Prise de decision en avenir incertain.

Slides:



Advertisements
Présentations similaires
Comparaison d’une moyenne observée à une moyenne théorique
Advertisements

Notions de fonction Initiation.
Gestion de portefeuille Support n° 5 Catherine Bruneau
GESTION DE PORTEFEUILLE chapitre n° 4 C. Bruneau
GESTION DE PORTEFEUILLE chapitre n° 4 C. Bruneau
Lactivité en équipe Tous pour un, et un pour tous... - D Artagnon dans Les Trois Mousquétaires de Dumas Atlas dans les pays en crise.
Outil de positionnement et de pilotage stratégique des PTFs 9 novembre 2006.
Comparaison de deux moyennes observées
Comparaison de deux pourcentages observés
Chapitre 2 : Les théories de la décison
Les K plus proches voisins
CHAP 1. Les critères de décision en univers non mesurable
Corrélations et ajustements linéaires.
Probabilités et statistique en TS
simple mise en évidence
Le travail d’équipe.
2) Les critères de choix d’ un investissement
SPATIAL WOODSTOCK ET STANLEY
Septième étape : travailler avec des graphes probabilistes
Algorithme de Dijkstra
Les jeux (méthodes min-max et -)
Behavioral economics Economie comportementale Claudia Senik Université Paris-4 Sorbonne Paris School of Economics
Zéros de polynômes (La loi du produit nul) Remarque :
Analyse d’images Détection de contour Cours 8
TRAITEMENT D’IMAGE SIF-1033.
Ecole des JDMACS Décision et incertitude en logistique.
Fonction puissance Montage préparé par : André Ross
Chapitre 3bis Applications linéaires et Matrices
LE DISCOURS PHILOSOPHIQUE
LE DISCOURS PHILOSOPHIQUE
Limites et intérêts de l'ER Bien souvent pas de méthode alternative Des incertitudes et des limites : "décisions dures prises sur des connaissances molles"
J’achete un billet pour un tirage en esperant que je vais gagner un iPhone billets sont vendus.
N pièces de monnaie A1A1 A2A2 Inconnus: 1, 2 (taux de paiement de A 1 et A 2 ) 2 1, 2 2 (variance de 1 et, 2 ) Bras 1Bras 2.
Prévisions météorologiques, projections climatiques : que peut- on prévoir et avec quelle fiabilité ? Exercice 2: estimation de la prévisibilité dans le.
Chapitre 4 La probabilité
LES CONIQUES Cours 25. Le nom conique vient du fait quelle peuvent être vue comme des coupes dun cône par un plan.
simple mise en évidence
LE CHOIX EN CONTEXTE D’INCERTITUDE
Situation d interdépendance: l ’oligopole
SUJETS SPÉCIAUX EN INFORMATIQUE I
Analyse factorielle de variance: Principes d’expérimentation
Excel (Partie 2).
Zéros de polynômes ( La loi du produit nul ) Remarque :
La Probabilité.
Exercice sur la cuve à ondes
Scénario Quatre hommes entrent en collision un dans l'autre dans un ascenseur plein de personnes. En conséquence ils laissent tomber leurs téléphones cellulaires.
Mise-à-jour de données de haute incertitude spatiale Présentation dans le cadre du groupe de discussion sur la fusion de données géospatiales – 22 nov.
Programmation linéaire en nombres entiers
Visualisation de la méthode par exhaustion pour calculer l’aire sous une courbe Bien comprendre le principe d’aire par exhaustion en utilisant une série.
Foued Mnasri Weal Rekik
MATHÉMATIQUES DISCRÈTES Chapitre 4 (sec 4-5)
Exploration systématique de graphes
Probabilités et Statistiques Année 2010/2011
Cours schématique: Semaine #5
Analyse structurelle d’un portail automatique
Exploitation de mesures scientifiques.
7.4 VECTEURS PROPRES Cours 22. Au dernier cours nous avons vus ✓ Les cisaillements ✓ Les projections orthogonales ✓ Les projections obliques.
Recherche de motifs par projections aléatoires
Gestion budgétaire des ventes
- 5 - Optimisation linéaire et non-linéaire
CHAPITRE 5. La théorie de l’assurance
CHAPITRE 3. Acquisition d’information et révision des croyances
Quinze règles.
Chapitre 4 Variables aléatoires discrètes
Critères d’Aide à la Décision. Nouvelle Ligne de Produit Actions possibles quelles quantités produire? Etats de l’environnement quels niveaux de demande?
AIDE à la DECISION Critères IAE de Picardie - LP1.
Scénario Quatre hipsters entrent en collision un dans l'autre dans un ascenseur plein de personnes. En conséquence ils laissent tomber leurs téléphones.
C9-1 Modèles décisionnels en gestion Introduction Les modèles linéaires La résolution des modèles linéaires continus La programmation linéaire en nombres.
SIO Gestion de projets, applications SIO Hager Khechine, MBA, PhD. Séance 3 : L’estimation des charges.
ENCG de Fès DU Finance et Ingénierie Bancaire Décisions d'investissement et de financement Chapitre 2 - Evaluation et choix d'investissements en situation.
Transcription de la présentation:

Prise de decision en avenir incertain

Prise de décision en situation de risque La prise de décision en situation de risque se présente lorsque le degré d'incertitude n'est pas ignoré, mais plutôt explicitement pris pour compte ou en assignant des probabilités. Sources des probabilités: évidence expérimentale expertise jugement subjectif combinaison des points précédents

Cas d’incertitude Qu’arrive-t-il si la probabilité de réalisation ne peut pas être déterminée? Critère de Laplace Critère MaxiMin Critère MaxiMax Critère MiniMax du regret

Exemple Situation Décision S1 S2 D1 x y D2 X’ Y’

Exemple Critère de Laplace Toutes les alternatives ont la même probabilité de se réaliser. C'est donc dire que la probabilité de chacune est de 1/n. On calcule le profit moyen de chaque alternative. Ici sur trois possibles et quatre décisions. Alternatives Profit espéré (x1000) A1 (100 + 100 + 400) / 3 = 200 A2 (-200 + 150 + 600) / 3 = 183 A3 (0 + 200 + 500) / 3 = 233 A4 (100 + 300 + 200) / 3 = 200

Exemple (suite) Critère MaxiMin vision très conservatrice (pessimiste) des résultats possibles. Cette approche sélectionne l'alternative qui donne le meilleur des pires résultats possible. Situation Alternatives S1 S2 S3 A1 100 400 A2 -200 150 600 A3 200 500 A4 300

Exemple (suite) Critère MaxiMax vision très optimiste des résultats possibles. Ce critère cherche à déterminer l'alternative qui permet le profit le plus élevé lorsque le meilleur scénario se réalise. Situation Alternatives S1 S2 S3 A1 100 400 A2 -200 150 600 A3 200 500 A4 300

Exemple (suite) Critère MiniMax du regret Un gestionnaire "regrettera" sa décision si l'état qui se réalise permet un meilleur résultat en choisissant une autre alternative. Le "regret" correspond donc à la différence entre le résultat qui aurait pu être obtenu selon le meilleur scénario possible et le résultat de l'alternative sélectionnée. Le profit maximum de chaque éventualité (colonne) est déterminé. Dans notre exemple, il s'agit de 100$, 300$ et 600$ pour c1, c2 et (c1 + c2) respectivement. Ensuite chaque valeur de la colonne est soustraite du maximum.

Exemple (suite) Critère MiniMax du regret Matrice du regret (x1000) Alternatives S1 S2 S3 A1 100 – 100 = 0 300 – 100= 200 600 – 400= 200 A2 100 – (-200) = 300 300 – 150= 150 600 – 600 = 0 A3 100 – 0 = 100 300 – 200 = 100 600 – 500 = 100 A4 300 – 300 = 0 600 – 200 = 400 Regret maximum de chaque alternative est: A1 200 A2 300 A3 100 A4 400