decisionSupport-package | 不确定性下决策的定量支持。 | ||
as.data.frame.mcSimulation | 将蒙特卡罗模拟结果强制为数据帧。 | ||
as.estimate | 创建多元估计对象。 | ||
as.estimate1d | 创建一维估计对象。 | ||
chance_event | 模拟随机事件的发生 | ||
corMat | 返回相关矩阵。 | ||
corMat.estimate | 获取并设置“估计”对象的属性。 | ||
corMat | 替换相关矩阵。 | ||
corMat | 获取并设置“估计”对象的属性。 | ||
decisionSupport | 福利决策与信息价值分析包装函数。 | ||
discount | 净现值(NPV)计算的贴现时间序列 | ||
empirical_EVPI | 一个简单模型的完全信息期望值(EVPI),其预测变量是从正态分布中抽样的。 | ||
estimate | 创建多元估计对象。 | ||
estimate1d | 创建一维估计对象。 | ||
estimate_read_csv | 从CSV文件读取估计值。 | ||
estimate_read_csv_old | 从CSV文件读取估计值。 | ||
estimate_write_csv | 将估算写入CSV文件。 | ||
eviSimulation | 信息期望值(EVI)模拟。 | ||
gompertz_yield | 多年生植物Gompertz函数产量预测 | ||
hist.eviSimulation | 绘制EVI模拟结果的直方图 | ||
hist.mcSimulation | 绘制蒙特卡罗模拟结果的直方图 | ||
hist.welfareDecisionAnalysis | 福利决策分析结果的直方图 | ||
individualEvpiSimulation | 完全信息模拟的个体期望值 | ||
make_CPT | 用似然法编制条件概率表 | ||
mcSimulation | 进行蒙特卡罗模拟。 | ||
multi_EVPI | 多变量完全信息期望值。这是filename_edges_strength函数的包装器。有关详细信息,请参阅filename_points_covered_by_landmarks函数的文档。 | ||
names.estimate | 获取并设置“估计”对象的属性。 | ||
paramtnormci_fit | 基于置信区间的截断正态分布参数拟合。 | ||
paramtnormci_numeric | 基于置信区间的截断正态分布的返回参数。 | ||
plainNames2data.frameNames | 转换模型函数变量名:普通到数据框名字。 | ||
plot.EVPI_outputs | 多变量完全信息期望值。这是filename_edges_strength函数的包装器。有关详细信息,请参阅filename_points_covered_by_landmarks函数的文档。 | ||
plot.EVPI_res | 一个简单模型的完全信息期望值(EVPI),其预测变量是从正态分布中抽样的。 | ||
plot_empirical_EVPI | 一个简单模型的完全信息期望值(EVPI),其预测变量是从正态分布中抽样的。 | ||
plot_multi_EVPI | 多变量完全信息期望值。这是filename_edges_strength函数的包装器。有关详细信息,请参阅filename_points_covered_by_landmarks函数的文档。 | ||
plsr.mcSimulation | 蒙特卡罗模拟结果的偏最小二乘回归(PLSR)。 | ||
print.mcSimulation | 打印蒙特卡罗模拟的基本结果。 | ||
print.summary.eviSimulation | 打印总结的EVI模拟结果。 | ||
print.summary.mcSimulation | 打印蒙特卡罗模拟的摘要。 | ||
print.summary.welfareDecisionAnalysis | 打印福利决策分析结果摘要。 | ||
random | 分位数或基于经验的通用随机数生成。 | ||
random.data.frame | 分位数或基于经验的通用随机数生成。 | ||
random.default | 分位数或基于经验的通用随机数生成。 | ||
random.estimate | 为估计值生成随机数。 | ||
random.estimate1d | 生成由一维估计定义的单变量随机数。 | ||
random.vector | 分位数或基于经验的通用随机数生成。 | ||
random_state | 为分类变量绘制一个随机状态 | ||
rdist90ci_exact | 基于90%置信区间的单变量随机数生成(通过精确的参数计算)。 | ||
rdistq_fit | 基于分位数的单变量随机数生成(通过参数拟合)。 | ||
rmvnorm90ci_exact | 90%置信区间多元正态随机数生成。 | ||
row.names.estimate | 获取并设置“估计”对象的属性。 | ||
rposnorm90ci | 基于90%置信区间的截断正态随机数生成。 | ||
rtnorm90ci | 基于90%置信区间的截断正态随机数生成。 | ||
rtnorm_0_1_90ci | 基于90%置信区间的截断正态随机数生成。 | ||
sample_CPT | 抽样条件概率表 | ||
sample_simple_CPT | 用似然法编制条件概率表 | ||
sort.summary.eviSimulation | 排序总结的EVI模拟结果。。 | ||
summary.eviSimulation | 总结EVI模拟结果 | ||
summary.EVPI_outputs | 多变量完全信息期望值。这是filename_edges_strength函数的包装器。有关详细信息,请参阅filename_points_covered_by_landmarks函数的文档。 | ||
summary.EVPI_res | 一个简单模型的完全信息期望值(EVPI),其预测变量是从正态分布中抽样的。 | ||
summary.mcSimulation | 总结蒙特卡罗模拟的结果。 | ||
summary.welfareDecisionAnalysis | 总结福利决策分析结果。 | ||
summary_empirical_EVPI | 一个简单模型的完全信息期望值(EVPI),其预测变量是从正态分布中抽样的。 | ||
summary_multi_EVPI | 多变量完全信息期望值。这是filename_edges_strength函数的包装器。有关详细信息,请参阅filename_points_covered_by_landmarks函数的文档。 | ||
temp_situations | 情况发生与解决 | ||
vv | 值变量函数 | ||
welfareDecisionAnalysis | 基于福利的决策问题分析。 |