假设一套招聘模型显示，某群体获得正面判定的比例低了几个百分点。这个差距可能是真实偏见，也可能只是这批应聘者碰巧如此。只报点估计——也就是样本里算出的单个数字——容易把噪声当成问题，也可能让真正的风险藏在一个看似正常的结果里。
Panero 等人主张，公平性评估应同时计算不确定性。论文最值得注意的一点，是把预测的不确定性拆成四层：数据本身无法消除的随机性、模型参数估计带来的波动、选择不同模型造成的波动，以及换一批样本后结果的变化。作者用频率学派的 bootstrap（反复从现有数据重抽样）和贝叶斯分层模型展示如何估计这些波动。这样得到的区间若很宽，含义不是“模型已经公平”，而是现有证据还不足以下判断。作者也强调，这两种方法只是示例，并非适用于所有公平定义的统一方案。