频率主义是统计学中的一种思想，它力图摒弃任何主观推测，站在绝对客观的角度搜集数据，并用严谨的数学模型概括数据的特征。
推崇频率主义的统计学家会无止境地搜集数据，对数据的概率分布做出统计假设，再用假设检验来验证统计假设是否正确。然而，这种思想有明显的“完美主义”倾向，容易脱离现实。
比如，频率主义始终在力图解释抽样误差，它希望找到、也相信能找到一个通用的方法来计算抽样误差，从而消除统计偏差，却始终未能实现。
在当下的大数据时代，样本近乎就是总体，抽样误差不再存在，然而即便使用总体中的全部数据，也往往无法做出合理的统计推断，因为数据越多，噪声也越多。
“不识庐山真面目，只缘身在此山中”，我们生活在世界上，很难找到绝对客观的视角来看待世界。
贝叶斯定理的确包含主观推断，可是定理中的主观推断通常是以经验数据作为参考，即便主观推断最初可能出错，还可以借助经验数据的搜集，不断迭代和更新主观推断，一步步接近真相。
相比于频率主义，贝叶斯定理更加接地气，在医学、博彩、刑侦等很多实际问题中，贝叶斯定理都发挥了不可替代的作用。
