Hay un montón de preguntas (como este) sobre cierta ambigüedad con Bayesiana de la fórmula en el caso continuo.
$$p(\theta | x) = \frac{p(x | \theta) \cdot p(\theta)}{p(x)}$$
A menudo, la confusión surge del hecho de que la definición de la distribución condicional $f(variable | parameter) $ es explicado como $f$ siendo la función de $variable$ fijos $parameter$.
Junto con eso, hay un principio de equivalencia que indica que la probabilidad puede ser escrita como: $$ L(\theta | x) = p(x | \theta)$$
Así que ¿por qué no utilizar la regla de Bayes para las distribuciones en el siguiente formulario:
$$p(\theta | x) = \frac{L(\theta | x) \cdot p(\theta)}{p(x)}$$
destacar que estamos tratando con funciones de $\theta$ dados los datos observados $x$, y que el respectivo término es la probabilidad (al menos, a partir de con $L$)?
Es esta una cuestión de tradición, o hay algo más fundamental en esta práctica?