È interessante notare che l'autore non parla di rivalutazione bayesiana, ma in realtà è quello che è;).
Avere un evento (5 tiri di seguito che danno 6) che ha una diversa probabilità di verificarsi in due ipotesi:
R: il dado non è caricato ---> 1/7000 di probabilità che si verifichi
B: il dado viene caricato per dare sempre 6 ----> probabilità 1 che si verifichi
quindi che l'ipotesi B deve essere rivalutata di un fattore 7000 rispetto ad A. 7000 è molto ma dipende dalla tua stima iniziale "il precedente" su p (B) / p (A). Nell'esempio scelto, ha preso un priore di 1/1000, ma improvvisamente il fattore di rivalutazione bayesiano lo trasforma in p (B) / p (A) = 7, cioè 7 probabilità su 8 che sia caricato e 1 possibilità su 8 che non è caricato. Nota che dipende dalla priorità che è abbastanza soggettiva, questa è la difficoltà. Se siamo "molto più sicuri" che il dado non sia caricato, ad esempio lo abbiamo fatto noi stessi, diciamo p (B) = 1 / 100, possiamo continuare a giocare. Se, al contrario, siamo diffidenti sin dall'inizio di un imbonitore come Tony (probabilità di 000/1 che venga caricato per esempio), ci fermeremo molto prima.
È interessante analizzare le differenze di opinione, anche su questo forum, sulla base di valutazioni precedenti e rivalutazioni. Ad esempio, se sei sicuro che i laboratori farmaceutici ti stanno mentendo e che i loro risultati sono falsi, darai molta meno importanza ai risultati di un test rispetto a quando pensi il contrario. Qualsiasi somiglianza con situazioni di vita reale sarebbe pura coincidenza
