Что предполагается о параметре до получения данных — входной элемент байесовского анализа, который чаще всего определяет его результат.Априорное распределение кодирует предположения о параметре до того, как собраны какие-либо данные. В байесовской статистике априорное распределение объединяется с функцией правдоподобия наблюдаемых данных для получения апостериорного распределения, которое отражает обновлённое убеждение после увиденных данных. Выбор априорного распределения часто является наиболее обсуждаемым аспектом байесовского анализа, поскольку он может сильно влиять на конечный результат, особенно когда данные разрежены или слабо информативны.
Концепция восходит к Томасу Байесу в XVIII веке, но формальная трактовка и дискуссия об априорных распределениях были развиты Пьером-Симоном Лапласом, а позже современными статистиками, такими как Гарольд Джеффрис, в XX веке.
Априорное распределение присваивает вероятность каждому возможному значению параметра. «Плоское» или равномерное априорное распределение придаёт одинаковый вес всем значениям, но это не всегда наиболее нейтральный выбор — например, равномерное априорное распределение для параметра скорости не является равномерным для его логарифма. Информативные априорные распределения могут учитывать известные физические ограничения, такие как положительность или границы из предыдущих экспериментов. Апостериорное распределение пропорционально произведению априорного распределения и правдоподобия, поэтому априорное распределение действует как весовой фактор, который притягивает оценку к областям с высокой априорной вероятностью.
Априорные распределения используются в физике частиц для установления пределов на новые частицы, в космологии для оценки космологических параметров по данным реликтового излучения, а также в машинном обучении для регуляризации моделей.
В физике высоких энергий выбор априорного распределения может быть настолько значимым, что в этой области были разработаны «независимые от априорного распределения» методы, такие как метод CLs, чтобы избежать зависимости от субъективных априорных распределений при заявлении об открытиях.












