Para la Fórmula de Bayes un ejemplo común de uso es despistaje de enfermedad. Suponga que tiene una prueba para una enfermedad que, si se usa en alguien que tiene la enfermedad se muestran positivos con un 95% de probabilidad y, si se utiliza con una persona sin la enfermedad se muestran negativos con 90% de probabilidad; además sabemos que 1 de cada 1.000 en la población tienen la enfermedad. Podemos elegir al azar una persona de la población (no se sabe de antemano si tienen la enfermedad) y hacer la prueba resulta positiva: ¿cuál es la probabilidad de que tienen la enfermedad? Este ejemplo es a menudo de abrir los ojos a un montón de gente. Una manera de demostrar esto (y mostrar rápidamente el efecto de los cambios) es el uso de la SensSpec.demo función en el TeachingDemos función de R (ver también tkexamp en el mismo paquete para una interfaz gráfica de usuario que esta en los ejemplos).
Si desea ampliar a la estadística Bayesiana, a continuación, un enfoque divertido es empezar por el que se muestre a los estudiantes un simple éxito/falla del juego como lanzar un dardo a una diana, tirando un papel arrugado trozo de papel en una cesta, etc., y la elección de un estudiante que va a jugar el juego. Pregunte a los alumnos cómo muchas veces fuera de 4 predicen el estudiante tendrá éxito, y el uso de su predicción de los parámetros de una distribución Beta como la distribución previa (parcela esto para mostrar dónde creen que la verdadera probabilidad podría ser). Ahora tiene el estudiante de hacer el juego 10 veces y el recuento de los éxitos, el uso de este como de los datos de una binomial de probabilidad, y se combinan con los anteriores para obtener una distribución posterior para el estudiante de la proporción de éxitos. Mostrar cómo se ha movido desde un previo para una utilización posterior de datos y bastante simples cálculos. Si tiene tiempo, puede permitir que el estudiante juega el juego más veces y el uso de la primera posterior como una nueva antes, a continuación, obtener una actualización posterior, y mostrar cómo los cambios en la distribución de información adicional.
