频率学派和贝叶斯学派

这是两种看待概率的态度。我们生活中，常常借助概率来做判断。想象一下，你自己是如何看待概率的？
贝叶斯学派把概率当作一种确定性水平，把概率当作一种主观的参考依据。
频率学派把频率当作概率（古典概型）。它统计过去发生事件的频率当作概率，所以它是客观的。
可以举例说明二者的区别。
比如：你抛一枚硬币100次，有53次正面朝上，频率学派的观点认为，这枚硬币下次实验正面朝上的概率为0.53。
但是，考虑另一种情况。这种推理似乎不适用于那些不可重复的实验。如果说一个医生诊断了病人，并说该病人患流感的概率为40%。我们既不能让病人有无穷多相同的副本，也没有任何理由去相信病人的不同副本在具有不同的潜在条件下表现出相同的症状。在这个例子中，我们用概率表示一种信任度或者确定性水平。
另一个例子：
有三扇门，两扇后面是空的，一扇里面是车，你选了一扇，主持人又开了一扇空的，问你改不改，为什么？
有人说你应该换，这样你赢的概率将增加。另一种说法是，赢的概率不变，换不换无所谓。我倾向于使用贝叶斯学派的观点。把概率当作一种参考依据，在你打开一扇门后，我们换与不换，赢的概率都是0.5，是一样的。我认为前一种说法，是错误的使用了条件概率。因为在你第二次选择时，以前发生的事件已经不是随机事件（确定事件）。无论它发生的概率如何小，它对你来说已经没有意义了。把自己放在第一次选择的时刻去计算这种事件发生的概率是毫无意义的。
不要把条件概率和计算当采用某个动作后会发生什么相混淆。假定，某个人会说中文，那么他是中国人的条件概率是非常高的，但是如果随机选择的一个人会说中文，它的国籍不会因此而改变。计算一个行动的后果被称为干预查询。它属于因果模型，不是概率模型。
概率可以被看作处理那些不确定事件的逻辑，概率论提供了许多逻辑帮助我们去处理新的命题。它是那么美妙以至于产生了机器学习、统计学领域诸多成果。