其结论之间明显地毫无关联，人们可能不知道它究竟在说什么，但却不会上它的当。但是，在很多情况下，统计推理的前提与其结论之间貌似相关，而实际上却不相关。这种似是而非的相关性使很多人在不知不觉中受了骗。
在评价统计推理时，就要仔细分析一下统计推理的前提与其结论之间的相关程度，具体有两种方法：
一种方法是，把注意力放在推理中出现的统计数字上，仔细分析一下，从这些数字中可以推出什么结论？如果我们发现，由推理中给出的数字所推出的结论与推理的结论不相符，也许我们就发现了推理的错误所在。
另一种方法是，在遇到一个统计推理时，我们应先将推理中出现的统计数字放到一边，考虑一下，什么样的统计数字可以证明推理的结论？然后，把证明结论所需要的数字与推理中所给出的数字比较一下。如果二者毫不相干，或许我们就可由此发现推理的错误。
统计本质上也属于归纳，在统计论证中，归纳强度取决于样本与总体的相关性。统计概括的结论不但描述对象的性质，也描述对象的因果关系。当我们依靠统计数据来解释或者确认一种因果关系时，必须考虑前提所选取的样本属性与结论所描述的总体属性是否相关，在很多情况下，统计推理的前提与其结论之间貌似相关，而实际上却不相关。因此，数据与结论不相关往往也表现为强加因果联系的论证谬误。
例1： 某国牧师薪水增长的比率与该国朗姆酒消费增长的比率非常接近，有人由此提出结论说：当牧师有了多余的收入时，他们倾向于把多余的钱用来打酒喝。事实是由于该国人均生活水平的提高导致了这两方面的同步增长。
例2： 我国的戏剧工作者中，只有很小的比例在全国30多个艺术家协会中任职。这说明，在我国的艺术家协会中，戏剧艺术方面缺少应有的代表性。
分析： 上述论证有漏洞，因为我国的戏剧工作者中，只有很小的比例在全国30多个艺术家协会中任职，并不意味着在我国艺术家协会中戏剧工作者只占很小的比例。体现戏剧艺术在艺术家协会中的代表性，依据应该是“在艺术家协会中任职的戏剧工作者的比例”，而不应该是“戏剧工作者中有多少比例在全国艺术家协会中任职”。
例3： 一位评论家在谈到这种滥用数据的谬误时，举了一个颇具讽刺性的例子：
近十年来，得克萨斯州博士的数量每年增加5.5％，而该州骡子的数量每年却减少5.5％，所以博士数量的增长导致了骡子数量的下降。
分析： 得克萨斯州博士增长和驴子下降的百分比有统计关联，可能其真正的共同原因是城市化的进程。
