-
1 P. Lang, L.Benabbou
Programmation linaire dans lincertitude
Dcision en situation de risque:Critres de gain/cot esprCritre
dutilit espre
Dcisions squentielles:Arbres de dcisionProgrammation linaire
dans lincertitude
-
2 P. Lang, L.Benabbou
Rappel: tapes dun processus de dcision
La dcision est le rsultat dun processus comportant plusieurs
tapes parmi lesquelles on retrouve celle de la conception
(structuration, formulation, .) du problme et celle du choix de la
meilleure action. N.B. ce n est pas la seule problmatique.
Phase Intelligence Identifier et dfinir le problme
Phase Conception Rechercher les actions envisageables valuer les
consquences de ces actions
Phase Choix et Implmentation Choisir la "meilleure" action
Implmenter laction choisie
-
3 P. Lang, L.Benabbou
Dcision dans lincertitude
Connaissance absolue Ignorance absolue
Certitude Incertitude
Incertitude totale Risque Incertitude partielle
Prob. Objectives Prob. Subjectives Pas de Prob.
-
4 P. Lang, L.Benabbou
Dcision dans lincertitude
Dcideur
Actions
Nature
tats
Consquences
Les tats possibles de la nature sont connusLe choix de la nature
est
simplement inconnu inconnu mais probabilisable
Situation dincertitude totaleSituation de risque
-
5 P. Lang, L.Benabbou
Incertain: Les imperfections dans les connaissances
La carte nest pas le territoire
Le futur nest pas le prsent venir Les donnes ne sont pas le
rsultat dune mesure exacte
Le modle nest pas la description dune entit relle
indpendante du modle
-
6 P. Lang, L.Benabbou
Exercice 6.1
La demande quotidienne pour un journal est inconnue, pouvant
varier chaque jour entre 100 et 500 exemplaires. Le vendeur
sapprovisionne pendant la nuit prcdente au prix de 40$ par centaine
dexemplaires. Il revendra chaque exemplaire 1$ lunit sil trouve
preneur. Combien dexemplaires le vendeur devrait-il avoir en stock
chaque matin ?
Dcision du vendeur: S = # dexemplaires en stock en dbut de
journe.tat de la nature: D = # dexemplaires demands dans la
journe.
0,4 0,6 si Profit: ( , ) 0,4 si S S S S DV S DD S S D
= =
{ }min , 0,4S D S=
-
7 P. Lang, L.Benabbou
Table de dcision
500
400
300
200
100
D
3002001000-100
24024014040-60
18018018080-20
12012012012020
6060606060
S
500400300200100
( , )V S D
( )300 400 0 6 300V , ,= ( )400 200 200 0 4 400V , ,=
-
8 P. Lang, L.Benabbou
Dcision en situation de risqueExercice 6.1 (2)
Le vendeur est capable de dcrire la demande inconnue, D, comme
une variable alatoire, il peut assigner des probabilits
(subjectives)
p(d) Prob {D = d} chacune des occurrences possible d de la
demande.
0,150,300,250,200,10p(d)500400300200100d
-
9 P. Lang, L.Benabbou
G(S)500400300200100d
1203002001000-100500
14524024014040-6040014018018018080-20300
11012012012012020200606060606060100
S
0,150,300,250,200,10p(d)
Choisir S = 400
[ ] 500100( ) ( , ) ( ) ( , )dG S E V S D p d V S d== =Gain espr
si le stock initial est S :
Max ( )S G S
( ) ( ) ( ) ( ) ( )0 1 100 0 2 0 0 25 100 0 3 200 0 15 300, , ,
, , + + + +
-
10 P. Lang, L.Benabbou
Attitude du dcideur face au risque
Pour le dcideur, la valeur subjective dun dollar nest pas
ncessairement la mme en toutes circonstances. Par exemple, obtenir
un dollar supplmentaire peut tre moins utile sil a gagn au gros lot
que sil est prs de la faillite
Pour reprsenter ces prfrences du dcideur , on peut avoir recours
une fonction dutilit.
Une fonction dutilit convertit des $ en valeur subjective
(utilit) de ces $. Cest habituellement une fonction croissante car
plus de $ est habituellement prfr moins .
Une fonction dutilit permet de reprsenter comment le dcideur
choisirait entre des loteries . On appelle L(a,p,b) une loterie qui
rapporterait
soit un montant a avec probabilit p; soit un montant b avec
probabilit 1p.
Le gain espr dune telle loterie est C(a,p,b) = pa + (1p)b.
-
11 P. Lang, L.Benabbou
Attitude variable face
au risque
Prfrences variables entre C(a,p,b) et
L(a,p,b)Variable
Aversion au risque
C(a,p,b)toujours prfr
L(a,p,b)Dcroissante
Neutralit face au risque
L(a,p,b)toujours indiffrente
C(a,p,b)Constante
Attrait pour le risque
L(a,p,b)toujours prfre
C(a,p,b)Croissante
Attitude face au risqueUtilit marginale
-
12 P. Lang, L.Benabbou
Critre utilit espreExercice 6.1 (3)
Le vendeur a une fonction dutilit prcise dnotant une forte
aversion au risque:
100( ) 1 ( gain en $).g
U g e g
= =
6.Critre de lutilit espre:
[ ]500
100( , )
500 100100
( ) ( ( , ))( ) ( ( , ))
( ) 1
dV S d
d
W S E U V S D
p d U V S d
p d e
=
=
=
=
=
Utilit espre si le stock initial est S :
Max ( )S W S
-
13 P. Lang, L.Benabbou
W(S)500400300200100d
0,3881 0,9502 0,8647 0,6321
0,00001,71835000,58130,90930,90930,75340,32970,82214000,67230,83470,83470,83470,55070,22143000,64710,69880,69880,69880,69880,18132000,45120,45120,45120,45120,45120,4512100
S
0,150,300,250,200,10p(d)
Choisir S = 300
( ( , ))U V S D
( ) ( ) ( ) ( ) ( )0 1 1 7183 0 2 0 0 25 0 6321 0 3 0 8647 0 15
0 9502, , , , , , , , , + + + + ( )( ) 200100500 400 200
200 1 0 8647
V ,
U e ,=
= =
Max
-
14 P. Lang, L.Benabbou
Dcisions squentielles dans lincertitude
Dcideur
Nature
Action 1
tat 1
Consquence 1
Action 2
tat 2
Consquence 2
-
15 P. Lang, L.Benabbou
Dcision squentielleExercice 6.1
La demande quotidienne Dt pour un journal est une variable
alatoire avec la distribution de probabilit suivante:
La demande Dt du jour t est indpendante des demandes des jours
prcdents. Le vendeur sapprovisionne pendant la nuit prcdente au
prix de 40$ par centaine dexemplaires. Il revendra chaque
exemplaire 1$ lunit sil trouve preneur. Combien dexemplaires le
vendeur devrait-il avoir en stock au dbut des jours 1, 2, et 3 pour
maximiser lesprance de son profit?
0,150,300,250,200,10Prob {Dt = d}500400300200100d
-
16 P. Lang, L.Benabbou
Dcision du vendeur: St = # dexemplaires en stock en dbut du jour
t.tat de la nature: Dt = # dexemplaires demands dans le jour t.
0,6 si Profit au jour : ( , ) 0,4 si t t t
t t tt t t t
S S Dt V S D D S S D
=
{ }min , 0,4t t tS D S=
Les demandes sont indpendantes de jour en jourConnatre Dt-1
napporte aucune information sur Dt
Les invendus ne peuvent pas tre stocks pour le jour suivant. Les
dcisions sont indpendantes de jour en jour. La politique optimale
est myope: choisir un stock initial
St = 400 chaque jour t.
-
17 P. Lang, L.Benabbou
Arbre de dcision: Exercice 6.2Un trader dun produit prissable
achte le produit 2$ au dbut du jour et le revend 3$ au cours de la
journe. Le trader ne connat pas le nombre exact de clients N (qui
est fixe chaque jour, un client non satisfait va revenir le
lendemain), mais a estim une distribution de probabilit:
0,500,300,20Prob {N = n}504030n
Le trader souhaite maximiser son revenu. Quelle serait sa
stratgie optimale sur 1 jour ? Sur 2 jours ? Sur 3 jours ?
-
18 P. Lang, L.Benabbou
Dcision du trader: St = # de produits achets en dbut du jour
t.tat observ de la nature: Vt = # de produits vendus dans le jour
t.
Profit au jour : ( , ) 3 2 ( )t t t t t t tt G S V V S V S= {
}min , tN S=
-
19 P. Lang, L.Benabbou
Politique optimale sur un jour
E[G(S,V)]504030n
295020105034404010403030303030
S
0,500,300,20Prob {N = n}
Choisir S = 40
-
20 P. Lang, L.Benabbou
Politique optimale sur 2 jours:construction dun arbre de
dcision
Arbre de dcision: une arborescence forme de nuds et de flches
choix dune action par le dcideurchoix dun tat par la nature
Nud de dcision: tant donn un tat antrieur de la nature, cest au
tour du dcideur de jouer. on observe ltat de la nature on liste
toutes les actions possibles
Nud dincertitude: tant donn une action antrieure du dcideur,
cest au tour de la nature de jouer. On liste tous les tats de la
nature possibles, avec leurs probabilits.
0,35
0,45
0,2
Plus tard, il sagira de choisir parmi ces actions possibles
-
21 P. Lang, L.Benabbou
Politique optimale sur 2 jours:observations pour construire
larbre
Remarques:
Si Vt = St, N Vt
Si Vt < St, N = Vt
Si on vend toute la quantit achete, le nombre de clients est au
moins gal cette quantit.
Si on vend moins que la quantit achete, alors on connat le
nombre de clients: il est gal aux ventes.
Consquences:Avec une quantit achete de 50, on connatra
parfaitement le nombre de clients.Avec une quantit de 40, deux
ventualits sont possibles: les ventes sont de 30 (p = 0,2) : le
nombre de clients est alors de 30; les ventes sont de 40 (p = 0,8)
: le nombre de clients est alors de 40 ou 50;
Avec un stock de 30, on na aucune information sur le nombre de
clients.
-
22 P. Lang, L.Benabbou
NatDcNatDc1 1 2 VS V S 2
50 50 5050 40 40 40
30 30 3050
5040 40
40 40 4030 30 30
5050 40
3030 30 40
4030
30 30
.5
.2.3
.8
.2
1
1
.8
.2
1
1
1
1
1
5/8
3/8
.5
.2.3
-
23 P. Lang, L.Benabbou
NatDcNatDc1 1 2 VS V S 2
50 50 5050 40 40 40
30 30 3050
5040 40
40 40 4030 30 30
5050 40
3030 30 40
4030
30 30
.5
.2.3
.8
.2
1
1
.8
.2
1
1
1
1
1
5/8
3/8
.5
.2.3
N est maintenant connu
N = 40 ou 50
N = 30
N = 30, 40 ou 50
-
24 P. Lang, L.Benabbou
NatDcNatDc1 1 2 VS V S 2
50 50 5050 40 40 40
30 30 3050
5040 40
40 40 4030 30 30
5050 40
3030 30 40
4030
30 30
.5
.2.3
.8
.2
1
1
.8
.2
1
1
1
1
1
5/8
3/8
.5
.2.3
N = 40 ou 50
-
25 P. Lang, L.Benabbou
NatDcNatDc1 1 2 VS V S 2
50 50 5050 40 40 40
30 30 3050
5040 40
40 40 4030 30 30
5050 40
3030 30 40
4030
30 30
.5
.2.3
.8
.2
1
1
.8
.2
1
1
1
1
1
5/8
3/8
.5
.2.3
-
26 P. Lang, L.Benabbou
NatDcNatDc1 1 2 VS V S 2
50 50 5050 40 40 40
30 30 3050
5040 40
40 40 4030 30 30
5050 40
3030 30 40
4030
30 30
.5
.2.3
.8
.2
1
1
.8
.2
1
1
1
1
1
5/8
3/8
.5
.2.3
-
27 P. Lang, L.Benabbou
NatDcNatDc1 1 2 VS V S 2
50 50 5050 40 40 40
30 30 3050
5040 40
40 40 4030 30 30
5050 40
3030 30 40
4030
30 30
.5
.2.3
.8
.2
1
1
.8
.2
1
1
1
1
1
5/8
3/8
.5
.2.3
N = 30
55 3
.
. .
=
+
35 3
.
. .
=
+
-
28 P. Lang, L.Benabbou
NatDcNatDc1 1 2 VS V S 2
50 50 5050 40 40 40
30 30 3050
5040 40
40 40 4030 30 30
5050 40
3030 30 40
4030
30 30
.5
.2.3
.8
.2
1
1
.8
.2
1
1
1
1
1
5/8
3/8
.5
.2.3
N = 30, 40 ou 50
-
29 P. Lang, L.Benabbou
NatDcNatDc1 1 2 VS V S 2
50 50 5050 40 40 40
30 30 3050
5040 40
40 40 4030 30 30
5050 40
3030 30 40
4030
30 30
.5
.2.3
.8
.2
1
1
.8
.2
1
1
1
1
1
5/8
3/8
.5
.2.3
-
30 P. Lang, L.Benabbou
NatDcNatDc1 1 2 VS V S 2
50 50 5050 40 40 40
30 30 3050
5040 40
40 40 4030 30 30
5050 40
3030 30 40
4030
30 30
.5
.2.3
.8
.2
1
1
.8
.2
1
1
1
1
1
5/8
3/8
.5
.2.3
-
31 P. Lang, L.Benabbou
NatDcNatDc1 1 2 VS V S 2
50 50 5050 40 40 40
30 30 3050
5040 40
40 40 4030 30 30
5050 40
3030 30 40
4030
30 30
.5
.2.3
.8
.2
1
1
.8
.2
1
1
1
1
1
5/8
3/8
.5
.2.3
-
32 P. Lang, L.Benabbou
NatDcNatDc1 1 2 VS V S 2
50 50 5050 40 40 40
30 30 3050
5040 40
40 40 4030 30 30
5050 40
3030 30 40
4030
30 30
.5
.2.3
.8
.2
1
1
.8
.2
1
1
1
1
1
5/8
3/8
.5
.2.3
-
33 P. Lang, L.Benabbou
Calcul de la meilleure stratgie pour le trader
plusieurs occasions, le trader se trouve devant plusieurs
actions/options/alternatives, entre lesquelles il doit choisir.
Pour comparer des actions bon escient, il faut tenir compte de
toutes leurs consquences sur le profit espr.
Cela nous amne calculer le profit espr en remontantdans larbre
de dcision, de la fin vers le dbut.
-
34 P. Lang, L.Benabbou
S1 V1 S2 V2
50 50 50
50 40 40 40
30 30 30
50 50 40 40
40 40 40
30 30 30
50
50 40
30
30 30 40 40 30
30 30
.5
.2 .3
.8
.2
1
1
.8
.2
1
1
1
1
1
5/8
3/8
.5
.2 .3
-
35 P. Lang, L.Benabbou
90303030
120404040
150505050
V2S2V1
1
1
1
= 3$50
= 3$40
= 3$30
-
36 P. Lang, L.Benabbou
9030303030
12040404040
15050505050
V2S2V1
1
1
1
= 1502$50
= 1202$40
= 902$30
-
37 P. Lang, L.Benabbou
9030303012030
12040404016040
15050505020050
V2S2V1
1
1
1
= 50+3$50
= 40+3$40
= 30+3$30
-
38 P. Lang, L.Benabbou
S1 V1 S2 V2
50 200 50 50 50 150
50 40 160 40 40 40 120
30 120 30 30 30 90
50 50 40 40
40 40 40
30 30 30
50
50 40
30
30 30 40 40 30
30 30
1 .5
.2 .3
.8
.2
1
1
.8
.2
1
1
1
1
5/8
3/8
.5
.2 .3
-
39 P. Lang, L.Benabbou
30
40
40
50
V2
903030
12040
120
15050
40
S2V1
1
1
5/8
3/8
= 3$50
= 3$40
= 3$40
= 3$30
-
40 P. Lang, L.Benabbou
30
40
40
50
V2
90303030
1204040
120
1505038,75
40
S2V1
1
1
5/8
3/8
= (5/8)150+ (3/8)120 2$50
= 120 2$40
= 90 2$30
-
41 P. Lang, L.Benabbou
30
40
40
50
V2
90303012030
1204040
120
1505038,75
16040
S2V1
1
1
5/8
3/8= 40 + 3$40
= 30 + 3$30
-
42 P. Lang, L.Benabbou
S1 V1 S2 V2
50 200 50 50 50 150
50 40 160 40 40 40 120
30 120 30 30 30 90
50 150 38,75 50 40 160 40 120
40 40 40 40 120
30 120 30 30 30 90
50
50 40
30
30 30 40 40 30
30 30
1 .5
.2 .3
1
1
5/8
.8
.2
1
1
.8
.2
1
1
3/8
.5
.2 .3
-
43 P. Lang, L.Benabbou
903030
9030
1204040
9030
12040
15050
50
30
V2S2V1
1
0.3
0.2
0.5
0.8
0.2
= 3$50
= 3$40
= 3$30
= 3$40
= 3$30
= 3$30
-
44 P. Lang, L.Benabbou
90303030
9030
120404034
9030
12040
15050
5029
30
V2S2V1
1
0.3
0.2
0.5
0.8
0.2
= .5150+.3120+.2 90 2$50
=.8120+.2 90 2$40
=90 2$30
-
45 P. Lang, L.Benabbou
90303030
9030
120404034
9030
12040
15050
5029
12430
V2S2V1
1
0.3
0.2
0.5
0.8
0.2
=34 +3$30
-
46 P. Lang, L.Benabbou
S1 V1 S2 V2
50 200 50 50 50 150
50 40 160 40 40 40 120
30 120 30 30 30 90
50 150 38,75 50 40 160 40 120
40 40 40 40 120
30 120 30 30 30 90
50 150
29 50 40 120
30 90
30 30 124 40 120 34 40 30 90
30 30 30 90
1 .5
.2 .3
1
1
5/8
.8
.2
1
1
3/8
.5
.2 .3
1
1
.8
.2
-
47 P. Lang, L.Benabbou
12030
1243030
1604040
12030
16040
20050
50
V1S1
0.3
0.2
0.5
0.8
0.2
1
-
48 P. Lang, L.Benabbou
12030
124303064
160404072
12030
16040
20050
5072
V1S1
0.3
0.2
0.5
0.8
0.2
1
= .5200+.3160+.2 120 2$50
=1242$30
=.8160+.2 1202$40
-
49 P. Lang, L.Benabbou
S1 V1 S2 V2
50 200 50 50 50 150 72 50 40 160 40 40 40 120
30 120 30 30 30 90
50 150 38,75 50 40 160 40 120 72 40 40 40 40 120
30 120 30 30 30 90
50 150
29 50 40 120
30 90 64 30 30 124 40 120 34 40 30 90
30 30 30 90
1 .5
.2 .3
1
1
5/8
.8
.2
1
1
3/8
.5
.2 .3
1
1
.8
.2
-
50 P. Lang, L.Benabbou
S1 V1 S2 V2
50 200 50 50 50 150 72 50 40 160 40 40 40 120
30 120 30 30 30 90
50 150 38,75 50 40 160 40 120 72 40 40 40 40 120
30 120 30 30 30 90
50 150
29 50 40 120
30 90 64 30 30 124 40 120 34 40 30 90
30 30 30 90
1 .5
.2 .3
1
1
5/8
.8
.2
1
1
3/8
.5
.2 .3
1
1
.8
.2
Politique optimale 1:1. S1 = 502. Si V1 = 50, S2 = 50
Si V1 = 40, S2 = 40Si V1 = 30, S2 = 30
Politique optimale 2:1. S1 = 402. Si V1 = 40, S2 = 40
Si V1 = 30, S2 = 30
Profit espr: 72 $
-
51 P. Lang, L.Benabbou
Dcisions
4343T-14ST=V1
S3=V1S2=V1S1=50T jours
38,3115S3=V1S2=V1S1=503 jours
S2=V1S1=40Pol 23672
S2=V1S1=50Pol 12 jours
3434S1=401 jour
Gainesprmoyen
GainesprtotalJ TJ 3J 2J 1
Horizon
Politique optimale
Rgles de dcision
-
52 P. Lang, L.Benabbou
Arbres de dcision: exercice 6.3 Votre compagnie dassurance
projette externaliser une partie de la gestion de son portefeuille
pour les 9 mois qui restent de lanne. Vous avez ngoci avec une
socitde gestion un mandat de gestion de portefeuille aux termes
suivants:trois tapes, de trois mois chacune, sont dfinies. la fin
de chaque tape, on valuera, selon des critres accepts par les 2
parties, la performance du gestionnaire.si, la performance du
gestionnaire a t satisfaisante, la gestion du fonds ddi se poursuit
automatiquement, et le gestionnaire reoit un forfait de 200 000$.
Si ce nest pas le cas (la performance a t insuffisante), vous avez
2 choix:
rsilier le mandat de gestion, et obtenir un ddommagement de 500
000 $; poursuivre lexcution du mandat de gestion, sans quil y ait
aucun paiement de part ou dautre pour cette tape.
Vous estimez que la probabilit dune performance satisfaisante
dans un trimestre est de 60%, indpendamment de ce qui est advenu
dans des trimestres antrieurs. Le montant externaliser de 1 000 000
$.1) Dessiner larbre de dcision2) Quelle est la meilleure stratgie
? Quelle est la valeur espre du mandat ? Quelle est la probabilit
que la socit de gestion remplisse le mandat ?
-
53 P. Lang, L.Benabbou
Programmation linaire en situation de risque
Dcideur
Nature
Action 1
tat 1
Consquence 1
Action 2
tat 2
Consquence 2
Il sagit encore de dcisions squentiellesMais (contrairement aux
arbres de dcision) les actions possibles sont reprsentes par des
variables de dcisionplutt que par des listes dactions
possibles.
-
54 P. Lang, L.Benabbou
Accepter
Refuser
P
R
P
R
P
R
SatisfaisantS
I Insuffisant
P Poursuivre
R Rsilier
S
I
0,6
0,4
S
I0,6
0,4
S
I
0,6
0,4
S
I0,4
0,6
S
I
0,6
0,4
S
I
0,6
0,4S
I
0,6
0,4
Fin du trimestre 1 Fin du trimestre 2 Fin trim. 3 Dbut
-
55 P. Lang, L.Benabbou
S
I
S
I
S
I
S
I
P
R
P
R
S
I
S
IP
R
S
I
Accepter
Refuser
SatisfaisantS
I Insuffisant
P Poursuivre
R Rsilier 0,8
(0)Profit (M$)
0
0
0
0
0,5
0,5
0,8
0,8
0,8
0,28
0,28
0,48
0,48
0,5
0,5
= 0,60,8+ 0,40 (profit espr) 0,2 (paiement)
= 0,60,8+ 0,40 (profit espr)
-
56 P. Lang, L.Benabbou
S
I
S
I
S
I
S
I
P
R
P
R
S
I
S
IP
R
S
I
Accepter
Refuser
SatisfaisantS
I Insuffisant
P Poursuivre
R Rsilier 0,8
(0)Profit (M$)
0
0
0
0
0,5
0,5
0,5 0,8
0,8
0,8
0,28
0,28
0,48
0,480,5
0,168
0,368
0,5
0,5
= 0,60,28+ 0,40,5(profit espr)
= 0,60,28+ 0,40,5 (profit espr) 0,2 (paiement)
0,3008
= 0,60,168+ 0,40,5(profit espr)
0
-
57 P. Lang, L.Benabbou
S
IS
I
R
S
I
Accepter
SatisfaisantS
I Insuffisant
P Poursuivre
R Rsilier 0,8
(0)Profit (M$)
0
0,4
0,5
0,168
0,50,5
0,3008 0,6
0,6
0,6
0,4
0,4
0,4
Sinon, ne rien faireSi Ins., rsilierSinon, ne rien faire
Si Ins., rsilierAccepterFin Trim.2Fin Trim.1Dbut
Stratgie Profit espr:0,3008 M$
0,216
Probabilit daboutissement du mandat: 0,216
R0,5
0,3008
-
58 P. Lang, L.Benabbou
Exercice 6.4: Stratgies ex ante/adaptive
Un spculateur de matires premires gre un silo de bl d'une
capacit de 50 tonnes. Au dbut de la semaine 1, le silo contient 20
tonnes. Les prix d'achat et de vente de bl esprs ont t estims pour
les 4 prochaines semaines:
Le bl vendu une semaine donne est retir du stock en dbut de
semaine. Le bl achet dans une semaine donne arrive en milieu de
semaine, et ne pourrait donc tre revendu au plus tt quen semaine
suivante. Les cots de stockage sont de 2$ par tonne restant en
stock la fin de chaque semaine.Formuler un programme linaire qui
permette de maximiser les profits (esprs) du spculateur.
33302117Prix de vente ($/tonne)36322020Prix dachat ($/tonne)
4321Semaine
-
59 P. Lang, L.Benabbou
Variables de dcision: # de tonnes de bl achetes en semaine # de
tonnes de bl vendues en semaine 1 4# de tonnes de bl conserves en
stock en fin de semaine
t
t
t
V tA t tS t
= = = 1 1 1, ,V A S 2 2 2, ,V A S 3 3 3, ,V A S 4 4 4, ,V A
S
Paramtres: } esprance du prix de vente ($/tonne) en semaine 1 4
esprance du prix d'achat ($/tonne) en semaine
t
t
p ttq t
= =
Programme linaire:( )4 1
1 1 1
1
1
1
Max 2S.l.c.: 20
2 420
2 450 1 4
, , 0 1 4
t t t t tt
t t t t
t t
t
t t t
Z p V q A SS A VS S A V tVV S tS tV A S t
=
=
= +
= +
Stratgie ex ante (anticipative)
-
60 P. Lang, L.Benabbou
MAX 17V1 + 21V2 + 30V3 + 33V4 - 20A1 - 20A2- 32A3 - 36A4 - 2I1 -
2I2 - 2I3 - 2I4 ST I1 - A1 + V1 = 20I2 - A2 + V2 - I1 = 0I3 - A3 +
V3 - I2 = 0I4 - A4 + V4 - I3 = 0V1 < 20V2 - I1 < 0V3 - I2
< 0V4 - I3 < 0END SUB I1 50 SUB I2 50 SUB I3 50 SUB I4 50
-
61 P. Lang, L.Benabbou
0505020St
8301650-100-680-40Profitespr
00500At
500200Vt
36322020qt
33302117pt
Total4321t
Solution optimale:
( , , )t t tV A S0,0,20 20,50,50 0,0,50 50,0,0
Profit espr : 830 $
-
62 P. Lang, L.Benabbou
Exercice 6.3: stratgie adaptative.Les prix dachat et de vente du
bl en vigueur en semaine t sont incertains priori, mais seront
connus au dbut de la semaine t. Le spculateur a numr les
principales possibilits, et leurs probabilits conditionnelles:
34A35V
36A37V
42A27V
27A32V
30A28V
34A32V
32A30V
24A19V
14A24V 1
1
0,6
0,4
0,5
0,5 1
0,7
0,3
4321Semaine:
20A17V
3 2 1
3 2 1
32 19 17Prob ,
34 24 20p p pq q q
= = =
Le spculateur veut maximiser lesprance de son profit.
-
63 P. Lang, L.Benabbou
Arbre de scnarios
34A35V
36A37V
42A27V
27A32V
30A28V
34A32V
32A30V
24A19V
14A24V
20A17V
0,6
0,4
1
0,5
0,5
1
1
0,7
0,3
4321Semaine:
tat de la nature
-
64 P. Lang, L.Benabbou
Arbre de scnarios
734A35V
836A37V
942A27V
1027A32V
430A28V
534A32V
632A30V
224A19V
314A24V
120A17V
0,6
0,4
1
0,5
0,5
1
1
0,7
0,3
4321Semaine:
scnario(complet)
scnariopartiel1 2 3 4 5 6 7 8 9 10
( ) 1 1 2 2 3 4 5 6 6k
a kChaque tat k > 1 a un prdcesseur a(k) :
-
65 P. Lang, L.Benabbou
Arbre de scnarios
0,37
34A35V
0,38
36A37V
0,289
42A27V
0,1210
27A32V
0,34
30A28V
0,35
34A32V
0,46
32A30V
0,62
24A19V
0,43
14A24V
11
20A17V
0,6
0,4
1
0,5
0,5
1
1
0,7
0,3
4321Semaine:
= probabilit totale que l'tat se ralisek kpi
-
66 P. Lang, L.Benabbou
Variables de dcision: # de tonnes de bl achetes dans l'tat # de
tonnes de bl vendues dans l'tat 1 10# de tonnes de bl conserves en
stock dans l'tat
k
k
k
V kA k kS k
=
=
=
1 1 1, ,V A S
2 2 2, ,V A S
3 3 3, ,V A S
4 4 4, ,V A S
5 5 5, ,V A S
6 6 6, ,V A S
7 7 7, ,V A S
8 8 8, ,V A S
9 9 9, ,V A S
10 10 10, ,V A S
-
67 P. Lang, L.Benabbou
Variables de dcision: # de tonnes de bl achetes dans l'tat # de
tonnes de bl vendues dans l'tat 1 10# de tonnes de bl conserves en
stock dans l'tat
k
k
k
V kA k kS k
= = =
Programme linaire:
( )10 11 1 1
( )
1
( )
Max 2S.l.c.: 20
2 1020
2 1050 1 10
, , 0 1 10
k k k k k kk
k a k k k
k a k
k
k k k
Z p V q A SS A VS S A V kVV S kS kV A S k
pi=
=
= +
= +
Paramtres: prix de vente ($/tonne) dans l'tat prix d'achat
($/tonne) dans l'tat 1 10 probabilit de ralisation de l'tat
k
k
k
p kq k k
kpi
= = =
-
68 P. Lang, L.Benabbou
V01 < 20 V02 - S01 < 0 V03 - S01 < 0 V04 - S02 < 0
V05 - S02 < 0 V06 - S03 < 0 V07 - S04 < 0 V08 - S05 < 0
V09 - S06 < 0 V10 - S06 < 0 END
SUB S01 50 SUB S02 50 SUB S03 50 SUB S04 50 SUB S05 50 SUB S06
50 SUB S07 50 SUB S08 50 SUB S09 50 SUB S10 50
MAX
17V01 + 11.4V02 + 9.6V03 + 8.4V04 + 9.6V05+ 12.0V06 + 10.5V07 +
11.1V08 + 7.56V09 + 3.84V10- 20A01 - 14.4A02 - 5.6A03 - 9.0A04 -
10.2A05- 8.8A06 - 10.2A07 - 10.8A08 - 11.76A09 - 3.24A10- 2S01 -
1.2S02 - 0.8S03 - 0.6S04 - 0.6S05- 0.8S06 - 0.6S07 - 0.6S08 -
0.56S09 - 0.24S10STS01 - A01 + V01 = 20S02 - A02 + V02 - S01 = 0S03
- A03 + V03 - S01 = 0S04 - A04 + V04 - S02 = 0S05 - A05 + V05 - S02
= 0S06 - A06 + V06 - S03 = 0S07 - A07 + V07 - S04 = 0S08 - A08 +
V08 - S05 = 0S09 - A09 + V09 - S06 = 0S10 - A10 + V10 - S06 = 0
-
69 P. Lang, L.Benabbou
Solution optimale:
( , , )k k kV A S
0,30,50
0,0,50
50,50,50
50,0,00,0,50
0,0,50
50,50,50
50,0,0
50,0,0
50,0,0
Profit espr: 1110 $
-
70 P. Lang, L.Benabbou
Stratgies adaptative vs. ex-ante
Une stratgie est adaptative si chaque dcision tient compte de
toute linformation disponible au moment o cette dcision doit tre
prise. Les dcisions sont donc conditionnes sur les tats de la
nature. Dans chaque priode on a une rgle de dcision.
Dans une stratgie ex ante les dcisions de chaque priode sont
fixes lavance, indpendamment de ltat qui se ralise dans cette
priode.
Proprit: la meilleure stratgie adaptative est toujours au moins
aussi avantageuse que la meilleure stratgie ex ante.
-
71 P. Lang, L.Benabbou
Solution optimale: ( , , )t t tV A S Profit espr: 830 $
0,0,20 20,50,50 0,0,50 50,0,0
0,30,50
0,0,50
50,50,50
50,0,00,0,50
0,0,50
50,50,50
50,0,0
50,0,0
50,0,0
Solution optimale:( , , )k k kV A S Profit espr: 1110 $
Stratgie ex-ante
Stratgie adaptative
-
72 P. Lang, L.Benabbou
Exercice 6.4La demande pour un produit est alatoire. Dun mois
sur lautre, elle peut soit augmenter de 10%, avec probabilit 0,2;
rester au niveau du mois prcdent, avec probabilit 0,7; diminuer de
15%, avec probabilit 0,1.Au mois 1, cette demande sera de 1 000
units.Le cot de production mensuel est gal a 0$ si aucune quantit
nest produite; 150$ + 10$(le # dunits produites) si ce dernier est
>0.La capacit de production est de 2 500 units par mois.
Lentreprise doit normalement satisfaire la demande.
Exceptionnellement, elle pourra livrer seulement 90% de la demande.
Ce cas dexception ne peut pas se produire plus dune fois en trois
mois.1. Dessinez larbre des vnements.2. Dfinissez les paramtres
pertinents et les variables de dcision.3. Formuler un programme
linaire en vue de minimiser lesprance du cot total.
Le produit peut tre stock, au cot de 2$ par unit restant en
stock en fin de mois. Le stock initial du trimestre 1 est nul.
-
73 P. Lang, L.Benabbou
Arbre de scnarios DemandeProbtat
11000,22
10000,73
8500,14
100011
321Mois:
-
74 P. Lang, L.Benabbou
Arbre de scnarios DemandeProbtat
12100,045
11000,146
9350,027
11000,22
11000,148
10000,499
8500,0710
9350,0211
8500,0712
722,50,0113
10000,73
8500,14
100011
321Mois:
-
75 P. Lang, L.Benabbou
Paramtres# d'tatk =
( ) tat prcdent immdiatement a k k= probabilit (totale) de
ralisation de l'tat k kpi = demande sous l'tat kd k=
722,59509358501000110093511001210850100011001000dk
0,010,070,020,070,490,140,020,140,040,10,70,21pik
444333222111a(k)13121110987654321k
-
76 P. Lang, L.Benabbou
Variables
quantit produite sous l'tat 1 13kx k, k=
quantit en stock en fin de mois sous l'tat 1 13kS k, k=
( ){1 s'il y a de la production sous l'tat 0 1 130 sinon kk k xy
k>= {1 si on livre moins que la demande sous l'tat 1 130 sinonk
ku k=
-
77 P. Lang, L.Benabbou
Programme linaire
( )13 1Min 150 10 2S.l.c.:
k k k kk y x Spi= + +
( )1 1 1 1 10 1
0 1 2 13k a k k k k kS x d , d uS S x d , d u k
= += + +
2500 1 13k kx y k
( ){ }1 1 5 13 (tats )jj k ,a k , u k terminaux
0 1 13kx k
{ }0 1 1 13k ky ,u , k
-
78 P. Lang, L.Benabbou
( ){ }1 1 5 13 (tats )jj k ,a k , u k terminaux
5
6
7
2
8
9
10
11
12
13
3
4
1
1 2 5 1u u u+ +
1 2 6 1u u u+ +
1 2 7 1u u u+ +
1 3 8 1u u u+ +
1 3 9 1u u u+ +
1 3 10 1u u u+ +
1 4 11 1u u u+ +
1 4 12 1u u u+ +
1 4 13 1u u u+ +
-
79 P. Lang, L.Benabbou
Exercice 6.4Vous avez 10 000 $ sur un compte dpargne qui
rapportera du 1% par mois au cours des 2 prochains mois. Vous
pouvez en tout temps retirer tout ou partie du montant plac sur ce
compte ou y rajouter une somme supplmentaire.On vous a vant les
mrites de la spculation sur lallium, un mtal rare qui se transige
actuellement 100 $/Ag . Vous anticipez que les prix en vigueur aux
dbuts des mois et seront alatoires mais conformes la loi suivante
:
Vous rviserez votre situation financire chaque dbut de mois. Les
achats dallium seront dbits de votre compte dpargne, le produit des
ventes dallium revers sur le compte dpargne. Vous refusez tout
recours lemprunt. Au dbut du mois 3, vous liquiderez tout avoir en
allium pour conclure lexprience.
1. Dessinez larbre des scnarios avec les paramtres pertinents
(nos dtats, probabilits totales de ralisation, et prix).
321
Achatdallium
Achat ou ventedallium
Ventedallium
Intrts sur pargne
Intrts sur pargne
Fortune finale10 000
Mois
1
1
1 2 avec probabilit 0,42 3
0 9 avec probabilit 0,6t t
t t
P , Pt ,
P , P
==
=
-
80 P. Lang, L.Benabbou
Arbre des scnarios
100, 1
1
120, .4
2
90, .6
3108, .24
6
81, .36
7 Prix, probabilit totale
tat
144, .16
4
108, .24
5
Lgende :
-
81 P. Lang, L.Benabbou
Exercice 6.4 (2)Vous avez 10 000 $ sur un compte dpargne qui
rapportera du 1% par mois au cours des 2 prochains mois. Vous
pouvez en tout temps retirer tout ou partie du montant plac sur ce
compte ou y rajouter une somme supplmentaire.On vous a vant les
mrites de la spculation sur lallium, un mtal rare qui se transige
actuellement 100 $/Ag . Vous anticipez que les prix en vigueur aux
dbuts des mois et seront alatoires mais conformes la loi suivante
:
Vous rviserez votre situation financire chaque dbut de mois. Les
achats dallium seront dbits de votre compte dpargne, le produit des
ventes dallium revers sur le compte dpargne. Vous refusez tout
recours lemprunt. Au dbut du mois 3, vous liquiderez tout avoir en
allium pour conclure lexprience.
2. Formulez un programme linaire dtaill qui permettra de trouver
une stratgie maximisant la valeur espre de votre fortune au dbut du
mois 3, aprs liquidation de vos positions en allium.
321
Achatdallium
Achat ou ventedallium
Ventedallium
Intrts sur pargne
Intrts sur pargne
Fortune finale10 000
Mois
1
1
1 2 avec probabilit 0,42 3
0 9 avec probabilit 0,6t t
t t
P , Pt ,
P , P
==
=
-
82 P. Lang, L.Benabbou
Variables de dcision
ventes dallium (Ag) au dbut de ltat k
achats dallium (Ag) au dbut de ltat k
=kC
1 3k
kF 4 7k
kA 1 3k
kV 2 3k
kS
1 3k
stock dallium (Ag) aprs transactions sous ltat k=
=
=
fortune finale ($) sous ltat final k=
pargne disponible ($) en fin de mois sous ltat k
-
83 P. Lang, L.Benabbou
Programme linaire
4 5 6 70 16 0 24 0 24 0 36Z , F , F , F , F= + + +
1 1
2 1 2 2
3 1 3 3
S AS S A VS S A V
=
= + = +
1 1
2 1 2 2
3 1 3 3
10100 1011 01 121 2 121 21 01 90 9 90 9
C AC , C , A , VC , C , A , V
=
= += +
4 2 2
5 2 2
6 3 3
7 3 3
14410810881
F C SF C SF C SF C S
= += += += +
0k k k kC ,S ,A ,V 1 3k
MaxS.l.c.:
-
84 P. Lang, L.Benabbou
Exercice 6.4 (3)Vous avez 10 000 $ sur un compte dpargne qui
rapportera du 1% par mois au cours des 2 prochains mois. Vous
pouvez en tout temps retirer tout ou partie du montant plac sur ce
compte ou y rajouter une somme supplmentaire.On vous a vant les
mrites de la spculation sur lallium, un mtal rare qui se transige
actuellement 100 $/Ag . Vous anticipez que les prix en vigueur aux
dbuts des mois et seront alatoires mais conformes la loi suivante
:
Vous rviserez votre situation financire chaque dbut de mois. Les
achats dallium seront dbits de votre compte dpargne, le produit des
ventes dallium revers sur le compte dpargne. Vous refusez tout
recours lemprunt. Au dbut du mois 3, vous liquiderez tout avoir en
allium pour conclure lexprience.Vous prouveriez un vif regret si
cette exprience spculative ramenait votre fortune totale en dessous
du montant initial de 10 000 $. Vous avez choisi une fonction
dutilit refltant ces prfrences.
Reformulez votre programme linaire prcdent de faon maximiser
lutilit espre de votre fortune finale
( ) ( )10000 si 10000
10 10000 si 10000F F
U FF F
=
F
U(F)
10000
1
1
1 2 avec probabilit 0,42 3
0 9 avec probabilit 0,6t t
t t
P , Pt ,
P , P
==
=
-
85 P. Lang, L.Benabbou
Programme linaire avec utilit espre
Max
S.l.c.:
4 5 6 7
4 5 6 7
0 16 0 24 0 24 0 361 6 2 4 2 4 3 6
Z , v , v , v , v, w , w , w , w
= + + +
4 4 4
5 5 5
6 6 6
7 7 7
10000100001000010000
F v wF v wF v wF v w
=
=
=
=
0k kv ,w
Autres contraintes inchanges
{ 10000 si 100000 sinonk kk F Fv = {10000 si 100000 sinonk kk F
Fw = 4 7k