Introduction à la commande stochastique v.0.9 - Jean-Pierre ...
Introduction à la commande stochastique v.0.9 - Jean-Pierre ...
Introduction à la commande stochastique v.0.9 - Jean-Pierre ...
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
3. DÉCISION OPTIMALE 39<br />
Nous présentons les principaux résultats de cette théorie sans démonstration.<br />
Dans beaucoup de cas l’adaptation de <strong>la</strong> démonstration faite en probabilité<br />
se fait facilement.<br />
3.1. ESPACE DE DÉCISION, VARIABLES DE DÉCISION<br />
Commençons par définir les mesures de coût qui sont les analogues des<br />
mesures de probabilité. L’idée est d’axiomatiser le fait que l’on peut associer<br />
<strong>à</strong>unensemblededécisions un coût représentant l’infimum (le minimum<br />
n’existant pas nécessairement) des coûts des décisions appartenant <strong>à</strong><br />
cet ensemble .<br />
DÉFINITION 3.1. 1. On appelle espace de décision le triplet {U, U, C}<br />
où U est un espace topologique, U est l’ensemble des ouverts de U<br />
et C une application de U dans R + telle que<br />
(a) C(U) = 0 ,<br />
(b) C(∅) =+∞,<br />
(c) C (⋃ n A n)<br />
= infn C(A n ), ∀A n ∈ U .<br />
2. L’application C est appelée mesure de coût.<br />
3. Une application c de Udans R + telle que C(A) = inf u∈A c(u), pour<br />
tout A dans U est appelée densité decoût de <strong>la</strong> mesure C.<br />
4. On peut définir aussi le surcoût conditionel de prendre <strong>la</strong> décision<br />
dans A sachant qu’elle doit nécessairement être prise dans B par<br />
C(A|B) def<br />
= C(A ∩ B) − C(B) .<br />
THÉORÈME 3.2. Soit c une fonction <strong>à</strong> valeurs réelles dont l’infimum est 0,<br />
l’expression C(A) = inf u∈A c(u) pour tout A ∈ U définit une mesure de<br />
coût.<br />
Inversement on peut montrer que toute mesure définie sur les ouverts<br />
d’un ensemble polonais (métrisable, séparable et complet) admet une plus<br />
petite extension C ∗ <strong>à</strong> P(U) (l’ensemble des parties de U). Cette extension<br />
est définie de façon unique et admet toujours une densité c qui est s.c.i.<br />
(semi continue inférieurement) et qui satisfait inf u c(u) = 0.<br />
A cause de ce théorème dans <strong>la</strong> suite on ne s’intéressa qu’aux densités<br />
de coût qu’on appelle simplement coût.<br />
On peut construire également l’analogue des variables aléatoires que<br />
l’on appelle variable de décision.<br />
DÉFINITION 3.3. 1. Une variable de décision X sur {U, U, C} est u-<br />
ne application de U dans E un espace topologique que l’on suppose<br />
polonais. Elle induit une mesure de coût C X sur (E, O) 1 par<br />
C X (A) = C ∗ (X −1 (A)), pour tout A dans O. Lamesuredecoût C X<br />
admet une densité decoût notée c X .<br />
2. Quand E = R [resp. R n ,resp.R min ] avec <strong>la</strong> topologie induite par<br />
<strong>la</strong> valeur absolue [resp. <strong>la</strong> distance euclidienne, resp. d(x, y) =<br />
1 O représente l’ensemble les ouverts de E.