Байесовское дискретно-событийное моделирование — моделирование стохастических процессов с учетом апостериорных данных
Байесовское дискретно-событийное моделирование (BDES) интегрирует байесовский статистический вывод с дискретно-событийным моделированием. Априорные представления о параметрах системы — таких как интенсивность обслуживания, время поступления или вероятности отказа — обновляются на основе наблюдаемых данных с помощью теоремы Байеса, а результирующие апостериорные распределения напрямую управляют имитационным движком. Эта связь позволяет моделистам распространять как алеаторную, так и эпистемическую неопределенность через событийно-ориентированные модели процессов.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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
Как цитировать эту страницу
ScholarGate. (2026, June 3). Bayesian Discrete-Event Simulation — Posterior-informed stochastic process modeling. ScholarGate. https://scholargate.app/ru/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.
- Агентно-событийное дискретно-событийное моделированиеИмитационное моделирование↔ compare
- Байесовское моделирование на основе агентовИмитационное моделирование↔ compare
- Байесовская Марковская МодельИмитационное моделирование↔ compare
- Имитационное моделирование дискретных событий (DES)Имитационное моделирование↔ compare
- Метод Монте-КарлоПринятие решений↔ compare
- Стохастическое дискретно-событийное моделированиеИмитационное моделирование↔ compare
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →