核心要点
参数观：频率派认为参数 θ 是未知但固定的常数；贝叶斯派认为 θ 是随机变量，用概率分布表达对它的信念。
推断方式：频率派靠数据的抽样分布（如最大似然、置信区间、p 值）；贝叶斯派用 Bayes 公式得后验 p(θ|D)∝p(D|θ)p(θ)。
先验：贝叶斯派需指定先验 p(θ)，可融入领域知识，小样本下更稳健；频率派不用先验。
区间解释：频率派置信区间是“反复实验有 95% 覆盖真值”；贝叶斯可信区间是“θ 有 95% 概率落在区间内”。
标准回答
根本分歧：如何看待参数
频率学派把参数 (\theta) 看成未知但固定的常数，概率只描述数据的随机性。推断依赖抽样分布：常用最大似然估计、构造置信区间、做假设检验和 p 值。
贝叶斯学派把 (\theta) 看成随机变量，用概率分布表达对它的不确定信念。核心是 Bayes 公式：
(p(\theta\mid D)\propto p(D\mid\theta),p(\theta))
即后验 ∝ 似然 × 先验，推断围绕后验分布展开（后验均值/众数 MAP、可信区间）。
先验的作用
贝叶斯需要指定先验 (p(\theta))，好处是能注入领域知识、在小样本下更稳健、天然给出完整不确定性；代价是先验选择带主观性。频率派不引入先验，结果“更客观”但难以表达参数本身的概率。
区间解释不同
频率派 95% 置信区间：在重复实验意义下约 95% 的区间会覆盖真值；贝叶斯 95% 可信区间：给定数据，参数有 95% 概率落在该区间内——后者才是“参数的概率”。
常见误区
⚠️ 常见踩坑
别把频率派置信区间解读成“参数有 95% 概率落在此区间”——这是贝叶斯可信区间的含义；频率区间的随机性在区间本身而非固定的参数。
追问
追问 1：最大似然估计（MLE）和最大后验估计（MAP）是什么关系？
MAP 最大化后验 (p(\theta|D)\propto p(D|\theta)p(\theta))，等价于最大化 (\log p(D|\theta)+\log p(\theta))；MLE 只最大化似然 (p(D|\theta))。当先验取均匀分布（无信息）时，MAP 退化为 MLE。从正则化角度看，高斯先验对应 L2 正则、拉普拉斯先验对应 L1 正则，所以 MAP 相当于带正则项的 MLE。
延伸学习
与本题相关的知识库文章、术语、工具与行业资讯。