R EVUE DE STATISTIQUE APPLIQUÉE
J ACQUES DE G UENIN
Les fondements d’une théorie de la recherche
Revue de statistique appliquée, tome 7, n
o4 (1959), p. 41-71
<http://www.numdam.org/item?id=RSA_1959__7_4_41_0>
© Société française de statistique, 1959, tous droits réservés.
L’accès aux archives de la revue « Revue de statistique appliquée » (http://www.
sfds.asso.fr/publicat/rsa.htm) implique l’accord avec les conditions générales d’uti- lisation (http://www.numdam.org/conditions). Toute utilisation commerciale ou im- pression systématique est constitutive d’une infraction pénale. Toute copie ou im- pression de ce fichier doit contenir la présente mention de copyright.
Article numérisé dans le cadre du programme Numérisation de documents anciens mathématiques
http://www.numdam.org/
LES FONDEMENTS
D’UNE THÉORIE DE LA RECHERCHE
Jacques DE GUENIN
Ingénieur
au groupede Recherche Opérationnelle
ESSO STANDARD
Sous le nom de
"Théorie
de laRecherche"ont paru
ces dernièresannées un petit
nom bre depublications disparates
traitant essentiel- lementd’applications
du calcul desprobabilités à
certainsproblè-
mes militaires
qui-
se sontposés pendant
la dernière guerre mondiale (Recherche denavires,
détection desous-marins, protection
de con-vois,
etc.). Deux ou trois de cespublications
ont abordé en outre,sur le
plan théorique
leproblème
de larépartition optimum
d’unef- fort
de recherche.L’objet
de cet article est dedégager
lesconcepts fondamen-
taux des travaux
ci-dessus,
de montrer que cesconcepts
ont uné por- tée trèsgénérale qui dépasse, largement
le cadre de la recherche d’ob-jectifs
ennemis, et, cefaisant,
dejeter
les bases d’uneThéorie
de la Rechercheexposant
lesprincipes généraux qui permettent
de con- duireefficacement
une recherche. CetteThéorie offrira
des rappro- chements inattendus avec des notionsfamilières
dans d’autres bran- ches de la RechercheOpérationnelle,
enparticulier
laThéorie
des Jeux.La
Théorie est dominée
par troisconcepts qui correspondent
res-pectivement
aux troisétapes
de toute recherche :- évaluation de la Loi de
Répartition
del’"objectif"
dans
l’espace
où il estcensé se trouver;
- calcul de la
Probabilité
de Détection de 1objectif lorsqu’il
esteffectivement
dansl’élément d’espace
oùon l e
cherche;
-
"Répart i t ion optimum
del’Effort
deRecherche 11, ce t ef-
fort,
ouquantité
derecherche,
étantgénéralement
li-mité en
pratique.
Chacun de ces
concepts
donne lieuà
desapplications particulières.
Divers
exemples, empruntés
à des activitésvariées,
illustrentles
possibilités d’application
de laThéorie :
interdiction d’unefrontière,
surveillance autour d’un n¢vire en mouvement, recherche d’un banc depoissons à partir
d’un navire,prospection
minière.42
SOMMAIRE -
I -
Objet
de la Théorie. Notions Fondamentales.II -
Historique. Exemples
de domaines d’utilisation.III - Lois de
Répartition
del’Objectif. Exemples
etapplications.
IV - Probabilité de détection.
Exemples
de calcul.Application.
V -
Répartition optimum
de l’effort de Recherche. Théorie de la RechercStatique.
I - OBJET DE LA THEORIE. NOTIONS FONDAMENTALES - 1 - PROBLEME FONDAMENTAL -
On se propose de chercher un ou
plusieurs objets
dans un espace donr et l’on désire mettre de son côté le maximum de chances de les trouver avec moyens dont ondispose.
Comment faut-ilprocéder ?
2 - DEFINITIONS -
On
appelle "objectif"
chacun desobjets
recherchés.On
appelle "observateur"
l’entitéqui
s’efforce de trouverl’objectif.
3 - EXEHPLES -
3. 1. Recherche d’une caravane dans le désert par un avion de reconnai
sance.
3. 2. Veille aérienne par radar.
3. 3.
Prospection
minière.3. 4. Recherche de convois dont le
départ
a étésignalé
par les ServicesRenseignements.
3. 5. Interdiction d’une frontière par des
patrouilles
de douane.4 - CLASSNMENT DES DIFFERENTS CAS
PRATIQUES
VIS-A-VIS DE LA THEORIE - Il n’existe évidemment pas de solutionanalytique générale
auproblè
fondamental
posé
en 1.Les différents cas
pratiques
ferontl’objet
dedéveloppements théoriqu
nettement
distincts
selon que l’on considérera un ouplusieurs objectifs, que
]objectifs
seront mobiles ouimmobiles,
que l’observateur sera lui-même imm bile ou non, enfin que l’existence desobjectifs
sera certaine ou seulement pr bable. Ces distinctions créent enprincipe 24
= 16 cas. Enfait,
le nombre de (est inférieur à 16 à cause de certaines
incompatibilités : objectif
et observatene
peuvent
être immobiles tous les deux à la fois. D’autrepart
certaines coi binaisons ne donnent pas lieu à desdéveloppements
distincts :ainsi,
dans le coù l’on recherche un seul
objectif, mobile,
onemploiera
la mêmeméthode,
q l’on soit certain ou non de laprésence
del’objectif
dansl’espace
fouillé. Seichangera
laprobabilité
de découverte.Finalement,
le nombre de cas que l’ondistinguera
effectivement dans 1 méthodes de traitementpeut
se ramener àcinq :
4. 1. Un seul
objectif,
certain ou non, immobile.43
4. 2. Un ou
plusieurs objectifs,
certains ou non,mobiles;
observateimmobile.
4. 3. Un
objectif mobile;
observateur mobile.4. 4. Plusieurs
objectifs incertains,
immobiles.4. 5. Plusieurs
objectifs
incertainsmobiles;
observateur mobile.Cette énumération a
l’avantage
de donner une idée duchamp d’applicati
de la Théorie de la Recherche.
Cependant,
pour exposer cettedernière,
il Eplus
commoded’adopter
un autreplan,
articulé autour des trois notions fo damentales suivantes :-
Répartition
del’objectif (ou
desobjectifs).
- Probabilité de détection.
-
Effort,
ouquantité
de recherche.5 - LES NOTIONS FONDAMENTALES - 5. 1.
Répartition
del’objectif.
La
position,
et éventuellement lavitesse,
del’objectif (ou
desobjectifs
sont aléatoires. La
première étape
d’unproblème
de recherche consistera tojours
à déterminer les lois de cetterépartition.
Enparticulier :
a)
Il existe un seulobjectif.
On cherchera àchaque
instant la dens;de
probabilité
de saposition
et de sa vitesse.b)
Il existe ungrand
nombred’objectifs.
On s’efforcera de déte miner lafréquence
de ceuxqui ont,
àchaque instant,
uneposition
et une vitesdonnées. Du
point
de vue descalculs,
ce cas est le même que le cas(a);
ma dans un cas les calculs se font sousl’angle probabiliste,
et dans l’autre sol’angle statistique.
c)
Il existepeut-être
desobjectifs.
On étudiera parexemple
la pr babilité pourqu’il
existe unobjectif
dans un élémentd’espace
donné.5. 2. Probabilité de détection.
C’est la
probabilité
que l’on a de trouver unobjectif lorsqu’il
est effecivement à l’endroit où on le cherche.
Cette notion résulte de la constatation
expérimentale
que l’onpeut
rega der dans la direction d’unobjet
sansl’apercevoir.
De même un avionpeut
trouver dans le
champ
d’unradar,
et sonimage
ne pasapparaître
sur le scopendant plusieurs
tours d’antenne.La
probabilité
de détectiondépend
essentiellement de l’endroit considér des conditionsambiantes,
et de la méthode de recherche.Ainsi,
dans le c d’un sous-marin recherché à vue par unavion,
laprobabilité
de détectionplus grande
par beautemps
que parbrume, lorsque
le sous-marin est en suface que
lorsqu’il
est enplongée;
elle est d’autantplus grande
que l’avionplus
lentement.Soit
g(M)
laprobabilité
pour quel’objectif
soit en M(loi
derépartition l’objectif),
etp(M)
laprobabilité
de détection en M. Laprobabilité
de trouvl’objectif lorsqu’on
le cherche en M estégale
auproduit g(M). p(M) (axiome
dprobabilités composées).
5. 3. Effort de Recherche.
Chercher un
objectif,
c’estrépartir
un certain"effort
derecherche"
e44
tre les diverses
positions possibles
del’objectif.
Mais cet"effort
derecherche
est une notion intuitive essentiellementqualitative.
Il faut s’efforcer de le me surer si l’on veut aborder leproblème
fondamental avec des outils mathémati ques. Parconvention,
onappellera "Effort
deRecherche"
toutegrandeur
mesurable
(ou
toute fonction degrandeurs mesurables) permettant
dereprésente:
commodément la
quantité
de recherche effectuée dans une situation donnée. S définitionprécise dépend
donc du casenvisagé. Ainsi,
dans lesproblèmes
mi.litaires,
l’effort de recherche est presquetoujours
untemps :
letemps pendan lequel
on scrute unobjectif possible (recherche visuelle),
ou celuipendant leque
on
pointe
un radar dans la direction d’unobjectif possible;
s’ils’agit
d’un rada:tournant à vitesse de rotation constante
(cas
des radars deveille),
on choisiraplutôt
le nombre de tourspendant lequel
unobjectif
visuel se trouve dans lichamp,
mais on remarquera que ce nombre de tours estproportionnel
à uitemps.
Dans
beaucoup
deproblèmes,
enparticulier
lesproblèmes
de prospection,
il est commode de mesurer l’effort de recherche par lecoût
de cette re.cherche. Mais on
peut envisager
bien d’autresgrandeurs : ainsi,
dans la fabL du"Laboureur
et sesenfants",
on pourra mesurer l’effort de recherche par 1.volume de terre
déplacé.
Dans certains cas, il
peut
être nécessaire de faireappel
à desgrandeur;
plus
subtiles : parexemple lorsqu’on
a le choix entre deux méthodes de re chercheauxquelles
on nepeut appliquer
de mesure commune.Ainsi,
la dévotqui
aperdu
saclef peut
hésiter entre donner del’argent
à Saint-Antoine et con.sacrer
quelque temps
à rechercher sa clef. Dans ce cas, l’effort de rechercha pourra être une fonction dutemps
et del’argent
définie comme les fonctions d.satisfaction en économie.
6 - NOUVEL ENONCE DU PROBLENE FONDANENTAL -
Les définitions
qui précèdent permettent
d’énoncer leproblème
fondamen.tal en termes
plus précis.
Etant donnés :
- un espace E en
chaque
élémentduquel
onpeut
définir uneprobabi-
lité de
détection;
- un ou
plusieurs objectifs
dont larépartition
dans E est aléatoire- un effort total de recherche
disponible;
déterminer l’effort de recherche à consacrera
chaque
élément del’espace
fouilla defaçon
à rendre maximum:la
probabilité
de découvrirl’objectif (cas
d’unobjectif);
ou la
probabilité
de découvrir au moins unobjectif (cas
deplusieurs objectifs connus);
ou encore : le nombre
probable d’objectifs
découverts(cas
deplusieurs
ob-jectifs incertains).
II -
HISTORIQUE.
EXEMPLES DE DOMAINES D’UTILISATION - 1 - LES PIONNIERS -Les
premiers
travaux sur la Théorie de la Recherche ont été effectuéspendant
la deuxième guerre mondiale sous lapression
deproblèmes
concretssoulevés par les
opérations
navales. La Marine des Etats-Unis eut le doublemérite de se poser ces
problèmes
et d’en confier l’étude à desScientifiques d grande réputation qu’elle
réunit en un groupe fameux :"l’Antisubmarine
WarfarOperations
ResearchGroup".
Les travaux de ce groupe ont
porté
essentiellement sur lesproblème
suivants :
1. 1. Détection par sous-marin d’un sous-marin ennemi et
tactique
à employer après
détection.1. 2. Recherche de convois par des sous-marins.
1.3. Recherche de sous-marins par des avions
(ce problème
a surtoutpré occupé
l’aviationbritannique, qui,
de 1942 à1944,
a continuellemel harcelé les sous-marins allemands dans la baie deBiscay,
où strouvaient les
principales
bases sous - marines del’Atlantique
1. 4. Un navire étant animé d’une certaine
vitesse,
loi derépartition
de 1probabilité
pourqu’un
navire ennemiapparaisse
dans une directiodonnée.
1. 5.
Répartition optimum
d’unepatrouille
de chasseurs d’escorte autou d’une"Task Force".
On trouvera dans Morse et Kimball
(22)
le récit des circonstancesopéra
tionnelles dans
lesquelles
les travaux 1.1, 1.2, 1. 3,
et 1. 5 se sont effectués ainsi que des résultatsnumériques
et d’intéressants commentaires sur les mé thodesemployées.
Afin de faire saisir
l’esprit
de cestravaux,
nousdévelopperons
ci-dessouun modèle
simplifié, adapté
del’exemple
1. 2.Interception
de navires parpatrouilles de sous-marins -
Dans la mesure où unnation ennemie doit ravitailler par mer
des troupes éloignées,
ous’approvision
ner en
produits stratégiques,
elle nepeut
éviter une certainerégularité
dans lemouvements de ses navires. Sur un
trajet donné,
un navirepeut
tout auplu
s’écarter de sa route normale d’une distance
arbitraire,
à l’intérieur de limite que lapratique impose.
Sur cetrajet-là,
tout se passe donc comme si les diffé rentestrajectoires
des navires ennemis étaientéquiprobables
dans une bandde
largeur
donnée autour de la route moyenne.Pour essayer
d’intercepter
cesnavires,
onpeut
envoyer des sous-marinpatrouiller
dans la bande ainsi définie. Leproblème qui
se pose alors est d déterminer le nombreoptimum
de sous-marins et la meilleurefaçon
de les répartir.
Soient :
n le nombre de sous-marins
p la
probabilité
que le navire soitrepéré
par un sous-marin donné. On supposqu’elle
estégale
à laprobabilité
que le navire passe à une distance du sousmarin inférieure à la
portée
de détection"d"
de ce dernier.Tr la
probabilité
de destruction du navire par un sous-marinqui
arepéré
1navire.
P la
probabilité
de succès de la mission=probabilité globale
de couler le navire.ler cas :
patrouille
de n sous-marins.Si le navire est
repéré
par unsous-marin,
il l’est par tous. Il est donattaqué
par tous. On a dans ce cas :Probabilité de non destruction par un sous-marin donné : 1 - 03C0 Probabilité de non destruction par la
patrouille
:(1 - 03C0)n
46
n
Probabilité de destruction : 1 -
(1 - 03C0)
D’où la
probabilité
de succès de la missionP = p [1 - (1 - 03C0)n]
On trouvera P en fonction de n sur la
figure
1 pour p =0, 2
et n =0, (courbe
enpointillé).
2ème cas: les n sous-marins
patrouillent indépendamment
à des distanceséloigné
Les
probabilités
pour que le navire soit aperçu par exactement1, 2,.
n sous-marins sont distribuées suivant la loi binomiale :
Probabilité que le navire soit
repéré
par i sous-marins :Cnp (1 ’ p)
iProbabilité de destruction
quand
il estrepéré
par i sous-marins : 1 -(1 - 03C0)i
La
probabilité
de succès de la mission est donc(probabilités totales)
La courbe en trait
plein de la figure
1 donne P’ enfonction
de n pour les même valeurs de p et ir.D’intéressantes conclusions
opérationnelles peuvent
être tirées de cetanalyse :
1/
P’ estsupérieur
àP, quel
que soit n. On démontre que ce résult subsistequels
que soient p etir(compris
entre 0 et1).
Le 2ème cas est dortoujours préférable
aupremier.
2/
P et P’ suivent tous les deux la loi des rendements décroissants. Ma cette décroissance est très faible pourP’,
tant que P’ n’est pas voisin de 1(fa
bles valeurs de
n).
Il
apparaît
doncplus avantageux d’opérer
dans tous les cas en ordre dispersé.
Onpeut
alors se demander s’il ne serait pas intéressant deprévoir
moyen de liaison entre les n
sous-marins,
defaçon qu’ils puissent
tousattaque
le navire au cas où l’un d’entre eux
l’apercevrait.
3ème cas : les n sous-marins
patrouillent indépendamment
les uns des autresmais ont la
possibilité
decommuniquer
entre eux. Si le navire est aperçu par l’d’eux,
il estattaqué
par tous.47
Probabilité que le navire soit
repéré
par au moins un sous-marin :1- ( 1- p)
Probabilité de destruction
quand
le navire estrepéré
:1 - (1 - 03C0)
La
probabilité
de succès de la mission est donc :P" est représenté
en fonction de n sur lafigure
1(courbe
en traitsmixtes).
Ce cas est très
avantageux
pour les faibles valeurs de n. Pour n = 3 pexemple,
laprobabilité
de succès est doublée. Il est donc très rentable de metre sur
pied
un processuspermettant
aux trois sous-marins decommunique
Un tel processus aurait en moyenne un résultat un peusupérieur
à celui de tro sous-marinssupplémentaires.
Lorsque
ncroit,
P’ etP"
tendent tous deux vers 1 etl’avantage
du trosième cas s’amenuise.
2 - TRAVAUX EFFECTUES DEPUIS LA FIN DE LA GUERRE -
Les travauxde l’Antisubmarine
Warfare0perations ResearchGroupfure poursuivis
par l’actuelOperations
EvaluationsGroup
de la marine américain L’essentiel des résultats obtenus par ce dernier groupe a étépublié
dansrapport "confidentiel" (23)
dont unepartie
seulement a été"déclassée".
On ne sait rien des autres travaux militaires
qui
ont pu être effectuéscours de ces dernières
années,
ces travaux étanttoujours
couverts par le secreCependant,
si l’on enjuge
par laquantité
etl’importance
des études effectué dans le domaine de la Défense aérienne par les Occidentaux(voir
parexemple
liste des
publications
de la RandCorporation),
onpeut
admettre commeprob
ble que des travaux sur la recherche et la détection des avions ou des
engi
aient été effectués par les Armées de l’Air occidentales. Dans cet ordre d’idée
on
trouvera,
auchapitre "probabilité
dedétection", quelques
indications surcalibration des radars. On pourra
également
consulter une étude de M. R. Chant(lo)
sur la loi derépartition
d’un avion dont on connaît laposition approché
Les travaux
évoqués au § 1,
effectués sous lapression
des circonstancopérationnelles,
avaient un caractère nettementpragmatique. Après
la guerquelques
chercheurs se sontposés,
à propos desproblèmes
deRecherche,
d,questions
de caractèreplus général.
Il en est résulté un trèspetit
nombre de p blicationsthéoriques
que l’on trouvera enbibliographie (11-17-18-21-22).
Ctons en
particulier
une intéressante série d’articles de BernardKoopman (18)
cet auteur a
regroupé quelques
étudesdisparates
del’Operations
EvaluatiGroup,
etexposé
unimportant
travailoriginal
sur larépartition optimum
l’effort de Recherche. Ce travail a été
repris
récemment par Charnes etCoop (11) qui
ont établi le même résultat par une voie différente.3 - NOUVELLES PERSPECTIVES -
La Théorie de la Recherche ne semble
avoir, jusqu’ici,
donné naissa:ce à aucune
application "civile".
Or il existe un domaine par excellence où elparaît
devoirs’appliquer avec
fruit: celui de laprospection -
recherche minierexploration pétrolière, sondages aquifères,
etc.Cependant,
chose curieusaucune
publication
n’ a été faite sur cesujet. Quelques
travauxd’avant-garde
sila
Statistique
et l’Econométrieappliquées
à la Recherche Minièreont été publi
en France - citons en
particulier
DeBeauregard (5),
Blondel(7),
et surtoAllais
(2 - 3).
Mais aucun de ces articles ne faitexplicitement appel
à la Théorde la Recherche. Le
principal
obstacleàl’application
desprincipes
énoncés enà la
prospection,
est la difficulté dedéterminer
la loi derépartition
de l’ojectif lorsque
celui-ci estungisement.
Peut-on définir laprobabilité
pour qu existe ungisement
dans une formation donnée ? L’article de M. Allais s laprospection
du Sahara(3)
semble autoriser uneréponse
affirmative àcette que tion. Par l’étudesystématique
desstatistiques
concernant lesgisements
métaliques
du mondeentier,
M. Allais a découvert deux résultatsremarquables :
a)
Laprobabilité
de découvrir ngisements exploitables
dans une aidonnée S suit une loi de Poisson
le
paramètre N,
nombreprobable
degisements exploitables, dépend
évidement de la nature et de l’étendue de S.
b)
La valeur desgisements
suit une loilognormale :
laprobabi
té pour
qu’un dépôt
donné ait une valeursupérieure
à x s’écrit :avec
Les
paramètres
aet u dépendent également
de S.On trouvera dans la
partie
V de cet article deuxexemples d’applications
poss bles de la Théorie de la Recherche à laProspection.
4 - GENERALITE DES PROBLEMES DE RECHERCHE -
Les
concepts
et les outils de la Théorie de la Recherche s’étendent à u]classe très
générale
deproblèmes qui peuvent
sommairement s’énoncer ainsi Ondispose
de moyens limités aveclesquels
on veut s’efforcer d’atteind]un résultat donné
(objectif).
Il y aplusieurs façons d’opérer (voire
une infinide
façons)
que l’on croitsusceptibles
de conduire au résultat. Maischaque faç
n’a
qu’une probabilité
donnée de mener à ce résultat(loi
derépartition
de l’oljectif).
Enoutre,
pour unefaçon
donnée effectivementsusceptible
de mener :résultat,
laprobabilité
d’obtenir ce résultat est fonction del’importance
d.moyens que l’on y consacre
(probabilité
dedétection).
Déterminer dans C4conditions la
façon d’opérer qui
assurera le maximum de chances d’aboutir(R partition optimum
de l’effort derecherche).
On remarquera que ce schéma est celui de la Recherche
Scientifique
Donnons-en un
exemple simple :
supposonsqu’un
pays désirefabriquer
des m:tières fissiles à usage
pacifique
et consacre pour cela unbudget
donné àRecherche Nucléaire. Il
peut
s’orienter versplusieurs
voies :1. Piles
(Plutonium)
2.
Séparation isotopique (Uranium)
: diffusiongazeuse
3.
Séparation isotopique
:triage électromagnétique
4.
Séparation isotopique
:ultracentrifugation
5. Procédé
original
Evaluer les
probabilités
de succès dans les différents cas n’est sans doute p2un
problème
facile(voir
III.2).
Onpeut
néanmoins se faire une idée de leuiimportances relatives,
ou lesprendre
commeparamètres.
Résoudre leproblè
me ainsi
posé
éclairera sans aucun doute une décisionqu’il
faut bienprend]
de toutes
façons.
Le lecteur
imaginera
sanspeine
de nombreux autresexemples
satisfasant à ce schéma
général.
III-LOIS DE REPARTITION DE L’OBJECTIF-EXEMPLES ET APPLICATIONS 1 - DEFINITION DE LA LOI DE REPARTITION -
On
peut
ranger laplupart
desproblèmes
de Recherche dans l’une des trocatégories
suivantes :a)
Il y a de nombreuxobjectifs.
b)
Il y a un seulobjectif.
c)
Ilpeut
y avoirquelques objectifs.
On
appellera alors,
suivant le cas,"loi
derépartition" :
a)
Lafréquence
desobjectifs ayant
uneposition,
et éventuellemeune vitesse
donnée,
à un instant donné.b)
Laprobabilité
pour quel’objectif
se trouve dans uneposition
do]née et éventuellement pour
qu’il
soit animé d’une vitessedonnée,
à un insta donné.c)
Laprobabilité
pourqu’il
existe au moins xobjectifs
dans un e;pace donné.
2 - DETERMINATION DE LA LOI DE REPARTITION -
La distinction ci-dessus a une
grande importance pratique
pour la déte mination des lois derépartition.
Eneffet, lorsqu’il
y a de nombreuxobjectif:
et
lorsque
leurapparition
n’est pas un évènementunique
etfugitif,
onpeut général
faire des observationsstatistiques
et en déduire une loi de distributie defréquences.
C’est ainsi quependant
la dernière guerre les américains tinreune
statistique
des rencontres de leurs navires avec des sous-marinsjaponais
et que les
anglais
étudièrentsoigneusement
lafréquence
des détections de sou:marins allemands dans la baie de
Biscay.
Le cas d’un seul
objectif
estplus délicat,
car laplupart
dutemps,
la 1de
probabilité
cherchée nepeut s’appuyer
sur lastatistique.
Les considératioiauxquelles
ont fait alorsappel rejoignent
les fondements du calcul desprobab
lités.Lorsqu’il
y aquelques objectifs,
toutdépend
des circonstances et du pre blème.L’exemple
desgisements métalliques évoqué
en 11-3 montre que la 1 derépartition peut
êtreparfois
déterminée à l’aide de lastatistique.
Nous nous bornerons dans ce
qui
suit à examiner le cas leplus
difficicelui d’un
objectif unique (b).
Mais les considérationsqui
suiventpourront
éclarer
également
les deux autres cas(a
etc), chaque
foisqu’il
ne pourra être faappel
à laStatistique
pour déterminer la loi deRépartition.
Deux éventualités
peuvent
seprésenter :
- On a affaire à un
objectif passif.
Le castype
est celui oùl’objec
tif est un
gisement.
Mais cepeut
être aussi celui d’un adversai]qui
ne se sait pas recherché.- On a affaire à un
objectif intelligent (cas
d’un sous-marinqui
sait
recherché).
La recherche devient alors un ensemble de stratégies
au sens de la Théorie des Jeux.2. 1. Cas d’un
objectif passif.
Déterminer la loi de
répartition
d’unobjectif unique, passif,
revient à assigner
uneprobabilité
à un évènementisolé, auquelnul principe
desymétrie
onulle série
statistique
nepermet d’assigner
uneprobabilité objective.
Force esdonc,
en vue del’action,
de recourir à la notion deprobabilité subjective.
La
probabilité subjective que
l’observateur attribue à un évènement E(l’ob jectif se
trouve à telendroit),
n’est autre"qu’un
coefficient rendantquantitativ
la notion
qualitative
de vraisemblance deE"
pour l’observateur."Nous jugeon
que l’événement E est
plus
ou moinsvraisemblable,
et nousagissons
en lui accordant
plus
ou moins depoids ... "( 1).
Conformément à un vieux
principe
dont onpeut
sans doute attribuer la pa ternité àLaplace (19),
si l’on n’arigoureusement
aucune information sur le vraisemblances relatives des différentespositions possibles de l’objectif,
on leconsidèrera toutes comme
équiprobables.
Il est rarequ’il
en soit effectivemerainsi,
car l’on atoujours quelque
idée sur laplus
ou moinsgrande
vraisemblanc de certainespositions. Cependant,
si l’on a peud’informations,
on sera raisonnablement tenté par cette
équiprobabilité qui
a au moinsl’avantage
de donnela loi de
répartition
laplus simple :
larépartition
uniforme.Mais
adopter
une loi derépartition uniforme,
c’estrejeter
délibérémer d’utiles éléments d’information toutes les fois"où
il estmanifeste", "où
nousavons
bien", qu’il
y a despositions
peuvraisemblables,
et au contraire depositions privilégiées.
Il sortirait du cadre de ce travail de discuter
plus longuement
le bien-fondde la notion de
probabilité subjective
et lesprincipes
de son utilisation. On trou vera des discussions sur cesujet
dans laplupart
des ouvrages sur les fondement du calcul desprobabilités (voir Keynes (16)
et Fortet(13)
pour unebibliographi complète).
On trouvera enparticulier
desanalyses
trèspénétrantes
dans le"classiques"
suivants(dont
laliste n’est pas exhaustive): Jacques
Bernoulli(6) Laplace (19), Borel (8-9), de Finetti (12), Savage (25), Fréchet (14-15),
Allai(1).
Rappelons simplement ici,
sans lesdévelopper
ni lesjustifier, quelque
notions
particulièrement
utiles dans le maniement desprobabilités subjectives 1/
Laprobabilité subjective
p d’un évènementunique
E est définiepar 1 pari
que l’individu estdisposé
àaccepter
pour ou contre la réalisation de ](Borel).
2/
Lesprobabilités
quej’affecte
aux différents évènementsincompatible
d’une
épreuve
traduisent l’ensemble des informations queje possède
surl’épreu
ve. En l’absence de toute
information,
les évènements sontréputés équiproba
bles
(Laplace,
PaulLévy).
3/
Dans le cas d’uneépreuve isolée,
le"subjectiviste"
substitue àl’épreu
ve isolée
"une catégorie d’épreuves ayant
en communavecl’épreuve
isoléequel
ques-uns des
renseignements
que lesubjectiviste possède
sur cetteépreuv isolée" (Fréchet).
4/
Unsystème
deprobabilités subjectives
doit être cohérent. En d’autretermes,
ildoit satisfaireaux axiomesde base du calcul desprobabilités (proba
(1) Pierre Masse "Le Choix des Investissements" p. 214.
51
bilités
positives, probabilités
de l’événement certainégale
à1, probabilités
t(tales, probabilités composées).
On trouvera une excellente démonstration de (principe
pp. 220-223 du livre de M. PierreMassé "Le
Choix desInvestissements
2. 2. Cas d’unobjectif intelligent.
Relations avec la Théorie des Jeux.Même si l’on n’a aucune information a
priori
sur lesprobabilités
respec tives des différentespositions,
on obtient de meilleurs résultats par le raisoinementque
parl’adoption
d’une loi derépartition
uniforme. Un excellent exenple
en est fourni par la nouvelled’Edgar
Poe intitulée"La
lettrevolée"(1): I
Préfet de Police de Paris recherche une lettre
compromettante,
dérobée pïun Ministre
"à
une personne duplus
hautrang".
Cette lettre se trouve néces sairement chez le Ministre. Le Préfet n’arrivecependant
pas à mettre la madessus, malgré
l’effort de recherche considérabledépensé jusque-là.
Voici Equels
termes il raconte son échec à MonsieurDupin : "Le
fait est que nous avoipris
notretemps
et que nous avons cherché PARTOUT(... ).
Nous avons entrepris
la maison de chambre enchambre;
nous avons consacré à chacune les nui de toute une semaine. Nous avons d’abord examiné les meubles dechaque
appa]tement. Nous avons ouvert tous les tiroirs
possibles (... ).
Il y a danschaq pièce
une certainequantité
de volumes et de surfaces dont onpeut
se rend]compte.
Nous avons pour cela desrègles
exactes. Lacinquantième partie
d’urligne
nepeut
pas nouséchapper".
Peut-on trouver meilleure
description
littéraire del’adoption
d’une loi (répartition uniforme ? Cependant,
pour MonsieurDupin, qui
connait11 intelligen(
de l’adversaire
(et qui
est doué lui-même"d’une aptitude analytique particulière
toutes les cachettes ne sont pas
équiprobables. "Plus je
réfléchissais à l’audécieux,
au distinctif et brillantesprit
deD", dit-il, "(... ) plus je
me sentais coivaincu que le
Ministre,
pour cacher salettre,
avait eu recours àl’expédient plus ingénieux
dumonde,
leplus large, qui
était de ne pas même essayer de.cacher".
C’est ainsi queDupin
découvrit la lettreaprès
un effort de rechercrminime,
au cours d’unepseudo-visite
de courtoisie chez le Ministre.Monsieur
Dupin
ne nous donnant toutefois pas une loi deRépartition
quaititative (sans
doute à cause de son peu d’estime pour lesmathématiciens)
il pe être intéressant dedévelopper
un autreexemple.
Une
patrouille
de douane surveille toutes les nuits une frontière de mOItagne.
Le passage n’estpossible qu’à
traversquatre cols,
et chacun de ces coest normalement
gardé
dejour.
Lanuit,
enrevanche,
on nepeut
maintenir (personnel
en chacun descols,
et on se contented’envoyer
unepatrouille
tantà un
col,
tantôt à un autre. Soitf;
lafréquence
relative des nuits où le col i rçoit
la visite de lapatrouille.
Les douaniers cherchent à mettre la main sur irusé contrebandier
qui emprunte
detemps
entemps
l’un desquatre
cols : il 1passe la frontière
qu’une
fraction a des nuits. Il passe par le col i avec la fr quence relative g ;.Lorsque
lecontrebandier passe
la frontière lanuit,
ilprend quelques pr
cautions pour ne pas être vu, de sorte que même si les douaniers sontlà, probabilité
pourqu’il
soit vu n’est paségale
à 1. Eneffet,
cetteprobabilité
d(pend
du col. Elle estégale
à p; pour le col i.Toutes ces données sont résumées dans le tableau ci-dessous :
(1) Nouvelle dans laquelle on trouvera par ailleurs de fort plaisantes considérations sur le
Mathématiques.
52
Col 1 2 3 4
Probabilité de détection
(lorsque
les douaniers et contrebandiers
sont au même
col)
...Pl P2 P3 p4 Répartition
de l’effort de recherche(probabilité
pourqu’un
douanier soit 1-4 en i une nuitdonnée)
...fI f2 f3 f4 fi
i=1
Loi de
répartition
del’objectif (pro-
babilité pour que le contrebandier 4
soit en i une nuit
donnée)
...gl g2 g3 g4 03A3 gi
Chaque nuit,
laprobabilité
pour que le contrebandier soit vu estLes douaniers font le raisonnement suivant :
"Le contrebandier, qui rusé,
va s’efforcerd’adopter
unestratégie (gl,
g2,g3, g4)
telle que P soit i nimum. Or P est de la forme"Les (pifi)
et les gi étant touspositifs
ounuls,
pour rendre Pminimum,
il sufit de donner la valeur
maximum,
soit cx, à celui des giqui
a leplus petit
coEficient
(p;f;)
et la valeur zéro à tous les autres. Soit m la valeurcorresponda n
de i. S’il connaissait notre
stratégie,
le contrebandier devrait doncadopter
lumême
lastratégie
(cette stratégie
consiste àn’emprunter
que le colm).
"La
valeur de Pcorrespondante
s’écrit"Mais
dans cetteexpression,
nous pouvonsagir
surfm, pensent
les douaniers Nous pouvons donc relever la valeur de P minimum.Jusqu’où
pouvons-nous a]ler ? Nous sommes limités par deux conditions
"La
valeur maximum que nouspuissions
donner àpmt
est donc telle que tous lepif
i soientégaux.
Ceci détermine notrestratégie (f1f2f3f4)puis qu’elle
doit vérifie"Notre stratégie
la meilleure consiste donc à passer enchaque
col un non bre de nuits inversementproportionnel
à laprobabilité
de détection en ce col. ( résultat est si conforme au bon sens, que notre contrebandier nepeut
manqu53
de le deviner. Il remarquera alors que la
probabilité
P est maintenantindépei
dante de sa propre
stratégie (g;) puisque
"Va-t-il
en rester là etadopter
unestratégie quelconque ?
Sûrement pas, ca il est aussiprudent
que rusé. Il se dira donc :"supposons
un instant que le douaniers viennent àconnaître
mastratégie (gi).
Ilsadopteront
alors une stratégie (f.)
telle quesoit maximum. Ceci s’obtiendra en donnant la valeur 1 à celui des
f
iqui
a lepli grand
coefficient(pigi),
et la valeur zéro à tous les autres. Si M est la valetcorrespondante
de i on aura"il
faut donc queje
rende cette valeur aussi faible quepossible.
Ceci m’amèneadopter
unestratégie
telle queB
"en
faisantceci, je
m’assure d’ailleurs un Pqui
nedépend plus
de lastratégie adoptée
par les douanierspuisque
"Ainsi,
pour moi aussi la meilleurestratégie
consiste àadopter
unefréquenc
de passage enun col inversement
proportionnelle
à laprobabilité
de détection et cecol".
On vérifiera aisément que la
politique
desdouaniers
conduit au même ré.sultat que celle du contrebandier
(maximim
P = minimaxP).
Eneffet,dans
14premier
cas :et dans le second ca
Ainsi dans le cas d’un
objectif intelligent
nous avons pu déterminer ncseulement la loi de
répartition
del’objectif (gi)
que nouscherchions,
mais ausla
répartition optimum
de l’effort de recherche(fi)
et laprobabilité
de découverte de
l’objectif
P.Remarque -
Ainsi que le lecteur l’aura sans douteremarqué,
le raisonnemeJqui précède
est un peuplus long
que celui que l’on fait d’habitude pour expose le schémaclassique
desjeux
à deuxjoueurs
et à somme nulle. Dans ce derniE54
cas, en
effet,
on suppose, pastoujours explicitement d’ailleurs,
que les adve sairesjouent chaque stratégie pendant
un nombre de coups suffisamment grapour pouvoir
évaluer correctement leursespérances mathématiques de gain
po cettestratégie. Ici,
lalogique
du récit nepermet
pas la connaissanceexpér
mentale de
l’espérance mathématique
degain,
car lejeu
s’arrêtera dèsque 1
douaniers auront mis la main sur le contrebandier.3 - PROBLEMES D’APPROCHE -
Dans les
problèmes
destratégie
navale ouaérienne,
il arrivequ’un
oservateur en mouvement ait besoin de
renseignements
sur larépartition
de l’ojectif par rapport
à sa propretrajectoire :
- Probabilité pour
qu’un objectif
passe à un momentquelconque
daun cercle de rayon R centré sur
l’observateur;
- Densité de
probabilité g(a)pour qu’un objectif
seprésente
à la ditance
R,
dans une direction donnée.On remarquera que ces informations sont
plus
élaborées que lasimple
de
répartition
del’objectif
définieau § 1
de cechapitre.
Onpeut cependant
1déduire de la loi de
répartition lorsqu’on
connait latrajectoire
del’objectif
que l’on se fixe celle de l’observateur.
A titre
d’exemple,
supposons que l’observateur soit un navire animé d’mouvement
rectiligne
uniforme de vitesse u, etl’objectif
un autre navire qnous supposerons au repos pour
simplifier (le
cas oùl’objectif
estlui-même
mouvement n’est pas
beaucoup plus compliqué,
mais les résultats sontplus
lonà
interpréter
carf(x)
admetplusieurs formes analytiques
différentes suivant valeur dea).
Le navire observateur
aperçoit
tout ennemiqui s’approche
à moins d’udistance
R,
à condition d’observer effectivement dans cette direction. Le pr blèmepratique
consiste à déterminer les secteurs où il fautporter
leplus
d’atention
(répartition
de l’effort derecherche).
On va donc chercher laprobabili g(o:)do:
pourqu’un
navire seprésente
à la distance R entre lesangles a
et « + dpendant
l’intervalle detemps
unité.Tout ce que l’on sait sur les navires ennemis est
qu’il
y en a en moyen N sur l’océan à tout instant. L’observateur leur attribuedonc,
faute de mieuune loi de
répartition
uniforme. Plusprécisément,
a étant une aire donnée etl’aire totale de l’océan
en
posant
n= N
= nombre moyen de navires ennemis par unité d’aire.La
probabilité PR pour qu’un
navirepénètre
dans le cercle de rayon R ce tré sur l’observateurpendant
l’unité detemps
estégale
à laprobabilité
pour q le navire se trouve au début de l’unité detemps,
à l’intérieur de l’aire limit par lequadrilatère mixtiligne ABCDE (figure 2).
Cette aire estégale
à 2Rd’où
La