Beruflich Dokumente
Kultur Dokumente
Ouvrages :
S. O. Hansson, Decision Theory: A Brief Introduction , Department of Philosophy and History of Technology, Royal Institute of Technology (KTH), Stockholm, 1994, minors revisions in 2005. H. Raffa, Analyse de la dcision : introduction aux choix en avenir incertain , Dunod, 1973. Traduction de Decision analysis : introductory lectures on choices under uncertainty , Addison-Wesley, 1970. F. Carluer, A. Richard, Analyse stratgique de la dcision , PUG, 2002. R. Kast, La thorie de la dcision , La dcouverte, 1993.
Plan
Introduction Problmatique de la dcision face au risque Critres pour la dcision dans le risque Le critre de Pascal : maximun de l!Esprance Mathmatique Calculs de l!esprance mathmatique Arbres de dcision et calcul de l!esprance mathmatique Aversion pour le risque
Cours :
D. Bouyssou, Lamsade CNRS, Paris. J.Y. Jaffray, P. Perny, C. Gonzales, LIP6 CNRS, Universit Paris VI.
P la n
1. Introduction ! Problmatique de la dcision face au risque ! Caractristiques de la dcision 2. Critres pour la dcision dans le risque ! Le critre de Pascal : maximun de l!Esprance Mathmatique ! Calculs de l!esprance mathmatique ! Usage des tables et arbres de dcision 3. Aversion pour le risque ! Aversion pour le risque : paradoxe de St Petersbourg ! Fonction d!utilit de la richesse et Equivalent Certain ! Equivalent Certain et Prime de Risque
1 - Introduction
! Problmatique de la dcision face au risque ! Caractristiques de la dcision
p( s j ) = p j , "j
Si le dcideur di ! D et que sj ! se ralise, il en rsulte que la consquence ck ! C, o C est l!ensemble des consquences sur lequel est dfinie une fonction d!utilit U(ck). => Une dcision est alors une application de S dans C On peut considrer que l!utilit U correspond aux rsultats montaires de la dcision : Exemple : jeu de pile ou face (100 " d!enjeu) : S C matrice des rsultats : P P +100" S F Pile (P) Face (F) D Choix Pile Choix Face U(+100) U(-100) U(-100) U(+100) F F P -100"
dans le risque
Plusieurs critres sont possibles : ! Critre de Pascal (critre de l!Esprance Mathmatique ou Esprance Mathmatique de Gain - EMG) : Adapt des risques peu levs Lorsque le risque est plus lev, l!aversion pour le risque doit tre considre et l!on a recours d!autres critres (Critres de Markowitz, de Bernouilli, )
Si " j : a1j > a2j, alors d1 domine d2 L!esprance mathmatique se calcule ainsi :
J
E[ di ] = " p j aij
j =1
Le choix de la meilleure dcision correspond la maximisation de l!esprance mathmatique de chaque dcision, soit :
J
Max
i
"p a
j =1
j ij
10
Cas 1 : nonc
Cas 1 :
Un commerant doit commander en dbut de saison un lot de vtements auprs d!un fabricant qui ne pratique pas le rassortiment en cours de saison : ! il choisi entre 3 types de dcisions de commande (Faible, Moyenne, Eleve) et ! il considre 3 tats de la demande (Basse, Moyenne, Forte), ce qui le conduit en s!appuyant sur son exprience des annes passes, la matrice de dcision (matrice des gains) suivantes (en K") :
Etats de S Dcisions de D Faible (d1) Moyenne (d2) Eleve (d3) Basse (s1) 100 60 10 Moyenne (s2) 100 150 120 Forte (s3) 100 150 200
Calcul de l!Esprance Mathmatique (E[di]) : ! E[d1] = (100x0,2)+(100x0,5)+(100x0,3) = 100 ! E[d2] = (60x0,2)+(150x0,5)+(200x0,3) = 132 ! E[d3] = (10x0,2)+(120x0,5)+(200x0,3) = 122 On en conclut que : ! la dcision d2 domine les 2 autres dcisions (E[d2] = 132) ! la dcision d3 est la fois risque (utilit mini = 10) et d!esprance moindre que la dcision d2 (122 < 132)
Avec : D = ensemble des dcisions {Faible, Moyenne, Eleve} S = ensemble des situations possibles {Basse, Moyenne, Forte}
11
12
Dcisions squentielles
Plusieurs dcisions d!enchanent les unes la suite de l!autres Entre 2 dcisions Di et D i+1, on possde de nouvelles observations (nuds d!vnement ou nuds de chance) Exemple :
Arbre associ :
13
14
15
16
17
18
!
Calcul dans un arbre de dcision (5)
Calcul dans un arbre de dcision :
! Des feuilles vers la racine ! Si le nud est un nud vnement (ou chance) : on calcule une esprance ! Si le nud est un nud de dcision : on conserve le maximum
!
Dcisions squentielles : The wildcatter!s problem (Raiffa 1961)
! un prospecteur ptrolier doit dcider si oui (Drill) ou non (Not drill) il va forer un site donn, avant que son option arrive expiration. Il ignore beaucoup de chose, notamment si le sol est sec (Dry), humide (Wet) ou tremp (Soak). A un cot de 10000$ peut faire faire des sondages sismiques, un test, qui peuvent dterminer la structure gologique du site. Le sondage dvoilera si le dessous du terrain n!a pas de structure (NS), ce qui est mauvais, ou a une structure ouverte (Open structure OS), ou une structure ferme (Closed structure CS), qui est le plus souhaitable. ! Matrice des rsultats :
Etats de S Dcisions de D Drill (d1) Not drill (d2) Dry (s1) (p1=0,5) 70000 0 Wet(s2) (p2=0,3) 50000 0 Seismic test results (R) No structure (ns) 0,6 0,3 0,1 Open structure (os) 0,3 0,4 0,4 Closed structure (cs) 0,1 0,3 0,5 Soak (s3) (p3=0,2) 200000 0
Sens du calcul
19
20
21
22
23
24
U(W0 + x2)
Pourquoi ?
L!explication de Bernouilli est que les 2 personnes n!apprcient pas de la mme manire l!utilit U des gains selon leur niveau de richesse (W). Cette explication ne sera remise en compte que bien plus tard par Marshall pour donner lieu la fonction d!utilit de la richesse
U(W0 + x1)
U(W0)
#(W0 ,x) = EC
W0
W0 + x 1
-1
W0 + E[x]
W0 + x 2
U {E(U(W0 + x)]} 25 26
! L!esprance de l!utilit de la richesse finale E[U(W0 + x)] diffre de l!utilit de la richesse finale W0 + E[x] ! Cet cart #( W0, x) exprim sur l!axe montaire (W) est appel Equivalent Certain (EC) ! EC dsigne la quantit de revenu certain qui rendra le choix indiffrent quand il faut choisir entre un rsultat certain et un rsultat incertain non alatoire (par exemple le prix maximum qu!un joueur est prt payer pour un billet de loterie)
27
28
40 K" 49 1
29