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.
2009
Bernard ESPINASSE
Professeur l'Universit d'Aix-Marseille
Plan
Cours :
Dcider et valuer :
Reprsentation standard des dcisions individuelles :
Utilit Espre (UE)
De la thorie l!analyse de la dcision
P la n
1. Introduction la Thorie de la Dcision
! Thories normatives et descriptives de la dcision
! Thories normatives et normes
2. Dcider et valuer :
! Relations et nombres
! Logique des prfrences
! Usage des prfrences et utilits dans la prise de dcision
3. Reprsentation standard des dcisions individuelles :
! Ensemble d!alternatives
! Etats de nature et rsultats
! Matrices de dcision
! Arbres de dcision
4. Utilit Espre
! Rappels sur les probabilits pour la dcision
! Utilit objective et utilit subjective
5. Introduction l!Analyse de la Dcision
! De la Thorie de la Dcision l!Analyse de la Dcision
! Caractristiques des dcisions en Analyse de la Dcision
La thorie de la dcision
Un sujet interdisciplinaire
!
Le sujet n!est pas unifi : plusieurs faons diffrentes de thoriser sur les
dcisions, qui ont conduits diffrentes directions de recherche
Presque tout ce que fait un tre humain comporte des dcisions :
! Bien que ce soit maintenant clairement un sujet acadmique part entire, la thorie de
dcision est typiquement poursuivie par les chercheurs qui s!identifient comme
conomistes, statisticiens, psychologues, sociologues, politiciens et/ou
philosophes.
dcision
D c id e r e t v a lu e r
2. Quand nous prenons des dcisions, nous essayons, tant que
possible, de prendre de bonnes dcisions, ceci selon un
standard de ce qui est bon ou mauvais
3. Le choix d'une valeur-standard pour la prise de dcision (et
pendant la vie) est le sujet de la philosophie morale
2 Dcider et valuer
! Relations et nombres
! Logique des prfrences
! Usage des prfrences et utilits dans la prise de dcision
Relations et nombres
10
Relations et nombres
Modle des relations :
Dans ce simple exemple, on n!a pas besoin d!un modle plus formel, cependant 2 modles
formels utiles sont possibles :
On assigne des valeurs numriques chacun des 3 choix possibles, par exemple :
! A a la valeur 15
! B a la valeur 13
! C a la valeur 7
Puisque A a une valeur plus leve que B ou C, alors A devrait tre choisi.
11
12
! meilleur que ,
! plus mauvais que ,
! galement bon que ,
! au moins aussi bon que
!
Rgle 1 : A est meilleur que B si et seulement si (ssi) A est au moins aussi bon que B, mais
B n!est pas au moins aussi bon que A, soit :
A > B si et seulement si A ! B et non B ! A
Notation mathmatique :
! A > B pour A est meilleur que B (A > B signifie que B est plus mauvais que A comme A
est meilleur que B)
! A " B pour A et B sont galement bons
Rgle 2 : A est galement bon que B ssi A est au moins aussi bon que B et B est au moins
aussi bon que A, soit :
A ! B si et seulement si A ! B et B ! A
Exemple d"application de la rgle 1 :
ma voiture est meilleure que votre voiture
ma voiture est au moins aussi bonne que votre voiture, mais votre voiture n!est pas au
moins aussi bonne que la mienne.
Ces 2 expressions ont la mme signification.
13
14
En prise de dcision, des relations de prfrence sont utilises pour trouver la meilleure
alternative
Pour cela on utilise la rgle :
Rgle 1 : une alternative est meilleure ssi elle est meilleure que toutes les autres
alternatives : s!il y a une seule alternative qui est la meilleure, alors la choisir
Il y a des cas dans lesquels aucune alternative n!est uniquement la meilleure, puisque la position
la plus leve est partage par 2 ou plusieurs alternatives
Exemple :
! Le potage A et le potage B sont galement bons (A ! B)
! Le potage A est meilleur que le potage C (A > C)
! Le potage B est meilleur que le potage C (B > C)
Dans ce cas, la solution vidente est de slectionner A ou B.
Plus gnralement, la rgle suivante est utilise :
Rgle 2 : une alternative est (parmi) les meilleures ssi elle est au moins aussi bonne que
toutes les autres alternatives : s!il y a des alternatives qui sont meilleures, slectionner l!une
d'entre elles
Mais il y a des cas dans lesquels mme cette rgle modifie ne peut pas tre utilise pour dcider
Notons que les prfrences qui violent des critres de rationalit, tels que la transitivit, sont
rarement utiles pour guider des dcisions.
Elments de thorie de la dcision - Bernard ESPINASSE -
de prfrence :
> reprsente la prfrence ou la prfrence forte
" reprsente l!indiffrence
15
16
Rgle 2 : choisir l!alternative avec l!utilit la plus leve ; Si plus d!une alternative a l!utilit
la plus leve, slectionner l!une d'entre elles (n!importe comment)
Ensemble d!alternatives
Etats de nature et rsultats
Matrices de dcision
Arbres de dcision
17
18
Ensemble d!alternatives
Dans une dcision, on a choisir entre diffrentes alternatives (options, actions, )
dcision
! Une autre reprsentation d!un problme de dcision est l!arbre de dcision
! les alternatives
! les rsultats
! l!tat de nature (vnement, chance, )
19
20
Ensemble d!alternatives
Etats de nature
Dans la vie relle : les ensembles d!alternatives ouverts sont trs frquents
21
Certains de ces facteurs exognes sont connus : ils constituent l'information dont le
dcideur dispose.
D'autres sont inconnus : ils dpendent de ce que d!autres personnes feront et sur les lments de
la nature qui sont inconnus au dcideur.
Exemple : considrons la dcision d!aller ou de ne pas aller un concert en plein air.
Les rsultats (que je dois satisfaire ou pas) dpendront des facteurs naturels (le temps) et du
comportement d!autres tres humains
Dans la thorie de dcision, on regroupe les divers facteurs superflus inconnus dans un
certain nombre de cas, appels les tats de nature
22
Matrices de dcision
Etat de nature :
Exemple :
! considrons la dcision de porter ou de ne pas apporter un parapluie quand je sors
demain : L!effet de cette dcision dpend de s!il pleuvra demain
Les 2 cas il pleut et il ne pleut pas peuvent tre pris comme tats de nature
dans un traitement de cette dcision dans la thorie de dcision.
Rsultats :
Les rsultats possibles d!une dcision sont dfinis comme effets combins d!une
alternative choisie et de l!tat de la nature :
! Par consquent, si je ne prends pas mon parapluie et il pleut, alors le rsultat est que
j!ai une valise lgre et je suis mouill.
! Si je prends mon parapluie et il pleut, alors les rsultats sont que j!ai une valise plus
lourde et je ne suis pas mouill,
!
Il pleut
Il ne peut pas
Parapluie
Vtements secs,
valise lourde
Vtements secs,
valise lourde
Pas de parapluie
Vtements tremps,
valise lgre
Vtements secs,
valise lgre
! Pour chaque alternative et tat de nature, on assigne dans la matrice assigne un rsultat
(tel que vtements secs, la valise lourde ).
Pour utiliser une matrice de dcision, il faut en plus de :
! l!information sur la faon dont les rsultats sont valus
! l!information sur les tats de nature qui seront raliss.
23
24
! Pour reprsenter les valeurs des rsultats, on leurs assigne en gnral des
utilits
Dans la thorie de dcision, des matrices sont combines avec divers types
d!informations sur des tats de nature :
! Des descriptions verbales des rsultats peuvent alors tre remplaces par des
valeurs d!utilit dans la matrice :
Il pleut
Il ne peut pas
Parapluie
15
15
Pas de
parapluie
18
! Les cas comme celui-ci, quand un seul tat de nature doit tre pris en
considration, s!appellent la prise de dcision sous certitude
! Si on sait, pour chaque alternative, ce que seront les rsultats si on choisit cette
alternative, alors on agit aussi en certitude ;
25
Si, dans l!exemple ci-dessus, si je sais qu!il pleuvra, alors je peux prendre ma
dcision de faon trs simplement
26
Arbres de dcision
C!est une autre reprsentation traditionnelle de la dcision
Soit la matrice de dcision d!utilits suivante :
Parapluie
Pas de parapluie
Il pleut
15
0
Il ne peut pas
15
18
nud vnement :
chaque branche
reprsente un vnement
possible (tats de la
nature, chance, )
nud valeur : nud
terminaux de
consquences (utilit, )
Elments de thorie de la dcision - Bernard ESPINASSE -
27
28
Ex : l'tat du ciel demain matin si votre problme consiste savoir si vous allez
organiser une rception dans votre jardin ou dans votre salon)
A # S ! S\A # S;
! Cette nature peut prendre diffrentes formes, ce sont les divers tats de la nature , ici :
ciel dgag, nuageux, pluvieux,
A, B # S ! A ! B # S.
On appelle mesure de probabilit (ou plus simplement probabilit) toute fonction :
P:S"1
A " P(A)
1. P(A) " 0
2. P(S) = 1
29
Rappelons que ces 3 conditions impliquent que P(A) est toujours comprise entre 0 et 1
30
(1)
En combinant cette dernire expression avec la formule des probabilits totales on obtient
le clbre Thorme de Bayes :
De tout cela on tire facilement la formule des probabilits totales (ou formule d'expansion) :
n
P(B/A).P(A)
P(A/B) =
i=1
i=1
(partition d'un ensemble = ensemble d'ensembles non vides et disjoints dont la runion redonne l'ensemble de dpart)
Il dcoule de (1) :
P(A "
!B) = P(A/B).P(B) = P(B" A) = P(B/A).P(A)
On appelle gnralement :
P(B/A).P(A)
P(A/B) =
P(B)
31
32
Vous souhaitez lancer un nouveau produit. A priori vous pensez P(march favorable) = 0,6
Afin d'obtenir plus d'information vous avez command une tude de march un cabinet de
conseil que vous connaissez bien. Votre exprience passe avec ce cabinet vous permet
d'affirmer que les rsultats de ses enqutes sont fiables 80%, c'est dire que :
! P(tude favorable/march favorable) = P(EF/MF) = 0,8
! P(tude dfavorable/march dfavorable) = P(ED/MD) = 0,8
Vous recevez le rapport d'tude o l'on vous indique que le march sera favorable votre
produit. Sachant cette nouvelle information, vous rvisez vos croyances.
Ce qui nous intresse c'est P(march favorable/tude favorable) soit P(MF/EF). Nous ne
l'avons pas, mais nous pouvons la calculer simplement. En effet, les vnements (march
favorable) et (march dfavorable) forment une partition de l'ensemble des vnements. On
peut alors appliquer le thorme de Bayes et poser :
P(MF/EF) = P(EF/MF).P(MF) / [P(EF/MF).P(MF)+P(EF/MD).P(MD)]
On peut aussi calculer P(EF) qui est gale au dnominateur de l'expression prcdente, soit :
P(EF) = 0,8x0,6+0,2x0,4 = 0,56.
33
Utilit Espre
34
Utilit Espre
Parapluie
Pas de parapluie
En gnralisant :
Il ne peut pas
15
18
! les rsultats sont numrots, de sorte que les premiers rsultats aient une utilit
u1 et une probabilit p1, le second a une utilit u2 et une probabilit p2, etc
UE = p1 x u1 + p2 x u2 + pn x un
0.5 x 15 + 0.5 x 15 = 15
0.5 x 0 + 0.5 x 18 = 9
Si nous voulons maximiser l!utilit prvue, alors nous devons apporter le parapluie.
Elments de thorie de la dcision - Bernard ESPINASSE -
35
36
Decision Analysis :
! is the discipline comprising the philosophy, theory, methodology, and
professional practice necessary to address important decisions in a formal
manner.
! includes many procedures, methods, and tools for identifying, clearly
representing, and
! formally evaluates the important aspects of a decision situation, for prescribing
the recommended course of action by applying the maximum expected utility
action axiom to a well-formed representation of the decision,
! translating the formal representation of a decision and its corresponding
recommendation into insight for the decision maker and other stakeholders.
37
Source Wikipedia :
Most of decision theory is normative or prescriptive, i.e. it is concerned with
identifying the best decision to take, assuming an ideal decision maker who is
fully informed, able to compute with perfect accuracy, and fully rational.
The practical application of this prescriptive approach (how people should
make decisions) is called Decision Analysis, and aimed at finding tools,
methodologies and software to help people make better decisions. The most
systematic and comprehensive software tools developed in this way are called
decision support systems.
39
38