ما يُفترض حول معامل قبل البيانات — مدخل التحليل البايزي الذي غالبًا ما يحدد مخرجه.التوزيع السابق يرمز إلى ما يُفترض حول معامل ما قبل جمع أي بيانات. في الإحصاء البايزي، يُدمج التوزيع السابق مع دالة الاحتمال للبيانات المرصودة لإنتاج التوزيع اللاحق، الذي يمثل الاعتقاد المحدَّث بعد رؤية البيانات. غالبًا ما يكون اختيار التوزيع السابق هو الجانب الأكثر إثارة للجدل في التحليل البايزي لأنه يمكن أن يؤثر بشدة على النتيجة النهائية، خاصة عندما تكون البيانات نادرة أو ضعيفة الإفادة.
يعود المفهوم إلى توماس بايز في القرن الثامن عشر، لكن المعالجة الرسمية والنقاش حول التوزيعات السابقة طُوِّرت بواسطة بيير-سيمون لابلاس ولاحقًا بواسطة إحصائيين حديثين مثل هارولد جيفريز في القرن العشرين.
يخصص التوزيع السابق احتمالًا لكل قيمة ممكنة للمعامل. التوزيع 'المسطح' أو المنتظم يعطي وزنًا متساويًا لجميع القيم، لكن هذا ليس دائمًا الخيار الأكثر حيادًا — على سبيل المثال، التوزيع المنتظم على معامل معدل ليس منتظمًا على لوغاريتمه. التوزيعات السابقة الإخبارية يمكن أن تتضمن قيودًا فيزيائية معروفة، مثل الإيجابية أو حدود من تجارب سابقة. التوزيع اللاحق يتناسب مع التوزيع السابق مضروبًا في دالة الاحتمال، لذا يعمل التوزيع السابق كعامل ترجيح يسحب التقدير نحو المناطق ذات الاحتمال السابق المرتفع.
تُستخدم التوزيعات السابقة في فيزياء الجسيمات لتحديد حدود على جسيمات جديدة، وفي علم الكون لتقدير المعاملات الكونية من بيانات إشعاع الخلفية الكونية الميكروي، وفي التعلم الآلي لتنظيم النماذج.
في فيزياء الطاقة العالية، يمكن أن يكون اختيار التوزيع السابق بالغ الأهمية لدرجة أن المجال طور طرقًا 'مستقلة عن التوزيع السابق'، مثل طريقة CLs، لتجنب الاعتماد على توزيعات سابقة ذاتية عند ادعاء اكتشافات.











