共轭先验

在贝叶斯统计中，如果后验分布与先验分布属于同类，则先验分布与后验分布被称为共轭分布，而先验分布被称为似然函数的共轭先验（Conjugate prior）。比如，高斯分布家族在高斯似然函数下与其自身共轭 (自共轭)。这个概念，以及"共轭先验"这个说法，由 霍华德·拉法拉（英语：Howard Raiffa） 和 罗伯特·施莱弗尔（英语：Robert Schlaifer） 在他们关于贝叶斯决策理论的工作中提出。 类似的概念也曾由 乔治·阿尔弗雷德·巴纳德（英语：George Alfred Barnard） 独立提出。具体地说，就是给定贝叶斯公式 p ( θ | x ) = p ( x | θ ) p ( θ ) ∫ p ( x | θ ′ ) p ( θ ′ ) d θ ′ , {displaystyle p(theta |x)={frac {p(x|theta )p(theta )}{int p(x|theta ')p(theta ')dtheta '}},} 假定似然函数  p ( x | θ ) {displaystyle p(x|theta )} 是已知的，问题就是选取什么样的先验分布 p ( θ ) {displaystyle p(theta )} 会让后验分布与先验分布具有相同的数学形式。共轭先验的好处主要在于代数上的方便性，可以直接给出后验分布的封闭形式，否则的话只能数值计算。共轭先验也有助于获得关于似然函数如何更新先验分布的直观印象。所有指数家族的分布都有共轭先验。