Bayesian Priors from Loss Matching

Résumé  Cet article discute le problème de la construction de lois de probabilité a priori dans un contexte où les opinions ou les informations reflétées par ces lois portent uniquement sur les quantités observables du problème. Nous apportons une attention particulière au cas où le paramètre est caractérisé par la minimisation d'une mesure de divergence, et examinons l'application de la règle de Bayes dans cette perspective. Notre point de vue est fondamentalement non paramétrique, et repose sur le “matching” de deux fonctions de perte, l'une liée au modèle, l'autre à l'a priori.