Lois a priori conjuguées

Une loi a priori conjuguée maintient la loi a posteriori dans la même famille de distributions que la loi a priori, transformant ainsi l'actualisation bayésienne en une simple mise à jour des paramètres de la famille.

Definition

Une famille de lois a priori est conjuguée à une vraisemblance donnée si, pour toute donnée, la loi a posteriori résultante appartient à la même famille ; la loi a posteriori est obtenue en mettant à jour les hyperparamètres de la famille sous forme fermée.

Scope

Ce sujet aborde la définition de la conjugaison, les paires conjuguées standard (Bêta-Binomiale, Gamma-Poisson, Normale-Normale, Normale-inverse-Gamma, Dirichlet-Multinomiale), le lien avec les familles exponentielles, et l'interprétation des paramètres a priori comme des pseudo-comptes ou une taille d'échantillon a priori.

Core questions

• Que signifie pour une loi a priori d'être conjuguée à une vraisemblance ?
• Quelles paires conjuguées apparaissent pour les modèles courants de familles exponentielles ?
• Comment les hyperparamètres conjugués agissent-ils comme des pseudo-données a priori ?
• Pourquoi la conjugaison découle-t-elle de la structure des familles exponentielles ?

Key concepts

• loi a priori conjuguée
• Bêta-Binomiale
• Gamma-Poisson
• Normale-Normale
• Dirichlet-Multinomiale
• famille exponentielle
• hyperparamètres
• pseudo-comptes a priori

Key theories

Conjugaison des familles exponentielles

Diaconis et Ylvisaker ont caractérisé les lois a priori conjuguées pour les vraisemblances de familles exponentielles et ont montré qu'elles impliquent des espérances a posteriori linéaires par rapport aux statistiques suffisantes.

Loi a priori comme pseudo-données

Les hyperparamètres conjugués peuvent être interprétés comme les comptes et les totaux d'un ensemble de données a priori imaginaire, de sorte que la loi a posteriori combine de manière additive les observations réelles et les pseudo-observations a priori.

Clinical relevance

Les modèles conjugués permettent des mises à jour rapides et transparentes, largement utilisées pour l'estimation de proportions et de taux, la randomisation adaptative, et comme éléments constitutifs dans des analyses plus vastes basées sur l'échantillonnage.

History

Raiffa et Schlaifer ont systématisé l'analyse conjuguée pour les problèmes de décision en 1961 ; Diaconis et Ylvisaker ont donné la caractérisation générale pour les familles exponentielles en 1979. La conjugaison reste un élément central au sein des schémas de calcul modernes tels que l'échantillonnage de Gibbs.

Key figures

• Howard Raiffa
• Robert Schlaifer
• Persi Diaconis

Seminal works

• diaconis1979
• gelman2013

Frequently asked questions

Pourquoi utiliser des lois a priori conjuguées alors que les ordinateurs peuvent gérer n'importe quelle loi a priori ?

Les lois a priori conjuguées fournissent des lois a posteriori exactes sous forme fermée, rapides et interprétables, et elles servent souvent de mises à jour conditionnelles complètes au sein des échantillonneurs de Gibbs, même lorsque le modèle global n'est pas conjugué.