Bayesiansk diskret hændelsessimulering — Posterior-informeret stokastisk procesmodellering
Bayesiansk diskret hændelsessimulering (BDES) integrerer Bayesiansk statistisk inferens med diskret hændelsessimulering. A priori overbevisninger om systemparametre — såsom servicetakter, ankomsttider eller fejlsandsynligheder — opdateres med observerede data via Bayes' sætning, og de resulterende posteriorfordelinger driver direkte simuleringsmotoren. Denne kobling tillader modelbyggere at propagere både aleatorisk og epistemisk usikkerhed gennem hændelsesdrevne procesmodeller.
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
- 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
Sådan citerer du denne side
ScholarGate. (2026, June 3). Bayesian Discrete-Event Simulation — Posterior-informed stochastic process modeling. ScholarGate. https://scholargate.app/da/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-baseret diskret hændelsessimuleringSimulering↔ compare
- Bayesiansk Agentbaseret ModelleringSimulering↔ compare
- Bayesiansk Markov-modelSimulering↔ compare
- Diskret-hændelsessimulering (DES)Simulering↔ compare
- Monte Carlo-simuleringBeslutningstagning↔ compare
- Stokastisk diskret-event simuleringSimulering↔ compare
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →