La probabilità a priori (o semplicemente prior) rappresenta la misura dell’incertezza associata a un evento o a un parametro prima che vengano raccolte nuove evidenze sperimentali. È un concetto cardine della Statistica Bayesiana.
Tipologie di Priori
- Prior Informativa: Incorpora conoscenze pregresse solide, provenienti da studi precedenti, leggi fisiche o pareri di esperti. Ha un impatto significativo sul risultato finale (posterior).
- Prior Non Informativa (o piatta): Esprime una condizione di ignoranza iniziale, assegnando pesi simili a tutti i possibili valori (es. distribuzione uniforme). Si usa per permettere ai dati di “parlare” senza influenze soggettive.
- Prior Coniugata: Una scelta matematica tale per cui la distribuzione a posteriori appartiene alla stessa famiglia della distribuzione a priori, semplificando enormemente i calcoli analitici.
Significato Ingegneristico
- Ingegneria Forense: Nello studio delle cause di un crollo, la probabilità a priori può essere basata sulla frequenza storica di guasti simili in strutture dello stesso tipo e con gli stessi materiali.
- Machine Learning: Molte tecniche di regolarizzazione (come la regressione Ridge o Lasso) possono essere interpretate come l’imposizione di una probabilità a priori sui parametri del modello, per evitare l’overfitting.
- Sistemi di Navigazione: In un GPS, la probabilità a priori della posizione attuale è la posizione stimata all’istante precedente. Questa conoscenza viene poi aggiornata con i nuovi segnali dai satelliti.
Vedi anche: Teorema di Bayes, Probabilità a Posteriori.