Для события, происходящего определенное количество раз, успешная вероятность того, что оно произойдет еще раз - с каждым разом уменьшается: p = (n+1) / (n+2).
Эта теорема позволяет определить вероятность какого-либо события при условии, что произошло другое статистически взаимозависимое с ним событие.
Правило выведено Лапласом на основе теоремы Баеса в 18 веке. Иными словами сегодня ее называют байсовским анализом продавцов.
Как применить правило последовательности Лапласа в жизни? Допустим, на сайте мы выбрали три похожих товара, но у каждого из них разный рейтинг - разное количество положительных отзывов:
1) 100% (10 из 10)
2) 96% (48 из 50)
3) 93% (186 из 200)
То есть рейтинги, это вероятность того, что вам с товаром повезет и вы останетесь довольны на все 💯
Но какой рейтинг привлекательнее и ближе к истине, у которого 100% или тот который имеет наибольшее количество отзывов? Ведь по закону больших чисел, чем больше равновероятностных исходов, тем ближе к истине….
Как быть? Наверняка, может прийти следующий недовольный покупатель и оставить негативный отзыв, а может и не прийти. Лаплас предложил добавлять один положительный и один отрицательный отзыв и вероятность пересчитать.
То есть:
1) где 10 из 10 (100%) положительных отзывов, добавить еще один положительный и еще один отрицательный отзыв, и получится 11 из 12 (91,7%)
2) где 48 из 50 (96%)
- будет 49 из 52 (94,2%).
3) где 186 из 200 (93%)
- будет 187 из 202 (92,6%)
Таким образом, наибольшая вероятность успешной покупки у второго товара - 94,2%.
Что вы по этому поводу думаете, пишите в комментариях.
Подписывайтесь на мой Telegram-канал https://t.me/analytic_channel