Support de Cours Part1

THÉORIE DE LA DECISION
ET DES JEUX
Pr Amellal.Issam
Plan du cours
LA THÉORIE DE DÉCISION : LA THÉORIE DE JEUX:
• Introduction • Introduction
• Préférences et Choix
• Les Typologies de jeux
• Les Choix
• Les Préférences • Les Stratégies de jeux :
• Stratégies dominantes
• Lien entre Choix et Préférences
• Stratégies dominées
• Fonction d’utilité
• Préférences sur choix incertains • Application de la théorie des jeux en
économie
• Incertain Objectif
• Incertain Subjectif
DE LA DÉCISION
LA THÉORIE DE DÉCISION
Introduction Préférences et Choix Préférences sur choix incertains
Pourquoi élaborer une théorie pour prendre des décisions ? Quels décideurs
ressentent-ils la nécessité d’une théorie ? Nous prenons des décisions à chaque
instant sans que cela ne nous pose de problème. Souvent, pourtant, nous
rencontrons des situations où les conséquences de nos choix méritent réflexion, où
nous éprouvons le besoin d’analyser, de rationaliser et, si cela est possible, de
nous faire aider. Lorsque tel est le cas, nous devenons un décideur, nous pouvons
éprouver le besoin de justifier nos choix, voire être fortement invités à le faire par
ceux devant lesquels nous sommes responsables. Une théorie sur laquelle peuvent
se fonder les choix — une théorie de la décision — répond à ce besoin : elle
permet de rationaliser les décisions.
Un des objectifs principaux du développement de cette théorie est de

trouver un cadre de référence pour les théories économiques et les modèles
de gestion des entreprises, publiques ou privées. Comment décrire le
comportement d’agents économiques ? Quelle décision prendre dans le
cadre d’une gestion rationnelle des ressources et des moyens de production
Comment investir dans des actifs financiers dont les rendements sont
incertains ? Comment inférer des paramètres d’une distribution de
probabilités à partir d’un échantillon ?
Oskar Morgenstern, né le 24 janvier 1902 à Görlitz en

Saxe et mort le 26 juillet 1977 à Princeton dans le New
Jersey, est un économiste autrichien
John von Neumann, né le 28 décembre 1903 à Budapest et

mort le 8 février 1957 à Washington, est
un mathématicien et physicien américano-hongrois
Context pratique
Les décisions qui doivent être prises par les responsables industriels et
logistiques se situent à 2 niveaux :
• aux niveaux stratégique et tactique où il s’agit de définir et mettre en place le réseau, les moyens et les
ressources nécessaires à l’accomplissement de la fonction,
• au niveau opérationnel où il faut gérer les flux des matières premières, produits intermédiaires et
produits finis pour atteindre les objectifs de production et de service fixés.
La théorie de la décision propose un ensemble d’outils mathématiques aidant la prise de décision en milieu
aléatoire et risqué et permettant de guider les décideurs dans leur choix. Elle a fait l’objet de nombreux travaux
de recherche depuis plusieurs décennies notamment en économie et en gestion de portefeuilles.
Context pratique
La théorie générale de la décision, ou théorie mathématique des choix rationnels, dépasse très largement le
cadre de ce cours (quelques heures). Cette théorie possède des applications dans presque toutes les branches
des activités économiques et techniques. La théorie générale aborde principalement deux grands thèmes : la
méthodologie de la prise de décision dans des situations incertaines et la résolution des objectifs
contradictoires.
La théorie statistique de la décision est classiquement destinée à résoudre

des problèmes de choix entre plusieurs hypothèses. Quand le nombre
d’hypothèses est fini, on parle de " détection " ; quand le nombre
d’hypothèses est infini, on parle "d’estimation ". Nous allons discuter de ces
deux points dans les paragraphes qui suivent.
Context pratique
La théorie de la décision modélise le comportement d’un agent face à dessituations

de choix. Nous décrivons les choix d’un agent, et les relions à une notion de
préférences.
Nous montrons sous quelles conditions les relations de préférences peuvent être
représentées par une fonction d’utilité, et quand elles impliquent l’existence de
croyances de l’agent sur les différents états du monde, représentables par des
probabilités.
Tout agent est donc devant une situation d’indécision pour laquelle il doit
opéré un CHOIX selon ses PRÉFÉRENCES
• Qu’est-ce qu’une décision ?

Choix entre plusieurs objets ou actions possibles en fonction de la connaissance dont on dispose sur le
contexte du choix et d’objectifs à atteindre, exprimés par des préférences
• Plusieurs types de décision :
Décision microscopique : beaucoup de décisions élémentaires à prendre (ex :
✓ décision de précédence entre tâches dans un plan) combinatoire à gérer, critères simplifiés, aspect
temporel
Décision macroscopique : un choix de haut niveau parmi quelques alternatives
✓ (choix d’un site pour une centrale) pas de combinatoire mais évaluation complexe, statique
Les Choix
Nous partons d’un ensemble fini X d’alternatives.

Un agent peut effectuer un choix parmi un sous-ensemble de X d’alternatives qui lui sont proposées.
Soit donc 2X l’ensemble des parties de X .
Définition
Une fonction de choix est la donnée de c : 2X /{∅} → 2X /{∅} telle que pour tout
A⊂ X c(A) ⊂ A
Ce qui se traduit par : si l’agent a le choix entre les éléments de A, cet

agent dira que tous les éléments de c(A) conviennent, ou bien choisira indifféremment parmi les
éléments de c(A).
Certaines fonctions de choix vérifient des propriétés qui les rendent plus
"plausibles" que d’autres.
Les Choix
Nous étudierons plus particulièrement l’influence des axiomes suivant, appelés axiomes (α) et (β) de
Sen :
(α) Si x ∈ B ⊂ A et x ∈ c(A) alors x ∈ c(B)
(β) Si x et y (¸A), A ⊆ B et y ∈ c(B) alors x ∈ c(B)
On peut traduireces axiomes en langage courant de la manière suivante :
Pour l’axiome (α), "Si le champion du monde du 1500m est
marocain, alors ce marocain doit aussi être champion du Maroc en 1500m."
Pour l’axiome (β), "Si le champion du monde du 1500m est
marocain, alors tous les champions du Maroc sont aussi
champions du monde."
Les préférences
Définition : Une relation de préférence est la donnée d’un ensemble de paires d’éléments (x , y )∈X×X
pour lesquels nous écrivons x y et lisons : "l’agent préfère strictement x à y,
On peut définir une liste d’axiomes sur les relations de préférences :
• Antisymétrique xy ⇒ y Rx ou encore x  y et y  x ⇒ x = y
• Transitivité (x  y et y  z) ⇒ x  z
• Irreflexivité x >x Il n’existe pas de x strictement préféré à lui-même
• Asymétrie x >y ⇒ y>x : Si x est strictement préféré à y , alors y n’est pas strictement préféré à x.
(asymétrique = antisymétrique et irréflexive)
• Transitivité négative (x>y et y>z) ⇒ x>z
• Acyclicité x1 >x2> ... >xn ⇒  xn >x1 . Si chaque xi est strictement préféré à xi +1 alors xn n’est
pas préféré à x1
Les préférences
On peut énoncer les résultats suivants :
Définition
Une relation de préférence est rationnelle si elle est asymétrique et négativement transitive.
Une relation de préférence définie de tel possède les propriétés suivantes :
Proposition
Une relation de préférence rationnelle est irreflexive, transitive et acyclique
Les préférences
À partir d’une relation binaire >, nous pouvons définir une relation de préférences faible et une
relation d’indifférence ∼ par :
Définition
x y si y>x
x ∼ y si y >x et x>y
et ∼ possèdent les propriétés suivantes lorsque la relation est

rationnelle
Les préférences (lien entre choix et préférence)
Proposition
Supposons que > est une relation de préférences rationnelle, alors :
• pour tout x et y , on a soit x> y , soit y>x soit x ∼ y .
• (xy) est complète (on a toujours x  y ou y  x et transitive).
• ∼ est reflexive, symétrique (x ∼ y ssi y ∼ x ) et transitive.
• w > x, x ∼ y et y>z impliquent w>y et x>z
• x>y si et seulement si x>y ou x ∼ y
• x  y et y  x si et seulement si x ∼ y
Cette propriété est importante dans la construction de telles relations

Les préférences (lien entre choix et préférence)

• Deux idées simples et importantes relient les choix et les préférences:
• Si un agent possède des préférences, ceci doit avoir une implication en termes de choix.
• Lorsqu’on cherche quelles sont les relations de préférences compatibles avec des choix (s’il en existe), on
parle de préférences révélées.
• L’influence des préférences sur les choix : Soit > une relation binaire sur X . On définit une fonction c(.;>)
par :
c(A;>) = {x ∈ A : pour tout y ∈ A NON (y>x )}
• c(A; > ) est donc le sous-ensemble des éléments de A qui ne sont pas dominés par d’autres éléments de
A.
• Si > représente les préférences de l’agents, alors ses choix doivent obéir à c(. ; >).
• Une question s’impose : Sous quelles conditions sommes-nous sûrs que c(.; >) est une fonction de choix ?
Dimensions d’un problème de

décision
• Objectifs simples ou multiples
• Temps
• Incertitude sur l’état du monde
Décision multicritère en environnement connu
difficulté : formulation des objectifs, arbitrage
Décision séquentielle : planification de séquences d’actions
difficulté : combinatoire
Décision mono-critère en environnement partiellement inconnu
difficulté : intégrer l’incertain dans le critère
Formalisation d’un problème de décision statique sous

incertitude "1 agent contre la nature
• Problème : Étant donné une connaissance partielle sur l’état du monde et une relation de
préférence sur X, construire une relation de préférence sur D, afin de classer / comparer /
optimiser les décisions
Un exemple
• Investissement immobilier : faut-il investir dans une résidence, un immeuble, des appartements, ou
ne faire aucun investissement ??
• Cela va dépendre de l’état du marché immobilier : Fort, Moyen ,Faible
Arbre de Décision
Fonction d’utilité
C’est la relation entre la quantité d’un bien et la satisfaction qu’il procure. Cette relation d’abord croissante a
un rythme croissant voit son rythme d’augmentation diminuer, puis stagner. Ensuite, la fonction devient
décroissante.
Sur le plan conceptuel, le problème est assez délicat. Nous allons en fait tenter de ramener les préférences
d’un individu à une fonction.
En gros, le principe est le suivant : cette fonction va dépendre des différentes quantités de biens qui
caractérisent chaque panier de choix.
Elle va associer à chaque groupe de choix panier un nombre réel.
Mathématiquement, il s’agit donc d’une fonction de Rn dans R. Plus la valeur de la fonction pour un panier
est élevée, plus le panier est apprécié.
Représentation des préférences par la fonction d’utilité

Représentation des préférences

par une fonction d’utilité cardinale
Connaissances sur l’état du monde

L’intérêt de travailler avec des fonctions plutôt qu’avec des relations de préférence est immédiat :
On utilise de l’analyse, de plus, on peut chiffrer les choses. Mais la construction de cette fonction
n’est pas seulement un agrément mathématique. Il s’agit d’un véritable choix méthodologique qui
peut d’ailleurs être contesté.
Bien qu’en pratique la nature des problèmes susceptibles d’être traités par la RO soit "continue", il
est courant de classer les problèmes de décision en trois catégories ou niveaux faisant référence au
vocabulaire militaire :
Tactiques ou opérationnels : il s’agit de problèmes bien définis, assez
aisément quantifiables, souvent de nature technique.
Ces problèmes ont été adressés par la RO classique et la
programmation linéaire est l’exemple type de méthode utilisée.
Exemple de problèmes : gestion de stocks, planification et
optimisation hebdomadaire de la production, sequencement
de tâches,...
Stratégiques : problèmes complexes où la décision est orientée vers la réalisation d’un but général
souvent à long terme dont certains aspects sont souvent malaisés à définir et surtout à quantifier. Il
s’agit ici du niveau de décision du PDG qui est concerné, par exemple, par la création et
l’implantation d’une nouvelle usine, d’un ministre responsable d’une
politique en matière de création d’emplois,...
Semi-stratégiques : problèmes de complexité intermédiaire comme l’élaboration du planning d’un
nouveau projet important, des modalités d’une nouvelle unité de production,... Ces problèmes font
apparaître des objectifs conflictuels, des difficultés pour recueillir des données précises et
quantifiables, des aspects d’incertitude et de risques,...
Le Décideur (Decision maker - DM) : L’aide s’adresse généralement à l’un des

intervenants du processus de décision. Ceux-ci peuvent être nombreux et variés quant à leurs systèmes de
valeurs, leurs objectifs,.... etc.
L’aide ne peut, en général, s’exercer globalement sur la base d’un modèle unique convenant à chaque
intervenant, d’où le besoin de l’adaptation de la technique au contexte.
En pratique, il existe toujours un individu ou une instance pour le compte ou au nom duquel la décision
s’exerce : cette "personne" joue un rôle déterminant dans le processus de décision.
Par "identifier" un décideur nous entendons identifier ses objectifs. Si le DM est un groupe, certains membres
du groupe peuvent être plus ou moins attachés à la défense de certains objectifs plus ou moins clairement
établis. Dans l’optique de modélisation qui est la nôtre, nous devrons supposer qu’en dernier ressort le DM
désigne l’entité qui apprécie les divers aspects intéressant la décision, exprime les préférences et les fait
prévaloir dans l’évolution du processus.
Évidemment, l’explicitation des objectifs et des solutions possibles fait l’objet d’un processus interactif où
intervient l’homme d’étude.
L’homme d’étude (HE) : C’est un spécialiste (chercheur opérationnel, ingénieur, statisticien,...),

proche ou non du DM, dont le rôle consiste à :
• expliciter les objectifs du DM en dialoguant avec lui
• expliciter le modèle (le DM doit comprendre le modèle pour y adhérer)
• exploiter le modèle en vue d’éclairer la recherche d’une solution
• éclairer le DM sur les conséquences de certains choix
• préconiser, conseiller certains choix
Il est essentiel que l’HE explicite clairement le modèle pour que le DM
adhère au processus de décision.
Comment comprendre le comportement d’un agent rationnel face à de l’incertain ? Nous distinguons
deux types d’incertain.
Incertain objectif : événements dont les probabilités sont connues ou déterminables objectivement (exemple : jet de dés.)
Incertain subjectif : événements incertains dont les probabilités ne peuvent être déterminées
objectivement. (exemple : probabilité de pluie, de réussite à un examen...).
On suppose qu’un agent agit d’une façon rationnelle

L’objectif donc toute la théorie est de :
• Maximiser l’utilité du consommateur
• Minimiser les coûts du producteur
• Comparer les coûts et les bénéfices
Son rôle est de décrire comment les décisions :

• Sont prises (descriptif)
• Peuvent être prise (aspect prédictif ou conseil)
• Doivent être prises (aspect normatif, permettant de juger de la
• qualité de la décision par rapport à un référentiel)
1- Le critère de Laplace
2- Le critère du MaxiMax
3- Le critère de WALD ou MaxiMin
4- Le critère d’HURWICZ
5- Le critère de SAVAGE
6- Le critère MOYENNE-VARIABILITE
1- Le critère de Laplace
• Fonction de valorisation :
• Évaluer la moyenne des résultats de chaque action.
1 ei =en
Va j =  Ra j ,ei
n ei =e1
•Critère de choix :
– Choisir l’action dont la moyenne est la plus élevée.
a* arg max Va j ( )

Exemple d’application
Actions\états e1 e2 e3 e4
a1 20 25 40 100
a2 5 30 50 125
a3 40 50 75 0
1
4

Va1 = (20 + 25 + 40 + 100) = 46,25 ( )
 arg max Va j = a* = a2


Va2 = (5 + 30 + 50 + 125) = 52,5 
1
4 
a2  a1  a3

Va3 = (40 + 50 + 75 + 0 ) = 41,25 
1
4 
Critique du critère de Laplace :
• Critère de la raison insuffisante
❑Car tout se passe comme si on cherchait à maximiser une

espérance mathématique de gain comme si on était dans un univers
risqué et équiprobable.
2- Le critère du MaxiMax
• Déterminer le résultat maximum que peut rapporter chaque action.
(
Va j = sup Ra j ,ei
ei
)
• Critère de choix :
– Choisir l’action dont la fonction de valorisation est la plus
élevée

a1 20 25 40 100
a2 5 30 50 125
a3 40 50 75 0
Va1 = sup(20; 25; 40; 100) = 100


Va2 = sup(5; 30; 50; 125) = 125   arg max V = a* = a

aj ( )
2
Va3 = sup(40; 50; 75; 0) = 75 
Critique du critère du MaxiMax :
• Critère trop optimiste
❑En effet, en utilisant le critère du MaxiMax, l’agent se comporte comme

un optimiste qui ne voit que la possibilité de gagner le plus possible en
omettant les possibilités de gain inférieur.
3- Le critère de WALD ou MaxiMin
• Déterminer le résultat minimum que peut rapporter chaque action.
Va j = inf (R j ,i )
ei
•Critère de choix :
–Choisir l’action dont la fonction de valorisation est la plus
élevée.

a1 20 25 40 100
a2 5 30 50 125
a3 40 50 75 0
Va1 = inf (20; 25; 40; 100) = 20


Va2 = inf (5; 30; 50; 125) = 5 

( )
 arg max Va j = a* = a1
Va3 = inf (40; 50; 75; 0) = 0 
Critique du critère de WALD
• Critère trop pessimiste
❑En effet, en utilisant le critère de WALD, l’agent se comporte

comme un pessimiste qui se dit : « je n’ai pas de chance donc je
vais choisir l’action qui a le plus grand résultat minimum : je suis
certain d’avoir au moins ce minimum ».
4- Le critère d’HURWICZ
• Déterminer une fonction prenant en compte le pire des résultats avec
la probabilité a et le meilleur résultat avec la probabilité (1- a).
( )
Va j =  . inf Ra j ,ei + (1 −  ) sup Ra j ,ei
ei ei
( )
–Choisir l’action dont la fonction de valorisation est la plus élevée.

a1 20 25 40 100
a2 5 30 50 125
a3 40 50 75 0
Va1 =  .20 + (1 −  )100 = 100 − 80.

Va2 =  .5 + (1 −  ).125 = 125 − 120.
Va3 =  .0 + (1 −  ).75 = 75 − 75.
L’action a1 est préférée si :

 5 Optimisme Pessimisme
100 − 80.  125 − 120.  
  8
100 − 80.  75 − 75.  5
  5 0 8 1
 5 a*=a2 a*=a1
  
125 − 120.  100 − 80. 8
 
125 − 120.  75 − 75.   10
 9
  5 
75 − 75.  100 − 80.  
  10   0;1
75 − 75  125 − 120.   
 9 
Remarques sur le critère d’HURWICZ :
• Généralisation du choix d’un agent qui ne serait ni complètement

optimiste, ni complètement pessimiste.
➢ Si a=0, l’agent est résolument optimiste

➢ Si a=1, l’agent est résolument pessimiste
• L’agent doit connaître son degré d’optimisme a !

5- Le critère de SAVAGE
• On détermine une fonction de regret qui mesure le manque à gagner en
n’ayant pas choisi la « bonne action » pour chaque état de la nature.

( ) 
ei = n
Va j =   sup Ra j ,ei − Ra j ,ei 
ei =1  a j 
–Choisir l’action dont la fonction de regret est la plus faible.
a* arg min Va j ( )

a1 20 25 40 100
a2 5 30 50 125
a3 40 50 75 0
Va1 = (40 − 20) + (50 − 25) + (75 − 40) + (125 − 100) = 105
Va2 = (40 − 5) + (50 − 30) + (75 − 50) + (125 − 125) = 80
Va3 = (40 − 40) + (50 − 50) + (75 − 75) + (125 − 0 ) = 125
6- Le critère MOYENNE-VARIABILITE
❑La fonction de valorisation est caractérisée par un couple
composé par la moyenne de l’action et sa variabilité..
1 ei = n
(
moy(a j ) =  Ra j ,ei
n ei =1
)
( ) (
 (a j ) = sup Ra j ,ei − inf Ra j ,ei
ei ei
)
Critère de choix n° 1 :
moy(ak )  moy(al ) et (ak )  (al )


ak  al si  ou bien
moy(a )  moy(a ) et (a )  (a )
 k l k l
Cette règle de comparaison est assez restrictive :
Elle ne prend pas en considération le fait qu’une forte

variabilité compensée par une forte moyenne puisse
être intéressante.
Donc ce critère ne fonctionne pas toujours : il faut le
compléter
a1 20 25 40 100
a2 5 30 50 125
a3 40 50 75 0
moy(a1 ) = (20 + 25 + 40 + 100) = 46,25

1
4
(a1 ) = 100 − 20 = 80
moy(a2 ) = (5 + 30 + 50 + 125) = 52,5
1
4 Pas de décision possible !
(a2 ) = 125 − 5 = 120
moy(a3 ) = (40 + 50 + 75 + 0) = 41,25
1
4
(a3 ) = 75 − 0 = 75
Critère de choix n° 2 :
moy(ak ) moy(al )
ak  al si 
 (ak )  (al )
Cette règle consiste à mesurer le pourcentage de

moyenne par unité de variabilité.
La meilleur stratégie sera celle qui aura la plus grande

moyenne par unité de variabilité
Application du critère n°2 :
moy(a1 ) = 46,25 moy(a1 )

 = 0,5781
(a1 ) = 80  (a1 )
moy(a2 ) = 52,5 moy(a2 ) a1  a3  a2

 = 0,4375
(a2 ) = 120  (a2 )
moy(a3 ) = 41,25 moy(a3 )

 = 0,55
(a3 ) = 75  (a3 )
LA THÉORIE DES JEUX
Introduction Typologies de jeux Les Stratégies de jeux Application
exemple
La théorie des jeux étudie des situations (les jeux) où des agents (les joueurs) ont à choisir des stratégies et
obtiendront chacun un résultat (paiement, gain) qui dépendra des stratégies jouées par l'ensemble des
joueurs.
Kevina/Kevin concert foot

concert 2, 1 -1, -1
foot -1, -1 1,2
• Kevin et Kevina doivent aller au spectacle ce soir et acheter leur billet a l'avance, chacun séparément ; ils
n'ont pas la possibilité de communiquer; l'un aime le foot, l'autre les concerts. Leur soirée à tous deux sera
gâchée s'ils ne sont pas ensemble
exemple
▪ Deux criminels présumes sont interrogés séparément par la police; s'ils nient tous les deux ils
seront condamnés à une peine de 3 ans et s'ils avouent tous les deux ils seront condamnes à une
peine de 6 ans ; si l'un des deux avoue tandis que l'autre nie, le premier n'aura qu'une peine de
principe (1 an) et le second aura la peine maximale (10 ans).
Pris I/Pris. 2 nier avouer

nier -3, -3 -10, -1
avouer -1, -10 -6,-6
56
• On change maintenant la matrice des gains

nier -3, -3 -10, -30
avouer -30, -10 -30,-30
57
▪ Jeu « Dell versus Compaq »,

▪Chacun doit choisir son système d'exploitation (Linux ou Windows)
▪Dell préfère Windows et Compaq préfère Linux.
▪Les deux fabriquants ont intérêt à avoir le même OS.
Dell/Compaq Windows Linux

Windows 600, 200 100, 100
Linux 100, 100 200,600
▪ Jeu simultané
58
▪ Si Dell a une avance sur Compaq et annonce le premier l'OS qu'il a retenu
Dell
Compaq Windows 600,200
Windows Linux
100,100
Windows 100,100
Linux
Linux
200,600
▪ Le jeu n'est pas simultané – Dell joue le premier

▪ « Forme extensive »
59
Jeux non cooperatifs, sous forme normale

▪ Un jeu est non-cooperatif lorsque les joueurs choisissent leurs stratégies à
l'insu les uns des autres.
▪ Jeu sous forme normale :

▪N joueurs
▪Chaque joueur i a un ensemble Ai de mi actions possibles(ou « stratégies »)
▪Une fonction de paiement : A1 x … x An → Rn

nier -3, -3 -10, -1
avouer -1, -10 -6,-6
▪ Résoudre le jeu = déterminer la stratégie de chacun

Dominance
nier -3, -3 -10, -1
avouer -1, -10 -6,-6
▪ Une stratégie a du joueur i domine faiblement une stratégie b de i ssi, quelque

que soient les stratégies des autres, i gagne au moins autant en jouant a qu'en
jouant b
▪ a domine b ssi a domine faiblement b et qu'il y a au moins un cas où i gagne
plus en a qu'en jouant b
▪ a domine fortement b ssi quelque que soient les stratégies des autres, i gagne
plus en jouant a qu'en jouant
• Ici, pour le prisonnier 1 , « avouer » domine (fortement) « nier »

61
Équilibre en stratégies strictement dominantes
▪ Un joueur rationnel ne jouera jamais une stratégie si une autre lui apporte un
gain supérieur quel que soit le comportement des autres joueurs.
▪ Si chaque joueur a une stratégie strictement dominante, il la jouera

• On arrive alors à un équilibre en stratégies strictement dominantes

nier -3, -3 -10, -1
avouer -1, -10 -6,-6
• (avouer, avouer) est un équilibre en stratégies strictement dominantes
Optimum de Pareto
• (avouer, avouer) est un équilibre en stratégies strictement dominantes
nier -3, -3 -10, -1
avouer -1, -10 -6,-6
• mais chacun des deux joueurs gagnerait plus avec (nier, nier)
▪ Une combinaison de stratégies est un optimum de Pareto si aucun des joueurs ne peut gagner plus sans que
le gain d'un autre joueur ne diminue
• (avouer, avouer) n'est pas un optimum de Pareto ; (nier,nier) en est un
▪ La rationalité individuelle n'amène pas forcement au bien être collectif 63

Équilibre itératif en stratégies strictement dominantes

▪ Il n'existe pas toujours d'équilibre en stratégies strictement dominantes
▪ Mais le jeu peut souvent se simplifier : chacun peut retirer les stratégies strictement dominées, et
ce jusqu'à stabilité
G C D
H (2,5) (4,8) (1,3)
M (1,4) (2,5) (3,6)
B (3,7) (5,8) (2,9)
•
• G est retirée (dominée par C), puis H (dominée par B), puis C (dominée par D), puis B (dominée
par M)
• (M,D) est un équilire itéré en stratégies strictement dominantes
64
Équilibre itératif en stratégies dominantes

▪ Si l'autre jouer est rationnel, il ne jouera pas une stratégie dominée
▪ Mais si il ne l'est pas assez, je peux prendre un risque à supposer qu'il éliminera un stratégie dominée
J1 / J2 A B
a 3,0 4,0
b 6,3 0,2
▪ J2 a intérêt à jouer A ; J1 faisant cette hyp. jouerait b (équilibre itératif en stratégie dominante)
▪ Pourtant 57 % des J1 choisissent a ils soupçonnent que J2 n'est pas assez rationnel (20% des cas) et jouera B
▪Ces J1 limitent les dégâts en jouant A plutôt que B
65
Équilibre de Nash

concert 2, 1 -1, -1
foot -1, -1 1,2
▪ Un équilibre de Nash est une combinaison de stratégies telle qu'aucun joueur ne peut augmenter son gain en
changeant unilatéralement de stratégie
▪ Explique que dans certaines situations, personne ne dévie sa stratégie (mais pas comment on y arrive)
66
Équilibres de Nash
▪ Il peut y en avoir plusieurs (pb si non coopératif)
concert 2, 1 -1, -1
foot -1, -1 1,2

▪ Les équilibres de Nash ne sont pas forcément Pareto optimaux
nier -3, -3 -10, -1
avouer -1, -10 -6,-6
▪ Tout équilibre (éventuellement itératif) en stratégies dominées est un équilibre de Nash

▪ Réciproque fausse : l'itération peut éliminer des Nash eq.
67
Équilibres de Nash
Dell/Compaq Windows Linux
Windows 600, 200 100, 100
Linux 100, 100 200,600
▪ Décision tour à tour (plus d'info)
Dell Compaq
Windows 600,200
Windows Linux
100,100
Windows 100,100
Linux Linux
200,600
• Ici, un seul des deux équilibres de Nash est plausible

Équilibre de Nash
▪ Théorème : Tout jeu fini à n personnes, sous forme extensive, à information parfaite possible une
solution qui est un équilbre de Nash en stratégies pures
▪ Sous forme normale : pas forcément d'équilibre (de Nash)
Gen I/ Gen 2 Attaquer Retraite

Attaquer 2, 3 8,0
Retraite 6, 6 5,8
▪ Chacun peut jouer une stratégie de sécurité (maximin)

Jeu à somme nulle
▪ Deux firmes vendent 1 produit de cout unitaire 1 euros ; si le prix de vente est de 2 euros, 100 clients achetent ;
à 3 euros, 50 achètent
firme I/ firme 2 2 euros 3 euros
2 euros 50, 50 100,0
3 euros 0, 100 50,50
▪ Modèle équivalent (par rapport au point 50)
2 euros 0, 0 50,-50
3 euros -50, 50 0,0
▪ Ou encore (Ligne minimise, Col maximise)

2 euros 0 -50
3 euros 50 0
Jeu à somme nulle

▪ Les gain d'un joueur sont les pertes de l'autre
2 euros 0 -50
3 euros 50 0
• Matrice du joueur colonne – qui maximise ; le joueur ligne minimise
▪ Stratégie de sécurité :
▪Colonne : maximiser le gain min
▪Ligne : minimiser le gain max (content si Colonne perd)
(ici, les joueurs vendent à 2 euros tous les deux)
▪ L' équilibre de Nash ?

Jeu à somme nulle
▪ L' équilibre de Nash en stratégie pure lorsque il existe, est unique, et

• max c min l val = min l max c val
Catalogue Brochure Rien

P 20 30 25
G 95 80 60
▪ Idem quel que soit l'ordre des coups (jeu extensif)

Utilité espérée et stratégie mixte

▪ Jeu répeté … on « cache » son jeu
▪Ex : penalty, Chifoumi
▪ Le décideur choisit d'une probabilité pour chaque action ; stratégie mixte = distribution de probabilité fixée
par le décideur
Gen I/ Gen 2 Attaquer 1-q Retraite q

Attaquer 1-p 2, 3 8,0
Retraite p 6, 6 5,8
• EU1(p,q) = 2.(1-p).(1-q) + 8.(1-p).q + 6.p.(1-q) + 5 .p .q = 2 + 4.p + 6.q -7.p.q = 2 + 4p + q (6 – 7p)

• Attaque (p = 0) : 2 + 6q Retraite (p=1) :6–q 50/50 :
4 + 5/2 Gain sur(p = 6/7) : 40 / 7
Utilité espérée et stratégie mixte

Gen I/ Gen 2 Attaquer 1-q Retraite q
Attaquer 1-p 2, 3 8,0
Retraite p 6, 6 5,8
• EU1(p,q) = 2.(1-p).(1-q) + 8.(1-p).q + 6.p.(1-q) + 5 .p .q = 2 + 4.p + 6.q -7.p.q

=2 + 4p + q (6 – 7p)
• Attaque (p = 0) : 2 + 6q
• Retraite (p=1) : 6 – q
• 50/50 : 4 + 5/2
• Gain sur(p = 6/7) : 40 / 70
▪ Si je connais la stratégie de l’autre joueur (q), je peux maximiser mon EU
▪ Sinon, je peux espérer gagner mieux (en espérance) en choisissant une stratégie mixte (celle de gain sur) que
74
sa stratégie pure maximin
Équilibre de Nash en Stratégie mixte

▪ Si je connais la stratégie de l'autre joueur, je peux maximiser mon EU
• EU1(p,q) = 2 + 4p + 6q – 7pq
• Si q=1 : EU1 = 8 – 3p (j'attaque)
• Si q=0 : EU1 = 2 + 4p (retraite!)
• Si q= ½ EU1 = 5 + ½ p (retraite aussi !)
▪ Equilibre de Nash en stratégie mixte =quand personne n'a intérêt à changer sa distribution de probabilité
unilatéralement
• L'équilibre de Nash advient quand les proba sont telles que chaque joueur est indifférent entre ses stratégies
pures (et donc mixtes)
• EU1 = 2 + 4p + 6q – 7pq = 2 + p . (4 – 7q) + 6q q = 4/7
• EU2 = 3 + 3p – 3q - 5pq = 3 + p . (3 - 5q) - 3q p = 3/5
Équilibre de Nash en Stratégie mixte
• Equilibre de Nash en stratégie mixte = quand personne n'a intérêt à changer sa distribution
de probabilité unilatéralement
▪ Tout jeu fini possède un équilibre de Nash en stratégie mixte
▪ Tout équilibre en stratégie pure est un équilibre en stratégie mixte
76
Jeu à somme nulle et stratégie mixte
tireur/ gardien G (p) D (1-p)

G (p) 0 1
D (1 - p) 1 0
Coopérer
▪ La rationnalité individuelle n'amène pas forcement au bien être collectif
▪ Coopérer en stratégie pure pour obtenir (a moins) un optimum de Pareto
▪ Coopérer en stratégie mixte : *fixer* p et q = partager
78
Application à
La microéconomie
Introduction
• Il existe des structures de marché intermédiaires au monopole : l’oligopole.

• Une forme particulière de l’oligopole est le duopole : deux firmes.
• Nous raisonnons en duopole.
Choisir une stratégie
• 2 firmes produisent un bien identique.

• 4 variables sont à considérer.
• Le prix de chaque entreprise.
• L’output de chaque entreprise.
• Plusieurs cas peuvent être analysés.
Les jeux séquentiels
• La firme connaît les choix effectués par l’autre entreprise.

• La 1ere firme est le leader.
• La 2ème firme est le suiveur.
• Les interactions stratégiques entre 1 et 2 constituent un jeu séquentiel.
• Les variables stratégiques peuvent être les prix ou les output.
Les jeux simultanés
• La firme ne connaît pas les choix effectués par l’autre entreprise.

• La firme doit prévoir les décisions de l’autre lorsqu’elle fixe le prix ou le
niveau d’output à produire.
• Les interactions stratégiques entre 1 et 2 constituent un jeu simultané.
Collusion et jeux coopératifs
• Une autre interaction existe.

• Au lieu de se concurrencer, les firmes forment une coalition.
• Les firmes fixent en commun les prix ou les quantités pour maximiser la
somme de leurs profits.
Limites
• Nous étudions des modèles de concurrence de produits homogènes.

• Il existe des stratégies pour se différentier en qualité (verticale et
horizontale).
• Modèles de différenciation
La fixation simultanée des quantités:
Le modèle de Cournot
Concurrence en quantité
• Les firmes se concurrencent en choisissant leurs niveaux d’output simultanément.

• Le mathématicien français Cournot a étudié le premier ce type d’interaction (1838).
• Si la firme 1 produit y1 unités et la firme 2 produit y2 unités alors la quantité totale offerte sur le marché est y1
+ y2.
• Le prix de marché sera alors p(y1+ y2).
• Les fonctions de coût sont c1(y1) et c2(y2).
• Supposons que la firme 1 prenne le niveau d’output y2 produit par la firme 2

comme donné.
• La fonction de profit de la firme 1 est alors :
 1 ( y1 ; y 2 ) = p( y1 + y 2 ) y1 − c1 ( y1 ).
• Etant donné y2, quel niveau d’output y1 maximise le profit de la firme 1 ?
Un exemple
• Supposons que la fonction de demande inverse du marché est :

p( yT ) = 60 − yT
et que les fonctions de coût des firmes sont :
2
c1 ( y1 ) = y1 et c 2 ( y 2 ) = 15 y 2 + y 2
2.
Un exemple
Etant donné y2, la fonction de profit de 1 est
( y1; y 2 ) = ( 60 − y1 − y 2 ) y1 − y12 .
Un exemple
( y1; y 2 ) = ( 60 − y1 − y 2 ) y1 − y12 .
Etant donné y2, le niveau d’output qui
maximise le profit de la firme 1 est

= 60 − 2y1 − y 2 − 2y1 = 0.
 y1
Un exemple
( y1; y 2 ) = ( 60 − y1 − y 2 ) y1 − y12 .

= 60 − 2y1 − y 2 − 2y1 = 0.
 y1
i.e. la meilleure réponse de 1 à y2 est
1
y1 = R1 ( y2 ) = 15 − y2 .
4
Un exemple
y2 “Courbe de réaction” de la firme 1
1
60 y1 = R1 ( y2 ) = 15 − y2 .
4
15 y1
Un exemple
Idem, étant donné y1, la f.d. profit de 2 est

2
( y 2 ; y1 ) = ( 60 − y1 − y 2 ) y 2 − 15 y 2 − y 2 .
Un exemple

2
( y 2 ; y1 ) = ( 60 − y1 − y 2 ) y 2 − 15 y 2 − y 2 .

= 60 − y1 − 2y 2 − 15 − 2y 2 = 0.
 y2
Un exemple
( y 2 ; y1 ) = ( 60 − y1 − y 2 ) y 2 − 15 y 2 − y 22 .

= 60 − y1 − 2y 2 − 15 − 2y 2 = 0.
 y2
i.e. la meilleure réponse de 2 à y1 est
45 − y1
y 2 = R 2 ( y1 ) = .
4
Un exemple
y2
“Courbe de réaction” de la firme 2

45 − y1
y 2 = R 2 ( y1 ) = .
4
45/4
45 y1
Un exemple
• Un équilibre émerge lorsque le niveau d’output produit par chaque firme est tel qu’aucune des
firmes n’a intérêt à dévier.
• Une paire de niveaux d’output (y1*,y2*) est une équilibre dit de Cournot-Nash si
y* *
1 = R1 ( y 2 ) y* *
2 = R 2 ( y1 ).
et
Un exemple
*
* * 1 *
y1 = R1 ( y2 ) = 15 − y2 et * * 45 − y1
y 2 = R 2 ( y1 ) = .
4 4
Un exemple
*
* * 1 *
y1 = R1 ( y2 ) = 15 − y2 et 45 − y
y*2 = R 2 ( y*1 ) = 1.
4 4
Nous substituons y2*
1  45 − y*
y*1 = 15 −  1
4 4 
Un exemple
*
* * 1 *
y1 = R1 ( y2 ) = 15 − y2 et 45 − y
y*2 = R 2 ( y*1 ) = 1.
4 4
1  45 − y*
y*1 = 15 −  1  y*1 = 13
4 4 
Un exemple
*
* * 1 *
y1 = R1 ( y2 ) = 15 − y2 et 45 − y
y*2 = R 2 ( y*1 ) = 1.
4 4
1  45 − y*
y*1 = 15 −  1   y* = 13
 1
4 4 
D’où * 45 − 13
y2 = = 8.
4
Un exemple
y* * 1 * et 45 − y*
1 = R1 ( y 2 ) = 15 − y2 * *
y 2 = R 2 ( y1 ) = 1 .
4 4
1  45 − y* 
y*
1 = 15 −  1  y*
1 = 13
4 4 

D’où 45 − 13
y*
2 = = 8.
4
L’équilibre de Cournot-Nash est

( y* *
1 , y 2 ) = ( 13, 8 ).
Un exemple
y2 La “courbe de réaction” de la firme 1

1
60 y1 = R1 ( y2 ) = 15 − y2 .
4
La “courbe de réaction” de la firme 2
45 − y1
y 2 = R 2 ( y1 ) = .
4
45/4
15 45 y1
Un exemple
y2 La “courbe de réaction” de la firme 1

1
60 y1 = R1 ( y2 ) = 15 − y2 .
4
La “courbe de réaction” de la firme 2
45 − y1
y 2 = R 2 ( y1 ) = .
4
Equilibre de Cournot-Nash
8
( )
y*1 , y*2 = (13,8) .
13 45 y1
Globalement, étant donné le niveau d’output
y2 choisi par la firme 2, la f.d. profit de 1 est
 1 ( y1; y 2 ) = p( y1 + y 2 ) y1 − c1 ( y1 )
et la valeur de y1 qui max le profit est
 1  p( y1 + y 2 ) 
= p( y1 + y 2 ) + y1 − c1 ( y1 ) = 0.
 y1  y1
La solution, y1 = R1(y2), est la réaction de
Cournot-Nash de la firme 1 à y2.
De même, étant donné le niveau d’output y1
de la firme 1, la fonction de profit de 2 est :
 2 ( y 2 ; y1 ) = p( y1 + y 2 ) y 2 − c 2 ( y 2 )
Et la valeur de y2 qui max le profit est
 2  p( y1 + y 2 ) 
= p( y1 + y 2 ) + y 2 − c 2 ( y 2 ) = 0.
 y2  y2
La solution, y2 = R2(y1), est la réaction de
Cournot-Nash de la firme 2 à y1.
y2 “Courbe de réaction” de 1 y1 = R1 ( y 2 ).
“Courbe de réaction” de 2 y 2 = R 2 ( y1 ).
Equilibre de Cournot-Nash
y1* = R1(y2*) et y2* = R2(y1*)
*
y2
y* y1
Courbes d’iso-profit
• Pour la firme 1, une courbe d’iso-profit contient toutes les paires d’output (y1,y2) donnant à la
firme 1 le même niveau de profit P1.
• A quoi ressemble ces courbes de profit ?
y2 Courbes d’iso-profit
Avec y1 fixé, le profit de la
firme 1 croît qd y2 diminue.
y1
y2 Courbes d’iso-profit de la firme 1

Augmentation du profit
pour la firme 1.
y
Q: La firme 2 choisit y2 = y2’.

Sur la droite y2 = y2’, quel est
le niveau d’output qui max
le profit de la firme 1?
y2’
y
y2
Courbes d’iso-profit de la firme 1

y2’ R: Le point le plus élevé sur
la courbe d’iso-profit de 1.
y1’ y1
y2
R: Le point le plus élevé sur
y1’ est la meilleure
y2’ réponse de 1 à y2 = y2’.
y1’ y1
y2

R: Le point le plus élevé sur
y1’ est la meilleure
y2’ réponse de 1 à y2 = y2’.
R1(y2’) y1
y2

y2”
y2’
R1(y2’) y1
R1(y2”)
y2
y2”
La courbe de réaction de 1
passe à travers les max
des courbes d’iso-profits
de la firme 1.
y2’
R1(y2’) y1
R (y ”)
y2
Augmentation du profit pour la firme 2.
y

La courbe de réaction de 2
passe à travers les max
des courbes d’iso-profits
de la firme 2.
y2 = R2(y1)
y
Un exemple
• Hypothèses :
• 2 entreprises sur le marché produisent des melons (même variété).

• La fonction de demande est :
Q(P) = 1000 – 1000 P.
• La fonction de demande inverse est :
P(Q) = 1 – 0,001 Q.
• Chaque firme à un coût marginal égal à 0,28 € (cm) et aucun coût fixe.
• Le coût moyen est de 0,28 € .
Un exemple
• Quelle stratégie l’entreprise 1 doit-elle adopter ?

• La réponse dépend de l’évaluation que la firme 1 fait du niveau
d’output de la firme 2.
• i.e. :
• la firme 1 veut servir la demande résiduelle (demande non satisfaite par
2) et optimiser son profit sachant q2.
• Problème : l’entreprise 1 ne connaît pas le niveau de q2.
Un exemple
• La firme va produire q1 tel que Rm = Cm.

• La fonction reliant la quantité q1 qui maximise le profit de l’entreprise
1 (Rm = Cm) sachant q2 est la fonction de réaction de 1 :
• q1 = R1 (q2)
• Idem pour l’entreprise 2 :
• q2 = R2 (q1)
Un exemple
• La firme 1 maximise son profit en prenant q2 comme donné :
• P(q1 + q2) * q1 – Cm1 * q1
• = [1 – 0,001 (q1 + q2 )] q1 – 0,28 q1
• dP/dq1 => q1 = 360 – (q2 / 2)
fonction de réaction de 1
• De même pour l’entreprise (cas symétrique)
• q2 = 360 – (q1 / 2)
fonction de réaction de 2
Un exemple
q2 • Représentation graphique
des fonctions de réaction :
720
R1(q2)
360
240
R2(q1)
q1
240 360 720
Un exemple
• Résolution graphique du modèle
q2 pour trouver l’équilibre de Cournot
720
R1(q2)
Si q1 = 400 => l’entreprise 2 va produire R2(400)…

360
240
R2(q1)
q1
240 360 720
Un exemple
q2
• Résolution graphique du modèle
720 pour trouver l’équilibre de Cournot
R1(q2)
360 Si q2 = R2(400) => l’entreprise 1 va produire R1( R2 (400) …
240
R2(q1)
q1
240 360 720
Un exemple
• Résolution graphique du modèle pour trouver l’équilibre de Cournot
q2 Si q2 = R2(400) => l’entreprise 1 va produire R1( R2 (400) …

Et ainsi de suite jusqu’à ce qu’on arrive au point d’intersection entre R1 et R2 …
720
R1(q2)
Équilibre de cournot
360
240
R2(q1)
q1
240 360 720
Un exemple
Pour résoudre analytiquement le modèle de Cournot, il suffit de résoudre le système

de deux équations à deux inconnues donné par les fonctions de réaction des firmes 1
et 2 :
q1 = 360 – (q2 / 2) fonction de réaction de 1
q2 = 360 – (q1 / 2) fonction de réaction de 2
• => q1* = q2* = 240

Résultats du modèle de Cournot
• Le duopole de Cournot correspond à une situation où chaque firme produit de

manière isolée les quantités qu’elle apporte au marché.
• Aucune firme n’a les moyens de connaître la production de son concurrent.
• Dans ce cas, la firme i doit calculer les meilleures réponses aux stratégies de
production de son concurrent.
Résultats du modèle de Cournot
•La quantité d’équilibre de chaque firme est sa meilleure réaction à la quantité

d’équilibre de son concurrent et la firme ne peut plus améliorer son profit en
modifiant ses quantités.
Collusion
• Il existe donc des incitations (profits >) pour les deux firmes à coopérer en
diminuant les niveaux d’output.
• C’est une collusion.
• Le cartel est un type de collusion où les firmes forment une coalition de façon
à se comporter comme un monopole et maximiser la somme de leurs profits.
Exo 1
Un ticket de loto coute x euros. Il y a deux résultats possibles : soit on gagne
10 euros avec une probabilité de 1/50, soit 1000000 euros avec une
probabilité de 1/2000000.
1. Quelle espérance de gain peut-on avoir avec un ticket de loto (hors prix
d'achat) ?
2. Si l'on est maximisateur d'Esperance de gain, a quelle condition est-il
rationnel d'acheter un ticket de loto ?
3. si l'on est maximisateur d'Esperance d'utilité, a quelle condition est-il
rationnel d'acheter un ticket de loto a 1 euro ?
4. supposons que u(10) = 10u(1) a quelle condition sur u(1000000) un
maximisateur d'Esperance d'utilité achètera-t-il un ticket ?
Exo 2
• Un détaillant en ordinateurs (le décideur) a un budget de 200 unités
(centaines d'euros). Il peut avec ses 200 unités acheter (décision A)
ou non (décision A) a un grossiste un lot d’écrans qui peut se révéler,
après achat :
-soit être de bonne qualité (évènement B), auquel cas la revente du lot
lui rapportera 600 unités (centaines d'euros),
-soit être de très mauvaise qualité (évènement M), auquel cas il ne
revendra rien
Quelle est la meilleure décision pour les critères Wald, Maximax,
Regret, Laplace, Hurwicz (pour u(0) = 0; u(200) =200; u(600) = 300) ?

Support de Cours Part1

Transféré par

Droits d'auteur :

Formats disponibles

Support de Cours Part1

Transféré par

Informations du document

Description originale:

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

Support de Cours Part1

Transféré par

Droits d'auteur :

Formats disponibles

THÉORIE DE LA DECISION

Un des objectifs principaux du développement de cette théorie est de

Oskar Morgenstern, né le 24 janvier 1902 à Görlitz en

John von Neumann, né le 28 décembre 1903 à Budapest et

La théorie statistique de la décision est classiquement destinée à résoudre

La théorie de la décision modélise le comportement d’un agent face à dessituations

• Qu’est-ce qu’une décision ?

Nous partons d’un ensemble fini X d’alternatives.

Ce qui se traduit par : si l’agent a le choix entre les éléments de A, cet

Une relation de préférence définie de tel possède les propriétés suivantes :

et ∼ possèdent les propriétés suivantes lorsque la relation est

Les préférences (lien entre choix et préférence)

Cette propriété est importante dans la construction de telles relations

Les préférences (lien entre choix et préférence)

Dimensions d’un problème de

Formalisation d’un problème de décision statique sous

Elle va associer à chaque groupe de choix panier un nombre réel.

Représentation des préférences par la fonction d’utilité

Représentation des préférences

Connaissances sur l’état du monde

Le Décideur (Decision maker - DM) : L’aide s’adresse généralement à l’un des

L’homme d’étude (HE) : C’est un spécialiste (chercheur opérationnel, ingénieur, statisticien,...),

On suppose qu’un agent agit d’une façon rationnelle

Son rôle est de décrire comment les décisions :

a* arg max Va j ( )

Critique du critère de Laplace :

• Critère de la raison insuffisante

❑Car tout se passe comme si on cherchait à maximiser une

a* arg max Va j ( )

Va1 = sup(20; 25; 40; 100) = 100

Critique du critère du MaxiMax :

• Critère trop optimiste

❑En effet, en utilisant le critère du MaxiMax, l’agent se comporte comme

3- Le critère de WALD ou MaxiMin

a* arg max Va j ( )

Va1 = inf (20; 25; 40; 100) = 20

Critique du critère de WALD

• Critère trop pessimiste

❑En effet, en utilisant le critère de WALD, l’agent se comporte

a* arg max Va j ( )

Va1 =  .20 + (1 −  )100 = 100 − 80.

L’action a1 est préférée si :

Remarques sur le critère d’HURWICZ :

• Généralisation du choix d’un agent qui ne serait ni complètement

➢ Si a=0, l’agent est résolument optimiste

• L’agent doit connaître son degré d’optimisme a !

a* arg min Va j ( )

moy(ak )  moy(al ) et (ak )  (al )

Cette règle de comparaison est assez restrictive :

Elle ne prend pas en considération le fait qu’une forte

moy(a1 ) = (20 + 25 + 40 + 100) = 46,25

Cette règle consiste à mesurer le pourcentage de

La meilleur stratégie sera celle qui aura la plus grande

Application du critère n°2 :

moy(a1 ) = 46,25 moy(a1 )

moy(a2 ) = 52,5 moy(a2 ) a1  a3  a2

moy(a3 ) = 41,25 moy(a3 )

Kevina/Kevin concert foot

▪ Coopérer en stratégie mixte : fixer p et q = partager