Bayesian Agent-Based Modeling — Kalibracja złożonych symulacji za pomocą wnioskowania bayesowskiego
Bayesian Agent-Based Modeling integruje bayesowskie wnioskowanie statystyczne z symulacją agentową w celu kalibracji parametrów modelu i kwantyfikacji niepewności. Zamiast przyjmować zasady i parametry agentów jako założenia, podejście to traktuje nieznane parametry jako rozkłady prawdopodobieństwa i systematycznie je aktualizuje w odniesieniu do obserwowanych danych, uzyskując pełny rozkład a posteriori dla wiarygodnych konfiguracji modelu.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Bayesian Agent-Based Modeling — Parameter Estimation and Uncertainty Quantification for Agent-Based Models. ScholarGate. https://scholargate.app/pl/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.
- Modelowanie agentowe (ABM)Symulacja↔ compare
- Przybliżone Obliczenia BayesaSymulacja↔ compare
- Bayesowski model MarkowaSymulacja↔ compare
- Mikrosymulacja bayesowskaSymulacja↔ compare
- Symulacja Monte CarloPodejmowanie decyzji↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →