您似乎缺少的是早期的历史。您可以查看Fienberg(2006)的论文,贝叶斯推断何时成为“贝叶斯”?。首先,他注意到Thomas Bayes是第一个建议使用制服的人:
在当前的统计语言中,Bayes的论文在二项式参数上引入了统一的先验分布,类似于“台球表”,并利用二项式随机变量的边际分布形式进行了推理,而不是根据正如许多其他人所声称的那样,“理由不足”。θ
下一个讨论该问题的人是Pierre Simon Laplace:
与贝叶斯相比,拉普拉斯还清楚地表达了他关于选择均匀先验分布的论点,认为参数的后验分布应与我们现在所说的数据的可能性成正比,即θ
f(θ∣x1,x2,…,xn)∝f(x1,x2,…,xn∣θ)
现在我们了解到,这意味着的先验分布
是均匀的,尽管通常,当然,先验分布可能不存在。θ
此外,正如David和Edwards(2001)在他们的书中指出的那样,卡尔·弗里德里希·高斯(Carl Friedrich Gauss)也提到了使用非信息先验 统计史注释注释》:
高斯使用特设贝叶斯型参数来证明的后验密度h与似然性成正比(在现代术语中):
f(h|x)∝f(x|h)
h[0,∞)。高斯没有提到贝叶斯和拉普拉斯,尽管后者自拉普拉斯(1774)以来就推广了这种方法。
正如Fienberg(2006)所注意到的那样,“逆概率”(及其后,使用统一先验)在19世纪初很流行
[...]因此,回想起来,将逆概率视为世纪之交的英国杰出统计学家(例如Edgeworth和Pearson)的选择方法并不奇怪。例如,埃奇沃思(49)给出了我们现在称为学生的的最早派生之一。tμμh=σ−1
Stigler(1986)在他的书《统计的历史:1900年之前不确定性的度量》中也回顾了贝叶斯方法的早期历史。
在您的简短评论中,您似乎也没有提到Ronald Aylmer Fisher(再次引用Fienberg,2006年引用):
费舍尔从逆方法转向他自己的推理方法,即所谓的“可能性”,他声称这一概念与概率不同。但是费舍尔在这方面的进展缓慢。斯蒂格勒(Stigler,164)指出,在1916年未出版的手稿中,费舍尔没有先验地平分似然性和逆概率,即使后来他做出区分时他声称此时已经理解了。
Jaynes(1986)提供了自己的简短评论文章贝叶斯方法:一般背景。您可以检查的入门教程,但并不专注于没有先验知识的先验知识。此外,正如AdamO所指出的,您一定要阅读Stigler(2007)《史诗最大可能性》。
还值得一提的是,不存在“ 无信息的先验”之类的东西,因此许多作者更喜欢谈论“模糊的先验”或“每周提供信息的先验”。
Kass和Wasserman(1996)在“通过形式规则选择先验分布”中提供了理论综述,他们对选择先验进行了更详细的介绍,并进一步讨论了非信息先验的用法。