Det är inget fel på att tillämpa Bayes sats (
https://sv.m.wikipedia.org/wiki/Bayes_sats) men resultatet beror helt på vad indata är. I det här fallet är en helt avgörande delsannolikhet den om SEs tillgång till ett vapen just denna kväll. Jag skulle vilja påstå att <5 personer gick beväpnade ute på gatan Stockholm denna kväll, borträknat polis och liknande. Det var helt enkelt mycket ovanligt med skjutningar eller vapenanvändning i någon form, förutom vid bankrån. Vad är då sannolikheten att SE är en av dessa försvinnande få individer, i synnerhet som han inte har någon koppling till ett vapen under hela sin livstid såvitt vi vet (han lär ha varit med i en skjutklubb för gevär (?) på 60-talet, men det har inte framgått att han någonsin haft vapenlicens).
Lambertz går från klarhet till klarhet. Han måste ha en S&M-dragning till att bli skrattad åt och föraktad.
Edit: Vi har ingen aning om hur Lambertz har resonerat, men ett exempel på Bayes formel är följande:
P(A)= sannolikheten att SE är GM,
P(B) = sannolikheten att SE hade ett vapen på sig 860228. Låt säga att denna är 1/1000.
Vidare kan vi anta att den betingade sannolikheten
P(B|A) = 1, dvs om SE är GM så hade han ett vapen.
P(A|B) < 1, dvs även om SE hade ett vapen så är det inte säkert att han är GM.Det utesluter inte andra GM, men låt säga att P(A|B) = 0.5 = 50%.
Bayes sats säger då att
P(A|B) = P(B|A) P(A) / P(B), =>
P(A) = P(A|B) P(B) / P(B|A) = 0.5/1000/1 = 0.0005 eller 0.05%.
Inte så övertygande. Notera att nyckeln här är att P(B|A) = 1, dvs SE måste ha haft ett vapen! Om detta inte var fallet så att betingade sannolikheten krympte, då skulle P(A) öka. Men så är inte fallet.