ScholarGate
Assistent
Machine learningGame-theoretic

Bayesianisches Nash-Gleichgewicht

Das Bayesianische Nash-Gleichgewicht (BNE) erweitert das Nash-Gleichgewicht auf Spiele mit unvollständiger Information, bei denen Spieler kein vollständiges Wissen über die Auszahlungsfunktionen der anderen haben. Von John Harsanyi 1967 eingeführt, modelliert das BNE strategische Interaktion unter Unsicherheit, indem es unbekannte Auszahlungen als private Typen der Spieler darstellt, die aus einer Wahrscheinlichkeitsverteilung gezogen werden. Das Gleichgewicht wird gefunden, indem man nach typenabhängigen Strategien sucht, die die besten Antworten auf alle möglichen Typenrealisierungen sind.

In MethodMind öffnenDemnächstVideoDemnächstFolien herunterladen

Die vollständige Methode lesen

Nur für Mitglieder

Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.

Anmelden

Methodenkarte

Die Nachbarschaft verwandter Methoden — wählen Sie einen Knoten, um sie zu erkunden.

+2 weitere

Quellen

  1. Harsanyi, J. C. (1967). Games with incomplete information played by Bayesian players, Parts I, II, and III. Management Science, 14(3), 159-182. DOI: 10.1287/mnsc.14.3.159
  2. Harsanyi, J. C. (1968). Games with incomplete information played by Bayesian players. Management Science, 14(7), 486-502. link

So zitieren Sie diese Seite

ScholarGate. (2026, June 3). Bayesian Nash Equilibrium with Incomplete Information. ScholarGate. https://scholargate.app/de/game-theory/bayesian-nash-equilibrium

Welche Methode?

Stellen Sie diese Methode neben ihre nächsten Verwandten und lesen Sie sie nebeneinander — die Bibliothek legt die Bücher auf den Tisch; die Wahl liegt bei Ihnen.

Nebeneinander vergleichen

Referenziert von

ScholarGateBayesian Nash Equilibrium (Bayesian Nash Equilibrium with Incomplete Information). Abgerufen am 2026-06-15 von https://scholargate.app/de/game-theory/bayesian-nash-equilibrium · Datensatz: https://doi.org/10.5281/zenodo.20539026