Если вы попросите студента назвать самый унылый, самый скучный, лишенный каких-либо компенсирующих качеств раздел математики, то он вполне может выбрать статистику. Одно лишь это слово вызывает в воображении образы калькуляторов и таблиц со сплошными числами. По крайней мере, такие образы вызывает стереотип.

А что, если я вам скажу, что статистика далеко не такая удручающая, как вы думаете?

Одним из способов убедить вас в этом будет рассказать о байесовской статистике, дисциплине, введенной Томасом Байесом, пресвитерианским священником, который жил в Англии в 1700-х. Тот вид статистики, с которым вы, возможно, знакомы, относится к частотной статистике. Если бы вы играли в блек-джек и вам бы выпали король и девятка, вы могли бы воспользоваться частотной статистикой и определить ваши шансы на блэк-джек при следующей раздаче карт.

Байесовская статистика, с другой стороны, постоянно пересматривает шансы по мере поступления новой информации. В случае игры в блек-джек вы не будете просто подсчитывать вероятность выпадения тройки или анализировать одни данные. Вы также будете держать в голове, какие карты уже сданы и мастерство дилера. С каждой новой информацией вероятность исхода игры пересматривается.

Однако байесовская статистика может намного больше, чем просто считать вероятность выигрыша в карточной игре. Она может спасать жизни. Например, ее использовали для нахождения Джона Олдриджа, рыбака, который упал со своего омароловного судна около побережья Лонг-Айленда в 2013 году. Его потеряли на обширной территории Атлантического океана, но когда береговая охрана приняла во внимание подводные течения в этом районе, а также путь, который прошел спасательный вертолет, им удалось сузить возможное местонахождение рыбака. Береговая охрана подсчитала примерное время падения Олдриджа с лодки, и компьютерная программа SAROPS проанализировала движение ветра и океанское течение, чтобы найти его наиболее вероятное местоположение в океане. Когда они, наконец, нашли его, он находился на плаву в течение 12 часов.

Классическим примером байесовского вывода является новорожденный ребенок, наблюдающий за восходом солнца. Каждое утро, когда ребенок наблюдает за восходящим солнцем, он получает все больше и больше доказательств, что солнце, на самом деле, взойдет и в следующее утро. Обновленная информация в форме новых наблюдений учитывается при ожидании ребенком будущих восходов солнца.