Eine Familie von Priorverteilungen, die so gewählt wird, dass nach dem Aktualisieren der Überzeugungen mit einer gegebenen Likelihood die resultierende aktualisierte Verteilung über die Parameter zur gleichen parametrischen Familie wie der Prior gehört.

Prinzip

Abgeschlossenheit unter der bayesschen Aktualisierungsregel: Prior × Likelihood ergibt eine Funktion derselben parametrischen Form wie der Prior, sodass Posterior‑Parameter durch einfache algebraische Aktualisierungen der Hyperparameter erhalten werden können.

Demonstration

Bei binären Versuchen mit Zählung von Erfolgen und Fehlern führt die Wahl einer Beta‑Prior über die Erfolgswahrscheinlichkeit zu einer aktualisierten Verteilung in Beta‑Form, deren Formparameter um die beobachteten Zählungen erhöht werden.

Fehlanwendung

Die Wahl eines konjugierten Priors nur aus algebraischer Bequemlichkeit, obwohl die implizite Vorinformation des Priors der fachlichen Kenntnis widerspricht und so die aktualisierten Überzeugungen verfälscht.

Konsequenz

Bietet analytische Handhabbarkeit: geschlossene Aktualisierungen der Hyperparameter, reduzierte Rechenkosten und interpretierbare Parameterupdates, die sequentielle oder Echtzeit‑Aktualisierung erleichtern.

Umkehrung

Die Verwendung eines nicht‑konjugierten Priors führt zu einer aktualisierten Verteilung außerhalb der Prior‑Familie, die in der Regel numerische Integration oder Stichproben erfordert, um dargestellt zu werden.

Abgrenzung

Konjugiertheit hängt von der Likelihood‑Familie ab; viele Modelle besitzen keine einfachen konjugierten Priors, und konjugierte Wahlen können improper oder mit Regularitätsanforderungen inkompatibel sein, wenn nicht vorsichtig vorgegangen wird.

Semantische Spannung

Spannung zu 'uninformative' oder Referenz‑Prioren: konjugierte Prioren priorisieren algebraischen Abschluss, während Referenz‑Prioren minimale subjektive Beeinflussung anstreben; die Ziele können im Konflikt stehen.

Synthese

Ein konjugierter Prior ist eine Priorfamilie, die so gewählt ist, dass die Aktualisierung der Überzeugungen mit einer spezifizierten Likelihood die Form der Familie bewahrt und geschlossene Hyperparameter‑Updates ermöglicht.