Académique Documents
Professionnel Documents
Culture Documents
Septembre 2015
Soufiane Mir
Ingénieur en Business Intelligence
Introduction et position du problème
La prise de décision est un problème central dans les entreprises.
Les décisions concernent différents types d'activités : on peut ainsi distinguer les
décisions commerciales, administratives, financières. Les décisions les plus
importantes sont :
• les décisions de financement (par exemple, réaliser une augmentation de
capital),
• les décisions d'exploitation (par exemple, établir le programme de production de
l'année),
• les décisions d'investissement (par exemple, construire une nouvelle usine).
Ensemble E des
États de la Nature
Événements non contrôlés
Ensemble A des
Alternatives (Actions)
Problème de décision
AM
Probabilités
connues
Optimisation
Programmation Sous
linéaire contraintes
Méthodes
Théorie
des scénarios Théorie de
des jeux
(Opt, Att, la décision
Pess…)
Analyse
multicritères
Décision en environnement certain
1°) Optimisation statique = une seule période
.
Suite axiomes
Décision et Fonction d’utilité
en environnement certain
Choix statique du consommateur
Flux … …
financier
-I 0 1 … i … n
Exemple
Année 0 1 2 3 4 5
Coûts 300 20 20 20 20 20
Revenus 0 100 100 200 200 200
0 1 2 3 4 5
Décision en environnement certain
Choix des investissements
Exemple
Taux d’intérêt minimum exigé par l’investisseur est i=10%
Année 0 1 2 3 4 5
Cash flow -300 80 80 180 180 180
Taux d’actualisation 0 0,909 0,826 0,751 0,683 0,621
Exemple
Taux d’intérêt i 0 10 20 25 30 35
VAN 400 208,7 85,5 40,4 2,2 -29,4
TR 2,78 3,21 3,85 4,32 4,95 >5
VAN
400
200 0
100
0 i
10% 20% 30% 40%
Décision en environnement certain
Choix des investissements
Exemple
i 0 10 20 25 30 35
VANC
400 TR 2,78 3,21 3,85 4,32 4,95 >5
300
200
100
0 i
1 2 3 4 5
-100 0
-200
-300 i
Decision dans l’incertain
Critère de MaxiMax
On choisit la décision qui maximise le gain maximal (ici M(d))
Stratégie de risque extrême
Critère de Hurwitcz
Decision dans l’incertain
Exemple:
Etats de la Nature
Alternatives Marché Marché Maximum Minimum Hurwitcz
Favorable Défavorable En colonne En colonne Α=0.5
Construire 200,000 -180,000 200,000 -180,000 10,000
Grand projet
Construire 100,000 -20,000 100,000 -20,000 40,000
Petit projet
Rien 0 0 0 0 0
Maximax Maximin Hurwitcz
Decision dans l’incertain
Critères basés sur les regrets
Idée : on anticipe les regrets (manque à gagner) que l'agent pourrait
avoir en ayant pris une décision, après observation des événements
Regret d'une décision par rapport à un événement
Etats de la Nature
Alternatives Marché Marché Maximum
Favorable Défavorable Des regrets
Construire 00 160 000 160 000
Grand projet
Construire 100 000 0 100,000
Petit projet
Rien 0 0 0
Minimiser le maximum des regrets
Remarque
Le minimum des maximums des regrets donne la même résultat que le
Maximin
Decision dans l’incertain
Critères basés sur les regrets
Autre exemple
5
0
Decision dans l’incertain
Critère deCritères
Savage basés sur les regrets
Choisir la décision pour laquelle on rend minimal le maximum des
regrets. Le regret est défini comme le coût d’opportunité ou le manque à
gagner
Autre exemple
5
0
Les conséquences des décisions en fonction des événements sont données par
le tableau suivant
Décision en environnement risqué
Arbre de décision
Table de décision
Arbre de décision
Décision en environnement risqué
Etat de la nature probabilisé
Critères :
• Maximiser l’état le plus probable
• Critère de l’espérance des regrets
• Maximiser l’espérance du payoff (du gain ou
de la valeur monétaire). C’est la règle de
décision de Bayes)
• Maximiser l’espérance de l’utilité
Décision en environnement risqué
Critère de l’état le plus probable
Choix de stratégie
Strong S 0.45 30 20 5
Weak W 0.55 -8 7 15
Regrets
Strong S 0.45 0 10 25
Weak W 0.55 23 8 0
Pour un consultant « parfait » (il s’agit en fait d’un « voyant » ou d’un espion
dans le cas de soumission dans des marchés publiques) .
Weak W 0.55 -8 78 15 15
Espérance des gains 0,45*30+0,55*15 = 21,75
Arbre de décision
Décision en environnement risqué
Etude de marché pour augmenter l’information
Calcul des probabilités conditionnelles
Calcul de p(E)
p(E) = p(E et (S ou W))
p(E) = p((E et S) ou (E et W))
p(E) = p(E et S) + p(E et W)
or p(E et S) = p(E/S).p(S) et p(E et W)=p(E/W).p(W)
donc p(E) = p(E/S).p(S) + p(E/W).p(W)=0.435
Calcul de p(D)
de manière analogue p(D) = p(D/S).p(S) + p(D/W).p(W)=0.565
Calcul de p(S/E)
p(E et S) = p(E/S).p(S) =p(S/E).p(E)
donc p(S/E)=p(E/S).p(S)/p(E)=0.621 (Note p(W/E)=0.379)
Calcul de p(W/D)
de manière analogue p(W/D)=p(D/W).p(W)/p(D)=0.682
Note p(S/D)=0.318
Décision en environnement risqué
Etude de marché pour augmenter l’information
Calcul des décisions
On va « replier » l'arbre de décision dans l'ordre chronologique
inverse des prises de décision
Décision en environnement risqué
Etude de marché pour augmenter l’information
Bilan
Effet du risque
Soit une loterie L qui consiste à tirer une pièce de monnaie. Si la pièce indique face, on
vous paie 1000 DH; si la pièce indique pile, vous devez payer 1000 DH. Le revenu
espéré E[R]L de la loterie est de:
1 1
E[R ] L = (-1000) + (1000) = 500 + 500 = 0
2 2
Si on joue et donc on prend un risque l’espérance est nulle et si on ne joue pas, donc pas de
risque, on a aussi une espérance nulle. On est donc en présence de deux situations où le
revenu espéré est le même mais dont la première est risquée. Si la maximisation du revenu
espéré constitue le critère de décision, on devrait être totalement indifférent entre prendre
part ou non à cette loterie. Pourtant, on a probablement un jugement plus favorable pour
l'une ou l'autre des deux alternatives. L'attitude face au risque est déterminante dans le choix
des individus
Décision en environnement risqué
Critère de l’utilité espérée
Contradictions et paradoxes avec l’espérance de gain
Ces paradoxes et bien d’autres montrent que l’espérance du revenu ne reflète pas
toujours le bon comportement des agents économiques. Les individus préfèrent, à
valeur égale, les gains sûrs que les gains risqués de même espérance. Cette
préférence universelle pour la sûreté révèle donc une aversion à l’égard du risque,
une risquophobie de l’individu
Pour lever ces paradoxes, on doit concevoir un critère faisant
explicitement appel à cette attitude de l'individu face au risque. Cela est possible
avec le modèle d'utilité espérée initié d’abord par Daniel Bernoulli (1700-1782) puis
formalisé par von Neumann et Morgenstern en 1944.
T T
1 t
U = lim ∑ t ln(2 ) = ln(2) × lim ∑ t ≈ ln(4)
t
t =1 2 t =1 2
T →∞ T →∞
La valeur du jeu proposé par le joueur B est en fait exactement ln (4) DH.
Décision en environnement risqué
Critère de l’utilité espérée
Décision en environnement risqué
Critère de l’utilité espérée
Cas de l’exemple 3
On suppose que le revenu initial avant le jeu est R0=10000. Les deux
alternatives conduisent au même gain espéré.
1 1
L’utilité espérée de l’alternative du jeu est E (u ) = ln(11000) + ln(9000)
2 2
Pour l’alternative sans jeu (certaine) on a E (u ) = ln(10000)
1 1
ln(1000) > ln(11000) + ln(9000)
2 2