В курсе "Основы байесовского вывода" в СПбГУ прошла вторая лекция:

СПбГУ — 2026.09.11 — Байесовский вывод для монетки
(слайды и доска на странице курса)

Но до монетки ещё надо было добраться: сначала поговорили о том, что вообще означает байесовский подход, а потом разобрали несколько задач, в которых вероятностная интуиция легко подводит. Тут были медицинские тесты, ошибки прокурора и адвоката, и даже спящая красавица.

А потом всё-таки начали считать. Взяли монетку с неизвестной вероятностью орла, задали равномерное априорное распределение и получили апостериорное. Самое интересное здесь — разница между поиском наиболее вероятного параметра и предсказанием следующего броска: во втором случае нужно усреднить ответ по всему апостериорному распределению. Получается правило Лапласа, то самое добавление единичек к числам наблюдений. Если нам пока выпадали только орлы, это ещё не повод объявлять решку невозможной.

В целом мы пока, конечно, во вводной части курса, и просто развиваем свои понятия о том, что такое неопределённость и как с ней работать в контексте машинного обучения.

Но скоро уже будем переходить к более содержательным вещам: в следующий раз об априорных распределениях поговорим и начнём, наверное, линейную регрессию.

#spsu #bayes2026 #lectures