個案很生動時，基準率容易消失

一段描述會蓋過整體分布

假設一個人安靜、有條理、喜歡獨處，很多人會覺得他更像圖書館員而不是業務員。可是若現實中業務員的人數遠多於圖書館員，職業的整體比例就不該被忽略。生動的人物描述吸走注意力，背景機率因此退到畫面外。

基準率是某類事件在整體中的常見程度。醫師判讀檢驗、公司評估新產品、主管預測新人表現，都需要同時考慮個案線索和基準率。只看其中一邊，都可能得到失真的答案。

好線索應該調整起點，不是抹掉起點

如果一種疾病非常罕見，即使檢驗準確度不錯，陽性結果也不必然代表患病機率極高。原因不是檢驗沒有價值，而是大量未患病者中仍可能出現少數偽陽性。基準率提供了判斷的起點，新證據則改變這個起點。

這種更新方式與貝氏推論有關。它是延伸的統計概念，不是說人必須在日常生活逐項計算公式，而是提醒：證據的力量要放在原本多常見的背景中理解。

因果資訊比統計資訊更容易被接受

人對「他為什麼會這樣」的故事很敏感，對抽象比例則較無感。若基準率被包裝成可理解的群體結構，例如「一百人中大約有幾人」，往往比孤立百分比更容易進入判斷。

忽略基準率不是單純數學不好，而是敘事與注意力競爭的結果。個案資訊越具體，越需要保留整體分布，因為兩者回答的是不同問題：一個描述眼前的人，一個描述他所在的世界。