В теории вероятности существует формула Байеса (и доказывающая её теорема Байеса), которая связывает вероятности зависимых событий и позволяет рассчитывать одни из них на основании других. Парадокс, или, если хотите, ловушка формулы Байеса (сразу замечу - парадокс не математический, а чисто психологический) состоит в том, что рассчитанные согласно ей вероятности событий часто не стыкуются со "здравым смыслом".
Классический пример. Есть болезнь, которая поражает в среднем одного человека из тысячи. Есть анализ, который выявляет эту болезнь, причём этот анализ даёт положительный результат на действительно больном в 90% случаев, но может дать ложно-положительный результат на здоровом в 1% случаев. Допустим, Ваш анализ дал положительный результат. Какова вероятность того, что Вы действительно больны?
Интуитивно кажется, что раз анализ работает в 90% случаев, а ложно-положительных результатов всего 1%, то пациент болен с вероятностью, близкой к 90%, во всяком случае - заметно выше половины.
На самом деле, если аккуратно посчитать по формуле Байеса, вероятность оказаться больным после однократного положительного анализа - всего 8% ! А вероятность того, что пациент в действительности здоров, составляет порядка 92% !!! Только два последовательных положительных анализа дают около 90% уверенности.
Ответ кажется самым убедительным и верным, но не затрагивает ситуацию и новые значения. Когда вы пытаетесь применить что-то новое для уточнения это отталкивает вас назад от верного ответа. Меньше объясняй вернее будет.