Simulación Bayesiana de Eventos Discretos — Modelado de procesos estocásticos informado por la posterior
La Simulación Bayesiana de Eventos Discretos (BDES, por sus siglas en inglés) integra la inferencia estadística bayesiana con la simulación de eventos discretos. Las creencias previas sobre los parámetros del sistema —tales como tasas de servicio, tiempos de llegada o probabilidades de fallo— se actualizan con datos observados a través del teorema de Bayes, y las distribuciones posteriores resultantes impulsan directamente el motor de simulación. Este acoplamiento permite a los modeladores propagar tanto la incertidumbre aleatoria como la epistémica a través de modelos de procesos dirigidos por eventos.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- 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
Cómo citar esta página
ScholarGate. (2026, June 3). Bayesian Discrete-Event Simulation — Posterior-informed stochastic process modeling. ScholarGate. https://scholargate.app/es/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.
- Simulación Híbrida de Eventos Discretos Basada en AgentesSimulación↔ compare
- Modelado Bayesiano Basado en AgentesSimulación↔ compare
- Modelo de Markov BayesianoSimulación↔ compare
- Simulación de Eventos Discretos (SED)Simulación↔ compare
- Simulación de Monte CarloToma de decisiones↔ compare
- Simulación Estocástica de Eventos DiscretosSimulación↔ compare
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →