दिलचस्प बात यह है कि लेखक बायेसियन पुनर्मूल्यांकन के बारे में बात नहीं करता है लेकिन वास्तव में यह इसी बारे में है ;)।
एक घटना होने का तथ्य (एक पंक्ति में 5 रोल जो 6 देते हैं) जिसकी दो परिकल्पनाओं में घटित होने की अलग-अलग संभावना है:
ए: पासा लोड नहीं हुआ है ---> घटित होने की संभावना 1/7000 है
बी: पासे को हमेशा 6 ----> घटित होने की प्रायिकता 1 देने के लिए लोड किया जाता है
तथ्य यह है कि परिकल्पना बी का ए के संबंध में 7000 के कारक द्वारा पुनर्मूल्यांकन किया जाना चाहिए। 7000 बहुत है लेकिन यह पी(बी)/पी(ए) पर आपके प्रारंभिक अनुमान "पूर्व" पर निर्भर करता है। चुने गए उदाहरण में, उसने 1/1000 से पहले लिया था, लेकिन अचानक बायेसियन पुनर्मूल्यांकन कारक इसे पी (बी)/पी (ए) = 7 में बदल देता है, यानी 7 में से 8 मौके यह कि उसे धोखा दिया गया है और 1 में 8 मौका कि उसे धोखा नहीं मिलेगा. ध्यान दें कि यह पूर्व पर निर्भर करता है जो काफी व्यक्तिपरक है, यही कठिनाई है। यदि हम "अधिक आश्वस्त" हैं कि पासा लोड नहीं हुआ है, उदाहरण के लिए हमने इसे स्वयं बनाया है, मान लें कि p(B) = 1/100, तो हम खेलना जारी रख सकते हैं। यदि, इसके विपरीत, हम शुरू से ही टोनी जैसे भौंकने वाले से सावधान रहें (उदाहरण के लिए, 000/1 संभावना है कि उसे धोखा दिया जाएगा), तो हम उससे काफी पहले ही रुक जाएंगे।
इस मुद्दे सहित राय के मतभेदों का विश्लेषण करना दिलचस्प है forum, पूर्व और पुनर्मूल्यांकन पर निर्भर करता है। उदाहरण के लिए, यदि आप आश्वस्त हैं कि फार्मास्युटिकल लैब आपसे झूठ बोल रही हैं और उनके नतीजे नकली हैं, तो आप परीक्षण के परिणामों को बहुत कम महत्व देंगे, बजाय इसके कि आप इसके विपरीत सोचते हैं। वास्तविक स्थितियों से कोई भी समानता महज़ संयोग है।
एक मूर्ख की नजर में एक मूर्ख के लिए पारित करने के लिए एक पेटू खुशी है। (जॉर्ज कोर्टलाइन)
मी ने इनकार किया कि नूई 200 लोगों के साथ पार्टियों में गया था और बीमार भी नहीं था moiiiiiii (Guignol des bois)