1701274768
这意味着剩下的999，900人没有被感染（1，000，000-100），又因为测试的准确率是99%……
1701274769
1701274770
◎989，901名没有感染上疾病的人会被正确地告诉他们没有疾病（999，900×99%=989，901）
1701274771
1701274772
◎9，999名没有感染疾病的人会被错误地告知他们被疾病感染了。
1701274773
1701274774
那么有多少名测试者被告知他们罹患了疾病？答案是10，098（99名实际感染者加上9999名实际未感染者），这些人里面真正患有疾病的人有多少？99名。
1701274775
1701274776
那么被告知患病而实际上也确实患病的几率有多大？99/10，098=0.0098=0.98%，也就是1/102。
1701274777
1701274778
如果你对此感到困惑，那么请不要担心：很多心理学家也都有同样的困惑。实际上，不止是绝大部分心理学统计测试，几乎所有自然科学的统计测试都基于导致多数人选择99%作为正确答案的同一个错误推理。让我们再回到“茶水测试”的例子。统计测试告诉我们，你的结果究竟是因为你真的能够区分茶里面是先加奶还是后加奶，还是因为全凭幸运。我们说，如果你对全部8杯茶的判断都正确，那么你不太可能是完全靠运气蒙对的。
1701274779
1701274780
但是，我们没有考虑，一个人实际能够区分茶里面是先加奶还是后加奶的可能性（相当于上例中实际患病的可能性）有多大。比如说，如果我们在测试前有理由相信，100万人中只有一个人能够区分出茶里面是先加奶还是后加奶，那么我们就会希望看到你连续判断准确的数量要远远超过8杯，才会开始相信你就是那些极为罕见的品茶大师中的一员，而不是只因为运气好才全猜对了。
1701274781
1701274782
那么，为什么心理学研究（更可怕的是还有大多数医学研究）都选择了错误的测试方式？原因之一就是，我们经常得不到必须的信息来运用正确的测试方式（相当于说，事前我们并不知道有多少人能区分出先加奶的茶和后加奶的茶，或者说有多少人实际罹患疾病；事实上，这个信息反而常常是我们需要发掘的），另一个原因纯粹是心理学家们喜欢使用固定的模式，而不习惯去改变。
1701274783
1701274784
网页链接和推荐阅读
1701274785
1701274786
下面的网页链接提供了一些相似的案例：
1701274787
1701274788
http://www.cs.ubc.ca/～murphyk/Bayes/bayesrule.html
1701274789
1701274790
http://www.cs.ubc.ca/～murphyk/Bayes/economist.html
1701274791
1701274792
http://yudkowsky.net/rational/bayes
1701274793
1701274794
德润·布朗（Derren Brown）在他的著作《思维的小把戏》（Tricks of The Mind）中给出了一个清楚、出色的解释。你可以在线进行自动计算：
1701274795
1701274796
http://www.gametheory.net/Mike/applets/Bayes/Bayes.html
1701274797
1701274798
在下面的动画片中，对频数统计（比如茶水测试）和贝叶斯（Bayesian）统计（如本节描述的内容）进行了对比：
1701274799
1701274800
http://xkcd.com/1132/
1701274801
1701274802
1701274803
1701274804
1701274805
心商：测出你的心理软实力 [:1701273334]
1701274806
心商：测出你的心理软实力 29.放射线医师
1701274807
1701274808
又有一名确定感染的患者被立即送往医院，怀疑他患有肺癌。为他拍摄的X线片被送到了放射线医师面前。假设你就是那位放射线医师，你的任务是提供一个诊断。那些小斑点（直径约3cm或1.5英寸）是我们常说的无害的“结节”，但是如果斑点过大就会成为潜在的癌症病灶“肺部肿块”。提醒大家一下，因为书的篇幅有限，X线片的比例被缩小了，请仔细检查图片，计算潜在的癌症病灶。
1701274809
1701274810
1701274811
1701274812
1701274813
检查完了吗？翻到下一页看看你的诊断。
1701274814
1701274815
答案
1701274816
1701274817
先不要考虑癌症的问题。你能看见大猩猩吗？