Théorie de la décision - Définition

Source: Wikipédia sous licence CC-BY-SA 3.0.
La liste des auteurs de cet article est disponible ici.

La théorie de la décision dans le risque

Optimisation et maximalisation sont les deux mots-clés définissant les théories de la prise de décision basées sur la rationalisation, c’est-à-dire les théories définissant les normes logiques et rationnelles que tous les preneurs de décisions sont censés suivre pour que le choix soit celui qui "rapporte" le plus. La théorie de l'utilité espérée est l'approche la plus communément retenue par la théorie de la décision pour décrire les choix risqués. Introduisons d'abord quelques notations:
L'incertitude est décrite par un ensemble d'états du monde \Omega=\left\{ \omega_{1},...,\omega_{n}\right\} partitionné par la famille de parties {\textstyle \mathcal{P}(\Omega)=2^{n}} .
Un élément de {\textstyle \mathcal{P}(\Omega)} est appelé événement.
Une variable aléatoire f est une fonction qui associe à chaque ω un résultat noté x.
L'ensemble des résultats est noté X, X étant un sous-ensemble de {\textstyle \mathbb{R}} .
On écrit {\textstyle \mathcal{A}=\left\{ f:\Omega\rightarrow X\right\} } l'ensemble des variables aléatoires.
Dans le cas du risque, le décideur est supposé connaître les distributions de probabilités induites par les variables aléatoires. La distribution induite par la variable aléatoire f est notée lf. La relation binaire \succcurlyeq signifie "est préféré ou indifférent à". Elle compare des loteries (ou distributions de probabilités), c'est-à-dire des projets risqués de la forme l = (x1,p1;...;xn,pn) \forall i=1,...,n,x_i est le résultat obtenu avec la probabilité pi. On écrit \mathcal{L}=\left\{ l_{f}:X\rightarrow\left[0;1\right]\mid{\textstyle f\in\mathcal{A}},\sum_{i=1}^{i=n}l_{f}(x_{i})=1\right\} l'ensemble des distributions de probabilités. La règle de décision développée par Von Neumann et Morgenstern en 1944, connue sous le nom "d'utilité espérée", repose sur les hypothèses suivantes, qui sont appelées axiomes et sont postulées sur la relation \succcurlyeq .

Axiome 1 (préordre total). \succcurlyeq est un préordre total. Cela signifie que :

  • \forall l,l^{\prime}\in\mathcal{L},l\succcurlyeq l^{\prime} ou l^{\prime}\succcurlyeq l (totalité);
  • {\textstyle \forall l\in\mathcal{L}},l\succcurlyeq l (réflexivité);
  • {\textstyle \forall l,l^{\prime},\hat{l}\in\mathcal{L},(l\succcurlyeq l^{\prime}\wedge l^{\prime}\succcurlyeq\hat{l})\Rightarrow l\succcurlyeq\hat{l}} (transitivité).

Axiome 2 (Monotonie). \succcurlyeq est monotone si pour toutes loteries l et l^{\prime} dans {\textstyle \mathcal{L}} on a \forall s\in S,f(s)\geq g(s)\Rightarrow l_{f}\succcurlyeq l_{g} .

Axiome 3 (Continuité). \succcurlyeq est continue si pour toutes loteries lf,lg et lh telles que l_{f}\succ l_{g}\succ l_{h} , \exists \alpha,\beta\in\left]0;1\right[ tels que : {\textstyle \alpha l_{f}+(1-\alpha)l_{h}\succ l_{g}\succ\beta l_{f}+(1-\beta)l_{h}} .

Axiome 4 (Indépendance). \succcurlyeq est indépendante si pour tout α dans \left[0;1\right] et pour toutes loteries lf,lg et lh on a : l{}_{f}\succcurlyeq l_{g}\Longleftrightarrow\alpha l_{f}+(1-\alpha)l_{h}\succcurlyeq\alpha l_{g}+(1-\alpha)l_{h}

Nous pouvons maintenant présenter le théorème de représentation de Von Neumann et Morgenstern :

Théorème. Pour une loterie l = (x1,p1;...;xn,pn), on définit la fonction espérance-utilité par EU(l)=\sum_{i=1}^{n}u(x_{i})p_{i} où u est une fonction à valeurs réelles. Etant donnée une relation de préférences \succcurlyeq , les deux propositions suivantes sont équivalentes:

(i) \succcurlyeq satisfait les axiomes 1-4;

(ii) Il existe une fonction à valeurs réelles u:X\rightarrow\mathbb{R} positive à une transformation affine croissante près telle \forall l,l^{\prime}\in\mathcal{L},l\succcurlyeq l^{\prime}\Longleftrightarrow EU(l)\geq EU(l^{\prime}) .


Le contenu descriptif du modèle de décision EU a été rapidement critiqué dans une expérience restée cèlèbre sous le nom de "paradoxe d'Allais". La version présentée ici est celle de Kahneman et Tversky (1979). Les sujets doivent choisir entre deux paires de loteries. D'une part, entre l1 = (3000,1) et l2 = (0,0.2;4000,0.8) et, d'autre part, entre l3 = (0,0.75;3000,0.25) et l4 = (0,0.8;4000,0.2). Le choix le plus fréquemment observé est l1 dans la première paire et l4 dans la seconde paire, en contradiction avec les prédictions de la fonction EU(.). Plus spécifiquement, c'est l'axiome d'indépendance qui est violé par les individus. Pour résoudre ce paradoxe, une réponse courante consiste à supposer que le traitement des probabilités n'est pas linéaire. Les individus "déforment" les probabilités en fonction des résultats (par exemple, ils sous-estiment la probabilité d'obtenir 3000 dans la loterie l3). Principalement axiomatisé par Quiggin (1982), le modèle suivant, appelé "Rank-Dependent Expected Utility " (RDEU), repose principalement sur un affaiblissement de l'axiome d'indépendance. Celui-ci ne tient plus que sur les distributions de probabilités induites par les variables aléatoires ayant le même tableau de variation, c'est-à-dire qui sont communément monotones, ou encore comonotones :

Axiome 4' (Indépendance comonotone). \succcurlyeq est indépendante pour les variables aléatoires comonotones si pour tout α dans \left[0;1\right] et pour toutes loteries lf,lg et lh telles que \forall s \in S, (f(s)-f(s^{\prime}))(g(s)-g(s^{\prime})) \geq 0 , (g(s)-h(s^{\prime}))(g(s)-h(s^{\prime})) \geq 0 et (f(s)-h(s^{\prime}))(f(s)-h(s^{\prime})) \geq 0 on a : l{}_{f}\succcurlyeq l_{g}\Longleftrightarrow\alpha l_{f}+(1-\alpha)l_{h}\succcurlyeq\alpha l_{g}+(1-\alpha)l_{h}

Théorème. Etant donnée une relation de préférences \succcurlyeq , les deux propositions suivantes sont équivalentes : (i) \succcurlyeq satisfait les axiomes 1-3 et l'axiome 4'; (ii) Il existe une fonction à valeurs réelles u:X\rightarrow\mathbb{R} positive à une transformation affine croissante près et une fonction à valeurs réelles croissante \phi:\left[0;1\right]\rightarrow\left[0;1\right] telle que la valeur d'une loterie l = (x1,p1;...;xn,pn) est donnée par V(l)=RDEU(l)=\underset{S}{\int}u(f)d\phi(p)=\sum_{i=1}^{n}(\phi(\sum_{j=i}^{n}p_{j})-\phi(\sum_{j=i+1}^{n}p_{j}))u(x_{i}) et \forall l,l^{\prime}\in\mathcal{L},l\succcurlyeq l^{\prime}\Longleftrightarrow RDEU(l)\geq RDEU(l^{\prime}) .

Page générée en 0.132 seconde(s) - site hébergé chez Contabo
Ce site fait l'objet d'une déclaration à la CNIL sous le numéro de dossier 1037632
A propos - Informations légales
Version anglaise | Version allemande | Version espagnole | Version portugaise