คำตอบบางส่วนของสิ่งนี้อยู่ใน Gelman et al., การวิเคราะห์ข้อมูลแบบเบย์ , ฉบับที่ 3
หลักการของ Jeffreys สามารถขยายไปยังโมเดลหลายพารามิเตอร์ แต่ผลลัพธ์นั้นขัดแย้งกันมากกว่า วิธีที่ง่ายกว่านั้นขึ้นอยู่กับการสมมติว่าการแจกแจงแบบ noninformative ก่อนสำหรับส่วนประกอบของพารามิเตอร์เวกเตอร์สามารถให้ผลลัพธ์ที่แตกต่างกว่าที่ได้รับจากหลักการของ Jeffreys เมื่อจำนวนของพารามิเตอร์ในปัญหามีขนาดใหญ่เราพบว่ามีประโยชน์ในการละทิ้งการแจกแจงแบบ noninformative ล้วน ๆ เพื่อสนับสนุนโมเดลลำดับชั้นดังที่เรากล่าวถึงในบทที่ 5θ
เมื่อ Gelman เขียนว่าผลลัพธ์นั้นเป็น "การโต้เถียง" ฉันเชื่อว่าเขาหมายความว่าสิ่งที่ไม่เป็นทางการในมิติเดียวมีแนวโน้มที่จะเป็นข้อมูลที่สำคัญในหลาย ๆ ด้าน หากหน่วยความจำทำหน้าที่นี่คือการอ้างสิทธิ์ที่ทำในส่วนเดียวกันของBDA 2nd ed. แต่ฉันไม่มีสำเนากับฉันในขณะนี้