4、概率影响矩阵构建步骤：识别风险事件、评估概率、评估影响、绘制矩阵、确定优先级

概率影响矩阵（Probability-Impact Matrix, PIM）的构建是早期预警信号传递中的核心量化环节。本节将五步构建法拆解为可操作的工程化流程，确保每个风险事件都能被准确定位并赋予优先级。

4.1 五步构建法总览

构建概率影响矩阵遵循“识别→评估→评估→绘制→排序”的线性逻辑，每一步的输出即为下一步的输入。下表概括了各步骤的核心任务与产出物：

4.2 步骤详解与SVG流程

4.2.1 识别风险事件

从早期预警信号中提取具体的风险事件。每个事件应具备唯一标识、触发条件、信号来源和简要描述。例如：信号“CPU温度持续高于85℃”可识别为事件“E-001：服务器热过载风险”。

4.2.2 评估概率

采用历史频率法或专家判断法，将概率划分为5个等级：

• 1-极低：几乎不发生（<10%）
• 2-低：较少发生（10%~30%）
• 3-中等：偶尔发生（30%~50%）
• 4-高：频繁发生（50%~70%）
• 5-极高：几乎必然发生（>70%）

4.2.3 评估影响

根据对系统功能、安全、成本或时间的影响程度，同样划分为5个等级：

• 1-可忽略：无实质性损害
• 2-轻微：局部功能降级
• 3-中等：主要功能受损
• 4-严重：系统部分瘫痪
• 5-灾难：系统完全失效

4.2.4 绘制矩阵

以概率为纵轴、影响力横轴构建5×5网格，每个单元格代表一个风险等级区域。下图展示了矩阵的坐标映射关系：

4.2.5 确定优先级

计算每个风险事件的风险值（R = P × I），并按数值大小排序。典型优先级划分规则如下：

4.3 矩阵构建的测试验证方法

为确保矩阵构建的准确性与可重复性，测试验证需覆盖以下三个维度：

1. 完整性验证：检查风险事件清单是否覆盖所有已识别的早期预警信号源，无遗漏。
2. 一致性验证：同一事件由不同评估者独立打分，计算评分者间信度（如Kappa系数），确保概率与影响等级判定一致。
3. 边界验证：对处于等级边界（如概率3与4之间）的事件进行敏感性分析，确认优先级划分不因微小波动而剧烈变化。

def build_pim(events):
    matrix = {}
    for event in events:
        p = assess_probability(event.signal_features)
        i = assess_impact(event.signal_strength)
        risk_score = p * i
        priority = classify_priority(risk_score)
        matrix[event.id] = {
            'probability': p,
            'impact': i,
            'risk_score': risk_score,
            'priority': priority
        }
    return matrix

4.4 常见构建误区与规避