PLAN NOTATIONS UTILISÉES



Documents pareils
Calculs de probabilités

Problèmes de Mathématiques Filtres et ultrafiltres

1 Définition et premières propriétés des congruences

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours

Texte Agrégation limitée par diffusion interne

Economie de l incertain et de l information Partie 1 : Décision en incertain probabilisé Chapitre 1 : Introduction à l incertitude et théorie de

Image d un intervalle par une fonction continue

M2 IAD UE MODE Notes de cours (3)

Proposition. Si G est un groupe simple d ordre 60 alors G est isomorphe à A 5.

CHAPITRE 5. Stratégies Mixtes

Programmation linéaire

Baccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé

PRIME D UNE OPTION D ACHAT OU DE VENTE

Suites numériques 3. 1 Convergence et limite d une suite

I. Ensemble de définition d'une fonction

Chaînes de Markov au lycée

Intégration et probabilités TD1 Espaces mesurés Corrigé

Chapitre 2 Le problème de l unicité des solutions

La demande Du consommateur. Contrainte budgétaire Préférences Choix optimal

Feuille d exercices 2 : Espaces probabilisés

Chapitre 5. Équilibre concurrentiel et bien-être

Probabilités et Statistiques. Feuille 2 : variables aléatoires discrètes

Moments des variables aléatoires réelles

CHAPITRE IV. L axiome du choix

Espérance conditionnelle

Le théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche

Relation d ordre. Manipulation des relations d ordre. Lycée Pierre de Fermat 2012/2013 Feuille d exercices

Chapitre 3. Quelques fonctions usuelles. 1 Fonctions logarithme et exponentielle. 1.1 La fonction logarithme

Correction du baccalauréat ES/L Métropole 20 juin 2014

Logique. Plan du chapitre

Chapitre 1: Introduction à la théorie de l équilibre à prix fixes

Attitude des ménages face au risque. M1 - Arnold Chassagnon, Université de Tours, PSE - Automne 2014

Analyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I

Université Paris 8 Introduction aux probabilités Licence Informatique Exercices Ph. Guillot. 1 Ensemble fondamental loi de probabilité

Continuité en un point

Tests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles

DOCM Solutions officielles = n 2 10.

Méthode : On raisonnera tjs graphiquement avec 2 biens.

Programmes des classes préparatoires aux Grandes Ecoles

Chapitre VI - Méthodes de factorisation

I. Polynômes de Tchebychev

Cours de mathématiques

Intégration et probabilités TD1 Espaces mesurés

3. Conditionnement P (B)

Exemple 4.4. Continuons l exemple précédent. Maintenant on travaille sur les quaternions et on a alors les décompositions

Géométrie dans l espace

La mesure de Lebesgue sur la droite réelle

Chapitre 7. Statistique des échantillons gaussiens. 7.1 Projection de vecteurs gaussiens

Le produit semi-direct

Probabilités conditionnelles Loi binomiale

Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications

Baccalauréat ES/L Amérique du Sud 21 novembre 2013

1.1 Codage de source et test d hypothèse

Exercices sur le chapitre «Probabilités»

Première partie. Préliminaires : noyaux itérés. MPSI B 6 juin 2015

Groupe symétrique. Chapitre II. 1 Définitions et généralités

Fonctions de plusieurs variables

Peut-on imiter le hasard?

Développement décimal d un réel

Chapitre 3. Mesures stationnaires. et théorèmes de convergence

De même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que

Compte rendu de la séance du 29 mars 2014

I. Introduction. 1. Objectifs. 2. Les options. a. Présentation du problème.

Baccalauréat ES/L Métropole La Réunion 13 septembre 2013 Corrigé

Raisonnement par récurrence Suites numériques

Théorie des Graphes Cours 3: Forêts et Arbres II / Modélisation

Exercices - Fonctions de plusieurs variables : corrigé. Pour commencer

Département intercommunalité et territoires 18 mars 2013 MCG-HG. Principales dispositions concernant les communes et les intercommunalités

Nombres premiers. Comment reconnaître un nombre premier? Mais...

Cours de Probabilités et de Statistique

GUIDE DE SENSIBILISATION DES ELECTEURS

Date : Tangram en carré page

Le théorème des deux fonds et la gestion indicielle

D'UN THÉORÈME NOUVEAU

INF 232: Langages et Automates. Travaux Dirigés. Université Joseph Fourier, Université Grenoble 1 Licence Sciences et Technologies

Probabilités. C. Charignon. I Cours 3

Simulation centrée individus

Travaux dirigés d introduction aux Probabilités

Chp. 4. Minimisation d une fonction d une variable

FIMA, 7 juillet 2005


Microéconomie. Objectifs du cours. Méthode de Travail. Incertain et Information. Cours d outillage et de méthode

Cours 02 : Problème général de la programmation linéaire

I - Synthèse des travaux des 2 groupes

Dualité dans les espaces de Lebesgue et mesures de Radon finies

La NP-complétude. Johanne Cohen. PRISM/CNRS, Versailles, France.

Contexte. Pour cela, elles doivent être très compliquées, c est-à-dire elles doivent être très différentes des fonctions simples,

Probabilité. Table des matières. 1 Loi de probabilité Conditions préalables Définitions Loi équirépartie...

Théorème du point fixe - Théorème de l inversion locale

Calculs de probabilités conditionelles

Exercices - Polynômes : corrigé. Opérations sur les polynômes

Eteindre. les. lumières MATH EN JEAN Mme BACHOC. Elèves de seconde, première et terminale scientifiques :

Modèles de Calcul. Yassine Lakhnech. 2007/08 Université Joseph Fourier Lab.: VERIMAG. Modèles de Calcul Start p.

Sondage Politique provinciale Campagne électorale Grand sondage régional. Étude quantitative. 25 mars 2014

Extrait du poly de Stage de Grésillon 1, août 2010

Programmation linéaire et Optimisation. Didier Smets

Baccalauréat S Antilles-Guyane 11 septembre 2014 Corrigé

Élections municipales de Communes de moins de 1000 habitants

Les indices à surplus constant

Transcription:

PLAN COURS 3 AGRÉGATION ORDINALE Master IAD DMDC PATRICE PERNY LIP6 Université Paris 6 1 2 2/29 NOTATIONS UTILISÉES I) O A : ordres complets sur A P A : Préordres sur A (complets ou partiels) PC A : Préordres complets sur A QT A : Relations quasitransitives sur A (part. asym trans) QTC A : Relations quasitransitives et complètes sur A 3/29 4/29

LE CADRE DU THÉORÈME DE GIBBARD-WEYMARK AXIOMES (1/2) Peut-on affaiblir de manière utile l exigence de transitivité du résultat dans le théorème d Arrow? L hypothèse de complétude des préférences sociales nous limite t-elle? Que se passe t-il si l on admet de considérer d autres votes que les ordres totaux? Elargissement du cadre du théorème d Arrow PROCÉDURE D AGRÉGATION : ψ : X n Y ( 1,..., n ) X = QTC A relations quasi-transitives et complètes sur A Y = QT A relations quasi-transitives AXIOME : UNIVERSALITÉ Tout profil π =( 1,..., n ) de relations quasi-transitives et complètes est admissible (X = QTC A ). La procédure doit retourner une relation = ψ(π) qui est une relation quasi-transitive (Y = QT A ) AXIOME : INDÉPENDANCE (a, b) A 2, π =( 1,..., n ) X n, π =( 1,..., n) X n, [ i N, a i b a i b] [a b a b] avec = ψ(π) et = ψ(π ) 5/29 6/29 AXIOMES (2/2) ENSEMBLES DÉCISIFS AXIOME : UNANIMITÉ (a, b) A 2, π =( 1,..., n ) X n, [ i N, a i b a b] DÉFINITION : PRESQUE-DÉCISIVITÉ J N est dit presque décisif pour (a, b) A 2 si π =( 1,..., n ) X n, [( i J, a i b) et ( i / J, b i a)] a b AXIOME : UNANIMITÉ FORTE (a, b) A 2, π =( 1,..., n ) X n, [ i N, a i b a b] Si de plus il existe k N : a k b alors a b DÉFINITION : DÉCISIVITÉ J N est dit décisif pour (a, b) A 2, si π =( 1,..., n ) X n, [( i J, a i b) a b] J N est dit décisif s il l est pour toute paire (a, b) 7/29 8/29

OLIGARCHIES LEMMES DÉFINITION : OLIGARCHIE J N est une oligarchie si 1 J est décisif 2 (a, b) A 2 π =( 1,..., n ) X n, [( j J, b j a) non(a b) (veto) LEMME (L1) Pour toute procédure d agrégation ψ vérifiant Universalité, Unanimité etindépendance, si J N est décisif pour une paire (c, d) A 2 alors il est décisif (pour toute paire). Preuve faite au tableau. α-oligarchies : ( j J, b j a) b a β-oligarchies : ( j J, b j a) non(a b) LEMME (L2) Une procédure d agrégation ψ vérifiant Universalité et Indépendance, admet au plus une oligarchie. Preuve faite au tableau. 9/29 10 / 29 LEMMES (SUITE) RÉSULTATS (1) LEMME (L3) Pour toute α-oligarchie J, pour tout profil admissible π tel que 2 membres de J ont des préférences strictes opposées concernant la paire (a, b) alors a b. THÉORÈME (GIBBARD, 1969 ; WEYMARK, 1983) Une procédure d agrégation ψ vérifiant Universalité, Unanimité et Indépendance admet une et une seule oligarchie dans N. LEMME (L4) Pour toute β-oligarchie J, pour tout profil admissible π tel que 2 membres de J ont des préférences strictes opposées concernant la paire (a, b) alors non(a b) et non(b a). Preuve faite au tableau : on travaille sur un ensemble décisif minimal pour l inclusion et on montre que c est une oligarchie Interprétation : cas J = {i} et cas J = N, autre? Cas particulier : Théorème d Arrow 11 / 29 12 / 29

RÉSULTATS (2) RÉSULTATS (3) PROPOSITION (COROLLAIRE 1) Une procédure d agrégation ψ : QTC A QTC A vérifiant Universalité, Unanimité et Indépendance admet une et une seule α-oligarchie dans N. PROPOSITION (COROLLAIRE 3:THÉORÈME D ARROW) Une procédure d agrégation ψ : PC A QTC A vérifiant Universalité, Unanimité, Indépendance, Transitivité est dictatoriale. PROPOSITION (COROLLAIRE 2) Une procédure d agrégation ψ : PC A P A vérifiant Universalité, Unanimité et Indépendance admet une et une seule β-oligarchie dans N. PREUVE On sait qu elle est α-oligarchique (C1). Soit J l oligarchie. Supposons qu elle contienne au moins 2 élements {1, 2}. Soit π =(a 1 c 1 b, b 2 a 2 c,...) Ona:a b c mais a c ce qui contredit la transitivité. Donc J est un singleton. 13 / 29 14 / 29 RÉSULTATS (4) RÉSULTATS (5) PROPOSITION (COROLLAIRE 4:THÉORÈME D ARROW) Une procédure d agrégation ψ : PC A P A vérifiant Universalité, Unanimité, Indépendance, Complétude est dictatoriale. PREUVE On sait qu elle est β-oligarchique (C2). Soit J l oligarchie. Supposons qu elle contienne au moins 2 élements {1, 2}. Soit π =(a 1 b, b 2 a,...) On a : non(a b) et non(b a) ce qui contredit la complétude. Donc J est un singleton. THÉORÈME Il existe une unique procédure d agrégation ψ : PC A P A vérifiant Universalité, Unanimité Forte, Indépendance, Anonymat, c est la règle de Pareto (unanimité). a b [ i N, a i b] PREUVE On sait qu elle est β-oligarchique (C2). Soit J l oligarchie, alors l anonymat impose que J = N 15 / 29 16 / 29

NOTATIONS ET DÉFINITIONS II) Théorème de Gibbard-Sattethwaite NOTATIONS : Soit U A l ens. des fonctions d utilités {u : A R} injectives Soit u i U A la fonction d utilité de l agent i i N, u i (a) > u i (b) a i b Un profil est ici représenté par un vecteur u =(u 1,...,u n ) de (U A ) N On note (v i, u i ) un profil obtenu à partir de u =(u 1,...,u n ) en substituant la fonction d utilité v i à u i DÉFINITION : PROCÉDURE DE VOTE MONOVALUÉE Une procédure de vote monovaluée est une application C associant à tout profil u de (U A ) N, le nom du candidat élu C(u) A (le gagnant unique du vote). 17 / 29 18 / 29 NON-MANIPULABILITÉ D UNE PROCÉDURE DE VOTE NON-MANIPULABILITÉ ETMONOTONIE DÉFINITION : PROCÉDURE DE VOTE NON-MANIPULABLE Une procédure de vote (monovaluée) est dite non-manipulable si et seulement si on a : REMARQUES : u (U A ) N, v i U A, u i (C(u)) u i (C(v i, u i )) 1 Si C est non-manipulable, pout tout votant i, ne pas voter sincèrement conduirait à élire un candidat qu il apprécie moins (le vote non sincère étant au mieux inutile ). Les votants ont intérêt à voter sincèrement. 2 Si A = 2 alors Non-manipulable Monotone. Qu en est-il si A 3? DÉFINITION : AMÉLIORATION Soient u, v U A et a A. On dit que v améliore a par rapport à u (noté v > a u)si: 1 b, c A \{a}, [u i (b) > u i (c) v i (b) > v i (c)] (u et v coincident sur A \{a}) 2 i N, b A \{a}, [u i (a) > u i (b) v i (a) > v i (b)] 3 v u (améloriation stricte de a pour au moins un agent) u = EXEMPLE : a 1 b 1 c 1 d b 2 d 2 c 2 a d 3 b 3 a 3 c a 1 b 1 c 1 d v = b 2 a 2 d 2 c d 3 b 3 a 3 c 19 / 29 20 / 29

FORTE MONOTONIE RÉSULTATS (1) DÉFINITION : FORTE-MONOTONIE Un procédure de vote C est fortement monotone si, pour tous u, v U A, et toute alternative a A : v > a u [C(u) =C(v) ou C(v) ={a}] LEMME Une procédure de vote est fortement monotone si et seulement si, pour tous profils u, v U A et tout a A: { a = C(u) [a = C(v)] i, b a, [u i (a) > u i (b) v i (a) > v i (b)] REMARQUES : 1 améliorer a dans les données entraîne son élection ou confirme le candidat qui était élu 2 Cette notion de monotonie est plus forte que la monotonie classique : v > a u [C(u) ={a} C(v) ={a}] REMARQUE : Axiome contenant une forme d indépendance. Ex : a C(u) et u i (b) > u i (d) > u i (a) > u i (e) > u i (c) > u i (f ) a est élu pour tout modif de u i telle que : a et b occupent les 2 premières positions c, e, f occupent les 3 dernières positions 21 / 29 22 / 29 RÉSULTATS (2) RÉSULTATS (3) LEMME (MULLER AND SATTERTHWAITE, 1977) Si A 3 une procédure de choix C est fortement monotone si et seulement si elle est dictatoriale. IDÉE DE LA PREUVE : : Une procédure dictatoriale est fortement monotone : Soit C une procédure fortement monotone. Une preuve dans le même esprit que celle d Arrow (révélation d un singleton décisif) permet de montrer que C dictatoriale. THÉORÈME (GIBBARD, 1973 ; SATTERTHWAITE, 1975) Si A 3 une procédure de choix C est non-manipulable si et seulement si elle est dictatoriale. PREUVE : : Une procédure dictatoriale est non-manipulable (trivial) : Soit C procédure non-manipulable. Montrons qu elle est fortement monotone. Soient u U A, a A, i N et v =(v i, u i ) tels que v a u.on doit montrer que C(v) =C(u) ou C(v) =a. 23 / 29 24 / 29

DEUX CAS : Cas1:C(u) =b a Si C non fortement-monotone alors C(v) =c / {a, b}. On a alors 2 cas : I) u i (b) > u i (c) et v i (b) > v i (c) II) soit u i (b) < u i (c) et v i (b) < v i (c) On a donc : I) v i (C(u)) > v i (C(v)) = v i (C(v i, u i )) manip. en votant u i II) u i (C(u)) < u i (C(v)) = u i (C(v i, u i )) manip. en votant v i contradiction en I) comme en II) car C non-manipulable. Cas2:C(u) =a Si C non fortement-monotone alors C(v) =b a. Ona alors 2 cas : I) u i (b) > u i (a) II) soit u i (b) < u i (a) et donc v i (b) < v i (a) (on améliore a sur i) On a donc : I) u i (C(v i, u i )) > u i (C(u)) manip. en votant v i II) v i (C(v)) < v i (C(u i, u i )) manip. en votant u i contradiction en I) comme en II) car C non-manipulable. (cas1et2) C fortement monotone 25 / 29 26 / 29 IMPACT EN DÉCISION COLLECTIVE 1 Généralement on refuse les procédures dictatoriales et la procédure utilisée est donc manipulable 2 Un moyen de contourner le problème:le vote probabiliste... LA PROCÉDURE DU DICTATEUR ALÉATOIRE : 1 chaque agent met dans l urne le nom d un candidat 2 on tire aléatoirement (loi uniforme) un bulletin dans l urne pour déterminer le gagnant AVANTAGE DU DICTATEUR ALÉATOIRE Procédure non-manipulable (indépendance vnm) neutre et anonyme! permet de réconcilier non-manipulabilité et un partage équitable du pouvoir décisif, mais... 50% 1 = u 1 (a) > u 1 (b)...>u 1 (z) =0 50% 1 = u 2 (z) > u 2 (b)...>u 2 (a) =0 u 1 (b) =u 2 (b) =0.9 EU 1 = 0.5u 1 (a)+0.5u 1 (z) =0.5 EU 2 = 0.5u 2 (a)+0.5u 2 (z) =0.5 Satisfaction espérée (0.5,...,0.5) dominé par b : (0.9...,0.9) 27 / 29 28 / 29

LE CAS DE PRÉFÉRENCES SINGLE-PEAKED Hypothèse : Ordre naturel sur A : a 1 a 2...,a n u est single-peaked (SP) si : a A tel que : 1 a, b A, a b a u(a) < u(b) 2 a, b A, a a b u(a) > u(b) Abandon de l universalité pour SP N impair, il existe toujours un vainqueur de Condorcet (unique). De plus la relation majoritaire est transitive et satisfait l axiome d indépendance de Weymark. la méthode majoritaire devient admissible et non-dictatoriale (solution au pb d Arrow) élire un vainqueur de Condorcet est non-manipulable N pair, vainqueur faible de Condorcet 29 / 29