多くの心理学的研究では、カテゴリベースレートが規範的な方法で特徴的な証拠と統合されていないベースレート無視またはベースレート誤謬と呼ばれる現象が検討されている。 数学者Keith Devlinはこれの危険の実例を提供する:彼はすべての人々の1%を苦しめるタイプの癌があることを想像するように私達に頼む。 医者はそれから信頼できる約80%であるその癌のためのテストがあることを言う。 彼はまた、この検査は癌を患っている人の100％に肯定的な結果をもたらすと言いますが、癌を患っていない人の20％にも”偽陽性”をもたらすと言います。 今、我々は陽性をテストする場合、我々はそれが私たちが癌を持っている可能性が80％であると思うように誘惑されることがあります。 Devlinは、実際には、私たちのオッズは5％未満である、と説明しています。 統計の寄せ集めから欠けているのは、最も関連性の高いベースレート情報です。 私たちは、医師に尋ねる必要があります”陽性のテスト人の数のうち（これは私たちが気に基本レートグループです）、どのように多くの癌を持っていますか？「特定の個人が特定のクラスのメンバーである確率を評価する際には、基本レート以外の情報を考慮する必要があります。 特に、我々は特徴的な証拠を考慮する必要があります。 例えば、白い医師のコートと聴診器を着用し、投薬を処方している人を見ると、この特定の個人が”医療専門家”である確率は1％のカテゴリーベース率よりもかなり大きいと結論づけることができる証拠がある。