Czy statystycy wykorzystują wcześniejszą pracę Jeffreysa w rzeczywistej pracy stosowanej?

Kiedy dowiedziałem się o wcześniejszym Jeffreysu w mojej klasie wnioskowania statystycznego, moi profesorowie brzmieli tak, jakby był interesujący głównie ze względów historycznych, a nie dlatego, że ktokolwiek mógłby z niego skorzystać. Potem, kiedy wziąłem analizę danych bayesowskich, nigdy nie zostaliśmy poproszeni o użycie priory Jeffreysa. Czy ktoś faktycznie używa ich w praktyce. Jeśli tak (a jeśli nie), dlaczego lub dlaczego nie? Dlaczego niektórzy statystycy nie traktują tego poważnie?

Częściowa odpowiedź na to pytanie znajduje się w Gelman i wsp., Bayesian Data Analysis , wyd. 3.

Zasadę Jeffreysa można rozszerzyć na modele wieloparametrowe, ale wyniki są bardziej kontrowersyjne. Prostsze podejścia oparte na założeniu niezależnych wcześniejszych nieinformacyjnych rozkładów dla składników parametru wektora $\theta$ mogą dawać inne wyniki niż te, które uzyskuje się przy zastosowaniu zasady Jeffreysa. Gdy liczba parametrów w problemie jest duża, uważamy, że warto zrezygnować z wcześniejszych nieinformacyjnych wcześniejszych dystrybucji na rzecz modeli hierarchicznych, jak omówiono w rozdziale 5.

Kiedy Gelman pisze, że wyniki są „kontrowersyjne”, uważam, że oznacza to, że przeor, który nie jest informacyjny w jednym wymiarze, zwykle staje się silnie informacyjny w kilku. Jeśli pamięć służy, było to twierdzenie złożone w tej samej sekcji BDA 2nd ed., Ale w tej chwili nie mam przy sobie kopii.