贝叶斯区间估计比经典的区间估计更容易处理，因为参数是随机变量，对给定置信度1－α，利用θ的后验分布可以较方便地求得θ的置信区间。反之，若给定概率，要找一个区间[a,b] 使上式成立，这样求得的区间就是贝叶斯区间估计，又称为可信区间，这是在为连续型随机变量场合，若为离散型随机变量，对给定的概率，满足上式的区间[a,b] 不一定存在，这时只有略微放大上式左端概率，才能找到a 与b，使得对于区间估计问题，贝叶斯方法具有处理方便和含义清晰的优点，而经典方法寻求的置信区间常受到批评。当参数的后验分布获得以后，立即可计算落在某区间[a,b] 内的后验概率，譬如，即