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