В своей диссертации я работал над моделированием датчиков с помощью сетей убеждений. См .: http://riso.sourceforge.net Моя диссертация немного опущена. Модель для датчиков, которые измеряют одно и то же, описана в разделе 6.5.
Вкратце, когда у вас есть несколько измерений y1, y2, y3 одного и того же x, вы можете смоделировать совместную вероятность всех их как p(x, y1, y2, y3) = p(y1 | x) p(y2 | x) p(y3 | x) p(x), где каждый p(y | x) является моделью измерения, т. е. он представляет способ, которым измерение является функцией измеряемой вещи. Тогда цель состоит в том, чтобы вычислить p(x | y1, y2, y3). Оказывается, это пропорционально p(y1 | x) p(y2 | x) p(y3 | x) p(x), а константа пропорциональности - это все, что нужно для того, чтобы выражение интегрировалось в 1 по x. То есть, чтобы объединить информацию от нескольких датчиков, учитывая данную модель, вы умножаете их вместе.
Если вы откроете вопрос на stats.stackexchange.com, я могу больше сказать об этом. Надеюсь, это поможет.