Bayesiaanse Discrete-Event Simulatie — Posterior-geïnformeerde stochastische procesmodellering
Bayesian Discrete-Event Simulation (BDES) integreert Bayesiaanse statistische inferentie met discrete-gebeurtenis simulatie. A priori overtuigingen over systeemparameters — zoals serviceniveaus, aankomsttijden of faalwaarschijnlijkheden — worden bijgewerkt met waargenomen data via de stelling van Bayes, en de resulterende posterieure verdelingen sturen direct de simulatiemotor aan. Deze koppeling stelt modelleurs in staat om zowel aleatorische als epistemische onzekerheid door te geven via op gebeurtenissen gebaseerde procesmodellen.
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
- 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
Deze pagina citeren
ScholarGate. (2026, June 3). Bayesian Discrete-Event Simulation — Posterior-informed stochastic process modeling. ScholarGate. https://scholargate.app/nl/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.
- Agent-gebaseerde discrete-gebeurtenissensimulatieSimulatie↔ compare
- Bayesian Agent-Based ModelingSimulatie↔ compare
- Bayesiaans MarkovmodelSimulatie↔ compare
- Discrete-Event Simulation (DES)Simulatie↔ compare
- Monte Carlo SimulatieBesluitvorming↔ compare
- Stochastische Discrete-Event SimulatieSimulatie↔ compare
Een fout op deze pagina gezien? Meld het of stel een correctie voor →