Вот там приводился такой пример. Допустим, нам известно, что у человека головная боль. Допустим также, что нам известно, что она может быть вызвана:
- обычной простудой; при этом простудой болеют очень часто, но головная боль как её симптом возникает очень редко
- болезнью мозга; при этом подобное заболевание очень редко, но головная боль как симптом проявляется очень часто
Обыватель мог бы сделать вывод, что, мол, раз (в мире, в котором действуют описанные выше законы/допущения) головная боль «вероятней» при болезни мозга, чем при простуде, то, значит, более вероятен второй диагноз.
Носитель обсуждаемой продвинутой «математической» логики скажет, что, в соответствие с формулой Байеса, вероятней обычная простуда (частота самого примитивного заболевания/причины как бы «перевешивает» тот факт, что симптом чаще проявляется при более серьёзной болезни).
Моделист же вообще не может себе позволить делать какие-то выводы из приведённых посылок.
Он сразу же первым делом задаст вопрос: а в чём отличие головной боли при той простуде от головной боли при том заболевании мозга?
И его выводы будут опираться на это погружение в дифференциальные различия и на каждом шаге, вообще говоря, в терминах теории вероятностей будут обладать 100%-й точностью (на самом деле это будет, конечно, относительная модельная точность, но она по мере разработки вопроса будет приближаться и к натуральной 100%-й точности; математики, в действительности, тоже предсказывают относительную точность диагноза, но не отдают себе отчёт в ограничениях собственной модели).