Théorie des probabilités - HEC - Université de Lausanne
Théorie des probabilités - HEC - Université de Lausanne
Théorie des probabilités - HEC - Université de Lausanne
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Métho<strong><strong>de</strong>s</strong> bayesiennes<br />
• L’analyse statistique est souvent utilisée pour prendre <strong><strong>de</strong>s</strong> décisions en<br />
situation d’incertitu<strong>de</strong>. Les métho<strong><strong>de</strong>s</strong> bayesiennes proposent un critère <strong>de</strong><br />
décision: la maximisation du profit espéré ou <strong>de</strong> l’utilité espérée.<br />
• Exemple: un boulanger doit déci<strong>de</strong>r s’il doit produire une ou <strong>de</strong>ux fournées<br />
(200 ou 400 kg <strong>de</strong> pain). S’il fait beau, il peut vendre 400 kg tandis que s’il<br />
pleut il vend 180 kg. Le prix <strong>de</strong> vente est <strong>de</strong> 5 Fr et le coût <strong>de</strong> fabrication <strong>de</strong><br />
4 Fr. Les invendus sont repris par un paysan au prix <strong>de</strong> 3.50 Fr.<br />
• On peut calculer le profit brut en fonction <strong>de</strong> la décision prise et du temps<br />
qu’il fera. Voici la table <strong>de</strong> payoff et celle <strong><strong>de</strong>s</strong> pertes implicites:<br />
Profit brut<br />
• État <strong>de</strong> la nature action Pertes implicites<br />
• A (200 kg) B (400 kg) A B<br />
• beau temps (p) 200 400 200 0<br />
• pluie (1-p) 170 70 0 100<br />
• E(π A ) = 200p + 170(1-p) E(L A )=200p<br />
• E(π B ) = 400p + 70(1-p) E(L B )=100(1-p)<br />
• Si p=1/3 on a E(π A )=E(π B ) et E(L A )=E(L B )