Комментарии 2
Но в реальной аналитике и бизнесе интуиция художника стоит дорого - каждая ошибка оборачивается потерянными деньгами или неверными управленческими решениями.
Смешно, право слово, хоть и хорошо сказано. Но...
Еще один приме того, как не надо делать data science
вот тут подробно изложено про применение теоремы Байеса
https://habr.com/ru/articles/592389/
Поэтому в реальной аналитике первым делом нужно понять, что прикладная математика это не прикладывание учебника математики к компьютеру.
И нужно не лозунг использовать
Выборка как фундамент.
а проверять соответствие вашего формализма применяемой математике
Что-то у вас в примерах чехарда какая-то.
Пример 1: Бытовая экономика. Покупка подержанного автомобиля
Вы задали множества H - "автомобили со скрученным пробегом" и E - "автомобили с потертым салоном" и далее приводите P(E|H)=0.8.
Потом вы переопределяете H - "свежие автомобили со скрученным пробегом" и E - "свежие автомобили с потертым салоном". Вы фактически ввели U - "свежие автомобили" и переопредели H1 := H в пересечении c U и E1 := E в перечечении с U.
Далее вы продолжаете использовать предыдущее значение P(E1|H1)=P(E|H)=0.8. Но из известного P(E|H)=0.8 напрямую не следует P(E1|H1)=0.8. Пересечение с U могло испортить пропорцию в любую сторону. На кругах Эйлера это очевидно.
Это было бы верно при условии, что события U и H - независимы, а также события U и E - независимы. Но это очевидно не так.
Зарегистрируйтесь на Хабре, чтобы оставить комментарий
Теорема Байеса в реальной жизни — это не про формулу