Một ưu tiên cho một tham số hầu như sẽ luôn có một số dạng chức năng cụ thể (nói chung được viết theo mật độ). Giả sử chúng ta giới hạn bản thân trong một họ phân phối cụ thể, trong trường hợp đó, việc chọn trước giảm bớt việc chọn tham số của họ đó.
Ví dụ, hãy xem xét một mô hình bình thường Yi∼iidN(μ,σ2) . Để đơn giản, chúng ta cũng lấy σ2 như đã biết. Phần này của mô hình - mô hình cho dữ liệu - xác định hàm khả năng.
Để hoàn thiện mô hình Bayesian của chúng tôi, ở đây chúng ta cần một trước khi cho μ .
Như đã đề cập ở trên, thường chúng ta có thể chỉ định một số gia đình phân phối cho trước của chúng tôi cho và sau đó chúng tôi chỉ phải chọn các thông số của phân phối (ví dụ, thường thông tin trước khi có thể khá mơ hồ - như khoảng nơi chúng tôi muốn xác suất để tập trung - thay vì ở dạng chức năng rất cụ thể, và chúng ta có thể có đủ tự do để mô hình hóa những gì chúng ta muốn bằng cách chọn các tham số - nói để khớp với giá trị trung bình và phương sai trước đó).μ
Nếu nó quay ra rằng sau cho là từ cùng một gia đình như trước, sau đó trước khi được cho là "liên hợp".μ
(Điều khiến nó trở nên liên hợp là cách nó kết hợp với khả năng)
Vì vậy, trong trường hợp này, chúng ta hãy trước Gaussian cho (nói μ ~ N ( θ , τ 2 ) ). Nếu chúng ta làm được điều đó, chúng ta thấy rằng sau cho μ cũng là Gaussian. Do đó, Gaussian trước là liên hợp trước cho mô hình của chúng tôi ở trên.μμ∼N(θ,τ2)μ
Đó là tất cả những gì thực sự có - nếu hậu thế đến từ cùng một gia đình như trước, thì đó là một liên hợp trước.
Trong các trường hợp đơn giản, bạn có thể xác định một liên hợp trước bằng cách kiểm tra khả năng. Ví dụ, xem xét khả năng nhị thức; bỏ các hằng số, nó trông giống như mật độ beta trong ; và do cách kết hợp sức mạnh của p và ( 1 - p ) , nó sẽ nhân với một phiên bản beta trước khi đưa ra một sản phẩm có sức mạnh của p và ( 1 - p ) ... vì vậy chúng ta có thể thấy ngay từ khả năng beta sẽ là một liên hợp trước cho p trong khả năng nhị thức.pp(1−p)p(1−p)p
Trong trường hợp Gaussian, dễ dàng thấy rằng điều đó sẽ xảy ra bằng cách xem xét mật độ log và khả năng log; các loga sẽ bậc hai trong và tổng của hai quadratics là bậc hai, do đó, một bậc hai log-trước + bậc hai loga đưa ra một sau bậc hai (mỗi hệ số của nhiệm kỳ thứ tự cao nhất tất nhiên sẽ là tiêu cực).μ