TreeAge PRO Core核心模块
评估和比较策略
模型完成后，TreeAge Pro 会自动生成评估模型所需的算法并选择最佳策略。这使您可以专注于手头的问题，而不是评估模型所需的计算。
标准算法根据其概率对策略中每个可能的结果赋予权重。组合加权平均值为每个策略生成一个总体预期值。
分析可以根据所有选项的比较来选择最佳策略。树偏好控制这些选择中的比较方法--大、最小、成本效益、多属性或成本效益（需要医疗保健模块）。模型还可以存储多个价值指标。然后，只需更改活动指标并重新分析相同的模型。
当使用回滚分析上述模型时，将在所有节点计算预期值 (EV)。在决策节点，选择最大值作为最优策略。
可视化建模工具
使用可视化树图编辑器，您可以轻松创建模型结构来表示正在研究的问题。模型结构将包括决策点和所有可能发生的事件。结构中的不同节点类型反映了分支是替代选项还是可能的事件。
在模型结构中的任何位置插入节点。复制或移动模型中的单个节点或子树。克隆模型的重复部分以减少建模时间并确保模型内的一致性。
在下面的模型中，只有一个决定，是提起诉讼还是接受和解提议。还有一些点是结果未知（赢/输情况和伤害量），用圆圈表示。最后，还有反映每个场景整体价值的终端节点，用三角形表示。
学习不确定性
TreeAge Pro 允许您研究模型输入中的不确定性如何影响我们可以通过其输出得出的结论。为了研究单个参数的不确定性，该参数必须用一个变量来表示。然后可以在一系列不确定性上分析变量，而不是使用单点估计。
下面的模型评估为与早期模型相同的值，但使用变量定义了三个独立参数。然后在模型中以概率和值表达式引用这些变量。
现在可以使用敏感性分析来评估模型以研究不确定性。例如，以下分析使用 pWin 变量的范围从 0.5 到 0.7，有四个区间。此分析在 pWin 值 0.5、0.55、0.6、0.65 和 0.7 处重新评估模型，然后根据参数范围显示每种策略的 EV。
上图确定了 pWin 值为 0.55 的阈值。
- 如果 pWin 小于 0.55，则结算要约 EV 较高。
- 如果 pWin 大于 0.55，则诉讼 EV 更高。
在线留言
尊敬的客户朋友，如您有任何意见建议，请通过下表反馈给我们，我们会尽快与您联系。
|
400-621-1085
