Bayesiansk Agentbaseret Modellering — Kalibrering af Komplekse Simulationer med Bayesiansk Inferens
Bayesiansk Agentbaseret Modellering integrerer Bayesiansk statistisk inferens med agentbaseret simulering for at kalibrere modelparametre og kvantificere usikkerhed. I stedet for at fastsætte agentregler og parametre ved antagelse, behandler denne tilgang ukendte parametre som sandsynlighedsfordelinger og opdaterer dem systematisk mod observerede data, hvilket resulterer i en fuld posterior over plausible modelkonfigurationer.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Sunnaker, M., Busetto, A. G., Numminen, E., Corander, J., Foll, M., Dessimoz, C. (2013). Approximate Bayesian Computation. PLOS Computational Biology, 9(1), e1002803. DOI: 10.1371/journal.pcbi.1002803 ↗
- Grazzini, J., Richiardi, M. (2015). Estimation of agent-based models by simulated minimum distance. Journal of Economic Dynamics and Control, 51, 148-165. DOI: 10.1016/j.jedc.2014.10.006 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Bayesian Agent-Based Modeling — Parameter Estimation and Uncertainty Quantification for Agent-Based Models. ScholarGate. https://scholargate.app/da/simulation/bayesian-agent-based-modeling
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 Modeling (ABM)Simulering↔ compare
- Approksimativ Bayesiansk BeregningSimulering↔ compare
- Bayesiansk Markov-modelSimulering↔ compare
- Bayesiansk mikrosimuleringSimulering↔ compare
- Monte Carlo-simuleringBeslutningstagning↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →