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。
1701557893
1701557894
附录表5 填入未患病人数后的四格表
1701557895
1701557896
1701557897
1701557898
1701557899
医生告诉我们（之前已经探讨过），检查不准确的概率为2%。我们将2%这个数字算进右边。在999位未患病的人中，有2%的人得到了错误的诊断。也就是说，尽管他们没有患病，检查结果仍然会显示他们已经患病（正如左下角所说的虚假阳性）。我们计算出2%×9999=199.98，得数大约为200。
1701557900
1701557901
附录表6 填入检查结果为阳性没有患病人数后的四格表
1701557902
1701557903
1701557904
1701557905
1701557906
现在将行列数字相加，我们可以得到没有患病且结果为阴性的人的数量——正确拒绝，也就是9999–200=9799。
1701557907
1701557908
附录表7 填入没有患病且检查结果为阴性人数后的四格表
1701557909
1701557910
