Так, согласно этой модели, шансы нежелательной встречи на вечеринке составляют примерно 1/3. При таком раскладе вы можете принять научно обоснованное решение о том, насколько тягостной может оказаться эта встреча и насколько приятной будет вечеринка. Пожалуй, вам стоит позвонить пригласившему вас другу.
Однако насколько хорошо теорема Байеса согласуется с реальной жизнью? Весьма маловероятно, что, находясь в вышеописанных обстоятельствах, вы достали бы из кармана калькулятор и начали вычислять величину Р(Н|Е). Некоторые данные, собранные Эдвардсом (Edwards, 1968), указывают на то, что мы оцениваем обстоятельства условной вероятности более консервативно, чем это предполагает теорема Байеса. Изучая влияние новой информации на оценки испытуемых, Эдвардc давал студентам колледжа два мешка по 100 покерных фишек в каждом. В одном мешке было 70 красных фишек и 30 синих, а в другом — 30 красных и 70 синих. Наугад выбирался один из мешков, и испытуемые должны были определить, который это мешок из двух, вынимая из него по одной фишке, рассматривая ее и возвращая обратно в мешок, а затем продолжая процесс. Первоначально вероятность вынуть красную фишку из мешка, где больше красных фишек, составляет 70%, а из мешка, где больше синих, — 30%. Однако если мы вынули из мешка только одну фишку и она оказалась красной, тогда, согласно теореме Байеса, вероятность того, что в этом мешке доминируют красные, равна 70%. Люди обычно недооценивают реальное (математическое) значение этого наблюдения и предполагают, что вероятность того, что в этом мешке доминируют красные, равна 60%. Если следующая фишка тоже красная, то реальная вероятность того, что это «красный» мешок, равна 84%. Суждения испытуемых в этом случае, как и при более крупных выборках, остаются консервативными.
