是否可以在Stan或PyMC3中编写决策模型？我的意思是：我们不仅定义了随机变量的分布，还定义了决策和效用变量的定义，并确定了期望效用最大化的决策。
我的理解是，Stan比PyMC3更像是一个通用优化器，因此这表明决策模型将在其中更直接地实现，但我想听听人们有什么看法。
编辑：虽然可以列举所有决策并计算其相应的预期效用，但我想知道更有效的方法，因为决策的数量可能组合太多(例如，从一个有数千种产品的列表中购买多少商品(。影响图算法利用模型中的因子分解来识别独立性，这些独立性允许仅在较小的一组相关随机变量上计算决策。我想知道是Stan还是PyMC3做了那种事。
贝叶斯决策理论的基本步骤是：
- 枚举可以做出的有限决策集
- 指定决策的效用函数，也许还有其他内容
- 在给定已知数据的情况下，从所有未知数的后验分布中得出
- 评估每个可能的决策和每个后验图的效用函数
- 以最高的预期效用做出决策，对后验平局取平均值
您可以使用任何软件(包括Stan和PyMC3(执行这五个步骤，这些软件可以从后验分布中生成(有效(绘图。在Stan中，应在generated quantities块中评估效用函数。