Ketika informasi baru muncul, penilaian yang masuk akal seharusnya dapat berubah. Inferensi Bayesian menyediakan kerangka untuk memperbarui keyakinan awal dengan mempertimbangkan seberapa sesuai bukti baru terhadap suatu dugaan.

Dalam pengamatan permainan digital, kerangka ini berguna untuk menilai klaim tentang mekanisme. Namun, pembaruan keyakinan harus dibedakan dari kemampuan memprediksi putaran individual.

Keyakinan Awal Bukan Kepastian

Pendekatan Bayesian dimulai dari prior, yaitu gambaran keyakinan sebelum bukti baru diamati. Prior dapat didasarkan pada pengetahuan yang tersedia, tetapi harus diakui sebagai asumsi ketika sumbernya terbatas.

Dua pengamat dengan prior berbeda mungkin menghasilkan penilaian awal yang berbeda. Perbedaan itu tidak selalu berarti salah satu mengabaikan matematika; yang perlu diperiksa adalah alasan di balik asumsi masing-masing.

Bukti Baru Memperbarui Penilaian

Bukti dinilai melalui likelihood, yakni seberapa mungkin bukti tersebut muncul jika suatu dugaan benar. Dengan aturan Bayes, prior dan likelihood digabungkan menjadi posterior, yaitu penilaian setelah bukti dipertimbangkan.

Misalnya, pengamat membandingkan dua model distribusi simbol yang berbeda. Rangkaian pengamatan dapat memberi dukungan relatif kepada salah satunya, tetapi hasilnya bergantung pada kualitas catatan dan kecocokan model.

Sampel Kecil Menyisakan Ketidakpastian

Beberapa kemunculan simbol yang berdekatan bisa terjadi dalam banyak model peluang. Karena itu, bukti dari sampel kecil biasanya tidak cukup untuk menghasilkan keyakinan yang sangat kuat.

Jika pengamat hanya memilih kejadian yang menarik dan membuang sisanya, pembaruan Bayesian menjadi bias. Bukti yang baik harus dikumpulkan dengan aturan konsisten, termasuk mencatat kejadian yang tidak sesuai dugaan.

Memperbarui Pendapat Tanpa Mengarang Kepastian

Posterior bukan jaminan bahwa suatu model benar. Nilainya tetap bergantung pada prior, likelihood, dan pilihan hipotesis. Jika model penting tidak ikut dipertimbangkan, hasil analisis dapat menyesatkan.

Inferensi Bayesian mendorong kebiasaan intelektual yang berguna: mengubah penilaian ketika bukti bertambah, tetapi tetap terbuka terhadap ketidakpastian. Sikap itu lebih kuat daripada menganggap satu rentetan hasil sebagai jawaban final.