Байевская сеть (БС) - инструмент сочетающий в себе причинно-следственный анализ и учет вероятности элементов причинно-следственной диаграммы. Позволяет получать ответы на вероятностные запросы.
Попробовал применить БС к дереву текущей реальности

В модели указана причина (Cause), следствия (Effect) и симптомы (Symptom).
Для причины принята априорная вероятность 0.9. Условные вероятности для следствий и симптомов приняты равными 0.9, если причина действует и 0.1 если причина не действует.
Проведен анализ вероятности действия причины если присутствуют свидетельства симптомов от 4-0 (все симптомы присутствуют) до 0-4 (нет ни одного подтверждения симптомов.
Результаты анализа приведены на диаграмме

Если все симптомы присутствуют, то вероятность действия причины равна 0.94, а если ни один признак не наблюдается, то вероятность действия причины уменьшается до 0.38
Вопрос - в каких случаях рационально учитывать вероятность для дерева текущей реальности?

А как влияет уверенность в действии причины?

Если уверенность в действии причины высокая (0.9), то наличие или отсутствие свидетельства признаков сильно влияет (0.94 - 0.38).
Если же уверенность в действии причин низкая (0.6), то наличие или отсутствие свидетельства признаков меняет уверенность в наличии проблем незначительно (0.617 - 0.578).
Вывод: если изменение признаков, на основе которых мы строим ДТР сильно влияет на поведение системы, то причина найдена верно. Вывод очевидный)))

Человек, издевающийся над людьми - садист; человек, издевающийся над животными - живодёр; человек, издевающийся над Деревом текущей реальности - А. Запорожцев?
ДТР - вполне определённый инструмент Логического процесса Теории ограничений. Определены составные элементы, их свойства, связи, методика применения инструмента.
Как понять Вашу фразу "Вывод: если изменение признаков, на основе которых мы строим ДТР сильно влияет на поведение системы, то причина найдена верно. Вывод очевидный)))" ? О каких признаках идёт речь, что такое поведение системы и о какой причине идёт речь в приложении к ДТР?
Кроме того, если формулировать ДТР в вероятностном виде, то надо, для начала, приводить Карту промежуточных целей к вероятностному виду. Хотел бы я на это посмотреть (категорически не путайте с анализом рисков).
Любопытно было бы увидеть простейшее ДТР, для которого Вы построили ваши картинки. Наверное, и Вам тоже?

Резюме: Я полагаю, что Вы опять забыли, что такое ДТР (как строится, для чего применяется).

Георгий Лейбович пишет: .
Любопытно было бы увидеть простейшее ДТР, для которого Вы построили ваши картинки. Наверное, и Вам тоже?

Название то бесовское какое...

Откройте мне веки... Ну ок

Условие первое (признаки)

1) Нарисовать круг
2) Читать молитву
3) Прокричит петух
4) Взойдет солнце

Можно попроще, для его студентов.

Для того, чтобы настал день

1) прокричит петух (симптом 1)
2) крик - ку-ка-ре-ку (симптом 2)
3) похлопает крыльями (симптом 3)
4) погонится за курицей (симптом 4)

Причина, почему восходит солнце, - действия на систему петуха

PS Теория может быть простой. Деминг

Георгий Лейбович пишет: ДТР - вполне определённый инструмент Логического процесса Теории ограничений.

Согласен, буду использовать простое название - причинно - следственная диаграмма ПСД.
Вот простая ПСД

Прибыль зависит от прохода и операционных расходы
Вероятности для этих элементов приняты следующие

Вероятность больших операционных расходов 0.7, а большого прохода 0.6
Вероятность прибыли рассчитывается на основе таблицы условных вероятностей

Рачсчет показывает, что вероятность большой прибыли низкая - 0.376.
Если получено свидетельство, что прибыль большая, то

вероятность большого прохода увеличиться до 0.83, а больших операционных расходов уменьшиться до 0.52
Если получено свидетельство, что прибыль недостаточная, то

вероятность большого прохода будет 0.46, в больших операционных расходов вырастит до 0.81

Для построения байесовских сетей я использую программу HUGIN.
Программа позволяет вычислять вероятность комбинации состояний элементов сети.
В качестве примера привожу расчет двух комбинаций состояний
1. P( Throughput ='yes', Opr-Expns = 'no' | Profit = 'yes') = 0.383
2. P( Throughput ='no', Opr-Expns = 'yes' | Profit = 'yes') = 0.074
Подтверждение того, что нужно увеличивать проход и снижать операционные расходы

Александр Филонов пишет: ...
Для того, чтобы настал день

1) прокричит петух (симптом 1)
2) крик - ку-ка-ре-ку (симптом 2)
3) похлопает крыльями (симптом 3)
4) погонится за курицей (симптом 4)

Причина, почему восходит солнце, - действия на систему петуха

Поскольку тема не задана, позволю себе продолжить шутку.
Александр, из Вашего списка можно было бы соорудить гораздо более интересную и показательную демонстрацию Б - сетей. Нужно построить направленный граф, образованный перечисленными Вами узлами, связав их причинными дугами (предположив зависимость/независимость узлов), приписать или рассчитать для каждого узла этого графа вероятность (безусловную или условную) и дальше сравнивать с эмпирическим результатом. Можно получить интересные результаты.
Пример 1. Предъявлено свидетельство "Петух крыльями не хлопал", а солнце встало. Если в этом случае модель даёт низкую вероятность восхода солнца, то явно проявляется квантовая природа эксперимента - налицо влияние наблюдателя (свидетельство), подсматривавшего за петухом (да и за солнцем тоже).
Пример 2. Солнце не встало. Ищем, где проштрафился петух, а для экономии ресурсов используем таблицу вероятностей. Может в результате анализа оказаться, что петух не виноват - курица была некачественная, а это не было учтено.
Ну, и так далее. Зато ДТР цело.

А если отвечать Александру Запорожцеву серьёзно, то, говоря на языке Б-сетей, на каждом этапе анализа при помощи ДТР мы предъявляем свидетельство, чем сразу меняем всю таблицу вероятностей, и так каждый раз. Чем-то это мне напомнило пересчёт цеховой логистики по Фролову (MES в его изложении) каждый раз, когда предъявлено свидетельство (работник напился, деталь запороли, станок встал) конкретного состояния узла. Гипотеза Экклезиаста: Бывает нечто, о чем говорят: "смотри, вот это новое"; но это было уже в веках, бывших прежде нас.

Георгий Лейбович пишет: А если отвечать Александру Запорожцеву серьёзно, то, говоря на языке Б-сетей, на каждом этапе анализа при помощи ДТР мы предъявляем свидетельство, чем сразу меняем всю таблицу вероятностей, и так каждый раз.

Работ, в которых рассматривался бы такой подход, я пока не нашел. Идея использовать БС в ходе построения ПСД мне приходила, но я пока не знаю как это сделать. Упоминается на метод адаптации БС, но с этим нужно еще разбираться
Я уже познакомился с несколькими работами, включая две диссертации, и везде на этапе анализа системы строиться БС - строиться причинная следственная связь между основными явлениями, а потом для них производиться оценка вероятностей. Наиболее надежный способ - это сбор статистики. Могут использоваться знания экспертов. После построения БС можно произвести вычисления и оценить вероятность определенных состояний.

Георгий Лейбович пишет: Кроме того, если формулировать ДТР в вероятностном виде, то надо, для начала, приводить Карту промежуточных целей к вероятностному виду.

Об этом нужно подумать))
Построение ДТР и байеосовых сетей исходят из разных предположений.
В одном случае используется предположение, что все симптомы сходятся к ограниченному количеству причин - в идеале к одной причине. Использование критериев проверки логических построений и наличие знаний о системе достаточно для выявления этих причин
Байесианство исходит из трех предположений:
Ключевой принцип 1: У любого полученного наблюдения есть множество различных возможных причин.
Ключевой принцип 2: Наша интерпретация любого события, а также любая новая информация, которую мы получаем, зависит от информации, которая у нас уже есть.
Ключевой принцип 3: Мы можем использовать концепцию вероятности для измерения наших субъективных убеждений в чём-то. Если мы хотим, чтобы наши убеждения были верными, мы обязаны так делать.

Александр Запорожцев пишет: Построение ДТР и байеосовых сетей исходят из разных предположений.
В одном случае используется предположение, что все симптомы сходятся к ограниченному количеству причин - в идеале к одной причине. Использование критериев проверки логических построений и наличие знаний о системе достаточно для выявления этих причин
Байесианство исходит из трех предположений:
Ключевой принцип 1: У любого полученного наблюдения есть множество различных возможных причин.
Ключевой принцип 2: Наша интерпретация любого события, а также любая новая информация, которую мы получаем, зависит от информации, которая у нас уже есть.
Ключевой принцип 3: Мы можем использовать концепцию вероятности для измерения наших субъективных убеждений в чём-то. Если мы хотим, чтобы наши убеждения были верными, мы обязаны так делать.

1. В этом самом одном случае Деттмер перечислил 10 предположений относительно свойств изучаемой системы, к которой на определённом этапе применяется дедуктивный метод анализа. Результатом этого является модель, содержащая ответ на вопрос о причинах проявления НЖЯ (симптомов). В этом перечислении содержатся повторяющиеся от инструмента к инструменту предположения (утверждения) относительно изучаемой системы. Непосредственно к данному инструменту - ДТР - относится предположение (принимаемое по умолчанию и, потому, часто упускаемое), что к такой системе применим дедуктивный метод.
Таким образом, Вы совершаете ошибку - сравниваете отдельный инструмент (ДТР), часть Логического процесса, и цельный метод исследования системы.
2. При построении ДТР мы пользуемся (кто понимает, что делает) иерархической структурой, что позволяет исключать переменные гораздо проще, чем в Б-сетях, что существенно упрощает структуру отношений.
3. Мне кажется, что не нужно пытаться стрелять из пушки по воробьям. Б-сети имеют гораздо более разумное применение, например, в медицине. Медики говорят, что, когда пациент принимает больше двух лекарств, очень трудно предсказать их взаимодействие, а когда больше трёх - практически невозможно. Люди живут всё дольше, количество болячек накапливается, медицина и фармакология развиваются...