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.
- Дождь был сегодня. Вряд ли прогноз дождя на завтра будет 1%.
- Тучи не собираются уходить. Чувствуете, как увеличивается вероятность дождя?
- Дождь не только шел утром, но идет здесь и сейчас. Скорее всего, дождь завтра будет.
- 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.