关于非信息先验的争论已经持续了很长时间，至少自 19 世纪末以来，伯特兰和德摩根批评拉普拉斯的统一先验缺乏不变性（与上述Stéphane Laurent报道的相同的批评）评论）。这种缺乏不变性听起来像是贝叶斯方法的致命一击，虽然一些贝叶斯主义者拼命试图坚持特定的分布，使用较少的正式论据，但其他人有一个更大的图景，在这种情况下可以使用先验除了可能性本身的形状外，几乎没有任何先验信息。

杰弗里斯分布最好地代表了这一愿景，其中采样模型的信息矩阵，$I(\theta)$, 转化为先验分布

这些先验确实提供了一个参考，人们可以使用由主观和客观信息项驱动的不同先验来计算参考估计器/测试/预测或自己的估计器/测试/预测。要直接回答“为什么不只使用信息先验？”这个问题，实际上是没有答案的。先验分布是统计学家做出的选择，既不是自然状态也不是隐藏变量。换句话说，没有“应该使用”的“最佳先验”。因为这是没有“最佳答案”的统计推断的本质。

因此，我为非信息性/参考选择辩护！它提供了与其他先验相同的推理工具范围，但给出的答案仅受似然函数形状的启发，而不是由对未知参数范围的某些意见诱导。