Используют ли статистики предыдущие работы Джеффри в реальной прикладной работе?

Когда я узнал о предшествующей работе Джеффриса в моем классе по статистическому выводу для выпускников, мои профессора сделали его звучащим так, как будто это было интересно в основном по историческим причинам, а не потому, что кто-либо когда-либо использовал его. Затем, когда я взяла байесовский анализ данных, нас никогда не просили использовать приоры Джеффриса. Кто-нибудь на самом деле использует это на практике. Если так (или если нет), почему или почему нет? Почему некоторые статистики не воспринимают это всерьез?

bayesian prior jeffreys-prior

— frelk
источник

Мне нравится использовать априор Джеффриса в качестве предварительного / неинформативного априора для простой биномиальной модели (

). Это сопряженный с весомэквивалентным одной опорной точкойи это 1

-порядок вероятность сопоставления до, поэтомуменя есть хорошее чувство длячто он делает для функции правдоподобия и длякак интерпретировать полученные достоверные интервалы.

p (θ) \propto \sqrt{θ (1 - θ)}

$p\left(\theta\right)\propto\sqrt{\theta\left(1-\theta\right)}$

^{s t}

$^{\rm{st}}$

— Cyan

Частичный ответ на это можно найти в Gelman et al., Bayesian Data Analysis , 3rd ed.

Принцип Джеффриса можно распространить на многопараметрические модели, но результаты более противоречивы. Более простые подходы, основанные на допущении независимых неинформативных априорных распределений для компонентов векторного параметра могут дать результаты, отличные от тех, которые получены по принципу Джеффриса. Когда число параметров в задаче велико, мы считаем полезным отказаться от чисто неинформативных априорных распределений в пользу иерархических моделей, как мы обсудим в главе 5. $\theta$

Когда Гельман пишет, что результаты «противоречивы», я полагаю, что он имеет в виду, что априор, который неинформативен в одном измерении, имеет тенденцию становиться сильно информативным в нескольких. Если память не изменяет, это было заявлением, сделанным в том же разделе BDA, 2-е изд., Но у меня пока нет с собой копии.

— Sycorax говорит восстановить Монику
источник

Гельман ЛЮБИТ иерархические модели

— Глен

И с очень веской причиной

— Brash Equilibrium