Stratégies de décision Arbres Décision/Hasard

Transcription

1 Stratégies de décision Arbres Décision/Hasard Ecole Centrale Paris, June 15, 2009

2 1 Introduction additionnelle parfaite 6

3 1 Introduction additionnelle parfaite 6

4 Introduction Il est souvent nécessaire de modéliser des séquences de décisions et d événements exogènes (hasard) La modélisation par arbre décision/hasard permet la comparaison de scenarii face à un problème de décision donné Dans un arbre de décision/hasard, un scenario (séquence de choix/événements) est représenté par une branche de l arbre Un arbre Décision/hasard comporte deux types de noeuds: Noeud décision ( ) symbolise un choix, Noeud hasard ( ) symbolise des événements pouvant survenir

5 Un premier exemple simple : forage pétrolier On considère une campagne de forage pétrolier sur une zone donnée Sur chaque site de forage potentiel de la zone, on peut choisir de forer (ou non) Selon le niveau des réserves sur chaque site, les résultats de l exploitation varient : réserves nulles exploitation nulle, réserves limitées exploitation faible, réserves élevées exploitation forte,

6 Introduction exploitation forte développer exploitation faible exploitation nulle ne pas développer exploitation nulle

7 Un premier exemple simple : forage pétrolier Selon les résultats d exploitation, les outcomes sont : exploitation nulle -500, exploitation faible 250, exploitation forte 400, 400 développer ne pas développer exploitation forte exploitation faible exploitation nulle exploitation nulle 0 La théorie de la décision vise à donner des éléments pour choisir parmi des scenarii

8 Forage pétrolier : poursuite de l exemple Il est possible d effectuer un sondage sismique (coût : c s ) donnant des indications sur la nature des réserves en pétrole Les réponses du sondage peuvent être : s 1 : bon (réserves probablement abondantes), s 2 : mauvais (réserves probablement faibles), Notations S = {s 1,s 2 } signaux du sondage sismique A = {a 1,a 2 } décisions (a 1 : forer, a 2 : ne pas forer ) S = {e 1,e 2,e 3 } états de la nature : e 1 : beaucoup de pétrole, e 2 : peu de pétrole, e 3 : pas de pétrole

9 arbre de décision pas de sondage sondage forage pas de forage sondage bon sondage mauvais 0 expl forte expl faible expl nulle forage pas de forage forage pas de forage c s c s expl forte expl faible expl nulle expl forte expl faible expl nulle 400 c s 250 c s 500 c s 400 c s 250 c s 500 c s

10 1 Introduction additionnelle parfaite 6

11 Max-Min (critère de prudence) Absence d information sur l occurrence des états de la nature On choisit la décision qui maximise le pire cas Conduit à choisir de ne pas effectuer le forage Espérance mathématique des gains (EMG) On dispose de probabilité d occurrence des états de la nature Soient les probabilités a priori p(e 1 ) = 043, p(e 2 ) = 03 et p(e 3 ) = 027 On maximise l EMG Conduit à choisir de développer le forage

12 Max-Min (critère de prudence) Absence d information sur l occurrence des états de la nature On choisit la décision qui maximise le pire cas Conduit à choisir de ne pas effectuer le forage Espérance mathématique des gains (EMG) On dispose de probabilité d occurrence des états de la nature Soient les probabilités a priori p(e 1 ) = 043, p(e 2 ) = 03 et p(e 3 ) = 027 On maximise l EMG Conduit à choisir de développer le forage

13 1 Introduction additionnelle parfaite 6

14 L information véhiculée par le sondage affecte la décision On passe d une information a priori sur le gisement, p(e i ), i=1,2,3 à une information a posteriori, p(e i /s j ), i=1,2,3, j=1,2 Si le sondage est fiable, p(e i ) p(e i /s j )

15 La fiabilité du sondage est donnée par p(s j /e i ) p(s j /e i ) s 1 : bon s 2 : mauvais e 1 : beaucoup de pétrole e 2 : peu de pétrole e 3 : pas de pétrole

16 On peut calculer p(s 1 ) et p(s 2 ) p(s 1 ) = p(s 1 /e 1 )p(e 1 ) + p(s 1 /e 2 )p(e 2 ) + p(s 1 /e 3 )p(e 3 ) = = 065 p(s 2 ) = p(s 2 /e 1 )p(e 1 ) + p(s 2 /e 2 )p(e 2 ) + p(s 2 /e 3 )p(e 3 ) = = 035

17 arbre de décision pas de sondage sondage forage pas de forage sondage bon sondage mauvais 0 expl forte expl faible expl nulle 027 forage pas de forage forage pas de forage c s c s expl forte expl faible expl nulle expl forte expl faible expl nulle 400 c s 250 c s 500 c s 400 c s 250 c s 500 c s

18 On cherche à calculer p(e i /s j ), Théorème de Bayes p(e i /s j ) = p(s j/e i )p(e i ) p(s j ) p(e 2 /s 1 ) = p(s 1/e 2 )p(e 2 ) p(s 1 ) = = 028 p(e i /s j ) s 1 : bon s 2 : mauvais e 1 : beaucoup de pétrole e 2 : peu de pétrole e 3 : pas de pétrole

19 arbre de décision pas de sondage sondage forage pas de forage sondage bon sondage mauvais 0 expl forte expl faible expl nulle 027 forage pas de forage forage pas de forage c s c s expl forte expl faible expl nulle 018 expl forte expl faible expl nulle c s 250 c s 500 c s 400 c s 250 c s 500 c s

20 1 Introduction additionnelle parfaite 6

21 Résolution de l arbre sur la base de l EMG On associe aux arcs issus de noeud hasard ( ) les probabilités correspondantes On évalue l arbre en remontant des feuilles à la racine On remonte à un noeud hasard en calculant l EMG On remonte à un noeud décision par le maximum des évaluations des noeud fils

22 arbre de décision pas de sondage sondage c s forage pas de forage sondage bon sondage mauvais c s -c s expl forte expl faible expl nulle 027 forage pas de forage forage pas de forage c s c s -38-c s c s expl forte expl faible expl nulle 018 expl forte expl faible expl nulle c s 250 c s 500 c s 400 c s 250 c s 500 c s

23 additionnelle parfaite 1 Introduction additionnelle parfaite 6

24 additionnelle additionnelle parfaite La valeur espérée du gain avec information à l origine v 0 est l espérance mathématique de la politique optimale, déterminée sans information additionnelle v 0 = = 112 v a est la valeur espérée du gain avec info additionnelle (sans prendre en compte le coût d acquisition de cette info) v a = = 127 v a v 0 est la valeur espérée de l info additionnelle v a v 0 = = 15

25 parfaite additionnelle parfaite Soit v p la valeur espérée du gain en information parfaite L information parfaite (oracle) fournit toujours l état de la nature qui va survenir Si l oracle indique e 1, la décision est forer (400) Si l oracle indique e 2, la décision est forer (250) Si l oracle indique e 3, la décision est ne pas forer (0) d où v p = = 247 Valeur espérée de l information parfaite : v p v 0 = = 135 Efficacité de l information additionnelle va v 0 v p v 0 = = 011

26 1 Introduction additionnelle parfaite 6

27 Le critère de l EMG ne traduit pas la manière avec laquelle le décideur appréhende le risque (compare des loteries) Le critère de l espérance mathématique de l utilité des gains (EMU) permet de modéliser des comportements variés face au risque Soit u(x) [0,1] une fonction d utilité qui représente pour le décideur la valeur subjective associée à la conséquence x On peut substituer dans la résolution d un arbre décision-hasard le critère de l EMU à l EMG

28 Reprenons l exemple du forage pétrolier et posons c s = 20 Sachant que la valeur de l information est 15, un décideur neutre vis-à-vis du risque ne sera pas intéressé par le sondage Un décideur averse au risque pourra au contraire être intéressé par ce sondage supposons que la fonction d utilité qui modélise l attitude face x+520 au risque du décideur soit : u(x) = 920 on notera que u( 520) = 0, u(400)=1 et que u est concave (aversion au risque)

29 Fonction d utilité 1 u(x) = x x

30 arbre de décision 077 pas de sondage sondage forage pas de forage sondage bon sondage mauvais 074 u(0) = expl forte expl faible expl nulle 027 forage pas de forage forage pas de forage u(400) = 1 u(250) = 091 u( 500) = 015 u(380) = u(230) = 090 expl faible u( 520) = 0 u( 20) = 073 u(380) = u(230) = 090 expl faible u( 520) = 0 u( 20) = 073 expl forte 054 expl nulle 018 expl forte 023 expl nulle 043

31 Attitude prudente Accepter le sondage malgré son coût élevé Préférer ne pas forer en l absence de l information du sondage