Bir bilgi kaynağının (anket, örnekleme, uzman görüşü) karar üzerindeki gerçek değerini gösterir: önce bilgi almadan en iyi seçeneği bulur, sonra bilgi kaynağının olası her sonucu için — Bayes teoremiyle güncellenmiş (sonsal) olasılıklarla — kararı yeniden çözer. Aradaki fark Beklenen Örnek Bilgi Değeridir (EVSI).
Kazançta büyük değer iyidir; kayıpta küçük değer iyidir — hem bilgisiz karar hem her bilgi sonucu buna göre çözülür.
Bilgi kaynağının koşullu olasılıkları, her doğa durumu altında hangi sonucun ne olasılıkla görüleceğini anlatır — ör. "talep gerçekten yüksekse, araştırma %80 ihtimalle olumlu çıkar". Bir sonuç GÖRÜLDÜKTEN sonra bu bilgiyi tersine çevirip "olasılığı güncellenmiş" (sonsal) bir durum dağılımı elde etmek Bayes teoremidir:
İki formül de yalnızca çarpma ve bölme — bu yüzden tamamen tam kesirle hesaplanır, hiçbir yuvarlama yapılmaz. Her olası sonuç için bu sonsal olasılıklarla ödül matrisi yeniden çözülür (Risk Altında Karar Verme'nin aynı EMV motoruyla) — bu yeni çözümlerin olasılıkla ağırlıklı ortalaması, bilgi kaynağının gerçek değerini (EVSI) verir.
Kare düğümler karar noktalarıdır (bir seçenek seçilir), daire düğümler şans noktalarıdır (doğa kararı verir, olasılıkla). Ağaç sondan başa doğru (sağdan sola) geriye doğru indirgenerek çözülür: her şans düğümünün değeri dallarının olasılıkla ağırlıklı ortalaması, her karar düğümünün değeri dallarının EN İYİSİdir.
Kazanılmayan (optimal olmayan) seçenek dalları kesik çizgiyle budanmış gösterilir — değerleri görünür ama altları açılmaz, çünkü rasyonel bir karar verici o dalı hiç seçmez.
Sol taraf "bilgi almadan karar ver" dalı, sağ taraf "bilgi al" dalıdır — kökteki karar, ikisinin değerini karşılaştırıp hangisinin daha iyi olduğunu (bilginin maliyeti düşülerek) seçer.