Rfrences

Analyse de la dcision dans l!Incertain (4)

2009 Bernard ESPINASSE
Professeur l'Universit d'Aix-Marseille

Ouvrages :
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 Critres de dcision face l!incertain (Wald, Savage, Hurwicz,) Les incertitudes et leur valuation (prob. objectives et subjectives)

Cours :
D. Bouyssou, Lamsade CNRS, Paris. J.Y. Jaffray, P. Perny, C. Gonzales, LIP6 CNRS, Universit Paris VI. P. Leray, INSA Rouen.

Analyse de la dcision en incertitude - Bernard ESPINASSE -

Analyse de la dcision en incertitude - Bernard ESPINASSE -

P la n
1. Introduction 2. Critres de dcision face l!incertain Critre de MaxiMax Critre de Wald Critre de Savage Critre de Laplace Critre de Hurwicz Critre de Bernouilli Comparaison des critres 3. Les incertitudes et leur valuation Typologie de l!incertitude Probabilits objectives Probabilits subjectives Evaluation de l!incertitude

1 - Introduction

Analyse de la dcision en incertitude - Bernard ESPINASSE -

Analyse de la dcision en incertitude - Bernard ESPINASSE -

Introduction
En prsence d!incertitude non mesurable, le dcideur ne peut plus pondrer l!importance respective de chaque tat par une probabilit, car il ne la connat pas Aussi, plusieurs critres pour la dcision individuelle ont t proposs :
! Critres de Laplace, Bernouilli, Wald, Hurwicz, Savage, Nous ferons une comparaison de ces critres La dernire partie sera consacre aux typologies de l!incertitude, aux probabilits objectives et probabilits subjectives, et l!valuation de l!incertitude

Enonc d!un cas : immobilier

On s!intresse un investissement immobilier : Faut-il investir dans : ! Une rsidence ! Un immeuble ! Un appartement ! Aucun des trois Cela va dpendre de l!tat du march immobilier : ! Fort / Moyen / Faible L!estimation des profits de chacun de ces investissements selon l!tat du march est :
March Dcision d!invest.

March Fort 550 300 200 0

March Moyen 110 129 100 0

March Faible -310 -100 -32 0

Rsidence Immeuble Appartement Aucun

Analyse de la dcision en incertitude - Bernard ESPINASSE -

Analyse de la dcision en incertitude - Bernard ESPINASSE -

Enonc d!un cas : arbre de dcision

Arbre de dcision associ :

2 Critres de dcision face l!incertain

Critre de MaxiMax Critre de Wald Critre de Savage Critre de Laplace Critre de Hurwicz Critre de Bernouilli Comparaison des critres

Analyse de la dcision en incertitude - Bernard ESPINASSE -

Analyse de la dcision en incertitude - Bernard ESPINASSE -

Critre de MaxiMax
C!est le critre du dcideur optimiste on redescend l!utilit maximale de chaque valeur Rgle : on choisit la dcision qui la plus grande utilit maximale

Critre de MaxiMax
Arbre de dcision associ :

Critre de Wald ou MaxiMin (W)

C!est le critre du dcideur pessimiste : dcider comme si la nature tait anime des pires intentions on redescend l!utilit minimale de chaque valeur Rgle : on choisit la dcision qui la plus grande utilit minimale (la "moins pire")
Choix MaxiMax (M) : Residence : 1 ; Immeuble : 2 ; Appartement : 3 ; Aucun : 4
Analyse de la dcision en incertitude - Bernard ESPINASSE -

Analyse de la dcision en incertitude - Bernard ESPINASSE -

10

Critre de Wald ou MaxiMin (W)

Arbre de dcision associ :

Critre de Savage ou Regret MiniMax (S)

Regrettons le moins possible dans le pire des cas Calcul d!une matrice des regrets (ou manque gagner) partir de la table des rsultats ainsi :

bi, j = Max akj " aij , #i et j

k

on redescend le regret maximale de chaque valeur (pire des cas) Rgle : on choisit la dcision qui donne le plus petit regret maximal
Matrice des rsultats : !
March Dcision d!invest. Rsidence Immeuble Appartement Aucun March Fort 550 300 200 0 March Moyen 110 129 100 0 March Faible -310 -100 -32 0

Matrice des regrets :

March Dcision d!invest. Rsidence Immeuble Appartement Aucun March Fort 550-550= 0 550-300= 250 550-200= 350 550-0= 550 March Moyen 129-110= 19 129-129= 0 129-100= 29 129-0= 129 March Faible 0-(-310)= 310 0-(-100)= 100 0-(-32)= 32 0-0= 0

Choix Wald (W) : Residence : 4; Immeuble : 3; Appartement : 2; Aucun : 1

Analyse de la dcision en incertitude - Bernard ESPINASSE -

11

Analyse de la dcision en incertitude - Bernard ESPINASSE -

12

Critre Savage ou Regret MiniMax (S)

Arbre de dcision associ :

Critre de Laplace
Le critre de Laplace est fond sur l!hypothse d!quiprobabilit des n vnements (tats) possibles de la nature soit 1/n pour chaque tat.

Le critre de Laplace (L) se calcule ainsi :

L ( di j ) = 1 # ai , "i n n=1 j
n

on calcule pour chaque dcision le critre L (la moyenne des valeurs) Rgle : on choisit la dcision qui donne la plus grande valeur de L
!

Exemple :
March Dcision d!invest. Rsidence Immeuble Appartement Aucun March Fort 550 300 200 0 March Moyen 110 129 100 0 March Faible -310 -100 -32 0 L 117 110 89 0

Choix Savage (S) : Residence : 2; Immeuble : 1; Appartement : 3; Aucun : 4

Analyse de la dcision en incertitude - Bernard ESPINASSE -

13

Analyse de la dcision en incertitude - Bernard ESPINASSE -

14

Critre de Laplace
Arbre de dcision associ :

Critre d!Hurwicz
Le critre d!Hurwicz dfini un degr de pessimisme (! ) et un degr d!optimisme (1 - ! ) Il prend la fois le meilleur et le pire rsultat de chaque stratgie et les pondre dans une combinaison linaire par cet index (! et 1 - !)

H ( di ) = " Min aij + (1 # " ) Max aij , $i

on calcule pour chaque dcision le critre H Rgle : on choisit la dcision qui donne la plus grande valeur de L

Exemple : avec ! = 0,5 on a :

March Dcision d!invest. Rsidence Immeuble Appartement Aucun March Fort 550 300 200 0 March Moyen 110 129 100 0 March Faible -310 -100 -32 0 H 120 100 84 0

Choix Laplace (L) : Rsidence : 1; Immeuble : 2; Appartement : 3; Aucun : 4 15

Analyse de la dcision en incertitude - Bernard ESPINASSE -

Analyse de la dcision en incertitude - Bernard ESPINASSE -

16

Critre d!Hurwicz (H)

Arbre de dcision associ :

Critre de Bernouilli (B)

Le critre de Bernouilli, comme le critre L, est aussi bas sur l!hypothse d!quiprobabilit des n tats de la nature, mais il utilise l!utilit des gains dfinie par leur logarithme :

1 n # Log ai j , "i n n=1 on calcule pour chaque dcision le critre B Rgle : on choisit la dcision qui donne la plus grande valeur de B B(di ) = !
March Fort 550 300 200 0 March Moyen 4,70 4,86 4,61 March Moyen 110 129 100 0 March Faible -5,74 -4,61 -3,47 March Faible -310 -100 -32 0 B 5,27 5,95 6,44 -

Exemple : Matrice des rsultats

March Dcision d!invest. Rsidence Immeuble Appartement Aucun

Calcul de B :
March Dcision d!invest. Rsidence Immeuble Appartement Aucun March Fort 6,31 5,70 5,3 -

Choix Hurwicz (H) : Residence : 3; Immeuble : 1; Appartement : 2; Aucun : 4

Analyse de la dcision en incertitude - Bernard ESPINASSE -

Choix Bernouilli (B) : Residence : 3; Immeuble : 2; Appartement : 1; Aucun : 4 17

Analyse de la dcision en incertitude - Bernard ESPINASSE -

18

Comparaison des critres pour traiter l!incertitude

un des moyen utiliss pour la dcision optimale est de construire un tableau classant les dcisions pour chacun des critres avec leur rang respectifs, exemple :
March MaxiMax Dcision d!inves M

Rsidence Immeuble Appartement Aucun

1 2 3 4

Wald W 4 3 2 1

Savage S 2 1 3 4

Laplace Hurwicz Bernouilli Somme L H B des rangs 1 3 3 14 2 1 2 11 3 2 1 14 4 4 4 21

" De par la somme des rang, on en dduit le classement : 1. l!investissement immeuble 2. l!investissement rsidence ou l!investissement immeuble 3. enfin aucun investissement

3 Les incertitudes et leur valuation

Probabilits objectives Probabilits subjectives

Conclusion :
Difficult de choisir un critre En fait, dans la ralit, il est rare qu!on n!ait absolument aucune information sur les probabilits des tats de la nature, aussi il vaut mieux se contenter d!valuation imparfaites des tels probabilits plutt que de considrer un environnement totalement incertain
Analyse de la dcision en incertitude - Bernard ESPINASSE -

19

Analyse de la dcision en incertitude - Bernard ESPINASSE -

20

Introduction
Difficult de choisir un critre pour dcider dans l!incertain En fait, dans la ralit, il est rare qu!on n!ait absolument aucune information sur les probabilits des tats de la nature il vaut mieux se contenter d!valuation imparfaites des tels probabilits plutt que de considrer un environnement totalement incertain aussi les individus sont souvent capables d!tablir, avec degrs divers d!assurance, des anticipations sur des classes de vraisemblance sur la probabilit des tats on peut dfinir une typologie de l!incertitude selon des classes de vraisemblance sur la probabilit des tats diverses mthodes tentent de donner une reprsentation numrique de l!incertitude conduisant une typologie de l!incertitude :

Probabilits objectives
Les probabilits dcideurs

objectives d!un vnement ne sont pas lies aux

des lments de symtrie (cas d!une pice de monnaie, tirage aveugle dans une urne, ) justifient la dtermination de la probabilit d!un tirage comme le rapport :

nombre de cas favorables nombre de cas possibles

Exemple : le tirage d!un 6 pour un ds 6 faces parfaitement symtriques est de 1/6)

! sur les probabilits permettent de dterminer les probabilits les thormes d!vnement plus complexes (analyse combinatoire) :
Exemple : la probabilit de tirer deux 6 de suite est de 1/6 x 1/6 = 1/36) les mthodes d!chantillonnage, les sondages d!opinions, les tests statistiques, sont des moyens puissants pour dterminer la probabilit d!vnements (contrle de qualit, lection, )
21
Analyse de la dcision en incertitude - Bernard ESPINASSE -

! les probabilits objectives ! les probabilits subjectives

Analyse de la dcision en incertitude - Bernard ESPINASSE -

22

Probabilits subjectives
Les probabilits subjectives d!un dcideur relatives un vnement expriment ses croyances vis--vis de l!occurrences de cet vnement ces croyances peuvent rsulter : ! soit d!un sentiment personnel qu!il exprime directement (le dollar devrait baisser contre l!euro) ! soit d!une analyse : dcomposition des enchanements conduisant tel vnement, estimation des probabilits conditionnelles, la valeur que l!on attribue ces croyances dpend bien sr de la qualification du dcideur dans ce domaine, de son degr d!expertise (souvent un seul expert ne suffit pas) pour conclure, les difficults lies au traitement des dcisions dans l!incertain poussent l!utilisation de probabilits subjectives avec : ! une rflexion critique sur la qualit de l!valuation, et ! une analyse de sensibilit permettant de mesurer leur influence sur la valeur du critre de dcision

Analyse de la dcision en incertitude - Bernard ESPINASSE -

23