体检报告上有一项写着「阳性」，参考值旁边打了个箭头。你从医院出来，脑子里已经在排后面的日程了：哪天复查、怎么请假、晚上怎么跟家里人说。一路想到天黑，饭也没吃下。
三天后复查，医生说没事，是假阳性。你松了一大口气，同时又有点恼火：早知道就不该这么慌。
可真正出问题的地方，不在于你慌，而在于你慌的顺序。你跳过了最关键的一步——这个病在人群里本来就极少见。检测再准，落在一个极低的底数上，一堆阳性里也可能大部分是虚惊。
这一步漏掉，心理学里有个名字，叫「基本比率忽视」（base rate neglect）——说白了就是：只盯着眼前这条新消息，忘了先问一句「这件事本来有多常见」。
这跟聪明不聪明关系不大。有统计训练的人会犯，医生也会犯。它更像是注意力的一种默认设置：新消息有画面、有时间、有情绪，底数什么都没有，所以它天然抢不过。
还有一个同源的版本，藏在那些「风险提高两成」的标题里。某种食物让某病的风险「上升 20%」，听着吓人。可如果这个病本来是一千个人里一个，上升两成就是千分之一点二。多出来的那零点二个，你几乎感受不到。相对数字放大恐惧，绝对数字才说明分量。
下面讲三个真实的研究，再说怎么把这个默认设置调回来。
一、出租车那道题，难住了一大片人
1973 年，丹尼尔·卡尼曼（Daniel Kahneman）和阿莫斯·特沃斯基（Amos Tversky）做过一个现在很有名的实验。他们给被试讲一个城市里的出租车肇事逃逸案。
这个城市有两家出租车公司：绿车占 85%，蓝车占 15%。一个目击者说，肇事车是蓝的。夜里光线不好，测试过这个目击者的辨认准确率，是 80%。问题来了：肇事车真是蓝车的概率有多大？
大多数人的答案是 80%。理由听起来很顺：目击者八成准，那不就是八成吗。
正确答案大概四成一。因为蓝车本来只占 15%，先天盘子小；就算目击者八成准，那 85% 的绿车里被误认成蓝车的数量，也够把蓝车的嫌疑淹掉一大半。
摊开算一遍更直观。假设有一千起肇事：绿车八百五十起，蓝车一百五十起。目击者对绿车认错两成，也就是一百七十起会被说成蓝车；对蓝车认对八成，一百二十起被正确说成蓝车。于是一共二百九十起被指认为蓝车，其中真正是蓝车的只有一百二十起，占比四成出头。
被试里不乏统计学背景的人，照样栽。这说明问题不在算术，在于我们的注意力天生往哪儿跑：目击者的证词是个「事件」，车队比例只是个「背景」。事件有画面、有情绪、有细节，背景什么都没有。
二、连医生也会漏掉底数
1978 年，《新英格兰医学杂志》登过一篇很短的调查，卡斯塞尔斯（Ward Casscells）和同事问了一群医生一个问题。
假设某种病在人群里的患病率是千分之一。有一种检测，对病人一定查得出来，但对健康人有 5% 的概率误报阳性。现在一个人查出来阳性，他真得病的概率是多少？
医生们给出的答案，平均是 95% 左右。正确答案约 2%。
算一遍就清楚了：一千个人里，1 个真病人，999 个健康人。999 个健康人按 5% 误报，会出大约 50 个假阳性。所以查出阳性的 51 个人当中，真正有病的只有 1 个。
这些医生不是不专业，他们只是被「检测很准」这个信息抓住了。检测准不准，和「查出来阳性意味着什么」，是两个问题。中间隔着的那个东西，就是底数。
这个调查后来被引用了上千次，因为它戳中一个挺尴尬的地方：专业知识能让你算得对，但不能保证你会去算。信息摆到眼前，人容易直接跳到结论，中间那一步「先看基数」，得有意识地补上去。
三、大脑为什么偏爱那条近路
我们判断一件事的可能性，习惯用「像不像」来代替「多不多」。这在心理学里叫代表性启发（representativeness heuristic）——就是说，一件事越符合我们脑子里的典型画面，我们就越觉得它会发生。
「阳性」这个词，非常符合我们对「生病」的典型画面。至于它在一个健康人身上出现的机会有多大，这个信息不进画面，也就不进判断。
还有一层：罕见的坏消息天生更容易被传播。新闻里一条「年轻人猝死」，能被转几十万次；同一天里几十万年轻人安然无恙地睡着，这条消息没人写。你看得越多，脑子里那个「很常见」的错觉就越结实。
于是底数被悄悄改写。你以为是世界变危险了，其实是你看到的样本被筛过一遍了。
还有一层更细的：故事比统计好记。你能记住那个抽了一辈子烟活到九十岁的老爷子，因为他是个人；你记不住「吸烟者平均少活十年」，因为那是一行数字。记忆里存下来的样本，天然偏向有故事的少数，而这个偏向，会直接变成你对「常见程度」的估计。
四、这四种场合，最该先问一句底数
第一种，看到检测结果、风险评估、概率数字的时候。不管是体检、贷款审核还是天气预报，先问：这件事在多少人里发生一次。
第二种，看到别人的成功故事的时候。一个人辞职做自媒体年入百万，这个故事被讲了十万次；同样辞职、同样努力、最后悄无声息回去上班的人，没人采访。你看到的是分子，分母不在镜头里。
第三种，听到「我身边就有一个」的时候。身边样本量太小，小到几乎不构成证据。一个人抽了四十年烟活到九十岁，不能证明抽烟无害，只能证明这个人的运气不构成规律。
第四种，面试和招聘。一个候选人履历漂亮、谈吐得体，你会觉得他「就是那个对的人」。可这个岗位招十个人，大概有几个人最后干得好？这个数字，比他的谈吐重要得多。
这四种场合有个共同点：它们都递给你一个特别鲜明的个案，同时把分母藏起来了。判断的时候，你缺的不是更多个案细节，是那个被藏起来的分母。
五、把底数装回脑子里的三个动作
第一个动作，把百分比换成人数。心理学家格尔德·吉仁泽（Gerd Gigerenzer）做过一系列实验，发现同一个问题，用「百分比」问，人容易错；换成「一千个人里几个」，正确率立刻上去一大截。因为人数能在脑子里排开，百分比不能。这是最省力的一招。
第二个动作，先写下分母，再看分子。你担心的事，一年发生几次？在你所在的行业、年龄段、城市里，大概多少人碰上？写下来，哪怕只是粗估，也比空着强。
第三个动作，给情绪和信息分个先后。慌是正常的，它先到。但可以在慌完之后加一句：「这个概率，本来是多少？」不是压住情绪，是给它配一个刻度。
还有一个更省事的习惯：把「概率」换成「次数」。不问「得病的概率有多大」，问「这一年里，我身边大概会有几个人碰上」。次数会逼你想到人，想到人就会想到分母，分母一出来，那个模糊的恐惧就有了边界。
这里要说清楚一件事：知道底数低，不等于可以不当回事。低概率的事一旦发生，后果照样是真的。底数的作用不是让你安心，是让你的反应配得上事情的真实分量——不把一个 2% 当成 95%，也不把一个真需要处理的信号当成噪音。
反过来也一样：底数低不该成为拖延的借口。「概率这么小，不用管」和「概率这么小，不至于慌」，是两句话。前者是逃避，后者是校准。区别在于你看完那个数字之后做了什么——该复查的照常复查，该系安全带的照常系上，剩下的时间拿去做别的。
今天能做的小动作：想一件最近让你睡不好的事，拿张纸写一行字——「这件事，在一千个人里大概有几个」。写完那行，你再看它一眼。你会发现，多数时候，答案会把你从 95% 拉回到该在的位置。
参考资料：
Kahneman, D., & Tversky, A. (1973). On the psychology of prediction. Psychological Review, 80(4), 237–251.
Tversky, A., & Kahneman, D. (1974). Judgment under uncertainty: Heuristics and biases. Science, 185(4157), 1124–1131.
Casscells, W., Schoenberger, A., & Graboys, T. B. (1978). Interpretation by physicians of clinical laboratory results. New England Journal of Medicine, 299(18), 999–1001.
Gigerenzer, G., & Hoffrage, U. (1995). How to improve Bayesian reasoning without instruction: Frequency formats. Psychological Review, 102(4), 684–704.
