名前の意味：精度（分散の逆数）

直感的には、平均は単なる観測の平均です。分散は、これらの観測値が平均値とどれだけ異なるかです。

分散の逆数が精度として知られている理由を知りたいです。これからどのような直観が得られますか？そして、なぜ精度行列は多変量（正規）分布の共分散行列と同じくらい有用なのでしょうか？

洞察してください？

精度は、慣例によりベイジアンソフトウェアでよく使用されます。ガンマ分布は、精度のために事前に共役として使用できるため、人気がありました。

精度は分散よりも「直感的」であると言う人もいます。なぜなら、精度は分散の大きさではなく、平均の周りの値がどれほど集中しているかを示しているからです。測定がどれほど不正確であるかではなく、どの程度正確であるかにもっと興味があると言われています（しかし、正直なところ、どのようにそれがより直感的になるかわかりません）。

平均の周りの値が大きいほど（分散が大きい）、精度は低くなります（小さい精度）。分散が小さいほど、精度が高くなります。精度は単に逆分散です。本当にこれ以上のものはありません。$\tau = 1/\sigma^2$

精度は、正規分布の2つの自然パラメーターの1つです。つまり、（一般化線形モデルのように）2つの独立した予測分布を組み合わせたい場合は、精度を追加します。分散にはこのプロパティはありません。

一方、観測値を蓄積するときは、期待値パラメーターを平均します。第二の瞬間は期待パラメータです。

2つの独立した正規分布の畳み込みを行う場合、分散が追加されます。

関連して、Wienerプロセス（増分がガウス分布である確率的プロセス）がある場合、半分の時間、つまり半分の分散でジャンプするという無限の可分性を使用して議論できます。

最後に、ガウス分布をスケーリングするとき、標準偏差がスケーリングされます。

そのため、何をしているのかに応じて、多くのパラメーター化が役立ちます。GLMで予測を組み合わせる場合、精度は最も「直感的な」ものです。