Next: Caso di routine
Up: Verosimiglianza binomiale e poissoniana.
Previous: pzd100Uso della prior coniugata
  Indice
Caso generale di
inferenza con verosimiglianza poissoniana
Sia ora
il parametro di interesse, avendo osservato
conteggi in un intervallo di tempo
(o avendo osservato
contato
oggetti nel volume
, e così via).
Il problema può essere anche impostato diversamente, inferendo
direttamente l'intensità del processo di Poisson
, ovvero
il tasso di conteggi, tale che
. Per ragioni didattiche
preferiamo provedere un passo alla volta.
La verosimiglianza di osservare
per ogni ipotesi
è data dalla distribuzione di Poisson. Applicando il teorema di Bayes,
abbiamo:
Per
possiamo usare una distribuzione uniforme
fino ad un valore massimo molto più grande di
, che per
convenienza matematica possiamo estendere fino a infinito.
Quindi
a numeratore e denominatore si semplificano
e, risolvendo per parti l'integrale di normalizzazione (come
per il caso gaussiano, siamo ``fortunati'' e l'integrale vale 1),
otteniamo
Come si vede, questa volta anche la funzione cumulativa
è relativamente semplice, ottenuta anch'essa mediante integrazione
per parti della funzione densità di probabilità.
Alcuni esempi sono mostrati in figura 12.2.
Figure 12.2 shows some numerical examples.
Figura:
Examples of
.
 |
Si riconosce nella (12.41) una distribuzione Gamma
di parametri
e
(vedi paragrafo ).
Ne segue che valore atteso, varianza e moda valgono
E![$\displaystyle [\lambda]$](img3630.png) |
 |
 |
(12.43) |
Var |
 |
 |
(12.44) |
Moda![$\displaystyle (\lambda)\,[\equiv\lambda_m]$](img3632.png) |
 |
 |
(12.45) |
Subsections
Next: Caso di routine
Up: Verosimiglianza binomiale e poissoniana.
Previous: pzd100Uso della prior coniugata
  Indice
Giulio D'Agostini
2001-04-02