貝氏推論

貝氏推論（Bayesian inference）把一個未知量當成你對它持有信念的對象，並用資料來更新那些信念。你從一個先驗（prior）出發——也就是看到資料之前你相信的——把它與資料的概似結合，得到一個後驗（posterior）：你事後修正過的信念。

它的魅力在於回答了人們真正想問的問題——「給定我的資料，參數的不同數值各有多大機率？」——而這正是 p 值刻意不回答的。代價是結論會取決於你選的先驗，所以一個透明、站得住腳的先驗很重要；當資料很多時，先驗會淡出，貝氏與古典的答案往往會收斂在一起。