经典统计学: 基于总体信息和样本信息进行的统计推断，它的基本观点是把数据(样本)看成是来自具有一定概率分布的总体， 所研究的对象是这个总体，而不限于数据本身。
贝叶斯统计学: 基于总体信息，样本信息和先验信息进行的统计推断,， 它与经典统计学的主要差别在于是否利用先验信息。
贝叶斯学派的基本观点: 任意一个未知量 都可以看做一个随机变量， 应该用一个概率分布去描述对
的位置状况，这个概率分布被称为先验分布。
贝叶斯公式: 设总体指标有依赖于参数
的密度函数， 在经典统计学中常记为
或
，它表示在参数空间
中不同的
对应不同的分布。
可在贝叶斯统计中记为， 它表示在随机变量
给定某个值时，
总体指标的条件分布。
样本：
似然函数：
后验分布：
二项分布：
贝叶斯假设： 选择 作为
的先验分布，
即
的后验分布为：
此后验分布正是贝塔分布：
并且先验分布
的先验分布和后验分布属于同一个分布族， 这种先验分布称为
的共轭先验分布