Modélisation bayésienne à base d'agents — Calibrer des simulations complexes avec l'inférence bayésienne
La modélisation bayésienne à base d'agents (ABM bayésienne) intègre l'inférence statistique bayésienne à la simulation à base d'agents pour calibrer les paramètres du modèle et quantifier l'incertitude. Plutôt que de fixer les règles et les paramètres des agents par hypothèse, cette approche traite les paramètres inconnus comme des distributions de probabilité et les met à jour systématiquement en fonction des données observées, produisant une distribution a posteriori complète sur les configurations plausibles du modèle.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Bayesian Agent-Based Modeling — Parameter Estimation and Uncertainty Quantification for Agent-Based Models. ScholarGate. https://scholargate.app/fr/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.
- Modélisation Basée sur les Agents (MBA)Simulation↔ compare
- Calcul bayésien approximatifSimulation↔ compare
- Modèle de Markov bayésienSimulation↔ compare
- Microsimulation bayésienneSimulation↔ compare
- Simulation de Monte-CarloPrise de décision↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →