ScholarGate
Asisten
Process / pipelineSimulation / optimization

Simulasi Kejadian Diskrit Bayesian — Pemodelan Proses Stokastik yang Diinformasikan Posterior

Simulasi Kejadian Diskrit Bayesian (BDES) mengintegrasikan inferensi statistik Bayesian dengan simulasi kejadian diskrit. Keyakinan awal tentang parameter sistem — seperti laju layanan, waktu kedatangan, atau probabilitas kegagalan — diperbarui dengan data yang diamati melalui teorema Bayes, dan distribusi posterior yang dihasilkan secara langsung menggerakkan mesin simulasi. Penggabungan ini memungkinkan pemodel untuk menyebarkan ketidakpastian aleatorik dan epistemic melalui model proses yang digerakkan oleh kejadian.

Buka di MethodMindSegeraVideoSegeraDownload slides

Baca metode selengkapnya

Khusus anggota

Masuk dengan akun gratis untuk membaca bagian ini.

Masuk

Method map

The neighbourhood of related methods — select a node to explore.

Sumber

  1. 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
  2. Pidd, M. (2004). Computer Simulation in Management Science (5th ed.). Wiley. ISBN: 9780470092781

Cara menyitasi halaman ini

ScholarGate. (2026, June 3). Bayesian Discrete-Event Simulation — Posterior-informed stochastic process modeling. ScholarGate. https://scholargate.app/id/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.

Compare side by side
ScholarGateBayesian Discrete-Event Simulation (Bayesian Discrete-Event Simulation — Posterior-informed stochastic process modeling). Diakses 2026-06-15 dari https://scholargate.app/id/simulation/bayesian-discrete-event-simulation · Set data: https://doi.org/10.5281/zenodo.20539026