¡Por supuesto que los bayesianos pueden mirar los residuos! Y, por supuesto, hay malos modelos en el análisis bayesiano. Tal vez algunos bayesianos en los años 70 admitieron puntos de vista como ese (y lo dudo), pero difícilmente encontrarán ningún bayesiano que respalde este punto de vista en estos días.
No leí el texto, pero los bayesianos usan factores como los de Bayes para comparar modelos. En realidad, un Bayesiano puede incluso calcular la probabilidad de que un modelo sea verdadero y elegir el modelo que es más probable que sea verdadero. O un Bayesiano puede promediar entre modelos, para lograr un mejor modelo. O puede usar controles predictivos posteriores. Hay muchas opciones para verificar un modelo y cada una puede favorecer un enfoque u otro, pero decir que no hay malos modelos en el análisis bayesiano no tiene sentido.
Entonces, a lo sumo, sería más apropiado decir que en algunas versiones extremas del bayesianismo (versiones extremas que casi nadie usa en configuraciones aplicadas, por cierto) no se le permite verificar su modelo. Pero de lo que podría decirse que en algunas versiones extremas del frecuentismo tampoco se le permite usar datos de observación. Pero, ¿por qué perder el tiempo discutiendo estas tonterías, cuando podemos discutir si, y en un entorno aplicado, deberíamos utilizar métodos bayesianos o frecuentistas o lo que sea? Eso es lo importante, en mi humilde opinión.
Actualización: El OP solicitó una referencia de alguien que defiende la versión extrema de Bayes. Como nunca leí ninguna versión extrema de Bayes, no puedo proporcionar esta referencia. Pero supongo que Savage puede ser una referencia. Nunca leo nada escrito por él, así que puedo estar equivocado.
ps .: Piense en el problema del "Bayesiano bien calibrado" ( Dawid (1982), JASA , 77 , 379 ). Un pronosticador bayesiano subjetivista coherente no puede ser descalibrado, por lo que no revisaría su modelo / pronósticos a pesar de cualquier evidencia abrumadora de que no está calibrado. Pero no creo que nadie en la práctica pueda afirmar que es tan coherente. Por lo tanto, la revisión del modelo es importante.
ps2 .: También me gusta este artículo de Efron . La referencia completa es: Efron, Bradley (2005). "Bayesianos, frecuentistas y científicos". Revista de la Asociación Americana de Estadística 100 (469).