Bayesian Discrete-Event Simulation — Posterior-informed stochastic process modeling
Bayesian Discrete-Event Simulation (BDES) integruje bayesovskou statistickou inferenci s diskrétní simulací událostí. Apriorní přesvědčení o parametrech systému — jako jsou rychlosti obsluhy, časy příchodů nebo pravděpodobnosti selhání — jsou aktualizována pozorovanými daty pomocí Bayesova teorému a výsledné aposteriorní distribuce přímo řídí simulační engine. Toto propojení umožňuje modelářům propagovat jak aleatorickou, tak epistemickou nejistotu prostřednictvím modelů procesů řízených událostmi.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Onggo, B. S., & Kunc, M. (2016). Combining discrete-event simulation and Bayesian updating for incorporating evidence from real-world data. Journal of Simulation, 10(1), 1-12. link ↗
- Pidd, M. (2004). Computer Simulation in Management Science (5th ed.). Wiley. ISBN: 9780470092781
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Bayesian Discrete-Event Simulation — Posterior-informed stochastic process modeling. ScholarGate. https://scholargate.app/cs/simulation/bayesian-discrete-event-simulation
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Agent-Based Discrete-Event SimulationSimulace↔ compare
- Bayesovské modelování založené na agentechSimulace↔ compare
- Bayesovský Markovův modelSimulace↔ compare
- Diskrétní simulace událostí (DES)Simulace↔ compare
- Simulace Monte CarloRozhodování↔ compare
- Stochastická simulace diskrétních událostíSimulace↔ compare
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →