Ситуация определяется набором действующих в данный момент t факторов (xi = 1) и факторов последействия (xj = 0, i ? j). Ситуация задается двоичным кодом в пространстве переменных X = .
    Варианты ситуации, определяемые как возможные наборы факторов, которые могут возникнуть на периоде прогноза, называются допустимыми ситуациями.
    На допустимых ситуациях экспертно определяются классы ситуаций, <интересных> для инвестиционного бизнеса. Например, такими могут быть благополучные для вложения (размещения) средств в сегмент рынка или некоторую бизнес-акцию ситуации или, наоборот, неблагоприятные, угрожающие ситуации, когда необходимо изымать вложенные средства, или же катастрофические ситуации, когда возврат вложенных средств исключен.
    В таблице показан пример благоприятных и неблагоприятных ситуаций, отмеченных экспертом для привлечения средств от инвесторов а1 и а2.

    Таким же образом могут быть определены классы ситуаций следующих типов:

    Процедуры индуктивного обобщения для выделенного класса ситуаций представляют собой методы нахождения той минимальной совокупности факторов, которые определяют класс ситуаций и позволяют качественно сравнивать классы между собой с целью выявления их сходства и различия.
    Конструктивное применение этих процедур показывается на простых примерах, где графическое построение - трехмерный куб (рис. 1) соотносится с данными таблицы.
    Итак, вводится пространство ситуаций X = , xi к {0, 1} для всех i = 1, ..., n. Вершины куба (см. рис. 1) суть допустимые ситуации в соответствии с таблицей. Ситуации, благополучные для инвесторов a1, а2, в таблице выделены экспертом и отмечены звездочкой.
    В пространстве X = они группируются в так называемые покрытия для благополучных ситуаций - ребро <4, 6>, грань <3, 7, 6, 2> (см. рис. 1). Эти покрытия называются максимальными (включают максимально возможное количество вариантов благополучных ситуаций).
    Максимальное покрытие обладает важным свойством: каждой его компоненте (точке, грани, ребру, кубу и т.д.) соответствует набор факторов, который является неизменным (инвариантным). Например, для грани <3, 7, 6, 2> это фактор x2 (см. рис. 1), все остальные факторы произвольно варьируются. Именно инвариантный набор факторов определяет класс ситуаций.
    Максимальное покрытие, состоящее из инвариантных наборов, является результатом индуктивного обобщения. Максимальному набору соответствует логическая формула в виде ДНФ (дизъюнктивной нормальной формы [2]), которая может быть принята за обобщенный образ (паттерн) класса ситуаций. Например, для максимального покрытия на рис. 1, состоящего из <4, 6> и <3, 7, 6, 2>, логическая формула паттерна благополучных ситуаций

    x2vx-1x3,
    где - знак дизъюнкции; <-> - знак отрицания, <> - знак конъюнкции.

    Интерпретация (чтение) формулы может выглядеть следующим образом: <Благополучная ситуация для инвестора a1 возникнет в случае, если будет действовать фактор x2 либо фактор x3 (при отсутствии фактора x1), либо оба эти случая>.
    Паттерн класса ситуаций в n-мерном пространстве удобно представлять двухмерными таблицами, которые называются диаграммами Вейча (ДВ) [4]. Каждая клеточка диаграммы соответствует десятичному номеру кода ситуации. Клеточки, входящие в класс ситуации, отмечаются специальным образом (цветом, штриховкой и т.д.).
    На рис. 2 приведены ДВ пространства из трех факторов, отмечены паттерны для класса ситуаций А1 (<3, 7, 6, 2> и <4, 6>) и А2 (<1, 5>, <5, 4>, <6, 2>, <2, 3>).
    Диаграммы Вейча удобны как для визуального, так и для формального анализа. На диаграммах хорошо интерпретируются операции объединения, пересечения и разности классов ситуаций, которые необходимы при анализе сходства и различия паттернов. При этом диаграммы Вейча, где клеточки <склеены> в фигуры, соответствуют небольшому числу факторов, которые устойчиво определяют ситуацию. Хаотическая <раскраска> клеточек диаграммы означает неустойчивость ситуации.

    Основной вопрос, который возникает в СБР, заключается в том, как засвидетельствовать (оценить) степень важности факторов или силу их влияния на ту или иную ситуацию. Такое свидетельство (evidence) должно быть максимально объективным. Существует, например, миф о том, что английская разведка получила значительно больше информации о движении немецких подводных лодок в 1940-1941 гг. из газет и рекламных объявлений (при специальной массовой обработке), чем из агентурных сообщений.
    Считается, что количество упоминаний о факторе (количество цитирований) определяет степень уверенности в его важности, далее будем употреблять термин <потенциал уверенности> (E). (В данной статье методика измерения потенциала уверенности отдельного фактора не обсуждается.)
    Считается, что первичное свидетельство о потенциале уверенности в каждом факторе получено, например, из СМИ, что потенциал уверенности в важности фактора после действия затухает по линейному закону, начиная от момента прекращения действия фактора, при этом время затухания потенциала до нулевого значения оценивается экспертно. Затухание фактора говорит о том, что о нем <забывают> и его влияние (давление) на ситуацию ослабевает со временем.
    Для каждого варианта ситуации (точки пространства факторов) потенциал уверенности рассчитывается по методике Пойа [5].
    Потенциал уверенности для паттерна класса ситуаций рассчитывается по методике Г. Шафера [1], т.е. суммируются потенциалы всех компонент, входящих в покрытие паттерна. Таким образом, учитывается конфигурация покрытия (его фигура на ДВ), представляющая именно этот паттерн. Для примера (см. рис. 1): потенциал уверенности паттерна благополучной ситуации для инвестора а1 имеет вид:

    ЕА1 = (Р4 + Р6 + Р2 + Р7 + Р3 +
    + Р<4, 6> + Р<7, 6> + Р<7, 3> + Р<3, 2> + + Р<6, 2> + Р<2, 3, 7, 6>),
    где P - потенциалы компонент покрытий, входящих в паттерн.

    Далее операции анализа демонстрируются на ДВ для четырех факторов (ДВ4). На рис. 3 приведен пример покрытия на ДВ4, соответствующий паттерну с логической формулой х3 (класс ситуаций зависит только от фактора x3).
    Можно ввести понятие потенциала сомнения в некоем паттерне А как инверсию ДВ (дополнение ДВ до паттерна А) и вычислить потенциал сомнения для соответствующего максимального покрытия, как показано на рис. 4.
    Потенциал сомнения выражает риск, с которым мы принимаем решение, основываясь на тех или иных факторах.
    Часто требуется вычислить уверенность в благополучности ситуации для портфеля клиентов. В этом случае ДВ-паттерн портфеля будет пересечением ДВ-паттернов клиентов с вычислением соответствующего потенциала уверенности Е для ДВ-портфеля .

    Воздействие вновь появляющихся факторов на уже существовавшие до некоторого момента паттерны ситуации может иметь разрушительный характер. Пример такого разрушения показан на рис. 5, где паттерн, построенный на пяти факторах, вдруг разрушается при появлении фактора х6. И наоборот, новый фактор может не только не носить разрушающего характера, но и приводить к так называемым фартовым ситуациям, когда благоприятная ситуация усиливается за счет нового фактора.
    Evidence-анализ - это новое направление в прогнозировании развития ситуаций, когда пространство факторов, определяющее <интересные> для инвесторов ситуации, все время меняется: старые факторы <умирают>, а новые <нарождаются>.
    Фундамент анализа составляют первичные экспертные оценки факторов и понимание экспертами сущности <интересных> ситуаций для конкретных инвесторов, поэтому Evidence-анализ относится к категории субъективного анализа. Но, несмотря на его субъективность, он дает возможность весьма логичной автоматической свертки информации, которая может быть использована для принятия решений в бизнес-процессе.