Суть метода, основанного на Баессовском подходе

При первом используют такие предположения: неизвестный параметр а есть случайная величина со случайным распределением w(a). В конкретном опыте имеем дело с какой-то фиксированной реализацией параметра а. При фиксированном а, одним из точечных методов находят оценку параметра а.

Поскольку оценка – это случайная величина, то чтобы она стала известной, нужно задать ее распределение, например, g(a^*/a) – условная плотность распределения оценки a^* при фиксированном значении параметра а.

Задача заключается в нахождении доверительного интервала для а. Формула Байесса позволяет связать наблюдаемое смещение a^* с важной причиной этого следствия.

Переходим к условной плотности появления реализации параметра а, если мы наблюдаем оценку а* в опыте:

- интеграл той области, где определены значения параметра а.

Апосторная вероятность (после опыта):

P{ (k₁ ≤ a ≤ k₂)/a*} =

Априорная вероятность (до опыта):

P{ k₁ ≤ a ≤ k₂ } =

Метод нужно использовать тогда, когда известно что параметр а - случайная величина, распределенная по известному закону.