在过去的一年里，我听到了很多关于概率编程(PP) 框架（如PyMC3和Stan ）的消息，以及 PP 有多棒。而今天，有人和我分享了这个链接： Pyro: a Deep Probabilistic Programming Language

但是，我并没有真正了解它的特别之处，因为感觉就像您可以在 PP 中做的任何事情一样，您可以在任何其他通用语言中做。我确信 PP 的某些技术方面使其具有吸引力（例如并行计算），但除此之外，PP 真的与任何其他语言有什么不同吗？

问题：我想知道关于 PP 是什么以及它与 R、Matlab、Mathematica 等其他以统计为重点的软件有何不同是否存在共识。需要注意的是PyMC3，Stan更多的是关注贝叶斯分析。

在谷歌上做了一点研究，我遇到了以下两个定义。第一个比较抽象，第二个更多关于PP的技术特性。

1.2. 概率规划是

相反，概率编程是一种统计建模工具。这个想法是从编程语言世界中汲取经验教训，并将其应用于设计和使用统计模型的问题。专家们已经在纸上用数学符号手工构建了统计模型，但这是一个专家专用的过程，很难用机械推理来支持。PP 的关键见解是，当你做得足够多时，统计建模可以开始感觉很像编程。如果我们实现飞跃并实际使用真实语言进行建模，许多新工具将变得可行。我们可以开始自动化用于证明为每个实例编写论文的任务。

这是第二个定义：概率编程语言是一种普通的编程语言，rand具有大量相关工具，可帮助您了解程序的统计行为。

这两个定义都是准确的。他们只是强调同一个核心思想的不同角度。哪一个对你有意义取决于你想用 PP 做什么。但是不要因为 PPL 程序看起来很像普通软件实现这一事实而分心，其目标是运行程序并获得某种输出。PP 的目标是分析，而不是执行（强调）。

--概率规划

我想知道一般统计界是否同意这两个 PP 定义，如果还有其他特征，这个定义可能会丢失。