普拉桑塔·帕坦尼克，1968年毕业于印度德里大学德里经济学院，获经济学博士学位，师承阿马蒂亚·库马尔·森教授。毕业后应邀到哈佛大学任经济学助理教授。曾先后执教于印度德里大学、牛津大学纽菲尔德学院。自1991年加入美国加州大学河滨分校，担任经济学教授，目前的主要研究方向有福利经济学和社会选择理论、决策论、贫困衡量理论和发展经济学，著有《Voting and Collective Choice》。
贝叶斯推断是推论统计学的一种方法。这种方法使用贝叶斯定理，在有更多证据及信息时，更新特定假设的概率。贝叶斯推断是统计学中很重要的技巧之一。贝叶斯更新在序列分析中格外的重要。贝叶斯推断应用在许多的领域中，包括科学、工程学、哲学、医学、体育运动、法律等。在决策论的哲学中，贝叶斯推断和主观概率有密切关系，常常称为贝叶斯概率。
决策论中 ，决策树由一个决策图论和可能的结果组成， 用来创建到达目标的规划。决策树建立并用来辅助决策，是一种特殊的树结构。决策树是一个利用像树一样的图形或决策模型的决策支持工具，包括随机事件结果，资源代价和实用性。它是一个算法显示的方法。决策树经常在运筹学中使用，特别是在决策分析中，它帮助确定一个能最可能达到目标的策略。如果在实际中，决策不得不在没有完备知识的情况下被在线采用，一个决策树应该平行概率模型作为最佳的选择模型或在线选择模型算法。决策树的另一个使用是作为计算条件概率的描述性手段。
在微观经济学、博弈论、决策论中，预期效用假说，又称预期效用理论，或期望效用理论，是一个效用理论，指在风险情况下，个人所作出的选择是追求某一数量的期望值的最大化。这个理论最早在1738年由丹尼尔·伯努利提出，该假说用于解释赌博和保险中的期望值。
在微观经济学、博弈论、决策论中，预期效用假说，又称预期效用理论，或期望效用理论，是一个效用理论，指在风险情况下，个人所作出的选择是追求某一数量的期望值的最大化。这个理论最早在1738年由丹尼尔·伯努利提出，该假说用于解释赌博和保险中的期望值。
在最优化，统计学，计量经济学，决策论，机器学习和计算神经科学的领域中，损失函数或成本函数是指一种将一个事件映射到一个表达与其事件相关的经济成本或机会成本的实数上的一种函数，借此直观表示的一些"成本"与事件的关联。一个最佳化问题的目标是将损失函数最小化。一个目标函数通常为一个损失函数的本身或者为其负值。当一个目标函数为损失函数的负值时，目标函数的值寻求最大化。
圣彼得堡悖论是决策论中的一个悖论，由尼古拉一世·伯努利提出。1738年，丹尼尔·伯努利以效用理论来解答这个问题，因此形成预期效用理论。
决策论中 ，决策树由一个决策图论和可能的结果组成， 用来创建到达目标的规划。决策树建立并用来辅助决策，是一种特殊的树结构。决策树是一个利用像树一样的图形或决策模型的决策支持工具，包括随机事件结果，资源代价和实用性。它是一个算法显示的方法。决策树经常在运筹学中使用，特别是在决策分析中，它帮助确定一个能最可能达到目标的策略。如果在实际中，决策不得不在没有完备知识的情况下被在线采用，一个决策树应该平行概率模型作为最佳的选择模型或在线选择模型算法。决策树的另一个使用是作为计算条件概率的描述性手段。
沃德·亚伯拉罕匈牙利数学家、美国哥伦比亚大学教授，在决策论、几何学、计量经济学等方面有所贡献，第二次世界大战期间为美国海军服务，发现幸存者偏差。
在最优化，统计学，计量经济学，决策论，机器学习和计算神经科学的领域中，损失函数或成本函数是指一种将一个事件映射到一个表达与其事件相关的经济成本或机会成本的实数上的一种函数，借此直观表示的一些"成本"与事件的关联。一个最佳化问题的目标是将损失函数最小化。一个目标函数通常为一个损失函数的本身或者为其负值。当一个目标函数为损失函数的负值时，目标函数的值寻求最大化。
Mini wiki
