Prior probability (original) (raw)
Dans le théorème de Bayes, la probabilité a priori (ou prior) désigne une probabilité se fondant sur des données ou connaissances antérieures à une observation.Elle s'oppose à la probabilité a posteriori (ou posterior) correspondante qui s'appuie sur les connaissances postérieures à cette observation.
| Property | Value |
|---|---|
| dbo:abstract | En inferencia estadística Bayesiana, una distribución de probabilidad a priori de una cantidad p desconocida, es la distribución de probabilidad que expresa alguna incertidumbre acerca de p antes de tomar en cuenta los datos. Aplicando el Teorema de Bayes, la probabilidad a priori se multiplica por la verosimilitud; al normalizar se obtiene la distribución de probabilidad a posteriori, la cual es la probabilidad de la distribución condicional dados los datos. Los parámetros de las distribuciones a priori son llamados , para distinguirlos de los parámetros del modelo. Por ejemplo, si se está usando una distribución beta para modelar la distribución del parámetro p, entonces: * p es un parámetro de una distribución Bernoulli, y * α y β son parámetros de la distribución a priori (distribución beta), y por lo tanto hiperparámetros. Una distribución de probabilidad a priori informativa expresa información especifica y definida acerca de una variable. Una distribución de probabilidad a priori no informativa expresa información general acerca de una variable. (es) Dans le théorème de Bayes, la probabilité a priori (ou prior) désigne une probabilité se fondant sur des données ou connaissances antérieures à une observation.Elle s'oppose à la probabilité a posteriori (ou posterior) correspondante qui s'appuie sur les connaissances postérieures à cette observation. (fr) In Bayesian statistical inference, a prior probability distribution, often simply called the prior, of an uncertain quantity is the probability distribution that would express one's beliefs about this quantity before some evidence is taken into account. For example, the prior could be the probability distribution representing the relative proportions of voters who will vote for a particular politician in a future election. The unknown quantity may be a parameter of the model or a latent variable rather than an observable variable. Bayes' theorem calculates the renormalized pointwise product of the prior and the likelihood function, to produce the posterior probability distribution, which is the conditional distribution of the uncertain quantity given the data. Similarly, the prior probability of a random event or an uncertain proposition is the unconditional probability that is assigned before any relevant evidence is taken into account. Priors can be created using a number of methods. A prior can be determined from past information, such as previous experiments. A prior can be elicited from the purely subjective assessment of an experienced expert. An uninformative prior can be created to reflect a balance among outcomes when no information is available. Priors can also be chosen according to some principle, such as symmetry or maximizing entropy given constraints; examples are the Jeffreys prior or Bernardo's reference prior. When a family of conjugate priors exists, choosing a prior from that family simplifies calculation of the posterior distribution. Parameters of prior distributions are a kind of hyperparameter. For example, if one uses a beta distribution to model the distribution of the parameter p of a Bernoulli distribution, then: * p is a parameter of the underlying system (Bernoulli distribution), and * α and β are parameters of the prior distribution (beta distribution); hence hyperparameters. Hyperparameters themselves may have hyperprior distributions expressing beliefs about their values. A Bayesian model with more than one level of prior like this is called a hierarchical Bayes model. (en) 事前確率（じぜんかくりつ、英: prior probability）とは条件付き確率の一種で、証拠がない条件で、ある変数について知られていることを確率として表現するものである。先験確率（せんけんかくりつ）、アプリオリ確率ともいう。 対になる用語が事後確率で、これは証拠を考慮に入れた条件での変数の条件付き確率である。事後確率はベイズの定理により、事前確率に尤度関数を掛けて得られる。 事前確率と事後確率は、従来の頻度主義統計学では用いられない、ベイズ統計学の用語である。なお本項では「変数」という用語を、観測できる確率変数のほかに、観測できない（隠れた）変数、母数あるいは仮説も含めて用いている。 (ja) Nell'ambito dell'inferenza statistica bayesiana, una distribuzione di probabilità a priori, detta spesso anche distribuzione a priori, di una quantità incognita p (per esempio, supponiamo p essere la proporzione di votanti che voteranno per il politico Rossi in un'elezione futura) è la distribuzione di probabilità che esprimerebbe l'incertezza di p prima che i "dati" (per esempio, un sondaggio di opinione) siano presi in considerazione. Il proposito è di attribuire incertezza piuttosto che casualità a una quantità incerta. La quantità incognita può essere un parametro o una . Si applica il teorema di Bayes, moltiplicando la distribuzione a priori per la funzione di verosimiglianza e quindi normalizzando, per ottenere la , la quale è la distribuzione condizionata della quantità incerta una volta ottenuti i dati. Spesso una distribuzione a priori è l'accertamento soggettivo (elicitazione) di una persona esperta. Quando possibile, alcuni sceglieranno una distribuzione a priori coniugata per rendere più semplice il calcolo della distribuzione a posteriori. I parametri di una distribuzione a priori sono chiamati iperparametri, per distinguerli dai parametri del modello dei dati sottostanti. Per esempio, se si sta usando una distribuzione beta per modellare la distribuzione di un parametro p di una distribuzione di Bernoulli, allora: * p è un parametro del(la distribuzione di Bernoulli del) sistema sottostante, e * α e β sono parametri della distribuzione a priori (distribuzione beta), quindi sono iperparametri. (it) 사전 확률(事前確率, 영어: prior probability)은 특정 사상이 일어나기 전의 확률을 뜻한다. 또는 경계 확률, 선험적 확률은 베이즈 추론에서 관측자가 관측을 하기 전에 가지고 있는 확률 분포를 의미한다. 사전 확률과 가능도가 주어졌을 때, 관측자는 관측값을 얻은 다음 베이즈 정리에 의해 사후 확률을 얻을 수 있다. 사전 확률은 일반적으로 실험하는 대상에 대해 잘 알고 있는 전문가가 선택하거나(informative prior), 혹은 전문적인 정보가 없는 무정보적 분포(uninformative prior)로 주어진다. 또한 특정한 가능도 분포에 대해서는 (conjugate prior)을 선택하여 계산적인 이점을 얻을 수 있다. (ko) Em probabilidade bayesiana, uma distribuição de probabilidade a priori para uma quantidade indeterminada p, também chamada simplesmente de prior relativo a p (suponha, por exemplo, que p seja a proporção de votantes em determinado político numa eleição futura) é a distribuição de probabilidade que expressaria a incerteza sobre o valor de p antes de qualquer dado ou medida (por exemplo, uma pesquisa de opinião). É uma maneira de atribuir incerteza em vez de aleatoriedade à grandeza em questão, além de ponto de partida para o uso do teorema de Bayes após a obtenção dos dados. (pt) 在贝叶斯统计中，某一不确定量p的先验概率（Prior probability）分布是在考虑「观测数据」前，能表达p不确定性的概率分布。它旨在描述这个不确定量的不确定程度，而不是这个不确定量的随机性。这个不确定量可以是一个参数，或者是一个隐含变量（英語：latent variable）。依據應用領域的不同，事前機率又叫做先驗機率、先驗概率、事前先驗機率、居先機率。 在使用贝叶斯定理时，我们通过将先验概率与似然函数相乘，随后标准化，来得到后验概率分布，也就是给出某数据，该不确定量的条件分布。 先验概率通常是主观的猜测，为了使计算后验概率方便，有时候会选择共轭先验。如果后验概率和先验概率是同一族的，则认为它们是共轭分布，这个先验概率就是对应于似然函数的共轭先验。 (zh) В байесовском статистическом выводе априорное распределение вероятностей (англ. prior probability distribution, или просто prior) неопределённой величины — распределение вероятностей, которое выражает предположения о до учёта экспериментальных данных. Например, если — доля избирателей, готовых голосовать за определённого кандидата, то априорным распределением будет предположение о до учёта результатов опросов или выборов. Противопоставляется апостериорной вероятности. Согласно теореме Байеса, нормализованное произведение априорного распределения на функцию правдоподобия является условным распределением неопределённой величины согласно учтённым данным. Априорное распределение часто задается субъективно опытным экспертом. При возможности используют сопряжённое априорное распределение, что упрощает вычисления. Параметры априорного распределения называют , чтобы отличить их от параметров модели данных. Например, если используется бета-распределение для моделирования распределения параметра распределения Бернулли, то: * — параметр модели данных (распределения Бернулли); * и — параметры априорного распределения (бета-распределения), то есть гиперпараметры. (ru) У баєсовому статистичному висновуванні апріо́рний розпо́діл ймові́рності (англ. prior probability distribution), що часто називають просто апріо́рне (англ. prior), деякої невизначеної кількості — це розподіл ймовірності p, що виражатиме чиєсь переконання про цю кількість перед врахуванням якогось свідчення. Наприклад, p може бути розподілом ймовірності пропорції виборців, що голосуватимуть за певного політика на майбутніх виборах. Він приписує цій кількості швидше невизначеність, ніж випадковість. Ця невідома кількість може бути параметром або латентною змінною. Теорема Баєса застосовується шляхом множення апріорного на функцію правдоподібності з наступним нормуванням для отримання апостеріорного розподілу ймовірності, що є умовним розподілом цієї невизначеної кількості з урахуванням отриманих даних. Апріорне часто є чисто суб'єктивною оцінкою досвідченого фахівця. Дехто при можливості обиратиме спряжений апріорний розподіл для спрощення обчислення апостеріорного розподілу. Параметри апріорних розподілів називають гіперпараметрами, щоби відрізняти їх від параметрів моделі базових даних. Наприклад, якщо хтось використовує бета-розподіл для моделювання розподілу параметра p розподілу Бернуллі, то: * p є параметром базової системи (розподілу Бернуллі), а * α та β є параметрами апріорного розподілу (бета-розподілу), тобто гіперпараметрами. (uk) |
| dbo:wikiPageExternalLink | http://www-biba.inrialpes.fr/Jaynes/prob.html http://bayes.wustl.edu/etj/articles/prior.pdf http://www.kent.ac.uk/secl/philosophy/jw/2009/deFinetti.pdf https://web.archive.org/web/20110609175653/http:/www.kent.ac.uk/secl/philosophy/jw/2009/deFinetti.pdf |
| dbo:wikiPageID | 472877 (xsd:integer) |
| dbo:wikiPageLength | 27834 (xsd:nonNegativeInteger) |
| dbo:wikiPageRevisionID | 1102577752 (xsd:integer) |
| dbo:wikiPageWikiLink | dbr:Bayesian_epistemology dbr:Bayesian_probability dbr:Probability_distribution dbr:Principle_of_transformation_groups dbr:Base_rate dbr:Bayes'_theorem dbr:Bernoulli_distribution dbr:Algorithmic_probability dbr:Annals_of_Statistics dbr:Hyperparameter dbr:José-Miguel_Bernardo dbr:Beta_distribution dbr:Uniform_distribution_(continuous) dbr:Uninformative_prior dbr:Variance dbr:Decision_theory dbr:Continuous_random_variable dbr:Conjugate_prior dbr:Statistical_inference dbr:Likelihood_function dbr:Admissible_decision_rule dbr:Haar_measure dbr:Strong_prior dbr:Affine_group dbr:Expected_value dbr:Normal_distribution dbr:Parameter dbr:Bernstein-von_Mises_theorem dbr:Hierarchical_Bayes_model dbr:Regularization_(mathematics) dbr:Harold_Jeffreys dbr:Hyperprior dbr:Jeffreys_prior dbr:A_priori_probability dbc:Bayesian_statistics dbc:Probability_assessment dbr:Latent_variable dbr:Coding_theory dbr:Solomonoff's_theory_of_inductive_inference dbr:Information_theory dbr:Kullback–Leibler_divergence dbr:Minimum_description_length dbr:Principle_of_indifference dbr:Principle_of_maximum_entropy dbr:Observable_variable dbr:Shannon_entropy dbr:Haldane_prior dbr:Frequentist dbr:Frequentist_statistics dbr:Transformation_group dbr:Translation_group dbr:Edwin_T._Jaynes dbr:Improper_prior dbr:Inductive_inference dbr:Minxent dbr:Random_event dbr:Positive_reals dbr:Posterior_probability_distribution dbr:Log-odds dbr:Log_scale dbr:Marginal_probability dbr:Frequentist_matching dbr:Reference_prior |
| dbp:date | September 2015 (en) May 2011 (en) |
| dbp:postText | A Jeffreys prior is related to KL divergence? (en) |
| dbp:reason | counterexample of what? (en) |
| dbp:wikiPageUsesTemplate | dbt:By_whom dbt:Citation_needed dbt:Cite_book dbt:Cite_journal dbt:Clarify dbt:Distinguish dbt:Rp dbt:Short_description dbt:Slink dbt:Visible_anchor dbt:Bayesian_statistics |
| dcterms:subject | dbc:Bayesian_statistics dbc:Probability_assessment |
| gold:hypernym | dbr:Distribution |
| rdf:type | owl:Thing dbo:Software |
| rdfs:comment | Dans le théorème de Bayes, la probabilité a priori (ou prior) désigne une probabilité se fondant sur des données ou connaissances antérieures à une observation.Elle s'oppose à la probabilité a posteriori (ou posterior) correspondante qui s'appuie sur les connaissances postérieures à cette observation. (fr) 事前確率（じぜんかくりつ、英: prior probability）とは条件付き確率の一種で、証拠がない条件で、ある変数について知られていることを確率として表現するものである。先験確率（せんけんかくりつ）、アプリオリ確率ともいう。 対になる用語が事後確率で、これは証拠を考慮に入れた条件での変数の条件付き確率である。事後確率はベイズの定理により、事前確率に尤度関数を掛けて得られる。 事前確率と事後確率は、従来の頻度主義統計学では用いられない、ベイズ統計学の用語である。なお本項では「変数」という用語を、観測できる確率変数のほかに、観測できない（隠れた）変数、母数あるいは仮説も含めて用いている。 (ja) 사전 확률(事前確率, 영어: prior probability)은 특정 사상이 일어나기 전의 확률을 뜻한다. 또는 경계 확률, 선험적 확률은 베이즈 추론에서 관측자가 관측을 하기 전에 가지고 있는 확률 분포를 의미한다. 사전 확률과 가능도가 주어졌을 때, 관측자는 관측값을 얻은 다음 베이즈 정리에 의해 사후 확률을 얻을 수 있다. 사전 확률은 일반적으로 실험하는 대상에 대해 잘 알고 있는 전문가가 선택하거나(informative prior), 혹은 전문적인 정보가 없는 무정보적 분포(uninformative prior)로 주어진다. 또한 특정한 가능도 분포에 대해서는 (conjugate prior)을 선택하여 계산적인 이점을 얻을 수 있다. (ko) Em probabilidade bayesiana, uma distribuição de probabilidade a priori para uma quantidade indeterminada p, também chamada simplesmente de prior relativo a p (suponha, por exemplo, que p seja a proporção de votantes em determinado político numa eleição futura) é a distribuição de probabilidade que expressaria a incerteza sobre o valor de p antes de qualquer dado ou medida (por exemplo, uma pesquisa de opinião). É uma maneira de atribuir incerteza em vez de aleatoriedade à grandeza em questão, além de ponto de partida para o uso do teorema de Bayes após a obtenção dos dados. (pt) 在贝叶斯统计中，某一不确定量p的先验概率（Prior probability）分布是在考虑「观测数据」前，能表达p不确定性的概率分布。它旨在描述这个不确定量的不确定程度，而不是这个不确定量的随机性。这个不确定量可以是一个参数，或者是一个隐含变量（英語：latent variable）。依據應用領域的不同，事前機率又叫做先驗機率、先驗概率、事前先驗機率、居先機率。 在使用贝叶斯定理时，我们通过将先验概率与似然函数相乘，随后标准化，来得到后验概率分布，也就是给出某数据，该不确定量的条件分布。 先验概率通常是主观的猜测，为了使计算后验概率方便，有时候会选择共轭先验。如果后验概率和先验概率是同一族的，则认为它们是共轭分布，这个先验概率就是对应于似然函数的共轭先验。 (zh) En inferencia estadística Bayesiana, una distribución de probabilidad a priori de una cantidad p desconocida, es la distribución de probabilidad que expresa alguna incertidumbre acerca de p antes de tomar en cuenta los datos. Aplicando el Teorema de Bayes, la probabilidad a priori se multiplica por la verosimilitud; al normalizar se obtiene la distribución de probabilidad a posteriori, la cual es la probabilidad de la distribución condicional dados los datos. (es) In Bayesian statistical inference, a prior probability distribution, often simply called the prior, of an uncertain quantity is the probability distribution that would express one's beliefs about this quantity before some evidence is taken into account. For example, the prior could be the probability distribution representing the relative proportions of voters who will vote for a particular politician in a future election. The unknown quantity may be a parameter of the model or a latent variable rather than an observable variable. (en) Nell'ambito dell'inferenza statistica bayesiana, una distribuzione di probabilità a priori, detta spesso anche distribuzione a priori, di una quantità incognita p (per esempio, supponiamo p essere la proporzione di votanti che voteranno per il politico Rossi in un'elezione futura) è la distribuzione di probabilità che esprimerebbe l'incertezza di p prima che i "dati" (per esempio, un sondaggio di opinione) siano presi in considerazione. Il proposito è di attribuire incertezza piuttosto che casualità a una quantità incerta. La quantità incognita può essere un parametro o una . (it) В байесовском статистическом выводе априорное распределение вероятностей (англ. prior probability distribution, или просто prior) неопределённой величины — распределение вероятностей, которое выражает предположения о до учёта экспериментальных данных. Например, если — доля избирателей, готовых голосовать за определённого кандидата, то априорным распределением будет предположение о до учёта результатов опросов или выборов. Противопоставляется апостериорной вероятности. (ru) У баєсовому статистичному висновуванні апріо́рний розпо́діл ймові́рності (англ. prior probability distribution), що часто називають просто апріо́рне (англ. prior), деякої невизначеної кількості — це розподіл ймовірності p, що виражатиме чиєсь переконання про цю кількість перед врахуванням якогось свідчення. Наприклад, p може бути розподілом ймовірності пропорції виборців, що голосуватимуть за певного політика на майбутніх виборах. Він приписує цій кількості швидше невизначеність, ніж випадковість. Ця невідома кількість може бути параметром або латентною змінною. (uk) |
| rdfs:label | Probabilitat prèvia (ca) A-priori-Verteilung (de) Probabilidad a priori (es) Probabilité a priori (fr) Distribuzione di probabilità a priori (it) 사전 확률 (ko) 事前確率 (ja) Prior probability (en) Probabilidade a priori (pt) Априорная вероятность (ru) 先验概率 (zh) Апріорна ймовірність (uk) |
| owl:differentFrom | dbr:A_priori_probability |
| owl:sameAs | freebase:Prior probability wikidata:Prior probability dbpedia-ca:Prior probability dbpedia-de:Prior probability dbpedia-es:Prior probability dbpedia-fa:Prior probability dbpedia-fr:Prior probability dbpedia-he:Prior probability dbpedia-it:Prior probability dbpedia-ja:Prior probability dbpedia-ko:Prior probability dbpedia-pt:Prior probability dbpedia-ru:Prior probability dbpedia-tr:Prior probability dbpedia-uk:Prior probability dbpedia-zh:Prior probability https://global.dbpedia.org/id/2b4Au |
| prov:wasDerivedFrom | wikipedia-en:Prior_probability?oldid=1102577752&ns=0 |
| foaf:isPrimaryTopicOf | wikipedia-en:Prior_probability |
| is dbo:wikiPageDisambiguates of | dbr:Prior_(disambiguation) |
| is dbo:wikiPageRedirects of | dbr:Prior_Probability dbr:Uninformative_prior dbr:Logarithmic_prior dbr:Non-informative_prior dbr:Objective_prior dbr:Bayes_prior dbr:Bayesian_prior dbr:Flat_prior dbr:Improper_distribution dbr:Improper_prior dbr:Hierarchical_prior_distribution dbr:Prior_beliefs dbr:Prior_distribution dbr:Prior_probabilities dbr:Prior_probability_distribution dbr:A_priori_distribution dbr:Uniform_prior dbr:Diffuse_prior |
| is dbo:wikiPageWikiLink of | dbr:Bayes_factor dbr:Bayesian_epistemology dbr:Bayesian_experimental_design dbr:Bayesian_inference dbr:Bayesian_inference_in_marketing dbr:Bayesian_linear_regression dbr:Bayesian_model_reduction dbr:Bayesian_probability dbr:Bayesian_statistics dbr:Bayesian_vector_autoregression dbr:Prior_Probability dbr:Probabilistic_classification dbr:Process_mining dbr:Programme_for_International_Student_Assessment dbr:Schizophrenia dbr:Ensemble_Kalman_filter dbr:List_of_fallacies dbr:Probabilistic_numerics dbr:Bayes'_theorem dbr:Bayesian_interpretation_of_kernel_regularization dbr:Bayesian_network dbr:Bayesian_quadrature dbr:Anthropic_principle dbr:Approximate_Bayesian_computation dbr:Besov_measure dbr:Beta_distribution dbr:Bias_of_an_estimator dbr:Regularized_least_squares dbr:Ridge_regression dbr:Uninformative_prior dbr:David_Wolpert dbr:Decision_theory dbr:Doppler_spectroscopy dbr:Dynamic_causal_modeling dbr:Index_of_philosophy_articles_(I–Q) dbr:Indian_buffet_process dbr:Inductive_probability dbr:James–Stein_estimator dbr:List_of_probability_topics dbr:Reference_class_problem dbr:An_Essay_towards_solving_a_Problem_in_the_Doctrine_of_Chances dbr:Ancestral_reconstruction dbr:Maximum_entropy_probability_distribution dbr:Maximum_likelihood_estimation dbr:Genetic_assignment_methods dbr:Genetic_correlation dbr:Edwin_Thompson_Jaynes dbr:Entropy_(information_theory) dbr:Gamma_distribution dbr:Gaussian_process dbr:Glossary_of_probability_and_statistics dbr:Molecular_clock dbr:Monte_Carlo_method dbr:Condorcet's_jury_theorem dbr:Confidence_region dbr:Confusion_of_the_inverse dbr:Contract_bridge_probabilities dbr:Contraposition dbr:Cromwell's_rule dbr:Thomas_S._Ferguson dbr:Likelihood_function dbr:Lindley's_paradox dbr:Logarithmic_prior dbr:Statistics dbr:Stéphane_Bonhomme dbr:Common_knowledge_(logic) dbr:Comparison_of_Gaussian_process_software dbr:Empirical_Bayes_method dbr:Pattern_recognition dbr:Polynomial_chaos dbr:68–95–99.7_rule dbr:CLs_method_(particle_physics) dbr:Adjusted_Plus_Minus dbr:Admissible_decision_rule dbr:Agree_to_disagree dbr:Gambling_and_information_theory dbr:Haar_measure dbr:Jurimetrics dbr:Laplace's_approximation dbr:Least-squares_support_vector_machine dbr:Linear_discriminant_analysis dbr:Linear_least_squares dbr:Strong_prior dbr:Abductive_reasoning dbr:Akaike_information_criterion dbr:Alternative_medicine dbr:F-distribution dbr:Base_rate_fallacy dbr:Non-informative_prior dbr:Capsule_neural_network dbr:Chelation_therapy dbr:Diagnosis_of_HIV/AIDS dbr:Direct_coupling_analysis dbr:Dirichlet_process dbr:False_positives_and_false_negatives dbr:Football_Power_Index dbr:Gradient-enhanced_kriging dbr:History_of_statistics dbr:Scientific_evidence dbr:Two_envelopes_problem dbr:Posterior_probability dbr:Precision_(statistics) dbr:Prior_(disambiguation) dbr:Regularization_(mathematics) dbr:Robust_decision-making dbr:Inverse-Wishart_distribution dbr:Hyperbolic_discounting dbr:Marginal_likelihood dbr:A_priori_probability dbr:Jim_Berger_(statistician) dbr:KW_Sagittarii dbr:Regular_distribution_(economics) dbr:Doomsday_argument dbr:Boltzmann_machine dbr:Positron_emission_tomography dbr:Solomonoff's_theory_of_inductive_inference dbr:Sound_localization dbr:Source_attribution dbr:Great_Filter dbr:Inductive_reasoning dbr:Information_theory dbr:Kullback–Leibler_divergence dbr:Minimum_description_length dbr:Objective_prior dbr:Candidate_gene dbr:Catalog_of_articles_in_probability_theory dbr:Category_utility dbr:Principle_of_indifference dbr:Maximum_entropy_thermodynamics dbr:Modus_tollens dbr:Principle_of_maximum_entropy dbr:Sampling_(statistics) dbr:Separation_(statistics) dbr:Neural_decoding dbr:List_of_statistics_articles dbr:Lutz–Kelker_bias dbr:Rule_of_succession dbr:Statistical_hypothesis_testing dbr:Existence_of_God dbr:Probability_interpretations dbr:Prosecutor's_fallacy dbr:Self-Indication_Assumption_Doomsday_argument_rebuttal dbr:Statistical_potential dbr:Quantities_of_information dbr:Tanaka_equation dbr:Robust_Bayesian_analysis dbr:Sequential_decoding dbr:Random_sample_consensus dbr:Transmission_electron_cryomicroscopy dbr:Prior_information dbr:Spike-and-slab_regression dbr:Bayes_prior dbr:Bayesian_prior dbr:Flat_prior dbr:Improper_distribution dbr:Improper_prior dbr:Hierarchical_prior_distribution dbr:Prior_beliefs dbr:Prior_distribution dbr:Prior_probabilities dbr:Prior_probability_distribution dbr:A_priori_distribution dbr:Uniform_prior dbr:Diffuse_prior |
| is owl:differentFrom of | dbr:A_priori_probability |
| is foaf:primaryTopic of | wikipedia-en:Prior_probability |