1701557980
1701557981
附录表12 填入第二次检查结果为阳性人数后的四格表
1701557982
1701557983
1701557984
1701557985
1701557986
从上面的已知信息中，我们还可以填入一些其他信息。我们知道已患病与未患病的人的数量，所以我们可以填完表格右侧。
1701557987
1701557988
附录表13 填充完整表格右侧数字后的四格表
1701557989
1701557990
1701557991
1701557992
1701557993
现在，我们回到所给出的原始信息，检查出错的概率为2%。某个确实已经患病的人，会有2%的概率被误诊，有98%的概率不会误诊：1×2%=0.02。我们四舍五入为0——这是呈现虚假阴性的数字（他们确实已经患病，但这是第二次误诊）。1的98%接近1。
1701557994
1701557995
附录表14 填入虚假阴性数字后的四格表
1701557996
1701557997
1701557998
1701557999
1701558000
现在，我们将2%的误诊率应用于那些并未患病的人。200个没有患病的人中会有2%的人得到阳性检查结果（尽管他们很健康），即200×2%=4。所以，表格右下角框内正确诊断的数量为196。
1701558001
1701558002
附录表15 填入正确诊断人数后的四格表
1701558003
1701558004
1701558005
1701558006
1701558007
我们可以竖列相加得到边际总和，这样，我们需要计算出新的概率。
1701558008
1701558009
附录表16 填入各列总和后的四格表
1701558010
1701558011
1701558012
1701558013
1701558014
跟之前一样，我们计算左侧一栏，因为我们只对那些第二次检查结果为阳性的人感兴趣。
1701558015
1701558016
在第二次检查结果为阳性的5人中，只有一个人确实是真的患病：1/5=0.20。也就是说，即使你连续两次检查结果都为阳性，这种疾病仍然很罕见。你患病的概率仅仅只有20%，你没有患病的概率为80%。
1701558017
1701558018
那么副作用呢？如果我们假定连续两次结果为阳性的人，服用我所虚构的chlorohydroxelene，产生副作用的概率为5%，那么5个人的5%，也就是0.25的人将会产生副作用。所以，尽管你不太可能患病，但你头发掉光的概率也不太可能。在5个接受治疗的患者中，只有1人能够治愈（因为只有一个人真正确实已经患病），0.25的人会产生副作用。在这种情况下的两个检查中，被治愈的概率比产生副作用的概率高4倍，这就跟我们之前所看到的一样（如果你不习惯用0.25来表示人数，你只需要将以上每个数字都乘以4即可）。
1701558019
1701558020
我们可以进一步运用贝叶斯统计。假设一项新公布的研究显示：如果你是女性，你患病的概率比男性高10倍。你可以画一个新的表格，并输入信息，完善你真的患病的概率。
1701558021
1701558022
现实生活中，概率的计算远远不仅运用于医学领域。我曾经询问过拥有五家赌场的史蒂夫·永利（在他的拉斯维加斯永利安可酒店，以及澳门永利安可皇家酒店）：“当看见顾客提着一大袋钱离开的时候，你有没有那么一点点难受呢？”
1701558023
1701558024
“我乐于看见这种情形，这会给赌场增添许多乐趣。”
1701558025
1701558026
“真的吗？这都是你的钱啊。有时，他们可能会带走好几百万美元啊！”
1701558027
1701558028
“首先，你得知道，我赚的比投入的多。其次，我们总是能将资金拿回来。这些年里，我并没有看见过任何一个真正的大赢家。他们来到赌场，玩一些他们赢过的游戏，我们经常能将钱赚回来。他们会来到这里真正且首要的原因，其实是比起钱，他们更喜欢这个游戏，这就跟大多数沉迷于高尔夫或者红酒的人一样。赢钱为他们提供了游戏资金，他们不需要填写支票。如果有1美元，他们会损失100美分，然后赚回99美分，而这1美分正是我们的利润。”
1701558029