Vous êtes sur la page 1sur 10

Rfrences

Elments de thorie de la dcision


(2)

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 :

Introduction la thorie de la dcision

D. Bouyssou, Lamsade CNRS, Paris.


J.Y. Jaffray, P. Perny, C. Gonzales, LIP6 CNRS, Universit Paris VI.

Dcider et valuer :
Reprsentation standard des dcisions individuelles :
Utilit Espre (UE)
De la thorie l!analyse de la dcision

Elments de thorie de la dcision - Bernard ESPINASSE -

Elments de thorie de la dcision - Bernard ESPINASSE -

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

Elments de thorie de la dcision - Bernard ESPINASSE -

1 Introduction la Thorie de la Dcision


Thories normatives et descriptives de la dcision
Thories normatives et normes

Elments de thorie de la dcision - Bernard ESPINASSE -

La thorie de la dcision

Un sujet interdisciplinaire
!

La thorie de la dcision est une thorie sur les dcisions

sicle par des contributions de plusieurs disciplines acadmiques

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.

! il y a une certaine division de travail entre ces disciplines :

! thoriser au sujet des dcisions est presque identique


thoriser des activits humaines.

! Un politique peut s!intresser aux rgles de vote et d!autres aspects de prise de


dcision collective

! la thorie de dcision se concentre seulement sur quelques


aspects de l!activit humaine

! Un psychologue peut s!intresser aux comportements des individus dans les


dcisions

Dans les situations traites par des thoriciens de dcision, il y a des


options choisir entre elles, ces choix sont des activits diriges par but.

Elments de thorie de la dcision - Bernard ESPINASSE -

La thorie moderne de dcision s!est dveloppe depuis le milieu du 20 ime

! Un philosophe peut s!intresser aux conditions de la rationalit dans les


dcisions.
! Mais il y a un grand chevauchement, et le sujet s!est fortement enrichit des diffrentes
mthodes que les chercheurs des diffrentes disciplines ont dfinies.

Elments de thorie de la dcision - Bernard ESPINASSE -

Thories normatives et descriptives de la dcision

Thories normatives et normes

Thorie normative de la dcision :

les thories normatives concernent la prise de dcision rationnelle : normes de la


rationalit

! thorie au sujet de la faon dont des dcisions devraient tre prises

Il existe d!autres normes (que celles de la rationalit) : normes morales,


politiques, , mais elles sont considres comme externes la thorie de
dcision qui les suppose dj tablies

Thorie descriptive de la dcision :

Les normes de la rationalit concernent :

! thorie traitant de la faon dont des dcisions sont prises rellement.

principalement la faon d!agir quand il y a incertitude, risque et


manque d!information
la faon dont un individu peut coordonner ses dcisions dans le temps

Ces thories concernent essentiellement la prise de dcision rationnelle

la faon dont plusieurs individus peuvent coordonner leurs dcisions


dans les procdures de dcision sociales

On s!intresse ici plus essentiellement aux thories normatives de la

dcision

Elments de thorie de la dcision - Bernard ESPINASSE -

Elments de thorie de la dcision - Bernard ESPINASSE -

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

Elments de thorie de la dcision - Bernard ESPINASSE -

4. La thorie de dcision suppose qu!une telle norme est


acquise, et procde pour exprimer cette norme de manire
prcise et utile.

Relations et nombres

Elments de thorie de la dcision - Bernard ESPINASSE -

10

Relations et nombres
Modle des relations :

Considrons un exemple simple :

Reprsentation en termes de relations du modle de valeur

! Alice dsire acheter un potage de tomate


! Elle doit choisir entre diverses marques (A, B, C) de potage de tomate
! Sa norme de valeur peut tre lie au prix, au got ou leur combinaison
! Supposons que : Alice aime le potage A plus que le potage B ou le potage C, et le
potage B plus que le potage C

! Alors Alice devrait clairement choisir le potage A

On dfini une relation entre les 3 potages : la relation meilleure que :


! A est meilleur que B
! B est meilleur que C
! A est meilleur que C
Clairement, puisque A est meilleur que toutes les autres alternatives, A devrait tre choisi.

Modle des nombres :


Reprsentation en termes de nombres du modle de valeur.

Dans ce simple exemple, on n!a pas besoin d!un modle plus formel, cependant 2 modles
formels utiles sont possibles :

! Modle des relations

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.

! Modles des nombres

Elments de thorie de la dcision - Bernard ESPINASSE -

11

Elments de thorie de la dcision - Bernard ESPINASSE -

12

Termes de comparaisons de valeurs

Logique des prfrences

Afin de comparer des alternatives, on emploie des termes tels que :

Les 3 notions comparatives sont les bases de la logique

! meilleur que ,
! plus mauvais que ,
! galement bon que ,
! au moins aussi bon que
!

" reprsente la prfrence faible

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.

! A " B pour A est au moins aussi bon que B

13

Usage des prfrences dans la prise de dcision

Elments de thorie de la dcision - Bernard ESPINASSE -

14

Utilisation de reprsentation numrique : notion d!Utilit

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 -

! au moins aussi bon que ("):

Ces 3 notions sont lies ensemble selon les 2 rgles suivantes :

Ce sont des relations binaires (2 arguments)

Elments de thorie de la dcision - Bernard ESPINASSE -

! gale en valeur (") :

de prfrence :
> reprsente la prfrence ou la prfrence forte
" reprsente l!indiffrence

! meilleures que (>) :

15

L!utilisation de nombres pour reprsenter les valeurs des alternatives :


! fournit en gnrale une reprsentation rationnelle
! la relation de prfrence faible (") est alors toujours complte,
! les relations de prfrences faibles (") et strictes (>), et d!indiffrence (") sont
toutes transitives
! toutes ces valeurs peuvent tre rduites une seule entit, nomme
utilit U(x)
Exemple : soit une valuation des travaux de quelques philosophes modernes :
! Bertrand Russell : 50
! Karl Popper : 35
! Willard Van Orman Quine : 35
! Jean Paul Sartre : 20
! Martin Heidegger : 1

" On en dduit que Russell est prfr aux autres philisophes

! Notons cependant, que dans de nombreux cas, la reprsentation par des


nombres n!est pas claire : pas de mesure pour meilleur en tant que
philosophe , l!attribution de nombres peut alors paratre arbitraire
Elments de thorie de la dcision - Bernard ESPINASSE -

16

Utilisation des utilits dans la prise de dcision


Il est facile d!utiliser des valeurs reprsentes numriquement (utilits) dans la prise de dcision.

La rgle de dcision de base est alors simple et vidente :


Rgle 1 : choisir l!alternative avec l!utilit la plus leve
Exemple : valeurs assignes par un lecteur 3 candidats politiques :
! 1. Mme. Anderson : 15
! 2. M. Brown : 15
! 3. M. Carpenter : 5
Cette rgle ne peut tre ici utilise car il y a plusieurs alternatives avec la valeur
maximale, elle doit tre alors tre complte :

3 Reprsentation standard des dcisions


individuelles

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

C!est une rgle de maximisation :


! La thorie conomique est base sur l!ide que les individus maximisent leurs biens,
comme mesurs en argent
! La thorie morale utilitaire postule que les individus doivent maximiser l!utilit rsultant de
leurs actions.
! Dans la thorie de dcision, la maximisation d!utilit est aussi largement adopte
Elments de thorie de la dcision - Bernard ESPINASSE -

17

Reprsentation standard des dcisions individuelles

18

Elments de thorie de la dcision - Bernard ESPINASSE -

Ensemble d!alternatives
Dans une dcision, on a choisir entre diffrentes alternatives (options, actions, )

En thorie de la dcision individuelle :

Dans certains problmes de dcision, l'ensemble

! La reprsentation standard d!un problme de dcision est la matrice de

d!alternatives peut tre :

Ouvert : de nouvelles alternatives peuvent tre inventes ou dcouvertes par le dcideur

dcision
! Une autre reprsentation d!un problme de dcision est l!arbre de dcision

Exemple : ma dcision de comment passer la soire ; j!ai en tte un ensemble d!alternatives,


mais il est possible je dcouvre une alternative laquelle je n!ai pas pens

Ferm : aucune nouvelle alternative ne peut tre ajoute

! Pour utiliser ces reprsentations, 3 concepts de base de la thorie de la


dcision doivent tre dfinis :

Exemple : ma dcision de comment voter dans les prochaines lections : il y a un nombre


limit d!alternatives (des candidats ou des parties), entre lesquelles je dois choisir

2 types de fermetures d!ensemble d!alternatives :

! les alternatives

! 1. fermeture volontaire : le dcideur lui-mme a dcid de fermer l!ensemble dans la


premire tape de la dcision
Exemple : pour ma soire, je peux commencer en dcidant que seulement 2 alternatives
valent la peine d'tre considres, rester la maison ou aller au cinma.

! les rsultats
! l!tat de nature (vnement, chance, )

! 2. fermeture involontaire : la fermeture a t impose par d!autres ou par des


circonstances impersonnelles.

Elments de thorie de la dcision - Bernard ESPINASSE -

19

Elments de thorie de la dcision - Bernard ESPINASSE -

20

Ensemble d!alternatives

Etats de nature

Dans la vie relle : les ensembles d!alternatives ouverts sont trs frquents

L'effet d!une dcision dpend :


! de notre choix d!une alternative et comment nous l!excutons

Dans la thorie de la dcision :

! de facteurs en dehors du contrle du dcideur (exognes)

! en gnral les ensembles d!alternatives sont ferms car :


! la fermeture permet une rsolution thorique des problmes de dcision plus
facile
! si l!ensemble d!alternatives est ouvert, une solution dfinitive au problme de
dcision n!est pas en gnral possible

! on suppose gnralement que les alternatives sont mutuellement exclusives,


c.a.d., il n!existe pas 2 d'entres elles qui soient simultanment ralisables.

Elments de thorie de la dcision - Bernard ESPINASSE -

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

Elments de thorie de la dcision - Bernard ESPINASSE -

Etats de nature et rsultats

Matrices de dcision

Etat de nature :

C!est le format standard pour la routine d!valuation-choix dans la thorie de la dcision


(individuelle)
Dans une matrice de dcision :
! les alternatives sont tabules contre les tats possibles de la nature
! les alternatives sont reprsentes par les lignes de la matrice
! les tats de nature par les colonnes
Soit une dcision d!apporter ou non un parapluie :

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,
!

Elments de thorie de la dcision - Bernard ESPINASSE -

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

Elments de thorie de la dcision - Bernard ESPINASSE -

24

Matrice de dcision d!utilits

Informations sur des tats de nature : certitude et incertitude

! 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 :

! Le dcideur peut connatre quel tat de nature est obtenu :

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 ;

! La thorie de la dcision concerne principalement des problmes qui peuvent tre


exprims en matrices de ce type, matrices d'utilit
! La plupart des mthodes de la thorie de dcision exigent une information
numrique.

25

Elments de thorie de la dcision - Bernard ESPINASSE -

Si, dans l!exemple ci-dessus, si je sais qu!il pleuvra, alors je peux prendre ma
dcision de faon trs simplement

! Sinon, on agit en incertitude.


! L!incertitude est habituellement divise en catgories telles que : le risque,
l!incertitude, l'ignorance

Elments de thorie de la dcision - Bernard ESPINASSE -

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

On peut lui associer l!arbre de dcision suivant :


nud dcision : chaque
branche reprsente une
action, alternative
possible

4 Probabilits et Utilit Espre


! Rappels sur les probabilits pour la dcision
! Utilit espre

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

Elments de thorie de la dcision - Bernard ESPINASSE -

28

Rappel sur les probabilits pour la dcision (1)

Les probabilits pour la dcision (2)

! Pour raisonner sur un problme de dcision particulier, souvent l!environnement (appel


aussi nature ) doit tre considr :

On souhaite, que S possde un certain nombre de bonnes proprits , notamment :


S#S;

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 :

! On cherche probabiliser ces tats de la nature.

P:S"1
A " P(A)

En langage mathmatique on se donne :


! un ensemble S d' vnements lmentaires que l'on supposera ici fini par commodit.

vrifiant pour tout A, B # S :

Ex : A un jet de ds on associera un ensemble S compos des vnements


lmentaires : le d tombe sur la face faisant apparatre 1, 2, 3, 4, 5, 6.

1. P(A) " 0
2. P(S) = 1

! un ensemble S d! vnements construit sur la base de S permettant de parler de la


runion, de l'intersection ... d'vnements lmentaires.
Ex : Le d tombe sur une face paire est un vnement compos de la runion de 3
vnements lmentaires.

29

Elments de thorie de la dcision - Bernard ESPINASSE -

Les probabilits pour la dcision (3)

Rappelons que ces 3 conditions impliquent que P(A) est toujours comprise entre 0 et 1

30

Elments de thorie de la dcision - Bernard ESPINASSE -

Les probabilits pour la dcision (4)

Probabilit conditionnelle : la probabilit de A sachant B , note P(A/B) est dfinie par :

P(A/B) = P(A " B)/P(B)

3. A ! B = ! P(A $ B) = P(A) + P(B)

(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(B/A).P(A)

P(A/B) =

Si A1, A2,...,An forment une partition de S alors :

P(A) = " P(A/Ai ).P(Ai )

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) :

Ce thorme permet de rviser ses croyances concernant l'occurrence de l'vnement A en


fonction d'une nouvelle information B

P(A "
!B) = P(A/B).P(B) = P(B" A) = P(B/A).P(A)

On appelle gnralement :

D'o la formule bien connue du thorme de Bayes :

! P(A) une probabilit a priori

P(B/A).P(A)
P(A/B) =
P(B)

Elments de thorie de la dcision - Bernard ESPINASSE -

! P(A/B) une probabilit a posteriori.

31

Elments de thorie de la dcision - Bernard ESPINASSE -

32

Les probabilits pour la dcision (2) : application

Utilit Espere (UE)

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

! L'utilit espre pourrait s!appeler la thorie d!utilit de probabilit


pondre

Dans la thorie de l!utilit espre :

! les probabilits de ces tats sont utilises comme poids.

Elments de thorie de la dcision - Bernard ESPINASSE -

34

Utilit Espre

Dans l!exemple du parapluie, les utilits sont :


Il pleut
15
0

Parapluie
Pas de parapluie

En gnralisant :
Il ne peut pas
15
18

Supposons qu!il y ait n rsultats :

Supposons que la probabilit de la pluie est 0,1, alors :

! C!est le paradigme principal dans les thories de la dcision tant descriptives


que normatives

! chaque alternative est assigne une moyenne pondre de ses


valeurs d!utilit sous diffrents tats de nature, et

P(MF/EF) = 0,8x0,6 / (0,8x0,6+0,2x0,4) = 6/7 = 0,85

Elments de thorie de la dcision - Bernard ESPINASSE -

L!approche dominant la prise de dcision sous le risque est celle de


l!utilit espre - UE (Expected Utility - EU).

! chacun est associ une utilit et une probabilit

l!utilit espre (probabilit pondre) d!apporter le parapluie est :


0.1 x 15 + 0,9 x 15 = 15

! 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

l!utilit espre (probabilit pondre) de ne pas apporter le parapluie est :


0.1 x 0 + 0.9 x 18 = 16,2
Si nous maximisons l'utilit prvue nous ne devrions pas apporter le parapluie

Alors l!utilit espre (UE) est dfinie ainsi :

Supposons que la probabilit de la pluie est 0,5, alors :

l!utilit espre d!apporter le parapluie est :

l!utilit espre de ne pas apporter le parapluie est :

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

Elments de thorie de la dcision - Bernard ESPINASSE -

36

De la Thorie de la Dcision l!Analyse de la Dcision

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

Elments de thorie de la dcision - Bernard ESPINASSE -

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

Caractristiques des dcisions en Analyse de la Dcision


Plusieurs caractristiques peuvent tre dfinies pour les dcisions :
Caractre plus ou moins sr des tats futurs de la nature :
! Etat certain
! Etat incertain mesurable (probabilit objective ou subjective dtermines) : on
parle de dcision dans le risque
! Etat incertain non mesurable ou radicale (pas de probabilits dfinies) : on
parle de dcision dans l!incertain
Caractre unique ou rpt de la dcision : dans les dcisions rptes l!information
sur l!tat de la nature augmente, souvent par apprentissage et les probabilits des tats
sont en gnral rvises selon des approches baysiennes
Caractre squentiel ou non de la dcision: dans les dcisions squentielles le
dcideur intervient diffrentes tapes, interaction entre dcisions, information croissante
Caractre exogne et endogne de la dcision : quand l!environnement est
endogne, le dcideur peut modifier les tats, il ne le peut pas quand il est exogne
Caractre partag ou non de la dcision : dcision collective (fonction d!utilit
commune agrgeant les prfrences individuelles des individus, )
Caractre conflictuel ou non de la dcision : jeux contre la nature (pas de conflit ) et
jeux vritables entre joueurs diffrents (thorie des jeux)
Elments de thorie de la dcision - Bernard ESPINASSE -

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

Elments de thorie de la dcision - Bernard ESPINASSE -

38