ScholarGate
Assistent
Process / pipelineSimulation / optimization

Bayesiaanse wachtrijsimulatie — Bayesiaanse parameterinferentie geïntegreerd met stochastische wachtrijsimulatie

Bayesiaanse wachtrijsimulatie combineert Bayesiaanse statistische inferentie met stochastische wachtrijsimulatie om wachtrijsystemen te modelleren onder parameteronzekerheid. In plaats van aankomst- en servicefrequenties als vaste, bekende waarden te behandelen, worden er prioriverdelingen over geplaatst, die vervolgens worden bijgewerkt met geobserveerde gegevens om posteriors te verkrijgen. De resulterende parameteronzekerheid wordt vervolgens door herhaalde simulaties doorgevoerd om probabilistische voorspellingen te genereren van systeemprestatie-indicatoren zoals wachtrijlengte, wachttijd en serverbenutting.

Openen in MethodMindBinnenkortVideoBinnenkortDownload slides

Lees de volledige methode

Alleen voor leden

Log in met een gratis account om dit onderdeel te lezen.

Inloggen

Method map

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

Bronnen

  1. Armero, C., & Bayarri, M. J. (1994). Bayesian prediction in M/M/1 queues. Queueing Systems, 15(1–4), 401–417. DOI: 10.1007/BF01189248
  2. Insua, D. R., Wiper, M., & Ruggeri, F. (1998). Bayesian analysis of M/Er/1 and M/H_k/1 queues. Queueing Systems, 30(3–4), 289–308. DOI: 10.1023/a:1019173206509

Deze pagina citeren

ScholarGate. (2026, June 3). Bayesian Queueing Simulation — Bayesian parameter inference integrated with stochastic queueing simulation. ScholarGate. https://scholargate.app/nl/simulation/bayesian-queueing-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 Queueing Simulation (Bayesian Queueing Simulation — Bayesian parameter inference integrated with stochastic queueing simulation). Geraadpleegd op 2026-06-15 via https://scholargate.app/nl/simulation/bayesian-queueing-simulation · Gegevensset: https://doi.org/10.5281/zenodo.20539026