代表条件概率时，此时
作为一个随机变量。
当不代表条件概率时于
等价，此时
不是一个随机变量，而是一个待估参数（
是固定的，只是当前未知）。
两者都表示在给定参数时
的概率。
以下为转载
求解最大似然估计时发现有两种表示方法
from:Gregor Heinrich - Parameter estimation for text analysis
有上述两种方法表示的原因
p(x|theta)不总是代表条件概率；也就是说p(x|theta)不代表条件概率时与p(x;theta)等价
而一般地
写竖杠表示条件概率，是随机变量；
写分号p(x; theta)表示待估参数（是固定的，只是当前未知）,应该可以直接认为是p(x)，加了;是为了说明这里有个theta的参数，p(x; theta)意思是随机变量X=x的概率。在贝叶斯理论下又叫X=x的先验概率。
对于P(y|x;theta)的解释
from:andrew ng机器学习讲义中，关于表示方法
对于两种表示法，频率派和贝叶斯派的分歧
频率派认为参数为固定的值，是指真实世界中，参数值就是某个定值。
贝叶斯派认为参数是随机变量，是指取这个值是有一定概率的