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.