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.