Краткое введение в различия между частотным и байесовским подходами к вероятности в оценке стоимости

При словах «математическая статистика» и «статистические методы» большинство тех, кто не является математиком или специалистом по машинному обучению, вспоминают такие понятия как «нулевая гипотеза», «уровень значимости», «статистика критерия» и многое другое, что преподаётся на курсах статистики в вузах. Возможно для кого-то станет открытием: всё это лишь часть того, что есть современная наука о вероятности. Традиционно изучаемые методы относятся к одному направлению: статистике, основанной на частотном подходе к вероятности. Это обстоятельство в первую очередь объясняется тем, что данное направление статистики существует уже не одно столетие и является исторически первым известным человечеству. При этом такой подход позволяет создавать описательные и предсказательные модели, обеспечивающие хорошую интерпретацию результатов, доступную для понимания даже со стороны не специалистов. Действительно, когда британские учёные совершают очередной научный прорыв, доказав, что количество пластинок с записями Вагнера находится в тесной связи с объёмом грудной клетки их владельца, любой читатель может сформировать общее представление о вопросе.
Однако наука не стоит на месте. Примерно с 1950-х годов XX века распространение начал получать и другой подход к понятию вероятности — т. н. байесовский подход к вероятности. Данный подход стал особенно популярным в последние 20−30 лет, и на сегодняшний день
можно говорить о том, что именно он определяет развитие такой области как машинное обучение, являющейся предметом интереса всего исследования применения методов искусственного интеллекта в оценочной деятельности. Забегая вперёд, можно сказать, что эти два подхода не являются взаимоисключающими, используют один математический аппарат
и при определённых условиях один из них перерождается в другой…