Résumé
Ce mémoire s'intéresse aux situations lors desquelles un individu doit faire face à un choix comme l'achat d'une voiture ou le choix d'un travail. Pour cela, nous considérerons un analyste souhaitant estimer quel sera le meilleur choix possible c'est-à-dire celui qui apportera la plus grande utilité. Cet analyste peut donc récolter un certain nombre d'informations lui permettant de modéliser cette situation. Malgré tout, il ne pourra certainement pas obtenir la totalité des données pour pouvoir affirmer avec certitude quelle alternative apporte la plus grande utilité. Un terme d'erreur sera alors intégré de sorte de calibrer les résultats et nécessitant de travailler avec les probabilités.Dans un premier temps, le modèle sera abordé indépendamment du temps ce qui diminuera la complexité du développement. Après, nous mettrons en évidence quelques modèles statiques connus de choix discrets comme le modèle Logit ou le modèle Probit. L'estimation de ces modèles se fera alors par la méthode du maximum de vraisemblance.
Nous pourrons ensuite aborder mes modèles dynamiques de choix discrets. Ces modèles nécessiteront l'utilisation de probabilités conditionnelles afin de prendre en compte l'influence d'un choix sur les suivants. Ainsi, nous choisirons une méthode permettant d'obtenir un modèle dynamique de choix discrets pour ensuite en évoquer les propriétés mais également son estimation. De plus, nous présenterons également un exemple, l'exemple de Rust, nous aidant à rendre ces développements plus concrets. Nous évoquerons alors brièvement une méthode différente mais similaire d'obtenir un modèle dynamique de choix discrets que nous comparerons à la précédente.
| la date de réponse | 3 sept. 2012 |
|---|---|
| langue originale | Français |
| Superviseur | Philippe TOINT (Promoteur), Eric Cornelis (Jury), Marcel Remon (Jury) & Renaud Lambiotte (Jury) |