Bayesianische agentenbasierte Modellierung – Kalibrierung komplexer Simulationen mittels Bayesscher Inferenz
Die bayesianische agentenbasierte Modellierung (Bayesian ABM) integriert die bayesianische statistische Inferenz mit agentenbasierten Simulationen, um Modellparameter zu kalibrieren und Unsicherheiten zu quantifizieren. Anstatt Agentenregeln und Parameter durch Annahmen festzulegen, behandelt dieser Ansatz unbekannte Parameter als Wahrscheinlichkeitsverteilungen und aktualisiert sie systematisch anhand beobachteter Daten. Dies führt zu einer vollständigen Posterior-Verteilung über plausible Modellkonfigurationen.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Bayesian Agent-Based Modeling — Parameter Estimation and Uncertainty Quantification for Agent-Based Models. ScholarGate. https://scholargate.app/de/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.
- Agentenbasiertes Modellieren (ABM)Simulation↔ compare
- Approximate Bayesian ComputationSimulation↔ compare
- Bayesian Markov ModelSimulation↔ compare
- Bayesian-MikrosimulationSimulation↔ compare
- Monte-Carlo-SimulationEntscheidungsfindung↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →