频率论者会推断，由于平均身高是

tanjima98

理解频率统计与贝叶斯统计的最好方法是通过一个突出两者之间差异的例子，并借助数据科学统计。

这是一个频率派与贝叶斯派的例子，揭示了解决同一问题的不同方法。

假设问题涉及估计目前 肯尼亚手机号码列表 或曾经上过大学的所有男性的平均身高。我们假设身高呈正态分布，并且有标准差。因此，我们需要估计的只是平均值。
（一）频率学派方法

一个实际数字，他们无法为其等于、小于或大于某个值分配一个随机概率。

因此，频率论者会从通用数据中收集一些样本数据，并将平均值估计为与实际平均值最一致的值。这被称为最大似然估计。当分布为正态时，这个估计值就是样本的平均值。
（二）贝叶斯方法

相反，贝叶斯学派认为，尽管平均值是一个实际数字，但没有理由不给它分配一个概率。贝叶斯方法将通过根据平均值的可能值定义概率分布来实现这一点。

然后，将使用样本数据更新此分布。此更新通过应用如下所示的贝叶斯定理来完成。
频率论者与贝叶斯派来源 - probabilisticworld. Com
贝叶斯方法

样本数据使参数的真实值和未知值周围的概率分布变窄。贝叶斯定理应用于参数的每个可能值。这里有一个简短的视频，重点介绍了频率派和贝叶斯派 ab 测试之间的差异。
贝叶斯统计与频率统计
频率统计与贝叶斯统计——差异

根据我们对上述频率派与贝叶斯派例子的理解，以下是频率派与贝叶斯派 AB 测试之间的一些根本区别。
（i）使用先验概率

贝叶斯技术对先验概率的使用是两者之间最明显的区别。频率论者认为，在分配概率时总是存在偏见，这使得该方法主观且不太准确。另一方面，贝叶斯主义者认为，不分配先验概率是频率论方法的最大弱点之一。
（二）数据预测

由于频率学派不相信分配先验概率，因此他们的估计基于最大似然点。另一方面，贝叶斯学派对可能的参数值具有完整的后验分布。这使得他们能够通过整合整个分布（而不仅仅是最可能的值）来解释估计中的不确定性。