Байесовским выводом (Bayesian statistical inference) интуитивно все пользуются. Поэтому его очень легко объяснить на пальцах. Допустим у нас есть ситуация - закупщик в конторе закупает товары в два раза дороже рынка и живет на широкую ногу. Жена закупщика объясняет высокую стоимость закупок тем, что это на 200% лучше. А живут хорошо потому, что щедрые друзья дарят подарки. Дальше у нас простые прикидки вероятностей и школьная математика. Есть две модели - (а) закупщик честный человек и (б) закупщик вор. Большинство людей честные, поэтому начальные (prior) вероятности ставятся как: (а) 90% "честный человек" (б) 10% "вор". Теперь надо обновить (update) вероятности моделей с учетом обстоятельств (evidence). Делается это путем умножения вероятности модели на вероятность обстоятельств в ней. Технически надо еще подровнять итоговые вероятности, чтобы в сумме было ровно 100%. Но, обычно, этого никто не делает. Просто сравнивают итоговые вероятности между собой. В случае (а) ставим 10% на т