頻度論 vs. ベイズ的アプローチ

解説: パラメータと確率をどう捉えるか？

頻度論 (Frequentist)

哲学: コインの「表が出る確率」は、我々がまだ知らないだけで、誰かが定めた「唯一の真実（固定値）」であると考えます。我々の仕事は、データをたくさん集めて、その真の値をピンポイントで推定することです。
デモの動き: コインを投げて得られた「表の割合」そのものが、現時点で最も尤もらしい（最尤）推定値となります。試行回数が少ないうちは結果が大きくブレますが、無限回試行すれば真の値に収束すると考えます。

ベイズ (Bayesian)

哲学: コインの「表が出る確率」自体が、不確実性を持つ「確率的な変数」であると考えます。我々はデータを得る前は「たぶん0.5あたりだろうけど、よくわからない」という信念（事前分布）を持っており、データを観測するたびに、その信念を更新していきます。
デモの動き: 横軸が「表の確率」、縦軸が「その確率であることの確からしさ（信念の度合い）」を表す確率分布を描画します。最初は平坦な分布（事前知識なし）ですが、コインを投げる（データを観測する）たびに、観測結果に合致する確率値の山が高くなり、分布が鋭くなっていきます。最終的なアウトプットは一つの値ではなく、「この範囲の確率値である可能性が高い」という分布そのものです。