Pengaruh Kesalahan Prior

• Salah satu keuntungan utama dari metode Bayesian adalah metode ini menggunakan
pengetahuan prior, bersama dengan informasi dari sampel. Teorema Bayes menggabungkan
informasi prior dan sampel ke dalam posterior. Metode Frequentist hanya menggunakan
informasi sampel. Jadi, metode Bayesian biasanya berkinerja lebih baik daripada metode
frequentist karena menggunakan lebih banyak informasi. Prior harus memiliki nilai yang relatif
tinggi di seluruh rentang di mana kemungkinannya substansial.
• Namun, terkadang hal ini tidak terjadi. Seorang ilmuwan bisa saja memiliki keyakinan prior
yang kuat, namun bisa jadi itu salah. Mungkin dia (secara salah) mendasarkan priornya pada
beberapa data masa lalu yang muncul dari kondisi yang berbeda dari kumpulan data saat ini.
Jika prior yang ditentukan dengan kuat tidak benar, hal itu memiliki efek substansial pada
posterior. Ini ditunjukkan dalam dua contoh berikut.