Estoy trabajando en un modelo que depende de una función parametrizada fea que actúa como una función de calibración en una parte del modelo. Utilizando una configuración bayesiana, necesito obtener antecedentes no informativos para los parámetros que describen mi función. Sé que, idealmente, debería derivar referencias o al menos anteriores de Jeffreys, pero la función es muy fea, tiene muchos parámetros y soy pesimista sobre la posibilidad de obtener realmente un resultado. Así que decidí abandonar esta posibilidad y elegir empíricamente mis antecedentes para que no sean informativos. Aquí están mis dos preguntas.
¿Puedo hacer más que entrometerse y dar una idea de su falta de informatividad a partir de los resultados de la inferencia? Editar: supongo que trazar Vs posterior anterior sería un primer punto. ¿Quizás comparar estimaciones de MAP y ML podría ser un segundo argumento?
Además, ¿tiene sentido justificar algún aspecto de la elección de un "análisis dimensional"? Como ejemplo, si considero una estructura de probabilidad del formulario (en una configuración de regresión simple):
¿Cree que puedo adivinar cualquier "estructura" para la previa de y basado en el hecho de que uno pesa mientras que el otro pesa ?