Los métodos bayesianos asumen una distribución a priori con varios hiperparámetros. Por desgracia, esto es asintóticamente incorrecto, porque las distribuciones en el mundo real nunca son exactas. Por ejemplo, el resultado de lanzar una moneda no tiene una distribución de Bernoulli, porque puede quedarse de lado; la distribución del peso medido de las personas dentro de una determinada no puede ser normal, porque los números de una distribución normal son "casi seguramente" irracionales.
Propongo asumir una distribución de distribuciones en lugar de una distribución a priori, y luego actualizar la distribución de distribuciones con los datos de la muestra como de costumbre. Se trata de un método bayesiano generalizado, ya que esencialmente estoy utilizando $\aleph$ hiperparámetros. Supongo que al hacerlo se obtendría un método de inferencia asintóticamente correcto.
Sin embargo, la aplicación de este método no es sencilla para mí. Ni siquiera puedo averiguar cómo debería ser una "distribución de distribuciones", y la actualización de esta distribución es presumiblemente más difícil. ¿Hay algún trabajo previo sobre este método o uno similar?
