Método de Jeffreys

Em estatística, o método de Jeffreys, regra de Jeffreys ou a priori de Jeffreys, nomeado em homenagem a Sir Harold Jeffreys é uma probabilidade a priori não informativa para um espaço de parâmetros definida como:^[1]

{\pi }_{\theta }({\vec {\theta }})\propto {\sqrt {\det {\mathcal {I}}\left({\vec {\theta }}\right)}}

onde:

${\mathcal {I}}\left({\vec {\theta }}\right)$ é a matriz de informação de Fisher;
$\det$ é a função determinante.

Isto é, a priori ${\pi }_{\theta }({\vec {\theta }})$ de Jeffreys é proporcional ( $\propto$ ) a raiz quadrada do determinante da matriz de informação de Fisher.

Esta regra possui a propriedade da invariância a transformações 1 a 1 do vetor paramétrico $\theta$ .^[2] Ou seja, se for feita uma transformação inversível da forma $\phi =g({\vec {\theta }})$ , tanto calculando-se a priori para $\theta$ e depois fazendo-se a transformação quanto aplicando-se a regra de Jeffreys, obtém-se a mesma priori para $\phi$ .^[1]^[2]

Referências

↑ ^a ^b Ehlers, Ricardo S. (2002). Inferência Estatística (PDF). [S.l.: s.n.]
↑ ^a ^b Gomes, Carlos Henrique A. (2006). Estimação Bayesiana com priori de Jeffreys em Modelos Espaço de Estados (PDF). [S.l.: s.n.]