Действительно, хотя т.н. байесовский подход в статистике сталкивается с определенными трудностями, связанными с его основным допущением о том, что существует априорное распределение вероятностей гипотез и оно известно исследователю, в целом этот подход в некотором приближении моделирует действительное поведение исследователя. Байесианские стратегии — это стратегии обновления вероятности гипотез в свете эмпирических данных. Стратегия простого байесианизма состоит в том, что исходному «пучку» гипотез приписываются равные вероятности, их общая сумма равна единице, опровергнутая гипотеза получает вероятность ноль, вероятность выживших гипотез автоматически увеличивается, их относительный вес удерживается постоянным. В более сложных моделях предполагаются более сложные расчеты. Например, предполагается, что исследователь перед испытаниями отбирает гипотезу, которая на основании каких-либо содержательных рассуждений априорно более вероятна. Далее производится ее эмпирическая проверка. Затем исследователь сопоставляет свои априорные представления с апостериорными, производит оценку того, насколько изменилось его знание, и на основе этого принимает решение о своих дальнейших эмпирических испытаниях. Как говорилось в § 2.4, эта общая стратегия реализуется различными способами в современных дизайнах экспериментирования. Итак, проблема рациональности берет свое начало уже на оперативном уровне и «уходит корнями» в весьма тонкие процедуры принятия решений в научной деятельности, включающие оценку вероятностей, риска и т.п. Поэтому вопросы приемлемой реконструкции и анализа рассуждений оперативно-индуктивного уровня, а также изучение связи этого уровня с проблемой рациональности вообще, являются перспективным полем дальнейших исследований.
