[Uyarı: ISBA'nın Hedef Bayes Bölümünün bir kart üyesi olarak, görüşlerim tüm Bayesçi istatistikçilerinin temsilcisi değil!
Özet olarak, "gerçekten hiçbir bilgi" ile bir önceki gibi bir şey yoktur.
Aslında, "bilgi vermeyen" önceki ne yazık ki yanlış bir isimdir. Herhangi bir önceki dağıtım, bir miktar bilgiye benzer bir spesifikasyon içermektedir. Öncelikle üniforma bile (veya özellikle). Nitekim, tek tip önceki sorunun sadece bir parametreleştirilmesi için düzdür. Eğer biri başka bir parametreleştirmeye geçerse (hatta bir tane bile olsa), Jacobian değişken değişimi resme ve yoğunluğa gelir ve birincisi artık düz değildir.
Elvis'in işaret ettiği gibi, maksimum entropi , "bilgi vermeyen" olarak adlandırılan önceleri seçmek için savunulan bir yaklaşımdır. Ancak, (a) yeterli gerektirir bilgiyi bazı anlar üzerinde önsel dağılım içinde tt ( ⋅ ) kısıtlamaları belirtmek için ∫ İçeride ISTV melerin RWMAIWi'nin h ( θ )h ( θ )π( ⋅ ) , önceki MaxEnt değerine yol açar π ∗ ( θ ) ∝ exp { λ T h ( θ ) }
ve (b) referansölçerin
ön seçimi d μ ( θ ) [sürekli ayarlarda] , tartışmayı tekrar ilk aşamaya getiren bir seçenek! (Ek olarak, kısıtlamaların parametrelenmesi (yani, h'nin seçimi),dahaönceelde edilenMaxEnt'inşeklini etkiler.)
∫Θh ( θ )d π( θ ) = s0
π*( θ ) ∝ exp{ λTh ( θ ) }
d μ ( θ )h
José Bernardo , önceki ve poster arasındaki Kullback mesafesini maksimize ederek verilerin getirdiği bilgiyi en üst düzeye çıkarmak için önceliği seçtiği özgün bir referans teorisi üretmiştir. Rahatsız edici parametrelere sahip olmayan en basit durumlarda, çözüm Jeffreys’in önceliğidir. Daha karmaşık problemlerde, (a) çıkar parametrelerinin (veya hatta çıkar düzenlerinin sıralamasının) bir seçimi yapılmalıdır; (b) bir öncekinin hesaplanması oldukça ilgili olup, uygunsuzluk sorunlarından kaçınmak için bir dizi gömülü kompakt set gerektirir. (Ayrıntılar için bkz. Örneğin Bayesian Choice .)
İlginç bir bükümde, Bayesian perspektifi dışındaki bazı araştırmacılar , önceden belirlenmiş bir yapı olmadan frekans tabanlı prosedürlerden ters çevirme veya hatta bu parametre alanı üzerinde hâkim bir ölçü olmadan, parametre alanına olasılık dağılımları olan güven dağılımları adı verilen prosedürler geliştiriyorlar . Sonuç, kesin olarak başlangıçtaki frekans temelli prosedürün seçimine bağlı olmasına rağmen, iyi tanımlanmış bir önceki bu yokluğun bir artı olduğunu savunuyorlar.
Kısacası, önceki "bilgisiz" için "en iyi" (ya da "daha iyi") bir seçenek yoktur. Ve bunun nasıl olması gerektiğine inanıyorum, çünkü Bayesian analizinin doğası, önceki dağıtım seçiminin önemli olduğunu ima ediyor. Ve önceliklerin karşılaştırılması yoktur: biri diğerinden "daha iyi" olamaz. (En azından verileri gözlemlemeden önce: bir kez gözlendiğinde, önceliklerin karşılaştırılması model seçim haline gelir.) José Bernardo, Jim Berger, Dongchu Sun ve diğer birçok "objektif" Bayesanlar'ın sonuçta, kabaca eşdeğer bir referansı olabilir. Birinin önceki bilgilerinden emin olmadığında ya da bir referans Bayesci çıkarımı ararken, bazılarının bir kısmı bilgi teorisi argümanlarıyla kısmen desteklendiğinde,