統計學家在實際應用工作中是否使用 Jeffreys 的先驗？

當我在研究生統計推理課上了解到 Jeffreys 的先驗時，我的教授們說這聽起來很有趣，主要是出於歷史原因，而不是因為任何人都會使用它。然後，當我進行貝葉斯數據分析時，我們從未被要求使用 Jeffreys 的先驗。有沒有人在實踐中真正使用過這些。如果是（或不是），為什麼或為什麼不？為什麼有些統計學家不認真對待它？

在 Gelman 等人的《貝葉斯數據分析》第 3 版中找到了對此的部分答案。

Jeffreys 的原理可以推廣到多參數模型，但結果更具爭議性。基於假設向量參數的分量的獨立非信息性先驗分佈的更簡單的方法可以給出與 Jeffreys 原理不同的結果。當問題中的參數數量很大時，我們發現放棄純非信息性先驗分佈以支持分層模型是有用的，正如我們在第 5 章中討論的那樣。

當 Gelman 寫道結果是“有爭議的”時，我相信他的意思是，在一個維度上沒有信息的先驗往往會在多個維度上變得有很強的信息性。如果沒記錯的話，這是在BDA第 2 版的同一部分提出的聲明，但我目前沒有副本。

引用自：https://stats.stackexchange.com/questions/165063