ScholarGate
Asistents
Process / pipelineSimulation / optimization

Bayesian Discrete-Event Simulation — Posterior-informed stochastic process modeling

Bayesian Discrete-Event Simulation (BDES) integrē Bajesas statistisko inferenci ar diskrēto notikumu simulāciju. A priori pārliecības par sistēmas parametriem — piemēram, apkalpošanas ātrumu, ierašanās laiku vai kļūmju varbūtību — tiek atjauninātas ar novērotiem datiem, izmantojot Bajesas teorēmu, un rezultātā iegūtās posteriorās sadalījuma funkcijas tieši vada simulācijas dzinēju. Šī savienošana ļauj modelētājiem izplatīt gan aleatorisko, gan epistēmisko nenoteiktību caur notikumu vadītiem procesa modeļiem.

Atvērt MethodMindDrīzumāVideoDrīzumāDownload slides

Lasīt pilno metodes aprakstu

Tikai dalībniekiem

Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.

Pieteikties

Method map

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

Avoti

  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

Kā citēt šo lapu

ScholarGate. (2026, June 3). Bayesian Discrete-Event Simulation — Posterior-informed stochastic process modeling. ScholarGate. https://scholargate.app/lv/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). Izgūts 2026-06-15 no https://scholargate.app/lv/simulation/bayesian-discrete-event-simulation · Datu kopa: https://doi.org/10.5281/zenodo.20539026