当我在研究生统计推理课上了解到 Jeffreys 的先验时，我的教授们说这听起来很有趣，主要是出于历史原因，而不是因为任何人都会使用它。然后，当我进行贝叶斯数据分析时，我们从未被要求使用 Jeffreys 的先验。有没有人在实践中真正使用过这些。如果是（或不是），为什么或为什么不？为什么有些统计学家不认真对待它？
统计学家在实际应用工作中是否使用 Jeffreys 的先验？
机器算法验证
贝叶斯
事先的
杰弗里斯之前
2022-03-02 09:40:38
1个回答
在 Gelman 等人的《贝叶斯数据分析》第 3 版中找到了对此的部分答案。
Jeffreys 的原理可以推广到多参数模型，但结果更具争议性。基于假设向量参数的分量的独立非信息性先验分布的更简单方法可以给出与 Jeffreys 原理不同的结果。当问题中的参数数量很大时，我们发现放弃纯非信息性先验分布以支持分层模型是有用的，正如我们在第 5 章中讨论的那样。
当 Gelman 写道结果是“有争议的”时，我相信他的意思是，在一个维度上没有信息的先验往往会在多个维度上变得有很强的信息性。如果没记错的话，这是在BDA第 2 版的同一部分提出的声明，但我目前没有副本。
其它你可能感兴趣的问题