et stort antal psykologiske undersøgelser har undersøgt et fænomen kaldet basissats forsømmelse eller basissats fejlslutning, hvor kategoribasesatser ikke er integreret med featural bevis på normativ måde. Matematiker Keith Devlin giver en illustration af risikoen ved dette: han beder os om at forestille os, at der er en type kræft, der rammer 1% af alle mennesker. En læge siger derefter, at der er en test for den kræft, som er omkring 80% pålidelig. Han siger også, at testen giver et positivt resultat for 100% af de mennesker, der har kræften, men det resulterer også i en ‘falsk positiv’ for 20% af mennesker – som ikke har kræften. Nu, hvis vi tester positivt, kan vi blive fristet til at tro, at det er 80% sandsynligt, at vi har kræften. Devlin forklarer, at vores odds faktisk er mindre end 5%. Hvad der mangler i virvaret af statistikker er de mest relevante basisrenteoplysninger. Vi bør spørge lægen, ” ud af antallet af mennesker, der tester positivt (dette er basisrentegruppen, som vi bryr os om), hvor mange har kræften?”Ved vurderingen af sandsynligheden for, at en given person er medlem af en bestemt klasse, skal vi redegøre for andre oplysninger udover basisrenten. Især skal vi redegøre for featural beviser. For eksempel, når vi ser en person iført en hvid lægefrakke og stetoskop og ordinerer medicin, har vi beviser, der kan give os mulighed for at konkludere, at sandsynligheden for, at denne særlige person er en “medicinsk professionel”, er betydeligt større end kategorien basissats på 1%.