Рассматривается байесовский подход к обнаружению разладки. Описываются его преимущества для онлайн-задачи, позволяющие использовать алгоритм итеративно и локализовывать разладку по распределению длины пробега (количества шагов с последней разладки). Рассматриваются гауссовская и экспоненциальная предсказательные модели. Преимущество этих моделей на основе сопряжённых распределений — наличие явных формул для получения апостериорных гиперпараметров, что оказывается вычислительно простым решением. Предлагается эвристическая предсказательная модель, выбирающая на основе обучающей подвыборки более подходящую функцию правдоподобия из двух рассматриваемых. Описывается исследование зависимости этой эвристики от размера порога детектора и размера обучающей подвыборки, проведённое на различных распределениях. Основное внимание уделяется качеству локализации и задержкам.