這是一章講述的是非演繹推理的批判性思維，說實在的，這一章我看起來非常的吃力，能夠對謝木丁的文章進行再次的解讀，也加深了我對這章的進一步理解，非演繹推理不是用於證明結論的，而是且來支持這個結論的，往往很多人關注的是論據的結果，並不關注這個論據的過程正確與否，如謝木丁舉的例子，如果X是Y，Y是Z,所以X是Z，所以過程才是支持結論的有力論據。
對於論證的效果關注的是有強弱，而非論據結論的真實性，如果論證充分，我們對於此論證的評判為強，如果論證不充分，我們對於此論證的評判為弱。對於謝木丁舉的例子洽好說明本章所體現的問題通過本章的學習我們可以通過收集儘可能多的證據用於加強該論據的可靠性。本章介紹了四種推理方式：從一般到特殊，從特殊到一般，從一般到一般，從特殊到特殊
1.從一般到特殊：統計三段論
這個常見的統計三段論，推理的強度決定於一般的陳述，如，天上有烏雲，75%會下雨，結論：今天會下雨，在沒有相反證據的情況下你就可以斷定今天會下雨，但我們所關注的並非天上有烏雲，關注的目標在于衡量具體論證的強度，如天上有烏雲，90%會下雨 ，所以對於論證的強度90%高於75%。
2. 從特殊到一般：基於樣本的歸納
這種樣本的歸納概括遍布於我們的日常生活，咖啡是否太濃？在回答這些問題之前我們往往要先嘗一口，如果把一壹咖啡視為總體，也可以認為一壺咖啡中的每一口，但是每一口的個人感覺也是包羅萬象的，往往個體會傾於自己的經驗或個人的感興趣程度為推測其屬性的指南性，比如我在讀書期間碰到過2個山東同學，他們兩個給我的感覺都是——忠厚老實，為人厚道，所以我認為山東人絕大多數都是都是忠實厚道的，這就是從特殊到一般，我們不知道究竟有多少比例的山東人的收入水平，選取樣本的程序 就要使得總體中的每個成員都 有同等機會進入樣本，這種樣本叫做隨機抽樣，樣本越大，樣本的誤差幅度越小，特定的樣本中隨機變異落在給定誤差幅度內的概率大小稱為置信水平。
3.從特殊到特殊：基於類比的非演繹論證
兩個對象都具有一些屬性的事實，增加了如下可能性：它們在其他屬性上也相同，如同一個廠商生產的兩部手機增加了它們質量相同的可能性，正因如此，其中一部手機運行得不好，就讓我們有理由認為另一部手機也運行得不好。其於類比的論證的前提就是支持結論的，即前提就是這樣提高結論的可能性。基於類比的論證表達公式為X和Y都具有屬於p,q,r(等)X具有特徵I
所以，Y也具有特徵I
4.從一般到一般的推理
人們可以基於不同總體之間的屬性的相似性，在新的屬性方面做由此及彼的推理。這樣的推理過程中，把兩個總體作為類比項，推理也是通過類比而進行的。
但是這裡大家經常會犯一個錯誤：因為有特定比例的X是Y，所以也有特定比例的Y是X.
比如：「大多數肺癌患者都吸菸，所以，大多數吸菸者都患有肺癌」
人們經常會去爭論一個論據的來源是否正確，而忽略了這對整個論據的證明強度，我們要避免非演繹論證中的一些繆誤，避免經驗，模糊數據、有關部門統計的數據來源，這樣有關數據太片面，沒有從全局來證明該論據的有效性，所以對於我們以後的工作，也要努力做到避免如上繆誤，多各個人樣本中找出更多有利的論據來證明我們要完成的事項。