| Autor: |
Delahaye, Benoit, Fournier, Paulin, Lime, Didier |
| Přispěvatelé: |
Architectures et Logiciels Sûrs (AeLoS), Laboratoire des Sciences du Numérique de Nantes (LS2N), IMT Atlantique Bretagne-Pays de la Loire (IMT Atlantique), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT)-Université de Nantes - UFR des Sciences et des Techniques (UN UFR ST), Université de Nantes (UN)-Université de Nantes (UN)-École Centrale de Nantes (ECN)-Centre National de la Recherche Scientifique (CNRS)-IMT Atlantique Bretagne-Pays de la Loire (IMT Atlantique), Université de Nantes (UN)-Université de Nantes (UN)-École Centrale de Nantes (ECN)-Centre National de la Recherche Scientifique (CNRS), STR (STR ), Université de Nantes - UFR des Sciences et des Techniques (UN UFR ST), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT) |
| Jazyk: |
angličtina |
| Rok vydání: |
2019 |
| Předmět: |
|
| Popis: |
We propose a simulation-based technique, in the spirit of Statistical Model Checking, for approximate verification of probabilis-tic models with parametric transitions, and we focus in particular on parametric Markov chains. Our technique is based on an extension of Monte Carlo algorithms that allows to approximate the probability of satisfying a given finite trace property as a (polynomial) function of the parameters of the model. The confidence intervals associated with this approximation can also be expressed as a function of the parameters. In the paper, we present both the theoretical foundations of this technique and a prototype implementation in Python which we evaluate on a set of benchmarks. |
| Databáze: |
OpenAIRE |
| Externí odkaz: |
|
