（3）稳健贝叶斯分析（RobustBayesia
A
alysis）稳健贝叶斯分析研究者认为不可能对模型和先验分布进行完全的主观设定，即使在最简单的情况下，完全主观设定也必须包含一个无穷数。稳健贝叶斯的思想是构建模型与先验分布的集合，所有分析在这个集合框架内进行，当对未知参数进行多次推导（elicitatio
）之后，这个集合仍然可以反映此未知参数的基本性质。关于稳健贝叶斯分析基础的争论是引人注目的（Kada
e1984；Walley1991），关于稳健贝叶斯分析最新进展的文献可参见Berger（1985，1994，1996）。通常的稳健贝叶斯分析的实际运用需要相应的软件。（4）频率贝叶斯分析（Freque
tistBayesia
A
alysis）统计学存在许多不断争议的学科基础这种情况还会持续多久，现在很难想像。假设必须建立一个统一的统计学科基础，它应该是什么呢？今天，越来越多的统计学家不得不面对将贝叶斯思想和频率思想相互混合成为一个统一体的统计学科基础的事实。Berger从三个方面谈了他个人的观点。第一，统计学的语言（La
guageofStatistics）应
4
f该是贝叶斯的语言。统计学是对不确定性进行测度的科学。50多年的实践表明（当然不是令人信服的严格论证）：在讨论不确定性时统一的语言就是贝叶斯语言。另外，贝叶斯语言在很多种情况下不会产生歧义，比经典统计语言要更容易理解。贝叶斯语言既可对主观的统计学，又可以对客观的统计学进行分析。第二，从方法论角度来看，对参数问题的求解，贝叶斯分析具有明显的方法论上的优势。当然，频率的概念也是非常有用的，特别是在确定一个好的客观贝叶斯过程方面。第三，从频率学派的观点看来，基础统一也应该是必然的。我们早就已经认识到贝叶斯方法是“最优”的非条件频率方法（Berger1985），现在从条件频率方法的角度，也产生了许多表明以上结论是正确的依据。（5）拟（准）贝叶斯分析（QuasiBayesia
A
alysis）有一种目前不断在文献中出现的贝叶斯分析类型，它既不属于“纯”贝叶斯分析，也不同于非贝叶斯分析。在这种类型中，各种各样的先验分布的选取具有许多特别的形式，包括选择不完全确定的先验分布（vagueproperpriors）；选择先验分布对似然函数的范围进行“扩展”（spa
）；对参数不断进行调整，从而选择合适的先验分布使得结论“看起来非常完美”。Berger称之为拟（准）贝叶斯分析，因为虽然它包含了贝叶斯的思想，但它并没有完全遵守主观贝叶斯或客观贝叶斯在论证过程中的规范要求。拟（准）贝叶斯方法，伴随着MCMC方法的发展，r