#---------------------------------------- # esempio delle 6 scatole (esteso ad n) # # GdA, 4/3/2011 #---------------------------------------- np = 5 # nr di palline ns = np +1 # nr di scatole prior.unif <- rep(1/ns, ns) # prior uniforme prior.binom <- dbinom(c(0:np), np, 1/2) # prior binomiale # usiamo uniforme p.h <- prior.unif # likelihoods: likW <- c(0:np)/np likB <- 1 - likW #----------- prima di cominciare le estrazioni: p.h # prob composizioni sum(likW * p.h) # prob bianca #----------- prima estrazione: Nera p.h <- likB * p.h / sum(likB * p.h) # teorema di Bayes p.h # prob composizioni sum(likW * p.h) # prob bianca #----------- seconda estrazione: Nera p.h <- likB * p.h / sum(likB * p.h) # teorema di Bayes p.h # prob composizioni sum(likW * p.h) # prob bianca #----------- terza estrazione: Bianca p.h <- likW * p.h / sum(likW * p.h) # teorema di Bayes p.h # prob composizioni sum(likW * p.h) # prob bianca # etc. etc. #------- esempio di plot ------ plot(c(0:np), p.h, ty='h') #------- per continuare ....... # - provare a riscrivere mediante opportune funzioni # - provare a vedere cosa succede quando np e' grande, ad es 100 # - cosa si impara facendo cambiando la scala dell'ascissa nel plot? plot(c(0:np)/np, p.h, ty='h')