偏对称分布的自然（非）信息先验

在本文中，我们提出一种创新方法，用于为偏对称分布族中的偏度（形状）参数构造适当先验。所提方法基于对形状参数的扰动效应指派一个先验分布，该效应以总变分距离（Total Variation distance）量化。我们讨论将关于数据不对称的先验信念转化为该类信息先验分布的策略。我们通过蒙特卡洛模拟研究展示，我们的非信息先验引出了具有良好频率学性质的后验分布，类似于 Jeffreys 先验的那些性质。我们的信息先验产生了比文献中竞争者更好的结果。我们还提出了针对具有未知位置与尺度参数的模型的尺度和位置不变先验结构，并给出了相应后验分布适当性的充分条件。使用模拟与真实数据给出了说明性实例。