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.

Comenta

Your email address will not be published.

Puedes usar estas etiquetas y atributos de HTML: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code class="" title="" data-url=""> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong> <pre class="" title="" data-url=""> <span class="" title="" data-url="">