La tesi analizza il fenomeno del campionamento preferenziale in diversi contesti evidenziandone le implicazioni. Il framework teorico è quello dell’approccio Bayesiano. Il lavoro si apre con un’introduzione alla statistica bayesiana, delineandone le fondamenta teoriche e le differenze rispetto all’approccio frequentista. Successivamente, vengono approfonditi i metodi computazionali per l’implementazione di modelli bayesiani, con particolare attenzione agli algoritmi di campionamento e alle tecniche di inferenza. Viene inoltre discusso il ruolo delle distribuzioni a priori e la loro influenza sui risultati dell’analisi. Attraverso l’analisi di casi studio e simulazioni, si dimostra come il campionamento preferenziale possa fornire stime più accurate e rappresentative in scenari complessi, contribuendo ad una comprensione più approfondita delle dinamiche sottostanti ai dati osservati.