Information and capacities
Résumé.
Il semble que pour un décideur non Bayésien, l'information n'est pas toujours positive, c'est à dire qu'il
préfère ne pas obtenir d'information avant de réaliser son choix. Pour la plupart des économistes, une telle
valeur négative de l'information est synonyme de comportements irrationnels. Nous examinons ce problème pour
des agents qui maximisent une espérance d'utilité à la Choquet dans un cadre simple, celui des paris. Tout
d'abord, nous trouvons une condition nécessaire (Separative Monotonicity) pour obtenir une valeur positive.
C'est une condition affaiblie du Principe de la Chose Sûre de Savage et il s'avère que les mesures de
possibilité et de nécessité y satisfont et qu'il existe des règles de conditionnement qui assurent une valeur
positive de l'information. Dans une seconde partie, nous remettons en cause la mesure proposée de la valeur
de l'information et suggérons que la question des valeurs négatives est liée à une mesure inadéquate.
Toutefois, nous proposons d'imposer un critère plus faible : la stratégie de paris choisie ne devrait pas
être dominée statistiquement. Par des exemples, nous montrons que les règles usuelles de conditionnement ne
permettent pas de satisfaire ce critère pour des fonctions de croyance. Dans une classe de règles de
conditionnement, nous donnons les conditions nécessaires et suffisantes pour que dans le cas de fonction de
croyance, on satisfasse à ce critère.
Abstract.
Most economists consider that the cases of negative information value non-Bayesian decision makers seem to
exhibit, clearly show that these models are not models representing rational behaviors. We consider this
issue for Choquet Expected Utility maximizers in a simple framework, that is the problem of choosing on
which event to bet. First, we find a necessary condition to prevent negative information value that we call
Separative Monotonicity. This is a weaker condition than Savage Sure thing Principle and it appears that
necessity and possibility measures satisfy it and that we can find conditioning rules such that the
information value is always positive. In a second part, we question the way information value is usually
measured and suggest that negative information values are merely resulting from an inadequate formula. Yet,
we suggest to impose what appears as a weaker requirement, that is, the betting strategy should not be
Statistically Dominated. We show for classical updating rules applied to belief functions that this
requirement is violated. We consider a class of conditioning rules and exhibit a necessary and sufficient
condition in order to satisfy the Statistical Dominance criterion in the case of belief functions.
|