坦布里奇韦尔斯镇，距离伦敦30英里，在18世纪时曾是英国的旅游胜地。如画的自然风光，淳朴的乡土人情，汇聚世界各地的优秀文化，社会呈现的欣欣向荣的景象，深深地吸引了来自全世界的游客。在这里，你可以看到咖啡屋、书店、旅馆，也可以看到台球室、舞会、音乐会，还可以看到音乐家、杂耍和吞火表演者以及哲学家，总之，其他地方有的这里都有。在这繁华的城镇里，有一位资深的长老会牧师安静地生活着，他就是托马斯·贝叶斯。贝叶斯热情好客，尤其喜欢接待外国游客。一次，当贝叶斯努力向一群杰出的东印度人描述英国的冬天多么寒冷时，发现他的这群杰出的访客根本没见过也没听说过“冰”的存在。于是，贝叶斯从冰库中取来一块冰，并告诉他们，冰其实就是冻结之后的水，没什么稀奇的，并把冰放到火上进行融化加以演示。但这群访客就是不信，他们坚信自己被戏弄了，最终，这群小伙伴带着浓浓的羞辱感回印度群岛去了。
在享受着各式各样的访客给他带来的快乐之余，贝叶斯不仅专注于神的仁慈、魔鬼的邪恶等宗教领域问题的思考，而且专注于数学方面的研究，尤其擅长概率的计算，并发现了计算概率的正确方法。他最伟大的发现是一个计算公式，现在被称为贝叶斯法则（Bayes’s Law），是所有大学统计课程的核心内容。这种计算方法不仅考虑前置信息的影响，而且考虑最新信息的影响。在上述艾滋病测试的例子中，计算出你有84%的可能性保持健康的方法就来自“贝叶斯法则”。
贝叶斯法则的核心内容是：所有可能相关的事件之间都具有相关性。有前科的被告更趋向于犯同样的罪行吗？是的，这就是相关性；有前科的被告可能犯与之前所犯完全不同的罪行吗？答案也可以是“是”，只要有统计数据显示具有某一犯罪动机的嫌犯也非常可能具有其他类型的犯罪动机，这也是相关性的表现形式。被告的兄弟是罪犯与被告也可能犯罪有关系吗？有，只要有统计数据显示犯罪行为在家庭成员之间具有传播属性。
被告的外貌与犯罪行为也具有相关性。陪审员们本能地知道这一点，所以，被告的辩护律师都会要求“客户”穿上定制的高档西服，去掉脸上的文身、鼻子上的穿孔，以博得陪审员的好感。这确实是一种欺骗，但也不完全是。毕竟，不是每一个人生来都有一副“善男信女”的外表，有人长相在平均颜值之上，就有人长相在平均颜值之下。所以，被告们穿上让他们看上去更舒服的西服，以增加陪审员的印象分也是合情合理的，就像在额头文上“KKK”会降低他们的印象分一样。
通过让辩护律师和检察官轮流“妆扮”被告，让陪审员看到被告的更多面，也许更有利于陪审员全面地认识被告。不仅让我们看看被告穿着细条纹西装的样子，也让我们看看他们光着膀子的时候是什么样子，以及身穿肮脏迷彩裤，脚蹬掉色马丁靴，系着红鞋带，身披子弹夹，全副武装时是什么样子。
贝叶斯法则告诉我们，外表与犯罪具有相关性。同样道理，与被告相关的其他信息与犯罪也具有相关性，比如，被告对辩护律师的选择。如果你被指控一项犯罪，请的律师是有“20世纪最伟大律师”之称的艾伦·德肖维茨——曾为辛普森案和泛美航空爆炸案等大案成功完成无罪辩护的律师，按照贝叶斯法则的结论，我们应该对你刮目相看。
当有人试图让你确信某事是真实的时候，常识告诉我们应该思考一下“这事是谁说的”，贝叶斯法则证明这种常识是正确的。假设一个像艾伦·德肖维茨一样巧舌如簧的人向你推销一部二手车，并信誓旦旦地说自己每1000英里更换一次机油，对于这样的保证最好保持谨慎态度。同理，一个那样的律师对你说他的客户是无辜的，你最好也不要轻易相信。如果你不了解德肖维茨先生的“英雄事迹”，不知道他曾为哪些人做过辩护律师的话，检察官们可以在证据当中加入一条长长的客户名单为陪审员们提供参考。
这种信息公开应该是双向的：就像有的律师长期以来名誉很好，对证据严谨认真，只接受自己认为真的无罪的辩护代理，这样的信息也应该让陪审团知道。这将有利于被告洗清罪名，而这也是合情合理的！
所以，不仅被告的详细过往应该呈报给法庭，辩护律师的详细过往也应该呈报给法庭，最终，检察官的详细过往也应该呈报给法庭。考虑到具有较高道德标准的辩护律师一般不会误导陪审员的事实，将相关背景资料都提供给陪审员，让他们有机会了解清楚这次审判自己被误导的概率有多大，也许是更好的选择！
我们都不希望自己犯这样的错误：拒绝好观点，仅仅因为它出自声誉不太好的人之口。关于这一点，亚伯拉罕·林肯与我持有相同观点：
经过一系列严密推理，欧几里得证明：三角形内角之和等于180度，相当于两个直角之和。欧几里得已经向我们展示了推理过程，并已深入人心。假设现在让你推翻这一定理，并证明他的错误，你能通过论证欧几里得是一个骗子来证明自己的观点吗？
当然不能。另外，假如欧几里得是个“知名”的骗子，大家对他的观点肯定更加谨慎小心，因为他欺骗我们的可能性更大。更进一步，如果欧几里得骗子的名气大到一定程度，人们可能一开始就忽略他的观点，因为从谷壳中挑出麦子是件困难的事，人们可能没有兴趣去辨别欧几里得的观点正确与否！
