這是因為兔子的意思無非就是給出一些例子來試圖得出一些客觀規律，因為是從個體到一般，演繹推理的作用有限，所以這些客觀規律一般是些統計意義上的，比如說炒股票，這樣的量 (記為 d，某種分布參數) 可以是賺錢的概率 p = d，賺多少錢的期望值 m = d，賺錢的風險或者方差 a = d，或者這些統計量的組合，例如 (m，a) = d。現在我們的任務是從一些“範例”，和這些範例所遵循的分布，來確定分布參數 d 的值。當然你可以人為地規定用什麼方法去計算 d 的值，但是從兔子一系列帖子去看，他無疑使用的是最大似然估計，來論證、解釋這些範例存在/出現的“可能性”最大化。記得哪位折學大拿說過，存在就是合理的，可能也能從這裡找到一些依據。
如果將兔子的“範例哲學”和最大似然估計一一對應得這麼死，那我這裡可能已經惹得兔子不高興了，因為一一對應得這麼絲絲入扣的話，“範例哲學”就談不上有多大的“思想”，因為它的核心就是計算。但是我們可以將問題拓展一下，並不假設上面所講的分布參數 d 本身為常量，而在更一般意義下假設它本身也服從某種概率分布，d = g(d)，亦即假設“範例哲學”和所謂的最大後驗估計掛鈎，那麼這時就可以將範例哲學和歷史上著名的貝葉斯分析結合起來。概率論中的貝葉斯公式很簡單： P (B|A) = P (AB)/P(A) = P(A|B)P(B) / P(A)
這樣“範例哲學”的內涵就豐富多了。熟悉哲學歷史的都應該知道有個著名的哲學流派，稱為貝葉斯學派，這個學派和傳統的概率學派或者說頻率學派是針鋒相對的。這種針鋒相對不是數值、計算上的差別，而是涉及到對世界觀和認識論上的差別。這種差別來自哪裡？簡單地說就是來自 g (d)，也就是說，你的分布參數 d 所服從的分布 (例如高斯正態分布) 到底是如何得來的。經典的頻率派認為，g (d) = const 既定的，就算我們不知道它到底是什麼，但是它卻是客觀存在的，不以咱們的意志為轉移的；而貝葉斯學派則認為 g(d) 是後驗的，和個人的、主觀的取捨以及數據有關。
