Читать книгу Прицельное мышление. Принятие решений по методикам британских спецслужб онлайн
33 страница из 44
p(N|E) = p(N)×[p(E|N)/p(E)].
То есть новая вероятность того, что нечто случится (с учетом новых фактов), вычисляется путем деления того, что вы считали вероятным (до получения новых фактов), на то, насколько хорошо новые факты подтверждают утверждение о том, что могло бы случиться.
Это – единственное уравнение в данной книге[13]. Несмотря на желание выражаться как можно понятнее, я включил его, потому что оно превращает слова в точные вычисляемые условные функции правдоподобия, о которых так много говорится в современной науке о данных. В следующей главе мы рассмотрим, как можно применить великую проницательность Байеса для работы в обратном направлении, выводя из наблюдений наиболее вероятные причины того, чему мы стали свидетелями.
Пример Карибского кризиса демонстрирует байесовскую логику в действии – как обеспечить новое владение ситуацией. Например, если бы аналитики посчитали, что фотографии с тем же успехом могли изображать строительную площадку, и поэтому фотографии были верными независимо от того, было ли N истинным (то есть попали ли на них стартовые комплексы ядерных ракет), то p(E|N) было бы таким же, как p(E), и поэтому сомножитель в правиле Байеса равен единице, а апостериорная вероятность ничем не отличается от априорной. Президенту Кеннеди тогда не посоветовали бы поверить в то, что Хрущев осмелится попытаться разместить ядерные ракеты на Кубе. Если же, с другой стороны, E будет более вероятно в тех случаях, когда N истинно (на что указывала разведывательная информация Пеньковского), то это сильное доказательство того, что N действительно истинно и p(E|N) будет больше, чем p(E). Поэтому числовое значение p(N|E) сильно возрастает. Для аналитиков Пентагона p(N|E) почти наверняка было бы гораздо ближе к единице. И президенту посоветовали действовать, исходя из того, что советские ядерные ракеты находятся фактически в глубоком тылу Америки.