Bayesian Agent-Based Modeling — Kalibratie van Complexe Simulaties met Bayesiaanse Inferentie
Bayesian Agent-Based Modeling integreert Bayesiaanse statistische inferentie met agent-gebaseerde simulatie om modelparameters te kalibreren en onzekerheid te kwantificeren. In plaats van agentregels en parameters bij aanname vast te leggen, behandelt deze benadering onbekende parameters als kansverdelingen en werkt ze systematisch bij tegen waargenomen data, wat resulteert in een volledige posterior over plausibele modelconfiguraties.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Bayesian Agent-Based Modeling — Parameter Estimation and Uncertainty Quantification for Agent-Based Models. ScholarGate. https://scholargate.app/nl/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.
- Agent-Based Modeling (ABM)Simulatie↔ compare
- Approximate Bayesian ComputationSimulatie↔ compare
- Bayesiaans MarkovmodelSimulatie↔ compare
- Bayesiaanse MicrosimulatieSimulatie↔ compare
- Monte Carlo SimulatieBesluitvorming↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →