对于任何统计分析，都必须选择模型。 在选择的许多情况下，贝叶斯因子是重要的基本要素之一。 对于单边假设检验问题，我们将频率和贝叶斯证据的和声扩展到单边假设检验问题的广义p值，并研究广义P值与原始假设的后验概率的和。 对于单点假设检验问题，分析了传统贝叶斯检验方法下贝叶斯证据的后验概率，即建立了贝叶斯因子或单点原始假设的现象，这种现象被称为林德利悖论。与p值的经典频率证据不一致。 在这一点上，已经从频繁主义者和贝叶斯主义者的角度研究了许多统计学家。 在本文中，我将重点介绍贝叶斯模型选择的方法，从贝叶斯因子开始，并在Lindley Paradox中进行，后者还简要讨论了部分和分数贝叶斯因子。 我想