Los estudios médicos a menudo implican una comparación entre dos resultados, cada uno recopilado de una muestra. La probabilidad asociada y la confianza en el resultado del estudio son de suma importancia, ya que se podría argumentar que haberse equivocado en un porcentaje podría ser lo que mató a un paciente. El muestreo se suele realizar a partir de una población finita y discreta y sigue un ensayo de Bernoulli, lo que conduce a una contingencia de dos muestras distribuidas binomialmente (mejor conocida como tabla de contingencia). Las pautas actuales recomiendan informar medidas relativas de asociación (como el riesgo relativo y la razón de momios) junto con medidas absolutas de asociación (que incluyen la diferencia de riesgos o el riesgo excesivo). Debido a que la distribución es discreta, la evaluación del intervalo de confianza exacto para cualquiera de esas medidas de asociación es un desafío matemático. Se analizaron algunos escenarios alternativos (continuo vs. discreto; hipergeométrico vs. binomial), y en el caso principal del experimento binomial bivariado, se propone una estrategia para proporcionar valores exactos y intervalos de confianza. Se proporcionan algoritmos que implementan la estrategia.