Stima bayesiana di modelli di diffusione

In questa tesi viene proposto l'utilizzo dell'inferenza bayesiana per la stima dei parametri dei modelli di diffusione delle innovazioni, utili per descrivere e prevedere il ciclo di vita dei nuovi prodotti sul mercato. In particolare, vengono considerati il modello di Bass e alcune sue estensioni, come il modello di Bass generalizzato con impulso rettangolare e con impulso esponenziale, e il modello Guseo-Guidolin, che considera un mercato potenziale variabile. L'approccio bayesiano, implementato attraverso gli algoritmi di Metropolis-Hastings e Gibbs sampling, permette di includere conoscenze pregresse per migliorare la stabilità delle stime, specialmente in presenza di serie storiche brevi. La validità metodologica viene confermata sia tramite studi di simulazione sia attraverso l'analisi di casi reali relativi alle vendite di smartphone.