[PDF] introduction aux sciences de la décision séance 2 - mikael cozic
attitudes définition ? Notation Soit P ? P une loterie monétaire et soit EG(P) l'espérance de gain de P On note ?EG(P) la loterie dégénérée qui
[PDF] introduction aux sciences de la décision séance 3 - mikael cozic
attitudes définition ? Notation Soit P ? P une loterie monétaire et soit EG(P) l'espérance de gain de P On note ?EG(P) la loterie dégénérée qui
[PDF] Economie de lIncertain - CHAPITRE 1 - Paris School of Economics
Définition : On appelle équivalent certain d'une loterie la somme terie A et pour toute distribution dégénérée W on a pour tout agent dont les
[PDF] La décision dans lincertain préférences utilité et probabilités
timale pour certaines loteries notamment pour celle représentée sur la figure Définition 1 Une fonction U : X ? < est une fonction d'utilité si pour
[PDF] Cours: Gestion de portefeuille - cloudfrontnet
La définition de la rationalité des individus en situation de bien participer à une loterie dégénérée h' i e recevoir avec certitude
Quels déterminants de la prise de risque? Les réponses de l - Érudit
B10 domine la loterie dégénérée A10 au sens de la dominance stochastique de premier ordre Par définition un agent est qualifié de vulnérable au risque
[PDF] Chapitre 1 : La Théorie de lutilité espérée et sa remise cause
avec certitude ; ce sont des loteries dégénérées préférence sur X au travers de la définition des actes constants : (f(s)=x et g(s)=y
[PDF] Economie du risque - Licence MIDO - WordPresscom
En « safety-first » les seules à entrer dans la définition du risque On pourra observer que si on définit Ln la loterie dégénérée qui donne
[PDF] Choix de Portefeuille - Free
Définition : Décision risquée versus décision non-risquée Les loteries suivantes sont dites dégénérées car elles proposent des gains avec une
[PDF] introduction aux sciences de la décision séance 2 - mikael cozic
loteries dégénérées i e de loteries qui produisent l'une des conséquences x ? C avec certitude On note génériquement une telle loterie ?x ? soit P ? P
[PDF] Economie de lIncertain - CHAPITRE 1 - Paris School of Economics
Définition : On appelle équivalent certain d'une loterie la somme terie A et pour toute distribution dégénérée W on a pour tout agent dont les
[PDF] Chapitre 1 : La Théorie de lutilité espérée et sa remise cause
avec certitude ; ce sont des loteries dégénérées préférence sur X au travers de la définition des actes constants : (f(s)=x et g(s)=y
LActualité économique - Quels déterminants de la prise de risque
B10 domine la loterie dégénérée A10 au sens de la dominance stochastique de premier ordre Par définition un agent est qualifié de vulnérable au risque
[PDF] La décision dans lincertain préférences utilité et probabilités
loteries dégénérées donnant un prix avec certitude Mais a priori pour caractériser les préférences on élargit l'espace des conséquences 82
[PDF] Cours: Gestion de portefeuille - cloudfrontnet
soit ? la distribution de probabilité de cette loterie est dite dégénérée au point z au sens où p(z) = 1 et p(z') = 0 pour tout z' # z
[PDF] Economie du risque - Licence MIDO - WordPresscom
Remarque : toute loterie simple peut s'écrire comme une loterie compo- sée (quitte à utiliser des loteries simples dégénérées) Pour toute loterie composée (L1;
[PDF] Trois essais sur la généralisation des préférences moyenne
subjectifs le résultat f(?) étant alors une loterie dégénérée ?f(?) ou des actes pure- ment objectifs en posant f(?) = l pour tous les états ? ? ?
(PDF) Quels déterminants de la prise de risque? Les réponses de l
23 mar 2017 · loterie Lorsque les risques étaient mutualisés chaque membre du groupe recevait un nième du gain des loteries mutualisées
Qu'est-ce que le concept d'utilité espérée ?
L'utilité espérée, d'un point de vue psychologique, est donc une proposition qui renvoie à la valeur « psychologique » que chaque individu accorde à un bien, qui par ailleurs peut avoir une valeur monétaire totalement différente.C'est quoi l equivalent certain ?
Définition pour : Equivalent certain
L'équivalent certain d'un flux financier futur est le montant que l'on serait Prêt à recevoir sans Risque en comparaison du flux futur attendu.- U = f(R) pour un individu
Un individu qui est neutre face au risque sera indifférent entre un revenu certain R et une situation risquée d'espérance E(R) = R.
Economie de l'Incertain
CHAPITRE 1
Comportements individuels quand le risque est
objectivement deni Universite de Tours - L3 ECO - Arnold Chassagnon - Hiver 2018 Plan1 Representations du risque
2 Evaluations du risque
3 Instruments de mesure de l'aversion pour le risque
1Representations du risque
- distributions discretes et continues - Statistiques sur les distributionsTrois niveaux de risque
A la suite de Frank Knight, on peut distinguer trois degres dans la connaissance imparfaite d'un agent soumis a l'alea : 1. l'incertain 2. le risque 3. l'exp ertise.L'incertitude
On dira un agent dans l'incertitude en l'absence de toute connais- sance positive d'une distribution de l'alea. Il conna^t les dierents etats de la nature, mais ne peut y associer de probabilite. A ce stade, les opportunites d'echange mutuellement avantageuses sont limitees et la rationalite qui les supporte, rudimentaire.Le risque
Au second degre, la connaissance d'une distribution permet a l'agent de se representer le risque auquel il est soumis par des indicateurs comme la moyenne ou la variance d'un choc et d'etablir des echelles de comparaison avec d'autres risques associes aux m^emes etats de la nature. Ceci est le point de depart de la theorie de l'assurance.L'expertise
Enn, il est possible que d'autres agents aient une connaissance plus ne du vrai etat de la nature (mais possiblement imparfaite). C'est alors que le cadre economique peut integrer, par un mecanisme d'echange elabore, une reduction de cette asymetrie de l'information.Probabilites et distributions
Cardan (1501-1576) :
le joueur savant.Probabilite d'un evenement =]resultats favorables / ]evenements possibles.Pilea une probabilite de 1/2.
Probabilite[obtenir un six au moins une fois en 3 lances]1/2? c'est = 1(5=6)3= 0;4213 (de Mere).
Remarque :On aurait pu penser que comme en un lance, la probabilite de voir appara^tre 6 est de 1/6, en trois lances, elle est trois fois plus grande (parce qu'on additionne la probabilite d'apparaitre au premier tour, puis la probabilite d'apparaitre au second tour et la proba d'appara^tre au 3e tour. En fait, c'est meconna^tre le fait que si 6 n'est pas apparu au premier tour, la probabilite qu'il apparaisse au second tour doit ^etre declassee du fait qu'il n'est pas apparu au premier tour. Puis que si le 6 n'est pas apparu au 1er et 2e tour, sa probabilite d'appara^tre au troisieme tour doit ^etre de atee du fait de ne pas ^etre apparu au1er et au 2e tour. En d'autres termes : La probabilite d'avoir 6
au moins une fois en trois lances est :16+5616+56
216<12.
Distributions du risque
Distributions discretes
Il y a un nombre ni d'evenements possiblesi2 I, chacun avec probabilitepi. Cette association a chaque evenement de sa probabilite, c'est ce qu'on appelle ladistributiondes risque. Cette distribution satisfait toujours la contrainteX i2Ip i= 1100 5001/3 1/2 1/6
Distributions continues
Il y a un nombre inni, voire continu d'evenements possibles : chacun, pris isolement appara^t avec une probabilite nulle. La fonction derepartitiondecrit le poids relatif des evenements de faible gain par rapport aux evenements de gains plus eleves.F(x) =Prob(Xx)
Representation de Distributions de probabilites
0:00:10:20:30:40:50:60:71234
I en bleu un diagramme en tuy aud'o rguer epresentantune distribution discrete I en rouge , une distribution d'une variable continue sous-jacente.Fonctions de repartition
1 xF(x)u 0pFigure{deux fonctions de r epartitions: FetG
Statistiques
Moyenne
P iprobabilites * richesses dans l'exemple precedent, moyenne=50Variance une mesure de la distance a la moyenne. exemple : la distributionAa une plus grande variance que la distributionB.75 251000VAR(B)VAR(A)1/2
1/21/2
1/2 Modes represente le/les evenements avec la plus grande pro- babilieFractiles Divise la population en classes egales, representees par une richesse pivot.Statistiques - Pour aller plus loin
Il y a en fait deux familles de statistiques :
lesstatistiques de positiondont l'objectif est de donner un ordre de grandeur des valeurs observees lesstatistiques de dispersionqui evaluent le niveau d'etalement de la serie autour de la valeur centrale. Les parametres de position (ou valeurs centrales) sont des valeurs numeriques qui resumentune serie statistique en caracterisant l'ordre de grandeur des observations. Ils s?expriment dans la m^eme unite que les observations. Les parametres de position permettent de situer la position de plusieurs series comparables. Lorsque la dis- tribution est parfaitement symetrique, mode, moyenne et mediane sont confondues.xn Figure{Les deux courb esont la m ^emeallure, mais ne se p ositionnent pas du tout au m^eme endroit sur l'axe des valeurs (des modalites). Les parametres de position le mettent clairement en evidence. Moyenne arithmetique d'un ensemble deNnombresDenition La moyenne arithmetique deNnombres est egale a la somme de ces nombres divisee par leur nombre. x=1N X ix iExemple simple3 individus, gagnent respectivement 10.000 euros, 20.000 euros et
30.000 euros. La moyenne de leur revenu est 20.000 euros.Remarque
La moyenne arithmetique est exactement la quantite qui pourrait ^etre identiquement distribuee a chaque individu. En eet, la consequence directe de la denition de xest :Nx=1NP ixi.Moyenne arithmetique d'une distribution
Dans le cas d'une distribution, il faut prendre en compte la frequence d'apparition de chacune des realisations.Cas discret : a partir du tableau de frequences Une variableXprend les valeursxiavec la frequencefipour i= 1;:::;N. La moyenne de cette variable est X=X if ixila comparaison avec la formule du transparent precedent est immediate.1N est remplace par lafrequence (individualisee) de chaque realisationfi.Cas continu : a partir de la fonction de distribution
Un variableXest denie par sa fonction de distributionf(x), sa moyenne est X=Z +1 1 x f(x)dx Distribution representee comme un bruit blanc autour d'une moyenne Quand il n'y a pas trop de dispersion autour de la moyenne, il est assez naturel de representer une distribution comme etant une valeur certaine autour de laquelle il y a un bruit blanc. DenitionUn bruitblancest une variable aleatoire ~"dont la moyenne est nulle (E(~") = 0) dont les realisations sont faibles en regard de la valeur (de position)x. ExempleSoit la variable aleatoireAsuivante, on peut la representer comme la somme de sa moyenne et du bruit blanc ~"=A E[A] :50;350;11/21/2= 50;2 +0;10;11/2
1/2A~"
Tout se passe comme si un agent qui etait expose au risque represente par Arecevait la valeur s^ure 50,2, dans un premier temps, cad la moyenne, et qu'avec egale probabilite, il perde (ou il gagne) a partir de cette valeur s^ure -0,1 (ou +0,1).Le mode, deni pour toute variable aleatoire
Le mode d'une variable qualitative ou quantitative discrete : moda- lite dont la frequence (absolue ou relative) est la plus elevee. Dans le cas ou une variable continue a ete regroupee en classes, le mode est la classe dont la frequence est la plus elevee.0:00:10:20:30:40:50:60:71234 1.9 Dans l'exemple ci-dessus, le mode de la variable discrete est 2, celui de la variable continue, 1.9. Les quantiles : separer une distribution en parts egales Lorsque la variable est ordonnee, si elle est continue, et parfois m^eme quand elle est discrete ordonnee, on cherche a representer les dierentes parties d'une distribution. On nommequantilesles valeurs qui permettent de separer la distribution en parts egales.L'operation varie avec le nombre de parts.
Dans le cas d'une separation en
quatre, lesquartilessont les va- leurs qui partagent la distibution en 4 parties de 25%.Dans le cas d'une separation en deux, lamedianeest la valeur qui partagent la distibution en 2.0:00:10:20:30:40:5Q2Q1Q30:00:10:20:30:40:5MeLe quantile, deni pour les variable ordonnees
Denition
les quantiles sont les valeurs de la variable partageant la serie classee par ordre croissant de la variable enksous-ensemblesegaux.k= 2 c'est lamedianeMek= 4 c'est lesquartilesQ1,Q2,Q3k= 10 c'est lesdecilesD1,D2,...,D9k= 100 c'est lescentilesC1,C2,...,C99Calcul duniemequantile (n est \juste au-dessus" de 0.25, 0.5, 0.75Prouver dans l'exemple suivant que le nombre d'enfants median est 2 ordresi cette distribution remunere plus tous les etats de la nature.Cependant, ce critere est loin de permettre de classer toutes les queues, comme par exemple dans les distribution suivantesfetg:Une autre comprehension de la chose est de dire queg=f+zou B, on essaye d'etablir uncritere de notationdes dierentes loteries.Selon quels types de criteres les agentsSi9xi=F(xi) =n=k: leniemequantile estxi.
I Si9xi1;xi=F(xi1)
dans cet exemple on peut prendre n'importe quelx02[25;100] Exemple
ModaliteEectifsFrequencesFreq. cumuleesQi
210.10.1
330.30.40.25
440.40.80.5; 0.75
620.21
Total101
Dans la pratique, il faut trouver les modalites dont la frequence cumulee Eectifs21421
2 Evaluations du risque
Comparaisons - FSD
Certaines comparaisons admises par tous sontrobustes. Ainsi, on preferera la loterieBa la loterieAsi l'utilite des agents est croissante avec la richesse dans chaque etat de la nature.175 25100
0BA1/2
1/21/2
1/2 Denition :On dira qu'une distribution domine une autre distribution suivant le critere dedominance stochastique de premier 9x0s:t:FB(x)FA(x)(xx0)0.
Cette relation traduit l'idee que la loterieBest plus risquee que la loterieA en ce sens qu'elle donne plus d'importance a l'occurence des evenements quand ces evenements sont petits, et moins d'importance a l'occurence des evenements quand ces evenements sont grands. Par exemple pour les deux loteries suivantes,Best un spread deA.175 0100
25BA1/2
1/21/2
1/2 Si on regarde les dierences de fonction de repartition, on a : x00Spread, comprehension plus ne
Il s'agit de deplacer du poids du centre de la distribution vers les Sisest ce bruit blanc, notonss=
GFla dierence des cumulatives, et
la sommeS(x) =Rx 1s(u)du, alors, on
dit que c'est un spread siSest positive puis negative. Recherche d'un Critere de preference
Pour comprendre le comportement d'un agent, et plus precisement les choix qu'il fait lorsqu'il doit choisir entre plusieurs loteriesAet Critere Moyenne - Variance
Critere lexicographique
Une plus grande esperance de revenu satisfait l'agent Une moins grande variance de revenu satisfait l'agent U(~X) =E(~X)
V(~X) Esperance d'utilite
Denition
Plut^ot que de prendre l'esperance de la lotterie, tout se passe comme si l'agent appreciait les dierents revenus a travers un ltre. Ainsi, l'agent voit le revenuxa travers son utilite ressentie u(x).Son critere d'evaluation est l'esperance de ces utilites.U0 B BB@x y z1/3 1/2 1/61 C CCA= 13 u(x) +12 u(y) +16 u(z) (EU suite) Utilite marginale decroissante pour la richesse En general, on estime que la fonctionu(x) Von Neumann Morgers- tern est concave. Cette fonction d'utilite VNM permet de representer ce que l'on ob- serve souvent a travers les choix des agents, a savoirl'utilite margi- nale decroissante pour la richessexu(x) =pxu(x) = ln(x)100102,30 100031,634,60
10.0001006,91
100.000316,239,21
10 6100011,51
Un accroissement de richesse genere un accroissement d'utilite qui est en relation inverse de la richesse deja accumulee. Equivalent Certain
Denition :On appelle equivalent certain d'une loterie, la somme d'argent detenue de maniere certaine qui donne la m^eme utilite que la loterieIl est a noter que ce l'equivalent certain denit un critere universel de classement des loteries. Mais la encore, conna^tre l'equivalent certain donne moins d'information que la connaissance de la distribution elle-m^eme.2 remarques :quotesdbs_dbs10.pdfusesText_16
[PDF] équivalent certain d'une loterie
[PDF] exercice medaf
[PDF] microéconomie de l'incertain
[PDF] objectif d une économie de marché
[PDF] exposé sur l'économie de marché
[PDF] fonctionnement d'un marché
[PDF] le système socialiste. pdf
[PDF] l'économie du marché
[PDF] le socialisme pdf
[PDF] économie de marché cours
[PDF] l'économie des ressources humaines
[PDF] économie du travail cours
[PDF] economie et organisation des entreprises 2 bac
[PDF] chapitre economie et organisation des entreprises