基本比率谬误是我们常犯的认知错误，下面重新来研究一下怎么对付它。

回忆下之前的问题，已知某种疾病在人群中有的患病率，可以通过某种手段来检测这种疾病，这种手段有的正确率。那么如果被检测出有病，真正有病的比率是多少？

这个问题之前已经解决了，首先，已知的是“这种手段有的正确率”：

据此，求出“被诊断出有病了之后真的有病的概率”为：

我们的样本空间是10000人，而这里两个概率：

分母都不到10000人，所以它们都是局部概率，也就说都是条件概率。

通过上面的分析知道了，条件给出的是，要求的是：

那这就是简单的乘法问题了：

这就是：

在诊断问题中，已知检测的正确率有，或者说确诊率为：

而求出来的“被诊断出有病了之后真的有病的概率”为：

之前说过，差别这么大在于基本比率悬殊，也就是所有人中患者只占了，贝叶斯定理正好反映了这点：

、是关于所有人的概率：

两者的比例就是所谓的基本比率。