Stan和PyMC3中的影响图/决策模型

Question

可以用Stan或PyMC3编写决策模型吗？我的意思是:我们不仅定义了随机变量的分布，还定义了决策变量和效用变量，并确定了使期望效用最大化的决策。

我的理解是，与PyMC3相比，Stan更像是一个通用的优化器，所以这表明决策模型将更直接地在其中实现，但我希望听到人们的意见。

编辑:虽然可以枚举所有决策并计算其相应的预期效用，但我想知道更有效的方法，因为决策的数量可能组合得太多(例如，从包含数千种产品的列表中购买多少商品)。影响图算法利用模型中的因子分解来识别独立性，这些独立性仅允许计算一组较小的相关随机变量的决策。我想知道斯坦和PyMC3是不是也会做这种事。

Answer 1

贝叶斯决策理论的基本步骤是：

1. 枚举可以使
2. 指定决策的效用函数的有限决策集合，也许还有其他东西
3. 从给定已知数据的所有未知数的后验分布中提取效用函数
4. 为每个可能的决策评估效用函数，并且每个后验绘制
5. 做出具有最高预期效用的决策，对后验绘制进行平均。

你可以使用任何软件- Stan和PyMC3 --来完成这五个步骤，这些软件可以从后验分布中产生(有效的)绘图。在Stan中，效用函数应该在generated quantities块中求值。