Bayesian Discrete-Event Simulation — Posterior-informed stochastic process modeling
Bayesian Discrete-Event Simulation (BDES) integrerer Bayesiansk statistisk inferens med diskret-hendelsesbasert simulering. A priori-antakelser om systemparametere — som tjenesteytelsesrater, ankomsttider eller feilsannsynligheter — oppdateres med observerte data via Bayes' teorem, og de resulterende posterior-fordelingene driver direkte simuleringsmotoren. Denne koblingen lar modellbyggere propagere både tilfeldig og epistemisk usikkerhet gjennom hendelsesdrevne prosessmodeller.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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
Slik siterer du denne siden
ScholarGate. (2026, June 3). Bayesian Discrete-Event Simulation — Posterior-informed stochastic process modeling. ScholarGate. https://scholargate.app/no/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-basert diskret-hendelsessimuleringSimulering↔ compare
- Bayesiansk agentbasert modelleringSimulering↔ compare
- Bayesiansk Markov-modellSimulering↔ compare
- Diskrete hendelsesbaserte simuleringer (DES)Simulering↔ compare
- Monte Carlo-simuleringBeslutningstaking↔ compare
- Stokastisk diskret-hendelsessimuleringSimulering↔ compare
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →