假设我们要推断的数量是一个概率分布。我们所知道的是分布来自一个集合$E$比如说，由它的某些时刻决定，我们有一个先验$Q$.

最大熵原理（MEP）$P^{\star}\in E$其中相对熵最小$Q$（IE，$P^{\star}=\displaystyle \text{argmin}_{P\in E}D(P\|Q)$) 是最好的选择。而贝叶斯选择规则有一个在给定先验的情况下选择后验的过程，这是由贝叶斯定理支持的。

我的问题是这两种推理方法之间是否有任何联系（即这两种方法是否适用于同一个问题，是否有共同点）？或者在贝叶斯推理中，设置是否与上述设置完全不同？还是我没有道理？！