На простом практическом примере без занудной теории и формул показываю вам смысл Байесовской вероятности. К видео прикладываю полезные материалы, с помощью которых вы хорошо «прокачаетесь» в теме.

Материалы, которые вам очень помогут:

Элиезер Юдковски — «Наглядное объяснение теоремы Байеса»
Оригинал >>>
Перевод на русский язык >>>

Allen B. Downey — «Think Bayes» 2nd Edition
Оригинал >>>
Код >>>

Еще один пример для сравнения частотной и байесовской вероятностей.

Нам нужно определить, будет завтра дождь или нет. Без информации можно только предсказать дождь наудачу.

Частотная вероятность нам говорит, что за последние 100 дней дождь был 1 раз. Из этой информации мы предполагаем вероятность дождя завтра в 1%. Т.е. с вероятностью 99% завтра дождя не будет. Зонт с собой не берем.

Байесовская вероятность не противоречит частотной. Да, за последние 100 дней дождь был 1 раз. Есть ли какая-то дополнительная информация про тот день, когда был дождь? Есть.

  1. Дождь был сегодня. Вряд ли прогноз дождя на завтра будет 1%.
  2. Тучи не собираются уходить. Чувствуете, как увеличивается вероятность дождя?
  3. Дождь не только шел утром, но идет здесь и сейчас. Скорее всего, дождь завтра будет.
  4. На часах без 2-х минут полночь. Практически, со 100% уверенностью можно сказать, что за 2 минуты он не завершится. Значит, завтра дождь будет.

Видите, как дополнительная информация, не вписывающаяся в частотную вероятность, меняет прогноз.

Отсюда следует правило. Любую информацию, даже не совсем точную, для прогнозирования событий, не нужно сбрасывать со счетов.