¿Qué son las distribuciones conjugadas y por qué son convenientes?

Las distribuciones conjugadas son pares de distribuciones en las que la distribución posterior pertenece a la misma familia que la distribución a priori, tras la actualización basada en los datos observados.

Esto es conveniente porque permite calcular analíticamente la distribución posterior sin métodos numéricos complejos, lo que simplifica significativamente la inferencia bayesiana.

Por ejemplo, si la distribución a priori del parámetro es una distribución beta y los datos son binomiales, entonces la distribución posterior también será una distribución beta con parámetros actualizados.

En tareas de aprendizaje automático y modelos bayesianos, el uso de distribuciones conjugadas acelera el entrenamiento y simplifica los cálculos, lo cual es especialmente importante en Procesos Gaussianos (GP) y Optimización Bayesiana (BO).