即使有非信息性先验，贝叶斯推理也不同于频率论方法。例如，考虑估计概率$\theta$一枚硬币会出现正面。先穿制服$\theta$. 如果我们观察到单次翻转，并且是正面，那么下一次翻转将是正面的贝叶斯预测概率是 2/3。最大似然方法会说概率为 1。如果您想推导此结果，请阅读贝叶斯推理、熵和多项分布。

我已经写了几篇关于这个主题的论文。如果您想要更多示例，请查看： 正统统计病理学、推断高斯分布和均匀分布的贝叶斯推断。

它适用于那些不能忍受使用无聊的'ol常客统计数据以及所有“可怕的”不一致的方法论的纯粹主义者（忘记没有信息的先验通常是不正确的事实！）。

不过说真的：不知情的贝叶斯后验分布看起来非常像归一化似然函数，而常客会报告通常的置信区间。由于频率论推理不遵守似然性“原理”，因此这两个答案可能完全不同。