BackgroundCountsPosterior

class jinwu.background.BackgroundCountsPosterior(a_total: float, b: float, area_ratio: float)

Bases: object

背景区域计数后验（聚合到选择能段之后）。

基于 Gamma-Poisson 共轭：以 OFF 区域“计数率” λ_off ~ Gamma(a_total, b) （shape=a_total, rate=b），则： - OFF 区域在曝光 t 的后验预测 n_off ~ Poisson-Gamma 混合，等价于 NB(r=a_total, p=b/(b+t))； - ON 区域在曝光 t 的后验预测 n_on,bkg ~ NB(r=a_total, p=b/(b+area_ratio*t))，

其中 area_ratio=A_on/A_off。

我们通过 Gamma-Poisson 的层次采样实现采样（避免不同库对 NB 参数化差异）。

属性

a_totalfloat

选择能段内所有能道的先验 shape 之和（更新后为后验 shape）。

bfloat

先验/后验的 rate 参数（单位：秒），通常为 t_ref + sum(t_obs_off)。

area_ratiofloat

A_on / A_off，用于把 OFF 计数率映射到 ON 背景计数率。

Methods Summary

expected_off(t)
expected_on(t)
sample_off(t[, size, rng])	采样 OFF 区域在曝光 t 的后验预测计数。
sample_on(t[, size, rng])	采样 ON 区域（仅背景）在曝光 t 的后验预测计数。
update_with_off_counts(n_off, t_off, *[, ...])	用额外的 OFF 观测（总计数与曝光）进行一次共轭更新。
update_with_on_bg_counts(n_on_bg, t_on_bg, *)	用额外的 ON 背景-only 观测进行更新（等效 OFF 曝光为 area_ratio*t_on_bg）。

Methods Documentation

expected_off(t: float) → float

expected_on(t: float) → float

sample_off(t: float, size: int = 1, rng: Generator | None = None) → ndarray

采样 OFF 区域在曝光 t 的后验预测计数。

sample_on(t: float, size: int = 1, rng: Generator | None = None) → ndarray

采样 ON 区域（仅背景）在曝光 t 的后验预测计数。

update_with_off_counts(n_off: float, t_off: float, *, inplace: bool = False) → BackgroundCountsPosterior

用额外的 OFF 观测（总计数与曝光）进行一次共轭更新。

update_with_on_bg_counts(n_on_bg: float, t_on_bg: float, *, inplace: bool = False) → BackgroundCountsPosterior

用额外的 ON 背景-only 观测进行更新（等效 OFF 曝光为 area_ratio*t_on_bg）。