Um dos grandes desafios do uso da inferência Bayesiana é a especificação da distribuição a priori dos parâmetros do(s) modelo(s), pois cada problema é único e tem um contexto real próprio e os graus de conhecimento variam de pesquisador para pesquisador. No processo de elicitação (especificação de distribuições de probabilidade para os parâmetros baseado em crenças e conhecimentos de uma ou mais pessoas), sobre o uso de priori(s) é correto afirmar que
- A o uso de priori conjugada resulta em uma forma conhecida do núcleo da densidade a posteriori. Por exemplo, o modelo Binomial tem a distribuição Binomial como uma família conjugada; a família Beta é conjugada natural, como também o modelo Normal é a família conjugada natural.
- B quando se utiliza priori conjugada em dados muito informativos, a distribuição a priori tem pouca influência sobre a verossimilhança e a distribuição a posteriori.
- C a escolha pelo uso de priori conjugada indica que o pesquisador busca por simplicidade na derivação da distribuição a posteriori; e que os parâmetros do modelo sejam interpretáveis a posteriori.
- D ao especificar a priori conjugada, a distribuição a posteriori será equivalente a função de verossimilhança, levando a resultados semelhantes aos da inferência não-paramétrica.
- E usar priori não-informativa é equivalente a usar uma distribuição a priori conjugada, os resultados são invariantes a esta escolha.