1701557843
1701557844
在这里，我将引用第6章中所虚构的模糊症的例子。让我们一起回忆一下已知信息：
1701557845
1701557846
你的血检结果呈阳性，显示你可能已经患上某种虚拟的模糊症。
1701557847
1701557848
模糊症的基础概率为1/10000或者0.0001。
1701557849
1701557850
模糊症用药为chlorohydroxelene，可能会产生5%或者0.05的副作用。
1701557851
1701557852
模糊症的血检结果错误的概率为2%或者0.02。
1701557853
1701557854
现在的问题是，你究竟是否应该服用这种药物？
1701557855
1701557856
我们先画一个表格，标出行和列。
1701557857
1701557858
附录表1 检查结果四格表
1701557859
1701557860
1701557861
1701557862
1701557863
表格内的小格子让我们将所有数据划分成四个互不独立的大类：
1701557864
1701557865
已患病的人检查结果为阳性（表格左上角），我们称为正确识别；
1701557866
1701557867
已患病的人检查结果为阴性（表格右上角），我们称为漏报或虚假阴性；
1701557868
1701557869
未患病的人检查结果为阳性（表格左下角），我们称为虚假阳性；
1701557870
1701557871
未患病的人检查结果为阴性（表格右下角），我们称为正确拒绝。
1701557872
1701557873
附录表2 检查结果分类四格表
1701557874
1701557875
1701557876
1701557877
1701557878
现在，我们开始用已知的事实填充表格。基础概率为1/10000。在表格外的右下角，我们填写出合计10000。我将其称为人数表格，因为，这些数字可以告诉我们，总人数为多少（在这里，我们可以填写全美总人口3.2亿，然后算出每年的患病病例报告——32000，但这里，我只写出了更小的事件概率，因为这样更容易计算）。
1701557879
1701557880
附录表3 人数表格
1701557881
1701557882
1701557883
1701557884
1701557885
在这个表格的帮助下，我们需要计算出其他表格的数字，不仅有表格内的，还有表格外的。在10000人中，我知道有1人患上了模糊症，但我们不知道患者的检查结果是怎样的，所以，我们在右边填写了数字1，符合“疾病：是”。
1701557886
1701557887
附录表4 填入患病人数后的四格表
1701557888
1701557889
1701557890
1701557891
1701557892
表格的设计方式，数字从上到下、从左至右都应该符合“边际总和法”，这是合乎逻辑的。如果患病人数是1，我们所考虑的总数量为10000，我们可以得出总人数中未患病的人数为：10000–1=9999。因此，我们现在可以继续填充表格。