Arqueólogos bayesianos

Se ve que hay arqueólogos bayesianos. Un problema con el que se encuentran es que tropiezan con cacharros antiguos y quieren estimar su antigüedad.

Así que prueban distintos métodos (¿químicos?), cada uno de los cuales con su precisión, y acaban recopilando una serie de estimaciones y errores. Obviamente, tienen que combinarlas de alguna manera.

El modelo más simple es

$M_i \sim N(\mu, \sigma_i)$

donde $\mu$ es la antigüedad (desconocida) del artefacto y los $\sigma_i$ son las varianzas distintas de los distintos métodos de medida, que arrojan las estimaciones $M_i$ .

Los hay más entretenidos, como

$M_{ij} \sim N(\mu_j, \sigma_{j(i)})$
$\mu_j \sim(\mu, \lambda_j)$

donde hay medidas repetidas (varios $i$ ) para cada uno de $j$ instrumentos de medida.

Y aún más para incluir la posibilidad de outliers, etc.

Para saber más, esto y, sobre todo, esto.

Coda: Este es otro de los problemas reales que no tengo muy claro cómo atacar con deep lerning, xgboost, etc.