Thoriedeladecision 150901130746 Lva1 App6891

Ingénierie de la décision
Les outils d’aide à la décision
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).
Mais le problème de prise de décision est complexe

• Grand nombre de facteurs
• Structuration du problème (problèmes mal définis), considérations subjectifs et
conflits d’intérêt
• Incertitude
Introduction et position du problème
• Peuvent aider le décideur à :
–Modéliser et connaître la nature des relations de son

problème
–Trouver la meilleure façons d'évaluer les valeurs de ces

relations, et
-Aider à la réduction des effets de l’incertitude qui entoure

les plans d'actions
Etapes pour l’aide à la décision
• Définir le problème et les facteurs essentiels
• Établir un critère de décision
• Choisir un outil d’aide à la décision (modèle)
• Identifier et évaluer les alternatives par ce modèle
• Sélectionner la meilleure alternative
• Implémenter la décision
• Évaluer le résultat
Les modèles
• Sont moins coûteux et perturbateur que l’expérimentation

réelle
• Permettent de poser les questions de type “Et si”
• Encourage l’implication des managers
• Implique une approche systématique d’analyse des problèmes
• Impose aux managers de prendre en compte d’une manière
plus précise la relation contraintes - résultats
• Aident à réduire le temps de prise de décision
Limitations des Modèles
• Ils sont coûteux et long à développer et à tester
• souvent mal utilisés et mal compris (et craints) en raison de
leur complexité mathématique et logique
• ont tendance à minimiser le rôle et la valeur de l'information
non quantifiable
• Font souvent des hypothèses qui surestiment les variables
réelles
Processus de décision
Analyse
Quantitative
Cadre Logique
Données
historiques
Recherche
Marketing
Problème Analyse Décision
Scientifique
Modélisation
Analyse
Qualitative
Emotions
Intuition
Expérience
Personnelle
Motivation
Rumeurs
Schémas d’un problème de décision
Ensemble C des
Conséquences
Résultats
Ensemble E des
États de la Nature
Événements non contrôlés
Ensemble A des
Alternatives (Actions)
Problème de décision
 Tables de décision : relation locale entre A, E et C

 Arbre de décision : relation globale entre A, E et C
Formalisation d’un problème de décision
Symboles utilisés dans un arbre de décision :
• Noeud “décision” : qui représente une action de décision (élément de A)

A1
On désigne par d l’élément
A Aj courant de A : d∈A
AM
• Noeud “événement” : à partir du quel un état de la nature peut se

produire (occurrence d’un événement)
e1
i est l’indice des événements
E ei
i∈[1,….N]
eN
Types de modèles de décision
• Décision en environnement certain
Il n’y a aucun facteur externe non contrôlé. Le décideur
connaît « parfaitement » l’état de la nature
• Décision en environnement incertain

L’état de la nature n’est pas connu. Il dépend de
facteurs dont on ne dispose pas de probabilité pour
estimer leur occurrence.
• Décision avec risque

L’état de la nature n’est pas connu. Il dépend de
facteurs dont on connaît la probabilité de leur
occurrence
Types de modèles de décision
Environnement Environnement
certain non certain
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
•Choix optimal sous contraintes des

consommateurs et des producteurs
•modèles de gestion des stocks.
•Ordonnancement et planning d'atelier
2°) Optimisation inter temporel
•Choix inter temporel du consommateurs

•Choix des investissements futurs (VAN)
Choix statique du consommateur
C’est l’exemple e du comportement d’un consommateur qui doit

choisir entre par exemple entre trois biens : pomme, orange et
poire
Soit X l’ensemble des alternatives et ≿ la relation de préordre sur X

qui traduit les préférences du consommateur. C’est l’ensemble des
paniers de consommation accessibles à un individu donné.
Soit x et y deux paniers de consommation; x ∈ X, y ∈ X
•x ≿ y signifie que le panier de consommation x est au moins aussi

désirable que le panier y.
•x ≻ y signifie que le panier de consommation x est strictement
préféré au panier y.
•x ~ y signifie que l’individu est indifférent entre les paniers de
consommation x et y; ce qui est équivalent à poser x ≿y et x ≾y
simultanément.
A.1 (Complétude) Pour tout couple x1, x2 ∈ X, ou bien x1 ≿ x2

ou bien x2 ≿ x1. Tous les complexes de biens peuvent être
comparés entre eux.
A.2 (Réflexivité) Pour tout x ∈ X, x ≿ x
A.3 (Transitivité) Si x1 ≿ x2 et si x2 ≿ x3 alors x1 ≿ x3. Cet

axiome nous assure qu’il y a un meilleur élément dans l’ensemble,
ce qui est nécessaire pour les problèmes de maximisation.
Les axiomes A.1, A.2 et A.3 définissent un préordre sur X
A.4 continuité Pour tout x0 ∈ X

( x ∈ X | x0 ≥ x) et ( x ∈ X | x ≥ x0) sont fermés dans X
L’axiome A.4 nous assure qu’il n’y ait pas de discontinuité dans les
choix du consommateur.
A5 Convexité
Si x1,x2 et x3 appartiennent à X et que x ≿ z et y ≿ z, alors
tx+(1−t)y ≿ z, ∀t Є [0, 1] . C’est-à-dire que {x : x ≿ z} est un
ensemble convexe. Convexité stricte est également craie)
La convexité implique que les agents préfèrent les paniers

intermédiaires aux paniers extrêmes.
Théorème de Debreu : Fonction d’utilité

Soient des préférences complètes, réflexives, transitives
et continues, alors il existe toujours une fonction d’utilité continue
U : X → R qui représente ces préférences:
∀x1, x2 Є X, x1 ≿ x2 ↔ U(x1)≥U(x2).
il est possible de modéliser les préférences d’un individu par une

fonction mathématique appelée fonction d’utilité et il n’est donc pas
plus restrictif de travailler avec u que de travailler avec « ≿».
Dans le cas de deux biens on peut faire des représentations

graphiques à deux dimensions par des courbes
d’indifférence.
Une fonction d’utilité de type Cobb-Douglas a la forme suivante:

U(x, y) = xay1−a , où x et y sont deux biens et 0 ≤ a ≤ 1
Le consommateur est contraint de limiter ses consommations qui lui
sont accessibles compte tenu de son budget. L’ensemble accessible
au consommateur est A(p,m) = {x €X |px ≤R}, où X = R k+ et
x={x1, ...xk}, un vecteur de k biens; p={p1,..., pk} est le vecteur
de prix qui lui est associé; et R est le revenu disponible.
Cas de deux biens

nous avons p1x1 +p2x2 ≤ m. Cet ensemble budgétaire est
représenté par la surface ombragée sous la droite de budget :
p1x1 + p2x2 = R
Suite axiomes
Décision et Fonction d’utilité
en environnement certain
Il est possible de démontrer qu’une solution optimale à ce

problème se situe nécessairement sur la droite de budget.
Interprétée en termes graphiques, une solution optimale à ce
problème apparaît à un point de tangence entre une courbe
d’indifférence et la droite de budget
.
Suite axiomes
Décision et Fonction d’utilité
en environnement certain
Si la fonction d’utilité est différentiable, nous

pouvons alors former le Lagrangien:
L = U(x) − λ(px−R)
Conditions de premier ordre (CPO):
Remarquez que cette expression pose l’égalité entre le

taux marginal de substitution TMS (la pente de la courbe
d’indifférence) et la pente de la droite de budget.
Choix des investissements
Valeur actuelle nette (VAN)

LA VAN est égale à la somme des flux actualisés à la date
présente (y compris l’investissement initial) au taux
d’actualisation approprié.
On peut aussi la définir comme le différence entre les flux
monétaires actualisés et l’investissement initial
Flux … …
financier
-I 0 1 … i … n
k est le taux d’actualisation. Il représente le taux de rentabilité

minimum exigé par l’entreprise
Règle de décision : Le projet est accepté si la VAN >0

Taux de rendement interne (TRI)

Le TIR est le taux d’actualisation qui annule la VAN. En
quelque sorte, c’est le taux de rendement du projet
Règle de décision : Le projet est accepté si le TRI est
supérieur au coût d’opportunité du capital
Répercussion du niveau de risque à travers le taux
d’actualisation
Délai de récupération (Temps de retour TR)

C’est la période dans laquelle l’investissement initial est
récupéré grâce aux flux générés par le projet.
Exemple
Soit un projet qui a un profile de flux de coût revenu

sur cinq ans donné par
Année 0 1 2 3 4 5
Coûts 300 20 20 20 20 20
Revenus 0 100 100 200 200 200
-300 80 80 180 180 180
0 1 2 3 4 5
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
Cash flows actualisés -300 72,72 66,08 135,18 122,94 111,78
Cash flows actualisés -300 -227,28 -161,2 -26,02 96,92 208,70

cumulés
Valeur nette actualisée = 208,70

Temps de retour 3,21 années
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
300 TIR = 30,35%
200 0
100
0 i
10% 20% 30% 40%
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
• Critères basés sur les extrêmes

Maximax - On choisit la décision qui maximise le gain
maximal (Critère optimiste)
Maximin (Critère de Wald) : On choisit la décision
qui maximise le gain minimal (Critère pessimiste)
Critères basés sur les extrêmes
d est la décision générique : d∈A
i est l’indice des événements i∈[1,….N]
Ci(d) est la conséquence de la décision d si l’événement i se produit
On calcule deux valeurs extrêmes
Critère de Wald ou MaxiMin

On choisit la décision qui maximise le gain minimal (ici m(d))
Stratégie de prudence extrême
Critère de MaxiMax
On choisit la décision qui maximise le gain maximal (ici M(d))
Stratégie de risque extrême
Critère de Hurwitcz
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
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
Payoff Maximum - Payoff de

pour un événement l’action choisie
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
Autre exemple
5
0
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
La stratégie choisie est donc C

Il est facile de vérifier qu’elle
correspond également à MaxiMin
Décision en environnement risqué
Arbre de décision
L'arbre de décision est un graphe orienté formé de nœuds
successifs qui représentent les décisions et les événements.
•Nœuds de décisions. Un nœud de décisions représente un choix

entre plusieurs décisions fait librement par le décideur. Il est
figuré par un carré.
•Nœuds d'événements. Un nœud d'événements représente une

alternative entre plusieurs événements. Il est figuré par un cercle.
À chaque événement sont attachées une probabilité. La somme
des probabilités affectées aux événements d'un nœud égale 1.
Chaque décision conduit à un nœud d'événements.

La racine de l'arbre de décision est toujours un nœud de décision.
Arbre de décision
Exemple de marché porteur (S) ou non porteur (W)
Une entreprise vient de développer une nouvelle ligne de produits et on doit
choisir la manière de conduire la stratégie marketing.
Trois stratégies principales sont possibles :
•A : stratégie agressive
•B : stratégie classique
•C : stratégie prudente
L'efficacité de la stratégie choisie dépendra d'un facteur externe

non contrôlé qui est la dynamique du marché. Deux états du
marché sont envisagés :
•S : le marché est porteur
•W : le marché est peu porteur
Les conséquences des décisions en fonction des événements sont données par
le tableau suivant
Arbre de décision
Table de décision
Arbre de décision
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
Critère de l’état le plus probable
 Identifier l’état le plus probable, ignorer les autres, et choisir le

plus grand payoff
Les décisions personnelles sont souvent basées sur ce critère
Plusieurs informations sont ignorées
Choix de stratégie
État du marché Probabilité A B C
Strong S 0.45 30 20 5
Weak W 0.55 -8 7 15
L’état le plus probable est W

Maximum de gain : 15
Stratégie choisie : C
Critère de l’espérance des regrets
Regrets
Strong S 0.45 0 10 25
Weak W 0.55 23 8 0
Espérance des Regrets 12,65 8,9 11,25
La stratégie choisie est donc B

Critère de maximisation de l’espérance du payoff
Le critère de l'espérance mathématique de gain s’écrit :
où désigne la probabilité d'occurrence de l'événement i et désigne la

conséquence de la décision d si l'événement i survient
Dans notre exemple

•E(A) = 30 . 0,45 + (-8) . 0.55 = 9,1
•E(B) = 20 . 0,45 + 7 . 0.55 = 12,85
•E(C) = 5 . 0,45 + 15 . 0.55 = 10,5
Le choix serait alors B > C > A

Remarque : La critères de maximisation de l’espérance de gain et la minimisation
de l’espérance du regret donnent les mêmes stratégies
Cas particulier : Critère de Laplace (événements équiprobables)

L(d) = la moyenne des conséquences possibles pour la décision d (sur l'ensemble
des événements).
Flexibilité d’information
Si le décideur ne connaît que les probabilités des événements, il ne dispose

alors que d’une information imparfaite. En effet, ne connaissant que le
pourcentage des fois où l’alternative a eu lieu, il ne connaît pas exactement
l’état réel à chaque fois pour prendre la bonne décision.
Dans ce cas le décideur adopte un comportement « Bayesien » basé sur la

comparaison des espérances de gain
Gains
Strong S 0.45 30 20 5
Weak W 0.55 -8 78 15
Espérance des gains 9,1 12,85 10,5
La stratégie B
Flexibilité d’information
Si le décideur arrive à avoir une information supplémentaire (études de

marché, marché test commandé à un consultant expérimenté) susceptible de
l’aider dans la connaissance des événements, il va pouvoir en tirer profit et
améliorer sa décision. Dans le cas extrême où il connaît à chaque fois l’état
exact des événements (consultant parfait, espion, « voyante »), il dispose
alors d’une information parfaite qui lui permettra de maximiser son payoff.
L’écart de l’état réel de l’information par rapport à cet état d’information

parfaite permet de définir la flexibilité informationnelle pure. Celle-ci
caractérise l’aptitude à améliorer l’information jusqu’à sa limite maximale.
Cette possibilité n’existe pas toujours et on parle alors de rigidité
informationnelle.
EVPI
La Valeur attendue en Information Parfaite (Expected Value of Perfect

Information = EVPI) est donnée par :
EVPI = Espérance du Payoff - Maximum de l’espérance du
en information parfaite payoff (sans information
additionnelle)
Espérance du payoff en information parfaite =

EVPI donne un plafond de ce qu’on doit payer pour avoir une
information additionnelle
Valeur de l’information EVPI
Recours au service d’un consultant
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) .
Le consultant étant parfait, il annoncera toujours S pour les 45% de cas où le

marché est porteur, on choisira alors A ave un gain de 30
Dans le cas de 55% où le marché est faible, il annonce W et on choisira C(15)
Gains
Strong S 0.45 30 20 5 30
Weak W 0.55 -8 78 15 15
Espérance des gains 0,45*30+0,55*15 = 21,75
EPVI = 21,75 - 12,85 = 8,9

Etude de marché pour augmenter l’information
Cas d’un consultant non parfait
On considère maintenant que le consultant ne donne pas l’information
parfaite mais une tendance du marche
En un mois, l'entreprise peut savoir si les perspectives sont
encourageantes (E) ou décourageantes (D).
L'étude de marché coûte 0.5
L’étude ne donne pas d’information à 100%. On utilise les informations

passées pour estimer sa pertinence. On sait que par le passé, ces études
ont donné de bonnes indications ;
•Quand le marché a finalement été porteur, l'étude a donné des

perspectives encourageantes avec une probabilité de 0.6
P(E/S)=0.6 p(D/S)=1 - p(E/S)=0.4
•Quand le marché n'a finalement pas été porteur, l'étude a donné des
perspectives décourageantes avec une probabilité de 0.7
p(D/W)=0.7 p(E/W)=1 – p(D/W)=0.3
L'arbre de décision est donnée dans la suite

Arbre de décision
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
Calcul des décisions
On va « replier » l'arbre de décision dans l'ordre chronologique
inverse des prises de décision



Bilan
Le scénario optimal est le suivant
•On demande une étude de marché puis
•Si l'étude de marché donne E, alors choisir une stratégie

marketing agressive (A)
•Si l'étude de marché donne D, alors choisir une stratégie

marketing prudente (C)
Critère de l’utilité espérée
Contradictions et paradoxes avec l’espérance de gain
Paradoxe de St Peters burg
C’est un jeu à deux personnes A et B dans lequel A propose à B un jeu à pile ou face
moyennant un mise d’une somme S. Les règles du jeu et le gain qui pourra en résulter
sont comme suit :
•si pile arrive au premier lancé, A donnera à B 2 DH et le jeu s’arrête, sinon le jeu
continuera;
•si pile arrive au second lancé, A donnera à B 22=4 DH et le jeu s’arrête, sinon le jeu
continuera
•si pile arrive au nème coup, A donnera à B 2n DH et le jeu s’arrête, sinon le jeu continuera
Quel est le prix maximum S que B est prêt à payer ?
Le critère de l’espérance du gain s’écrit
1 1 1 1
V = × 2 + × 4 + × 8 + ...... + n × 2 n + ..... = ∞
2 4 8 2
L’application du critère d’espérance du gain débouche donc sur le ‘paradoxe de Saint
Peters Bourg’: quel que soit le prix du jeu fixé par A, B devrait l’accepter puisque le gain
espéré est infini
Évaluation du prix d’une action

C’est un exemple similaire au précédent, il concerne la détermination de la valeur de l’action
(son prix) dont le dividende est initialement d et à chaque période, on a une chance sur 2 que
l’activité ne dégage aucun profit et une chance sur deux qu’elle croit avec un taux de progression
g. On suppose en plus que l’on d ≥1 et (1+g) ≥ 2(1+r)
La méthode d’actualisation au gain espéré donne pour la valeur de l’action :
j
1 d (1 + d ) 1 d (1 + g ) 2 1 d (1 + g ) 3 1 d (1 + g ) n ∞
 1 1+ g 
V=
2 1+ r
+
4 (1 + r ) 2
+
8 (1 + r ) 3
+ .....
2 n (1 + r ) n
+ ..... = d ∑ 
j =1  2 1 + r
 ≥ d (1 + 1 + ....)

La valeur de l’action de croissance serait alors infinie. Un investisseur adoptant ce critère serait
donc prêt à payer n’importe quel prix pour cette action. Ce critère a longtemps prévalue dans les
pratiques boursières jusqu’aux années 70 où le crash boursier de 1974 a remis en cause la
pertinence du critère d’espérance des gains. Peu de personnes seraient prêt à payer une somme
infinie.
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
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.
A la maximisation du revenu R on substitue la maximation de l’utilité qu’il procure.

Dans ce cas, contrairement au cas du gain, l’utilité dépend du comportement de
chaque agent. Un gain de 1000 unités est sans doute plus apprécié par un pauvre que
par un homme riche même si le gain est le même pour les deux.
L’utilité résultant de tout petit accroissement de la richesse sera inversement proportionnel
à la quantité de biens antérieurement possédés. De ce fait pour un accroissement faible de la
1
richesse ∆R, l’accroissement de l’utilité (∆u) est alors donné par: ∆u ≈ ∆R
R
Cette relation due à Bernoulli permet de déterminer la forme de la fonction d’utilité

1 ∂u 1
∆u ≈ ∆R ⇒ = ⇒ u = ln( R)
R ∂R R
Ceci indique que les fonctions d’utilités doivent avoir une allure proche des fonctions
logarithmiques dont la principale caractéristique très utile est la concavité.
Application au paradoxe de Saint Peters bourg.
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.
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)
La fonction logarithme étant concave on a donc la situation certaine

de même espérance de gain est préférée à la situation risquée.
1 1
ln(1000) > ln(11000) + ln(9000)
2 2

Thoriedeladecision 150901130746 Lva1 App6891

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Thoriedeladecision 150901130746 Lva1 App6891

Transféré par

Droits d'auteur :

Formats disponibles

Ingénierie de la décision

Les outils d’aide à la décision

Mais le problème de prise de décision est complexe

–Modéliser et connaître la nature des relations de son

–Trouver la meilleure façons d'évaluer les valeurs de ces

-Aider à la réduction des effets de l’incertitude qui entoure

• Sont moins coûteux et perturbateur que l’expérimentation

 Tables de décision : relation locale entre A, E et C

• Noeud “décision” : qui représente une action de décision (élément de A)

• Noeud “événement” : à partir du quel un état de la nature peut se

• Décision en environnement incertain

• Décision avec risque

•Choix optimal sous contraintes des

2°) Optimisation inter temporel

•Choix inter temporel du consommateurs

C’est l’exemple e du comportement d’un consommateur qui doit

Soit X l’ensemble des alternatives et ≿ la relation de préordre sur X

Soit x et y deux paniers de consommation; x ∈ X, y ∈ X

•x ≿ y signifie que le panier de consommation x est au moins aussi

A.1 (Complétude) Pour tout couple x1, x2 ∈ X, ou bien x1 ≿ x2

A.2 (Réflexivité) Pour tout x ∈ X, x ≿ x

A.3 (Transitivité) Si x1 ≿ x2 et si x2 ≿ x3 alors x1 ≿ x3. Cet

Les axiomes A.1, A.2 et A.3 définissent un préordre sur X

A.4 continuité Pour tout x0 ∈ X

La convexité implique que les agents préfèrent les paniers

Théorème de Debreu : Fonction d’utilité

il est possible de modéliser les préférences d’un individu par une

Dans le cas de deux biens on peut faire des représentations

Une fonction d’utilité de type Cobb-Douglas a la forme suivante:

Cas de deux biens

Il est possible de démontrer qu’une solution optimale à ce

Si la fonction d’utilité est différentiable, nous

Conditions de premier ordre (CPO):

Remarquez que cette expression pose l’égalité entre le

Valeur actuelle nette (VAN)

k est le taux d’actualisation. Il représente le taux de rentabilité

Règle de décision : Le projet est accepté si la VAN >0

Taux de rendement interne (TRI)

Délai de récupération (Temps de retour TR)

Soit un projet qui a un profile de flux de coût revenu

-300 80 80 180 180 180

Cash flows actualisés -300 72,72 66,08 135,18 122,94 111,78

Cash flows actualisés -300 -227,28 -161,2 -26,02 96,92 208,70

Valeur nette actualisée = 208,70

300 TIR = 30,35%

• Critères basés sur les extrêmes

On calcule deux valeurs extrêmes

Critère de Wald ou MaxiMin

Payoff Maximum - Payoff de

La stratégie choisie est donc C

•Nœuds de décisions. Un nœud de décisions représente un choix

•Nœuds d'événements. Un nœud d'événements représente une

Chaque décision conduit à un nœud d'événements.

L'efficacité de la stratégie choisie dépendra d'un facteur externe

 Identifier l’état le plus probable, ignorer les autres, et choisir le

État du marché Probabilité A B C

L’état le plus probable est W

État du marché Probabilité A B C

Espérance des Regrets 12,65 8,9 11,25

La stratégie choisie est donc B

où désigne la probabilité d'occurrence de l'événement i et désigne la

Dans notre exemple

Le choix serait alors B > C > A