简单地说：探索性数据分析的贝叶斯和频率论方法有什么不同吗？

我知道 EDA 方法中没有固有的偏差，因为直方图是直方图，散点图是散点图等，我也没有找到 EDA 教学或呈现方式差异的示例（忽略 A. Gelman 的特别理论论文） . 最后，我查看了 CRAN，它是所有应用程序的仲裁者：我还没有找到适合贝叶斯方法的软件包。但是，我认为 CV 可能有一些人可以对此有所了解。

为什么会有差异？

对于初学者：

1. 在确定适当的先验分布时，不应该直观地进行调查吗？
2. 在汇总数据并建议使用常客模型还是贝叶斯模型时，EDA 不应该建议走哪个方向吗？
3. 这两种方法在如何处理混合模型上有非常明显的区别。确定一个样本可能来自混合人群具有挑战性，并且与用于估计混合参数的方法直接相关。
4. 这两种方法都包含随机模型，并且模型的选择是通过理解数据来驱动的。更复杂的数据或更复杂的模型需要更多的时间在 EDA 中。由于随机模型或生成过程之间存在这种区别，EDA 活动存在差异，那么不同的随机方法不应该产生区别吗？

注 1：我不关心任何一个“阵营”的理念——我只想解决我的 EDA 工具包和方法中的任何差距。