Creo que estoy confundido sobre una cosa muy simple. Cuando decimos que alguna variable se distribuye como una distribución de Poisson y escribimos $y \sim \text{Pois}(\lambda)$ ¿es lo mismo que decir $y|\lambda\sim \text{Pois}(\lambda)$ ?
Recuerdo que al principio pensaba que el condicional estaba pensado para describir cosas que ya sabemos, así que si escribo $y|\lambda$ , supuse que $\lambda$ era una constante conocida. Luego me encontré con casos en los que $\lambda$ era una distribución, así que retroactivamente pensé que $y\sim \text{Pois}(\lambda)$ se utilizó con $\lambda$ como parámetro implícito porque es obvio que $y$ depende de $\lambda$ y muchos libros hacen que algunos parámetros estén implícitos. Además, era inusual pensar en una distribución $\lambda$ como valor conocido. En cualquier caso, podría ser una posible realización de $\lambda$ . Sin embargo, utilizando $y$ (sin condicional), creo que es un poco engañoso, ya que esto implica un marginado $y$ .
Entonces, ¿cuál es la interpretación correcta de la condicional en distribuciones como $y \sim \text{Pois}(\lambda)$ ?
Para describir con mayor claridad dónde pueden confundir ambas interpretaciones de la condicional, tomemos este ejemplo: Supongamos una distribución de Poisson $y_{t}\sim \text{Pois}(\mu_{t})$ donde $\log(\mu_{t}) = X_{t}\beta + b$ . Entonces,
$$cov(y_{t},y_{s})=E[cov(y_{t},y_{s}|b)]+cov[E(y_{t}|b),E[y_{s}|b)]$$
(utilizando la ley de la covarianza total)
Por lo tanto, $y_{t}$ debe entenderse como la distribución de Poisson sin condicional, porque en la parte derecha de esta identidad, estamos utilizando la condicional sobre $b$ .
Como puedes ver, estoy confundido sobre lo que realmente significa $y|\lambda$ frente a un marginado $y$ o una distribución $y$ con el parámetro $\lambda$ .