Resumen

La estadística bayesiana comprende un poderoso conjunto de métodos para analizar sistemas simulados. Al combinarse con programación dinámica y otros métodos para la toma de decisiones secuencial bajo incertidumbre, los métodos bayesianos han sido usados para diseńar algoritmos que encuentren la mejor entre varios sistemas simulados. Cuando la programación dinámica puede ser resuelta de manera exacta, estos algoritmos tienen un desempeńo óptimo en el promedio de los casos. En otras situaciones, este análisis de programación dinámica soporta el desarrollo de métodos aproximados con subóptimos aunque buenos desempeńos en el promedio de los casos.

Estos últimos son particularmente útiles cuando el costo de la simulación previene el uso de procedimientos con garantías de desempeńo estadístico del peor caso. En este documento se brinda una visión general de los métodos bayesianos empleados para seleccionar el mejor, proporcionando un tratamiento detallado del caso más simple de clasificación y selección con priors apropiados independientes para problemas de pequeńa escala.

• Materias:Simulación por computador Modelos matemáticos
• Subjects:Computerized simulation Mathematical models
• Palabras claves:Smulación, Modelado, Estadística bayesiana, Métodos bayesianos, Inferencia bayesiana, Programación dinámica, Optimización vía simulación, Métodos secuenciales, Métodos de una etapa, Priors
• Keywords:Simulation, Modeling, Bayesian statistics, Bayesian methods, Bayesian inference, Dynamic programming, Optimization via simulation, Sequential methods, One-stage methods, Priors