Apakah ahli statistik menggunakan sebelum Jeffrey dalam pekerjaan terapan yang sebenarnya?

Ketika saya mengetahui tentang Jeffrey sebelum kelas inferensi statistik lulusan saya, profesor saya membuatnya terdengar seperti menarik terutama karena alasan sejarah daripada karena siapa pun akan menggunakannya. Kemudian ketika saya mengambil analisis data Bayesian, kami tidak pernah diminta untuk menggunakan prior Jeffreys. Apakah ada yang benar-benar menggunakan ini dalam praktek. Jika demikian (atau jika tidak), mengapa atau mengapa tidak? Mengapa beberapa ahli statistik tidak menganggapnya serius?

Jawaban parsial untuk ini ditemukan dalam Gelman et al., Analisis Data Bayesian , edisi ke-3.

Prinsip Jeffreys dapat diperluas ke model multiparameter, tetapi hasilnya lebih kontroversial. Pendekatan yang lebih sederhana berdasarkan asumsi distribusi independen noninformatif sebelumnya untuk komponen parameter vektor dapat memberikan hasil yang berbeda dari yang diperoleh dengan prinsip Jeffreys. Ketika jumlah parameter dalam masalah besar, kami merasa berguna untuk meninggalkan distribusi murni noninformatif yang mendukung model hierarkis, seperti yang kita bahas dalam Bab 5.$\theta$

Ketika Gelman menulis bahwa hasilnya "kontroversial," saya percaya maksudnya adalah bahwa sebelumnya yang tidak informatif dalam satu dimensi cenderung menjadi sangat informatif dalam beberapa hal. Jika ingatanku, ini adalah klaim yang dibuat di bagian yang sama dari BDA 2nd ed., Tetapi saya tidak memiliki salinan dengan saya saat ini.