統計学者は実際の応用研究でジェフリーズの事前を使用しますか？

大学院の統計推論クラスでジェフリーズの以前のことを知ったとき、私の教授たちは、誰もがそれを使用するというよりも、歴史的な理由から、それが興味深いものであるように思わせました。次に、ベイジアンデータ分析を行ったときに、ジェフリーズの事前分布を使用するように求められることはありませんでした。実際にこれらを実際に使用する人はいますか？その場合（またはそうでない場合）、その理由または理由は何ですか？なぜ一部の統計学者はそれを真剣に受け止めないのですか？

これに対する部分的な答えは、Gelman et al。、Bayesian Data Analysis、3rd edにあります。

Jeffreysの原理はマルチパラメーターモデルに拡張できますが、結果はより物議を醸します。ベクトルパラメータコンポーネントの独立した非有益な事前分布の仮定に基づくより単純なアプローチは、Jeffreysの原理で得られる結果とは異なる結果をもたらす可能性があります。問題のパラメータ数が多い場合、第5章で説明するように、階層モデルを優先して、純粋な非情報事前分布を放棄することが有用であることがわかります。$\theta$

ゲルマンがその結果が「物議を醸している」と書いたとき、私は彼が1つの次元で非有益である事前分布がいくつかの次元で強く有益になる傾向があることを意味すると信じます。記憶が機能する場合、これはBDA 2nd ed。の同じセクションで行われた申し立てでしたが、現時点では私にはコピーがありません。