Tak więc, podczas gdy test częstościowy hipotezy prowadziłaby do istotnego statystycznie wyniku na poziomie istotności 5%, czynnik Bayesa w zasadzie w ogóle nie uznaje tego wyniku za ekstremalny.
Należy jednak zauważyć, że założenie a priori rozkładu niejednostajnego (np. takiego, który odzwierciedla oczekiwanie, że liczba sukcesów i porażek będzie tego samego rzędu wielkości) mógłby dać czynnik Bayesa bardziej zgodny z częstościowym testem hipotez.
Klasyczny test ilorazu wiarygodności wyznaczyłby estymator największej wiarygodności dla q, mianowicie , skąd
(zamiast uśredniania po wszystkich możliwych wartościach q). Daje to iloraz wiarygodności równy 0,1 i wskazuje na M2.
jest modelem bardziej złożonym niż , ponieważ ma jeden parametr swobodny, który pozwala mu lepiej dopasować dane. Zdolność czynników Bayesa do uwzględniania tego faktu jest jednym z powodów, dla których wnioskowanie bayesowskie jest przedstawiane jako teoretyczne uzasadnienie i uogólnienie brzytwy Ockhama, prowadzące do ograniczenia błędów I rodzajuSharpening Ockham's Razor On a Bayesian Strop.
Z drugiej strony, nowoczesna metoda tzw.