Descrição detalhada
REDES BAYESIAN (GRÁFICOS DE RISCO).
- Arrastar e soltar a criação do modelo.
- Rede composta por nós (variáveis) e arestas (dependências condicionais).
- Vários tipos de nós: booleano, contínuo, rotulado, classificado, real discreto.
- Forma, cor, edição de texto.
- Gráficos e estatísticas de risco se sobrepõem à rede Bayesiana.
- Agrupamento, zoom, alinhamento.
- Copie, corte e cole.
- Adicione, exclua e edite vários cenários como conjunto de evidências.
- Insira e retire as evidências suaves e concretas.
GRÁFICOS E ESTATÍSTICAS.
- Gráficos de risco com zoom e escalonáveis.
- Os gráficos podem ser corrigidos na rede Bayesiana ou podem flutuar livremente ou serem fixados.
- Tipos de gráfico de área, histograma, linha e ponto.
- Várias sobreposições de gráfico para vários cenários, codificados por cores.
- Gráficos de densidade e cumulativos
- Parcelas de percentis.
- Transparência e legendas.
- Estatísticas resumidas e listas de valores de estado.
APRENDENDO COM OS DADOS.
- Redes Bayesianas personalizadas podem ser construídas para aprender os parâmetros dos dados
- (por exemplo, modelos multinomiais, normais, beta-binomiais, hierárquicos, etc.).
- Algoritmo de maximização de expectativa usado para aprender tabelas de probabilidade de nós e parâmetros gaussianos a partir de dados.
- Aprenda apenas com os dados, usando EM, e aprenda com os dados com a opinião de especialistas.
- Lida com dados ausentes.
TABELAS DE PROBABILIDADE DE NÓ
- Valores de probabilidade condicionais inseridos usando a tabela de probabilidade de nó.
- O tamanho das células da tabela pode ser ajustado para facilitar a exibição e a navegação.
- Os valores de probabilidade podem ser cortados e colados de outros aplicativos e do AgenaRisk.
- Conversão de tabelas de probabilidade de / para expressões e funções de partição com suporte.
- Células normalizadas automaticamente.
FUNÇÕES DE DISTRIBUIÇÃO ESTATÍSTICA.
- Normal e normal truncado.
- Distribuição Beta e Beta PERT.
- T de Student e logística.
- Qui-quadrado.
- Uniforme.
- Exponencial, Gama e Weibull.
- Valor extremo e LogNormal.
- Triangular.
- Binomial.
- Hipergeométrica.
- Binomial negativo e geométrico.
- Poisson.
FORMULAS EXPRESSION PARSER.
- NoisyOR, NoisyAND, mFROMn.
- Operadores aritméticos +, -, *, /, ^.
- Expressões comparativas, IF (x <10, "True", ....).
- Funções: log (), ln (), sqrt (), e, pi, mod (), min (), max ().
- Operadores comparativos: Igual a ==, Diferente! =, <,>,> = / <=, &&, (AND), || (OR), XOR.
- Funções de nó classificado: wmean. wmax, wmin, mixminmax.
- Funções trigonométricas.
- Todas as funções podem ser aplicadas com discretização dinâmica para identificar regiões de alta densidade
ANALISADORES DE SENSIBILIDADE E MULTIVARIADOS.
- A análise de sensibilidade avalia o impacto de uma série de variáveis em uma variável-alvo.
- Gráfico Tornado de saída em HTML com tabelas de apoio.
- Para nós contínuos, as estatísticas de média, variância, mediana, percentil e desvio padrão podem ser analisadas.
- A análise multivariada consulta o modelo e calcula a distribuição conjunta de um conjunto selecionado
- pelo usuário.
- A saída da análise multivariada inclui estatísticas e Pearson e métricas de correlação de classificação.
- Saída de análise multivariada em formato de arquivo CSV.
DIAGRAMAS DE INFLUÊNCIA HÍBRIDA.
- Identifica a utilidade esperada máxima / mínima de um conjunto de decisões inter-relacionadas.
- Condicionado em um conjunto de variáveis de chance observáveis e não observáveis.
- Qualquer número de nós de utilidade combinados em um único utilitário para análise.
- Os nós de utilidade podem ser distribuições estatísticas e valores de pontos.
- A função de utilidade otimizada pode ser máxima / mínima ou definida pelo usuário.
- Saída em forma de árvore de decisão mostrando utilitários ideais em cada ramo da árvore e identificando o conjunto de decisão ideal.
- Resultados exportados como HTML com tabelas / gráficos incorporados.
- Opção disponível para calcular resultados rápidos usando discretização estática pré-calculada de variáveis contínuas.
VALOR DA ANÁLISE DA INFORMAÇÃO.
- Determine quanto pagar por informações perfeitas antes de tomar uma decisão.
- Calcule a lista de nós de incerteza discretos e contínuos simultaneamente.
- Qualquer número de nós de utilidade combinados em um único utilitário para análise.
- Valor esperado (parcial) Informação perfeita calculada em cada opção de decisão.
- Os nós de utilidade podem ser distribuições estatísticas e valores de pontos.
- Opção disponível para calcular resultados rápidos usando discretização estática pré-calculada de variáveis contínuas.
MODELAGEM DE OBJETOS DE RISCO.
- Suporte modular baseado em objetos para construção de modelos usando objetos de risco.
- Importação de modelo para reutilizar objetos de risco
- Objetos de risco declarados com nós de entrada e saída como interfaces.
- As estatísticas podem ser passadas como parâmetros entre objetos de risco, assim como os resultados da distribuição marginal.
- Computação realizada em todo o modelo ou localmente em cada objeto de risco com seus ancestrais.
ANÁLISE DE SOMA DE COMPOSTO.
- Calcule a soma composta da distribuição da frequência do evento e variáveis de distribuição da gravidade do evento, de qualquer tipo.
- As variáveis de frequência e gravidade podem ser condicionadas a outras variáveis.
- Distribuição de soma composta resultante calculada usando o algoritmo de convolução do próprio AgenaRisk.
BIBLIOTECA DE MODELOS
- Um conjunto abrangente de modelos de exemplo cobertos em nosso livro e de aplicativos.
- Exemplos vinculados ao material do tutorial no manual do usuário AgenaRisk.
- Os exemplos abrangem: diagnóstico médico, raciocínio jurídico, preços de seguros, teste de estresse, aprendizagem de parâmetros, Six sigma, valor da informação e árvores de decisão, árvores de falha, economia de drogas, investimento empresarial.
EXPORTAÇÃO DE IMPORTAÇÃO DE DADOS.
- Importação de dados por meio de arquivos CSV.
- Exportação de dados por meio de arquivos CSV.
- Exportação de resultados do modelo por meio de arquivos CSV.
- Exporte o modelo como arquivos XML.
- Exportar estatísticas como arquivos CSV.
- Exporte gráficos como arquivos JPEG.
- Resultados da análise exportados como HTML.
ALGORITMOS.
- Implementação eficiente do algoritmo Junction Tree para inferência exata em redes Bayesianas discretas.
- Algoritmo de discretização dinâmica para inferência aproximada em Redes Bayesianas Híbridas, contendo variáveis contínuas e discretas.
- A eficiência foi aprimorada pela fatoração binária automática de expressões e funções de distribuição em segundo plano durante a computação.
- O algoritmo de Diagramas de Influência Híbrida suporta redes Bayesianas híbridas; métodos concorrentes só podem lidar com valores de utilidade de pontos e não distribuições.
