
系列文章: 物料准时风险: 第2篇Bayesian
EXA 引擎的解剖:混合分布与观测偏差
BA03.[准时物料入库: 附录 1] EXA 引擎的解剖:混合分布与观测偏差
- Bayesian
- bayesian
- Gibs Sampling
Evidence, methods, and operating insight for decisions that must work in the field.

BA03.[准时物料入库: 附录 1] EXA 引擎的解剖:混合分布与观测偏差

通过 [BA02. Exa 贝叶斯推断:销售的无形之手——60天的博弈] 系列的第1部分和第2部分,我们探讨了贝叶斯引擎如何建立“先验信念” (Prior Belief) 并追踪概率轨迹。现在,我们手中掌握着由贝叶斯参数 α 和 β 精确计算出的纯后验概率 (Pure Posterior Probability) $ P_{raw} $。然而,一切尚未结束,最终的决策过程仍待开启。即使是 60% 的概率,其决策分量也会因它是来自单次会议还是数十轮谈判而完全不同。

BA02.[附录 2:贝叶斯证据] 沉默的悖论:信息熵与对数加权几何学

这是一个 ExaWin+ 决策案例:将销售现场观察与客户反应作为贝叶斯证据持续更新,在 60 天内追踪赢单概率,并把有限的销售资源分配给更有价值的客户与行动。