贝叶斯决策分析文献综述
贝叶斯公式的应用论文
目录一，贝叶斯公式 (1)二，贝叶斯公式的应用 (2)1，疾病诊断 (2)2，经济方面的应用 (3)3.在风险决策中的应用 (5)1.由咨询公司提供的市场销路状态D的信息资料数据如下表 (7)3.利用贝叶斯公式 (8)4，计算掌握了决策信息后的最满意方案的期望收益和风险系数 (8)摘要：本文主要通过举例说明了贝叶斯公式在医学，经济方面的应用，概述了贝叶斯方法的实用性。
关键字：贝叶斯公式，先验概率，后验概率引言：贝叶斯公式在疾病诊断及经济决策方面都有广泛的应用。
我们常常喜欢找“有经验”的医生给自己治病，因为过去的“经验”能帮助医生做出比较准确的诊断。
几乎任何一项经济学的研究、决策都离不开概率统计的应用，概率统计是进行经济学问题研究的有效工具，为经济预测和决策提供了新的手段，特别在信息不完全的情况下应用贝叶斯公式更是十分有效的。
一，贝叶斯公式若事件1B ,2B ,…,n B 是样本空间Ω的一个划分，()i P B >0(i=1,2,…,n),A 是任一事件且()P A >0,则有：()j P B A =()()()j j P B P A B P A ∣ (j=1,2,…,n), （1）其中，()P A 可由全概率公式得到，即()P A =1()()ni i i P B P AB =∣∑ （2） 本文主要应用贝叶斯公式的一种简单情形，即对任意两个事件A 和B ，根据贝叶斯公式有()()()()P B P A B P A P B A ∣∣=（3）其中()()()()()B B P A P B P AB P P A =∣+∣ （4）这里，事件B 的概率通常是根据以往数据分析得到，叫做先验概率，而()P B A ∣是在获得新的信息后对先验概率做出重新认识，称为后验概率。
后验概率体现了已有信息带来的知识更新，经常用来分析事件发生的原因。
二，贝叶斯公式的应用 1，疾病诊断用甲胎蛋白法普查肝癌。
令C={被检验者患肝癌}，A={甲白检验结果为阳性}则，C ={被检验者未患肝癌}，A ={甲胎蛋白检验结果为阴性}，由过去的资料已知()P AC ∣=0.95,()AC P ∣=0.90，又已知某地居民的肝癌发病率为P(C)=0.0004.在普查中查出一批甲胎蛋白检验结果未、为阳性的人，求这批人中真的患有肝癌的概率()P C A ∣. 由贝叶斯公式可得()P C A ∣.=()()()()()()P C P AC P C P AC P C P AC ∣∣+∣=0.00040.950.00040.950.99960.1⨯⨯+⨯=0.0038由此可知，经甲胎蛋白法检验阳性的人群中，其中真正患有肝癌的人还是很少的。
贝叶斯决策分析论文
本科生毕业论文贝叶斯决策分析——以工程项目案例为例姓名学号专业工商管理指导教师[在此处键入指导教师姓名和职称]2016年4月25日目录摘要 (1)关键词 (1)1.贝叶斯决策分析 (1)2.贝叶斯决策分析实例分析 (2)2.1用一般决策方法进行分析 (2)2.2用贝叶斯决策分析进行分析 (3)2.3案例小结 (4)3.贝叶斯决策分析总结 (4)参考文献 (5)致谢 (5)贝叶斯决策分析——以工程项目案例为例摘要：文章介绍了贝叶斯决策分析的概念以及特点，结合其含义及其特点；结合贝叶斯决策分析在生产和经济活动中的应用案例，分析了应用贝叶斯决策分析的方法，以及应用贝叶斯决策分析的优缺点，讨论了如何正确有效使用贝叶斯决策分析。
Abstract: This paper introduces the Bayesian decision analysis the concept and features of, combined with the meaning and characteristics, combining with Bayesian decision analysis applications in production and economic activities in the case, analyzes the application of Bayesian decision analysis method, and Bayesian decision is applied to the analysis of the advantages and disadvantages, how to correct and efficient use of Bayesian decision analysis is discussed.关键词：优缺点；贝叶斯决策分析；应用Key words: advantages and disadvantages; Bayesian decision analysis; application1.贝叶斯决策分析贝叶斯决策就是在不完全情报下，对部分未知的状态用主观概率估计，然后用贝叶斯公式对发生概率进行修正，最后再利用期望值和修正概率做出最优策。
统计学中的贝叶斯统计与决策理论
统计学中的贝叶斯统计与决策理论统计学中的贝叶斯统计学是一种基于贝叶斯公式和概率论原理的统计推断方法。
它与传统的频率主义统计学方法相比，具有许多独特的优势。
本文将介绍贝叶斯统计学的基本原理、应用领域以及与决策理论的关系。
一、贝叶斯统计学的基本原理贝叶斯统计学是由英国数学家托马斯·贝叶斯提出的，它基于概率论的贝叶斯公式：P(A|B) = P(B|A) * P(A) / P(B)，其中P(A|B)表示在给定B发生的条件下A发生的概率，P(B|A)表示在给定A发生的条件下B 发生的概率，P(A)和P(B)分别表示A和B分别发生的概率。
贝叶斯统计学的基本原理是根据已有的先验知识和新的观测数据，通过不断更新概率分布来得出对未知参数的后验概率分布。
通过贝叶斯公式，可以将观测数据与已有知识相结合，得出对未知参数的概率分布，从而进行推断和预测。
二、贝叶斯统计学的应用领域贝叶斯统计学广泛应用于各个领域，包括医学、金融、生物学、工程学等。
其应用主要体现在以下几个方面：1. 参数估计：贝叶斯统计学通过考虑先验信息，对参数进行估计。
与传统的频率主义统计学方法相比，贝叶斯统计学能够更好地利用已有的知识，提供更准确的参数估计。
2. 假设检验：贝叶斯统计学提供了一种新的方法来进行假设检验。
通过计算后验概率与先验概率的比值，可以得到对不同假设的相对支持程度，从而在决策时提供更全面的信息。
3. 预测分析：贝叶斯统计学通过更新概率分布，可以对未来的事件进行预测。
这使得贝叶斯统计学在金融风险预测、天气预报等领域有着广泛的应用。
三、贝叶斯统计学与决策理论的关系贝叶斯统计学与决策理论密切相关。
决策理论主要研究如何在不确定情况下做出最优决策。
而贝叶斯统计学可以为决策提供一个统一的框架，通过计算不同决策的后验概率，从而选择概率最大的决策。
在贝叶斯决策理论中，需要考虑多个可能的决策结果以及每个决策结果的概率。
通过使用贝叶斯统计学中的贝叶斯公式，可以将观测数据与已有知识相结合，计算每个决策结果的后验概率，从而选择概率最大的决策。
基于贝叶斯理论的风险投资决策分析
基于贝叶斯理论的风险投资决策分析风险投资是指投资者与创业者直接进行合作，为初创企业提供资本、管理和市场资源等帮助，获得高额投资回报的一种投资方式。
风险投资捕捉新的机遇和市场需求，对经济增长和创新发挥着重要作用。
而风险投资决策分析则是一个复杂的、高度专业化的领域，需要风险投资者准确地评估风险和机会，以实现最佳投资组合。
本文将基于贝叶斯理论探讨风险投资决策分析的重要性以及如何使用贝叶斯理论来帮助投资者做出最佳的决策。
一、贝叶斯理论贝叶斯理论是一种概率理论，由英国数学家托马斯·贝叶斯于18世纪发明。
其基础思想是：当我们有先验知识和一些新的证据时，我们可以使用贝叶斯公式来更新我们的信念和预测。
公式如下：P(A|B) = P(B|A) * P(A) / P(B)其中，P(A|B)代表在B发生的条件下，A发生的概率，P(B|A)代表在A发生的条件下，B发生的概率，P(A)和P(B)分别为A和B发生的先验概率。
直觉上，贝叶斯公式告诉我们当我们有更多的证据时，我们对某个事件的信念会更加确定。
二、风险投资决策分析风险投资决策分析涉及投资者对新兴企业进行评估，以确定是否值得投资。
评估的要素包括市场潜力、竞争情况、团队能力、财务状况、技术等。
投资者需要考虑这些要素的潜在风险和回报，并根据这些因素来制定投资组合。
然而，将这些因素作为单独的变量来考虑是困难的。
更为精确的分析需要将它们看作是相互关联的变量。
另外，投资者需要根据他们的投资偏好、对特定行业和市场的知识等因素来确定最终的投资组合。
这就是风险投资决策分析问题的挑战。
相对于传统的概率模型，贝叶斯网络可以更好地处理这种情况。
三、贝叶斯网络在风险投资决策分析中的应用贝叶斯网络是一种图形模型，用于描述变量之间的关系。
它可以用于描述各种自然语言处理、信号处理、图像处理等领域的问题。
当应用于风险投资决策分析中，它可以帮助投资者发现不同变量之间的关系，并以此做出更准确的决策。
基于贝叶斯理论的金融决策分析
基于贝叶斯理论的金融决策分析一、引言随着金融市场的不断发展，投资者们面临越来越多的信息和决策。
在这个多变的大环境下，如何做出正确的决策成为了投资者们必须要关注的问题。
本文将从贝叶斯理论出发，探讨如何基于贝叶斯理论进行金融决策分析。
二、贝叶斯理论简介贝叶斯理论是一种基于概率的统计学方法，可用于哲学、科学、工业以及金融等领域。
该理论追溯至18世纪，以英国数学家托马斯·贝叶斯命名。
该理论的核心概念是先验概率和后验概率。
先验概率指在进行实验或观察前，为结果发生概率估计的概率分布。
而后验概率是在已经观察到实验结果后，重新计算该结果出现概率的概率分布。
贝叶斯理论将先验概率与数据结合起来，再重新估计后验概率，从而不断更新我们对结果出现的概率的认识。
三、基于贝叶斯理论的金融决策分析贝叶斯理论在金融决策分析中的应用较为广泛，可以对投资组合、股票价格、货币政策等方面进行有效的分析。
1. 投资组合分析投资组合分析是指根据风险和收益评估投资组合。
使用贝叶斯理论进行投资组合分析时，可以从历史数据中获得股票风险指数的先验概率，并结合当前市场数据计算后验概率。
通过不断更新先验概率可以使投资者更加准确地了解投资组合的可能表现，同时确定最佳购买时机和卖出时机。
2. 股票价格分析股票价格分析是指根据历史价格、市场趋势、基本面等信息对股票价格进行预测。
使用贝叶斯理论进行股票价格预测时，可以将股票价格的上涨或下跌视为事件，建立贝叶斯网络。
通过数据的更新和概率的重新计算，可以得出影响股票价格变化的因素，从而进行更准确的价格预测。
3. 货币政策分析货币政策分析是指对央行的货币政策进行评估和预测。
使用贝叶斯理论进行货币政策分析时，可以将货币政策的变化作为事件，建立贝叶斯网络。
通过数据的更新和概率的重新计算，可以得出央行货币政策变化的概率，从而预测未来货币政策的方向。
四、案例分析为了更好地理解基于贝叶斯理论的金融决策分析，在这里我们来看一下一个真实的案例——股票涨停板分析。
贝叶斯决策理论方法研究论文
论文题目：贝叶斯决策理论方法的研究作者姓名：高汝召专业名称：应用数学入学时间：2003年9月研究方向：现代统计与随机分析指导教师：刘福昇职称：教授论文提交日期：2006年５月论文答辩日期：2006年６月授予学位日期：STUDY ON BAYESIAN DECISION MAKING THEORYAND METHODSA Dissertation submitted in fulfillment of the requirements of the degree ofMASTER OF SCIENCEfromShandong University of Science and TechnologybyGao RuzhaoSupervisor: Professor Liu FushengCollege of Information Science and EngineeringMay, 2006声明本人呈交给山东科技大学的这篇硕士学位论文，除了所列参考文献和世所公认的文献外，全部是本人在导师指导下的研究成果。
该论文资料尚没有呈交于其它任何学术机关作鉴定。
硕士生签名：日期：AFFIRMATIONI declare that this dissertation, submitted in fulfillment of the requirements for the award of Master of Science in Shandong University of Science and Technology, is wholly my own work unless referenced of acknowledge. The document has not been submitted for qualification at any other academic institute.Signature:Date:山东科技大学硕士学位论文摘要摘要本文主要讨论了三个问题：首先是相对于传统的贝叶斯决策理论仅考虑的是单方面的风险，将贝叶斯决策理论应用到需要考虑多个风险的问题中，结合多目标决策理论来处理多风险的问题，提出一种我们称之为贝叶斯多目标决策的理论方法，并且给出最终解的选取方法。
贝叶斯方法估计推断决策
贝叶斯方法估计推断决策引言在数据分析与决策中，贝叶斯方法是一种基于概率统计的推理与决策方法。
贝叶斯方法通过给定观察到的数据，结合先验知识或假设，计算后验概率分布，从而进行推断与决策。
本文将介绍贝叶斯方法的基本原理、相关公式和应用场景。
贝叶斯方法的基本原理贝叶斯方法的基本原理可以用贝叶斯定理来表示。
贝叶斯定理是一种条件概率的计算方法，可以用来更新先验概率分布。
$$ P(A|B) = \\frac{{P(B|A) \\cdot P(A)}}{{P(B)}} $$其中，P(A|B)表示在已知事件 B 发生的条件下事件 A 发生的概率，P(B|A)表示在已知事件 A 发生的条件下事件 B 发生的概率，P(A)和P(B)分别表示事件 A和事件 B 的先验概率。
贝叶斯方法通过计算先验概率和条件概率，可以得到后验概率分布，从而进行推断和决策。
贝叶斯方法的基本步骤包括：确定先验分布，计算似然函数，计算后验概率分布，进行推断与决策。
贝叶斯方法的相关公式贝叶斯定理的推导贝叶斯定理可以通过联合概率的定义和条件概率的定义推导得到。
假设事件 A 和事件 B 是两个相互独立的事件，其联合概率可以表示为 $P(A, B) = P(A) \\cdot P(B)$。
根据条件概率的定义，$P(A|B) = \\frac{{P(A, B)}}{{P(B)}}$，代入联合概率的表达式可以得到 $P(A|B) = \\frac{{P(A) \\cdot P(B)}}{{P(B)}}$。
同样地，根据条件概率的定义，$P(B|A) = \\frac{{P(A, B)}}{{P(A)}}$，代入联合概率的表达式可以得到 $P(B|A) = \\frac{{P(A) \\cdot P(B)}}{{P(A)}}$。
由两个等式可得 $P(A|B) = \\frac{{P(B|A) \\cdot P(A)}}{{P(B)}}$，即贝叶斯定理。
朴素贝叶斯分类器朴素贝叶斯分类器是贝叶斯方法的一种应用，常用于文本分类等任务。
毕业论文贝叶斯决策分析
毕业论文贝叶斯决策分析贝叶斯决策分析是一种基于统计学原理的决策方法，它能够通过概率模型和贝叶斯定理来评估不确定情况下的决策风险和收益。
本文将介绍贝叶斯决策分析的基本原理和应用，以及其在实际问题中的应用。
首先，我们来了解一下贝叶斯决策分析的基本原理。
贝叶斯决策分析是基于贝叶斯定理的推理方法，它将概率模型和决策问题相结合。
在贝叶斯决策分析中，我们首先通过观察到的数据来估计模型的参数，然后使用这些参数来计算各种可能的决策结果的概率，最后选择具有最大期望收益的决策。
对于一个具体的决策问题，我们首先需要构建一个概率模型，该模型将描述不同决策结果和不同事件之间的概率关系。
然后，我们需要通过观察已知的数据来估计概率模型的参数。
一旦我们估计出参数，我们就可以根据贝叶斯定理来计算不同决策结果的后验概率，即在给定已知数据的条件下，不同决策结果发生的概率。
最后，我们选择具有最大期望收益的决策结果作为最优决策。
贝叶斯决策分析可以在各种不确定性决策问题中应用。
例如，在医学诊断中，我们可以使用贝叶斯决策分析来根据病人的症状和检测结果来确定病人是否患有其中一种疾病。
在金融投资中，我们可以使用贝叶斯决策分析来评估不同投资策略的风险和回报，并选择最优的投资组合。
在工程设计中，我们可以使用贝叶斯决策分析来评估不同设计方案的可行性和效益，并选择最优的设计方案。
贝叶斯决策分析的应用还包括决策树、朴素贝叶斯分类器、最大期望算法等。
决策树是一种基于贝叶斯决策分析的决策模型，它通过将决策问题划分为一系列决策节点和结果节点，从而形成一棵树状结构来进行决策。
朴素贝叶斯分类器是一种基于贝叶斯决策分析的分类方法，它假设不同特征之间相互独立，然后使用贝叶斯定理来计算不同类别下的后验概率，最后选择具有最大后验概率的类别作为分类结果。
最大期望算法是一种基于贝叶斯决策分析的参数估计方法，它通过迭代优化来估计参数的最大似然值。
总之，贝叶斯决策分析是一种有效的决策方法，它能够通过概率模型和贝叶斯定理来评估不确定情况下的决策风险和收益。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
管理决策分析贝叶斯决策分析文献综述单位：数信学院管理07小组成员：0711200209 王双0711200215 韦海霞0711200217 覃慧完成日期：2010年5月31日有关贝叶斯决策方法文献综述0． 引言决策分析就是应用管理决策理论，对管理决策问题，抽象出系统模型，提出一套解决方法，指导决策主体作出理想的决策。
由于市场环境中存在着许多不确定因素 ,使决策者的决策带有某种程度的风险。
而要做出理想的抉择，在决策的过程中不仅要意识到风险的存在，还必须增加决策的可靠性。
在风险决策中，给出了很多如何确定信息的价值以及如何提高风险决策可靠性的方法。
根据不同的风险情况，要采取不同的风险决策分析的方法。
贝叶斯决策分析就是其中的一种。
1．贝叶斯决策分析的思想及步骤从信息价值的经济效用的角度，讨论贝叶斯公式在风险决策中的应用。
首先根据期望值原则，以先验概率为基础，找到最优方案及其期望损益值和风险系数，然后用决策信息修正先验分布，得到状态变量的后验分布，并用后验分布概率计算各方案的期望损益值,找出最满意方案,并计算其风险系数（这里计算的风险系数应比仅有先验条件下计算的风险系数要小)，最后求出掌握了全部决策信息值的期望损益值。
用全部决策信息值的期望损益值减去没有考虑决策信息时的期望收益，就得到了决策信息的价值。
步骤如下：（1）已知可供选择的方案，方案的各状态概率，及各方案在各状态下的收益值。
（2）计算方案的期望收益值，按照期望收益值选择方案。
（3）计算方案的期望损益标准差和风险系数。
运用方案的风险系数来测度其风险度，即得到每个方案每一单位期望收益的离散程度指标。
该指标越大，决策风险就越大。
期望损益标准差公式：∑=-=n 12A )()(i i Ai x P EMA CP δ风险系数： )()(1i i u E u D V =δ（4）利用贝叶斯公式对各种状态的概率进行修正。
先算出各个状态下的后验概率，计算掌握了决策信息后的最满意方案的期望收益值和风险系数，最后算出信息的价值。
2． 贝叶斯决策分析的应用领域2.1 港口规划等问题港口吞吐量()i s 与其预测出现的现象()j z 为相互独立的事件。
事件,i j s z 发生的概率分别是()i P s 、()j P z 。
在事件j z 发生的条件下，事件i s 发生的概率为(/)i j P s z 。
运用贝叶斯公式进行事件的原因分析和决策。
根据贝叶斯定理可求得各预测概率，然后针对各种预测信息计算采取不同决策的期望值，把期望值填入决策树，选取期望值最大者（或最小者）为决策方案。
以港口吞吐量作为状态变量或者不可控变量i s ，其概率()i P s 是事先必须取得的。
我们认为：已知条件的港口吞吐量和概率的预测都是人为定下来的，这就具有一定的差异性，这会影响到效果的准确性。
虽然这样，但是利用贝叶斯进行风险决策还是具有一定的依据性。
案例中运用到决策树，使整个决策过程更为形象，更为方便，整个运算更加简明清晰。
为了提高预测的可靠性，在规划中应加强进行当地的经济调查和市场的分析工作。
2.2 模式识别、自然灾害的预测等史毓达等（2007）[4]采用贝叶斯决策的方法进行模式识别的分类，将火灾报警的分类简化为离散的二值分类问题，并利用平均风险极小的原则得出最终决策函数，从而减少火灾报警器漏报和误报。
在系统设计的过程中首先采用贝叶斯决策进行情况分类将问题转化为对特定模式的决策分类，使决策错误造成的分类误差在整个识别过程中的风险代价最小；然后将模型简化，把问题归结为离散情形下的二类方法，并利用平均风险极小的原则得出最终决策函数。
本文引入贝叶斯决策方法识别判定有效解决火灾自动报警系统漏报、误报，并提出优化火灾自动报警系统今后的研究方向。
张洪刚等（2004）[5]根据贝叶斯分析，用先验分布考虑水文要素的自然不确定性，用似然函数描述水文模型和参数的不确定性，通过亚高斯模型对实际流量与模拟流量进行正态分位数转化，并对转化后的时间序列进行线性一正态假设，得到实际流量的后验密度函数的解析解。
利用白云山水库的资料进行检验，结果表明贝叶斯概率洪水预报可显著提高预报精度，实现了预报与决策的有机结合。
作者指出贝叶斯概率洪水预报模型对模型的输出结果进行改进与提高，但并不对模型结构作任何修改，其结果依赖于所采用的确定性水文模型。
该模型提供了预报值的后验分布密度函数，使得预报人员能以定量的、概率分布的形式描述预报不确定性，实现了预报与决策过程的有机结合。
但如何选取先验分布与似然函数以及如何考虑概率降水对结果的影响，才能得到最佳的预报结果，这些问题还有待进一步探讨。
2.3 项目投资等企业管理问题唐红等（2008）[6]《期权理论和贝叶斯方法在项目投资决策中的应用》中，针对大多数投资项目的可延迟决策的特点，采用贝叶斯决策方法与期权理论对项目投资进行决策。
首先由贝叶斯公式计算投资时间推迟后的现金流的分布即贝叶斯决策的后验分析；然后利用期权理论计算期权价值并对得到的净现值进行修正，再进行决策，是否要项目进行投资。
本文的模型是针对投资期长的项目的改进决策方法，是传统决策方法的补充，弥补了传统决策方法忽略的项目等待过 程中信息的价值及项目后续投资价值所带来的利益问题的不足。
袁子甲等（2009）[7]在传统的均值—方差模型基础上引入贝叶斯方法，对投资组合进行选择，克服了传统均值—方差模型对参数的敏感性，从而在很大程度上提高最优投资组合的稳健性。
本文首先介绍了传统均值—方差模型，然后再这基础上引入贝叶斯方法，把参数的取值看着是随机变量，采用收益率的预测分布考虑估计风险和参数不确定性，再建立相应的模型进行决策。
本文针对传统均值—方差模型所得到的投资组合在实际中的效果较差且收益极不稳定，对参数十分敏感的问题，引入了贝叶斯方法，使参数的取值是随机变量，使传统均值—方差模型所得到的投资组合的结果更优。
2.4 库存管理及供应链管理等陈金亮等（2005）[8]针对传统预测与订货模式对不确定的需求缺乏反应的问题，建立了具有需求预测更新的订货模式模型，比较了两种订货模式在集中决策供应链中的收益和最优订货水平。
而后针对分散决策供应链中具有需求预测更新的批发价合同引起的双重边际化问题，利用收入分配合同进行分析并得到解决方案及一些有用的结论。
具有需求预测更新的订货模式的基本思想，是在一般策略下的预测与订货的提前期中引入第二次订货修正，从而使下游企业可以充分利用两次订货之间的信息，减少一次订货的非准确性造成的损失。
作者通过对一汽一大众公司及其特约经销商BJ 公司的调研发现，公司双方为了应对生产与采购的提前期，BJ 公司每天登记汽车和备件的出库信息和销售信息，按计划统计库存和销售状况，并在此基础上提前4个月制定采购的滚动计划下达滚动订单，而后2个月内BJ 公司搜集为变更计划提供决策支持的内外部信息，2个月后按照规定的程序制定变更计划下达变更订单，实现对滚动订单的修正并形成最终的订货订单。
这种订货方式基本与具有需求预测更新的订货模式相仿，通过这种订货方式，BJ 公司提高了对需求预测的准确性，从而在很大程度上减小了订货不准确造成的损失。
3． 贝叶斯分析中概率分布设定李腊生等（2009）[9]从主客观概率之争入手，结合现实金融资产投资中概率分布的不可知性，讨论金融资产投资分析中的概率分布设定风险，同时借用贝叶斯学习过程与序贯决策策略，探讨概率分布设定风险的控制与投资决策的优化。
分析结论认为，基于贝叶斯分析的序贯决策，无论在提升期望收益方面，还是在控制概率分布设定风险方面都是有效的。
在投资实践中，控制或降低概率分布设定错误风险，不仅可以用贝叶斯分析改善概率分布的判断，还可以将投资规模与贝叶斯分析相结合，依据不确定程度来决定投资水平，采取序贯式投资策略。
从而实现期望收益的有效提升和风险的规避。
它相当于基于贝叶斯分析的动态投资组合策略实现投资行为。
假设投资者只有期望收益大于0时才进行投资。
讨论两状态（股价上涨或下跌）两段式决策。
第一阶段的投资比例为ω，经过观察，第一阶段上涨预计第二阶段仍上涨的概率为11p ，第一阶段下跌第二阶段上涨的概率为12p ，两个阶段的涨跌幅相同，涨幅为1r ，跌幅为2r 。
则两阶段的期望收益为：0111102122()max[(1)(),](1)max[(1)(),]E r p r E r r p r E r r ωωωω=++-+其中为0p 初始时刻投资者预期的上涨概率。
若投资者采取一次性投资，则最终的期望收益率为：00102()(1)e e E r p r p r =+-其中，1e r 为初始时刻投资者预期的上涨收益率，2e r 为下跌收益率。
由于1()i E r (1,2i =)是获得补充信息后，依后验概率计算的第二阶段期望收益，所以有1()e i i E r r ≥ （1,2i =）由此可得： 0()()E r E r ≥另外，与一次性决策相比，序贯式决策具有更小的风险则是肯定的。
序贯式决策的这种占优特征不仅能较好地解释在证券市场实践中投资者通常会采取仓位控制的行为，和新产品投资项目中投资者先上马一小规模企业，而后才考虑是否扩张式的企业行为，以及制度或体制改革过程中先试验后推广的行政组织行为。
但是，当人们无法完全了解不确定性决策问题的真实概率分布时，无论是序贯式决策还是贝叶斯分析，其都不能完全消除概率分布设定风险，利用贝叶斯分析或基于贝叶斯分析的序贯式决策只能降低或控制概率分布设定风险。
4．对贝叶斯决策分析的评价贝叶斯决策分析是以贝叶斯理论为基础的，由贝叶斯定理可以得出通过抽样增加信息量可以减少决策风险的结论，这一结论保证了贝叶斯决策的科学性。
除此以外，贝叶斯决策通过对完全信息价值、抽样信息价值及抽样信息价值减去抽样成本等指标的考察 ，又从经济的角度保障了该方法的可行性。
但是，仍存在一定的不足：（1）在进行贝叶斯分析时，判断是否进行实际抽样是以其具有的经济价值为唯一标准。
但是，抽样了之后不知道是否会改变决策的结果。
抽样需要一定的时间，时间可能会改变一个方案的优劣程度，另外，抽样要花费的人力、物力、财力等，人力物力这些都是无法量化的和比较的，所以会影响到决策的结果。
（2）在贝叶斯最小风险决策中虽然考虑了损失而使风险达到最小，但是没有考虑是否达到了期望收益和期望效用的大小。
虽然该方法依据贝叶斯理论，通过抽样和其它技术使概率分布状况的准确性得以提高，因此减少了决策风险，但是风险始终没有消除。
而我们知道高收益经常是与高风险相伴随的，单独考虑任何一个都不是完全的，最终都可能出现与投资者初衷不一致的结果。
为了使贝叶斯决策方法更完善，应该对其决策方法进行改进。
对于原先只用期望受益和期望效用或只以最小风险为判断准则的方法加以改进，形成以两者结合为标准的决策准则。