一块没标价的巧克力，和PyMC里的一个营销组合模型，中间隔着一道两百年的积分。

这是Towards Data Science上一篇文章的切入点。作者用这个跨度极大的对照，把贝叶斯思维和频率派思维的分野摆了出来——你日常判断一件事的概率，用的是贝叶斯那套；但课堂上被灌输的，却是频率派那套。

打开网易新闻 查看精彩图片

两种思维，两套语言

贝叶斯和频率派的分歧不在数学工具，而在对"概率"这个词的理解。频率派把概率看作长期重复试验中的频率，贝叶斯则把它看作对不确定性的信念度量。文章没有展开两派的具体公式，但用巧克力这个例子点出了关键：当你看到一块没有标价的巧克力，你心里对"它值多少钱"的判断，本身就是贝叶斯式的——基于已有经验不断修正。

而营销组合模型这类实际应用，作者把它放进了PyMC这个工具里。PyMC是贝叶斯建模常用的概率编程库，文章提到它，说明贝叶斯方法在真实业务场景里已经落地。

那道两百年的积分

文章标题里提到的"200-year-old integral"，指的是贝叶斯方法长期面临的计算难题。贝叶斯推断需要计算后验分布，而这个过程往往涉及难以解析求解的积分。两百年来，这个积分一直是贝叶斯方法从理论走向应用的拦路虎。

直到计算方法和工具成熟，贝叶斯才真正变得可操作。PyMC这类工具的存在，正是绕开或解决这道积分的结果。文章没有细说具体是哪种算法，但把"巧克力—营销模型—积分"这三个点串起来，已经勾勒出一条从直觉到工程落地的线索。

你天生就会用贝叶斯的方式思考，只是被教成了频率派的样子。这道两百年的积分，现在有了工具来跨过去。