При словах «математическая статистика» и «статистические методы» большинство тех, кто не является математиком или специалистом по машинному обучению, вспоминают такие понятия как «нулевая гипотеза», «уровень значимости», «статистика критерия» и многое другое, что преподаётся на курсах статистики в вузах. Возможно для кого-то станет открытием: всё это лишь часть того, что есть современная наука о вероятности. Традиционно изучаемые методы относятся к одному направлению: статистике, основанной на частотном подходе к вероятности [8]. Однако наука не стоит на месте. Примерно с 1950-х годов XX века распространение начал получать и другой подход к понятию вероятности –– т. н. байесовский подход к вероятности [4]. Данный подход стал особенно популярным в последние 20–30 лет, и на сегодня можно говорить, что именно он определяет развитие такой области как машинное обучение, являющейся предметом интереса всего исследования применения методов искусственного интеллекта в оценочной деятельности. Забегая вперёд, можно сказать, что эти два подхода не являются взаимоисключающими, используют один математический аппарат и при определённых условиях один из них перерождается в другой.