聪明人也常常做傻事，一个人光有智商还不够，还需要心智健全，具备「理性思维能力」。拥有理性思维，概率论思维非常重要，想要学好概率，你需要先掌握基本比率。
基本比率谬误（base rate fallacy），是指对统计学上的基本比率不敏感导致的推论谬误。
基本比率对概率有重要影响。这很好理解：买矿泉水的人多呢，还是买香奈儿香水的人多？人群和需求概率明摆着，简直不是问题。但是人们往往会通过代表性来评估概率，忽视基本比率。代表性的意思是，
通过比较 B 与 A 的相似程度来评估概率
。例如，如果 A 能高度代表 B，人们就会认为 A 源自 B 的概率高。但如果 A 与 B 并不相似，人们就会认为 A 源自 B 的概率低。
例子1
特沃斯基和卡尼曼提出一个假设：如果人们通过代表性来评估概率，基本比率就会被忽视。
他们设计了一个实验，向被试者简要概述了几个人的性格，这几个人是从 100 位工程师及律师的样本中随意抽取出来的。被试者需要通过对每个人的描述，来评估他是工程师还是律师。
在情境 A 中，受试者被告知这些被描述的 100 人中，有 70 位工程师、30 位律师。而在情境 B 中，被试者被告知这 100 人中，有 30 位工程师、70 位律师。情境 A 的被试者判断任意一个描述是关于工程师的而不是关于律师的概率，都应该高于情境 B。因为情境 A 中工程师更多，情境 B 中律师更多。
然而，这些被试者在这两个实验情境中都得出了同样的概率判断。很明显，被试者认为某个特定的描述是针对工程师而非律师，他通过这两个典型职业的代表程度来判断，而没有考虑到其所属类别的基本比率。
在没有人物描述的情况下，被试者能判断某个人是工程师或律师的概率分别是 0.7 和 0.3，这与基础比率正好符合。然而，当某个描述存在，就算这个描述没有任何信息，基本比率还是会被彻底忽略掉。比如：
迪克是位 30 岁的男性，已婚，但无子女。他能力强，干劲足，承诺一定要在自己的领域功成名就。他很受同事的欢迎。
这个描述其实与迪克是工程师还是律师的问题完全没有关系，迪克是工程师的概率，应该与工程师占样本总人数的比率相同，就如同我们没有得到任何有关迪克的描述时一样。然而，被试者却将迪克是工程师的概率判断为 0.5，并不关注工程师占总人数的比率是 0.7 还是 0.3。
很明显，在没有任何证据和得到了一些无用的证据之后，人们的回应是不同的。在没有任何特定证据的情况下，基本比率能够被合理地应用；
而在得知一些无用证据的情况下，基本比率就会被忽略
。
例子2
这个例子来自 「Smart Choices: A Practical Guide to Making Better Decisions」一书。
