Author
Robert, Christian P.
Grazian, Clara
Type
Communication / Conférence
Item number of pages
6
Abstract (EN)
Mixture models may be a useful and flexible tool to describe data with
a complicated structure, for instance characterized by multimodality or asymmetry.
In a Bayesian setting, it is a well established fact that one need to be careful in using
improper prior distributions, since the posterior distribution may not be proper. This
feature leads to problems in carry out an objective Bayesian approach. In this work
an analysis of Jeffreys priors in the setting of finite mixture models will be presented.
Abstract (other language)
I modelli mistura sono uno strumento utile e flessibile per descrivere
dati dalla struttura complicata, ad esempio multimodale o asimmetrica. In am-
bito Bayesiano,
`
e un fatto noto in letteratura che sia necessario essere attenti con
l’utilizzo di distribuzioni a priori improprie, dal momento che la distribuzione a pos-
teriori potrebbe non essere propria. Purtroppo, questa caratteristica rende difficile
un approccio Bayesiano oggettivo. In questo lavoro, verr
`
a presentata un’analisi dei
risultati ottenuti utilizzando distribuzioni a priori (non informative) di Jeffreys.
