知道种种统计量的抽样分布这在理论上往往是很难解决的问题（3）用后验分布来描述对未知参数的认识显得比频率学派通过用统计量来描述更自然些（4）对某些常见的问题贝叶斯方法提供的解释比频率学派更加合理当然贝叶斯方法也受到了经典统计学派中一些人的批评批评的理由主要集中在三个方面主观性、先验分布的误用和先验依赖数据或模型针对这些批评贝叶斯学派的回答如下：几乎没有什么统计分析哪怕只是近似地是“客观的”因为只有在具有研究问题的全部覆盖数据时才会得到明显的“客观性”此时贝叶斯分析也可得出同样的结论但大多数统计研究都不会如此幸运以模型作为特性的选择对结论会产生严重的影响实际上在许多研究间题中模型的选择对答案所产生的影响比参数的先验选择所产生的影响要大得多博克斯（Box1980）说：“不把纯属假设的东西看做先验我相信在逻辑上不可能把模型
f的假设与参数的先验分布区别开来”古德（Good1973）说的更直截了当：“主观主义者直述他的判断而客观主义者以假设来掩盖其判断并以此享受着客观性的荣耀”防止误用先验分布的最好方法就是给人们在先验信息方面以适当的教育另外在贝叶斯分析的最后报告中应将先验和数据、损失分开来报告以便使其他人对主观的输入做合理性的评价两个“接近的”先验可能会产生很不相同的结果没有办法使这个问题完全消失但通过稳健贝叶斯方法和选择“稳健先验”可以减轻（Berger1985）当代杰出的贝叶斯统计学家奥黑根（OHaga
1977）指出：“劝说某人不加思考地利用贝叶斯方法并不符合贝叶斯统计的初衷进行贝叶斯分析要花更多的努力如果存在只有贝叶斯计算方法才能处理的很强的先验信息或者更复杂的数据结构这时收获很容易超过付出由此能热情地推荐贝叶斯方法另一方面如果有大量的数据和相对较弱的先验信息而且一目了然的数据结构能导致已知合适的经典方法（即近似于弱先验信息时的贝叶斯分析）则没有理由去过分极度地敲贝叶斯的鼓（过分强调贝叶斯方法）”

直至今日，关于统计推断的主张和想法，大体可以纳入到两个体系之内，其一叫频率学派，其特征是把需要推断的参数θ视作固定且未知的常数，而样本X是随机的，其着眼点在样本空间，有关的概率计算都是针对X的分布。另一派叫做贝叶斯学派，他们把参数θ视作随机变量，而样本X是固定的，其着眼点在参数空间，重视参数θ的分布，固定的操作模式是通过参数的先验分布结合样本信息r