Quelles sont les distributions conjuguées et pourquoi sont-elles pratiques?

Les distributions conjuguées sont des paires de distributions où la distribution a posteriori appartient à la même famille que la distribution a priori, après mise à jour basée sur les données observées.

C'est pratique car cela permet de calculer analytiquement la distribution a posteriori sans méthodes numériques complexes, ce qui simplifie considérablement l'inférence bayésienne.

Par exemple, si la distribution a priori du paramètre est une distribution bêta et que les données sont binomiales, alors la distribution a posteriori sera également une distribution bêta avec des paramètres mis à jour.

Dans les tâches d'apprentissage automatique et les modèles bayésiens, l'utilisation de distributions conjuguées accélère l'apprentissage et simplifie les calculs, ce qui est particulièrement important dans les Processus Gaussiens (GP) et l'Optimisation Bayésienne (BO).