编辑：这个答案似乎对参数化 Gamma 分布的不同方法造成了一些混淆。最好忽略它。

我想我知道发生了什么。它与您希望自己的先验信息不提供信息的决定有关 ：速率参数或生存时间的分布。

Gamma(0.001, 0.001)有很多非常小的值（接近 0）。

当指数分布的速率参数接近零 ( ) 时，它具有非常高的期望值 (1/ )，并且在很宽的值范围内非常平坦。$\epsilon$$\epsilon$

在R中，您可以通过绘制均值为 0.0001 从 0 到 100 的指数分布来看到这一点：

curve(dexp(x, .0001), ylim = c(0, 1E-4), to = 100)

在这个范围内它基本上是统一的（即无信息的）。但是，如果您一直查看到 10000，则它的平坦度要小得多，这就是为什么您可能更喜欢更小的速率参数的原因。

希望这是有道理的。

无信息先验对您意味着什么？

如果您的意思是之前的杰弗里斯，那么它是$\beta \sim \textrm{Gamma}(0,0)$正如@Daniel 指出的那样。

如果你的意思是一个平坦的先验（这不是无信息的，尽管它给人一种无信息的错觉），那么它只是$\beta \sim \textrm{Gamma}(1,0)$，您可以通过查看 pdf 之前的不适当平面来验证这一点。

但是，如果先验之间存在很大差异，那么您可能没有足够的数据。

使用$\text{Gamma}(a,b), \; a\approx b \approx 0$是一致的对数盟友。就您的模型想要对输入数据执行的操作而言，这给出了非信息性先验。作为一个例子，你可以看到：http: //jmlr.csail.mit.edu/papers/volume1/tipping01a/tipping01a.pdf 搜索“gamma”。另请查看： http: //www.stats.org.uk/priors/noninformative/YangBerger1998.pdf