共軛先驗

用貝氏定理更新信念可能很亂：一般而言，後驗是某種彆扭的形狀，需要電腦來處理。但偶爾會有一種神奇的配對，先驗與後驗屬於同一個整潔的分布族——觀測資料只是撥動了先驗的旋鈕設定，而從不改變它的形狀。這樣的先驗被稱為該類資料的共軛先驗。它是數學版本的鑰匙，與鎖嚴絲合縫，門一推就開。

具體地說，若把某先驗分布透過貝氏與某似然結合後，得到的後驗仍屬於與先驗相同的分布族，則稱該先驗對那個似然是共軛的。驅動信度的著名例子：伽瑪先驗對卜瓦松理賠次數共軛（後驗仍是伽瑪）；貝塔先驗對伯努利或二項資料共軛（後驗仍是貝塔）；常態先驗對常態均值共軛（後驗仍是常態）。每一種裡，後驗參數都是簡單的更新——對伽瑪-卜瓦松，你只需把觀測到的理賠加到一個參數上、把觀測到的暴露加到另一個上。

共軛先驗正是信度擁有如此漂亮閉式結果的原因。恰恰在這些配對中，貝氏後驗均值化為一個乾淨的線性混合——即 Z 加權的信度公式——於是貝氏答案與 Bühlmann 線性估計重合（「精確信度」）。誠實的告誡：共軛性是一種數學上的便利，而非關於世界的事實。真實的理賠資料未必遵循伽瑪-卜瓦松的故事，僅因易於處理就選一個共軛先驗，可能悄悄植入一個並不成立的假設。現代計算（如模擬）意味著我們做貝氏信度已不再需要共軛性——它是一個有啟發性的特例，而非必要條件。