Chapitre Criteres Choix Investissements Gsi2 Akwa Academie 2023 2024

Recherche Opérationnelle 2
Année académique 2023-2024 | 1
INSTITUT UNIVERSITAIRE DE LA COTE(IUC)

Institut Supérieur de Technologie et de Design Industriel
-ISTDI-
ECONOMIE GENERALE
Enseignant : Joseph FOTSO TAWEMBE, Economiste
Auditoire : GSI_2
Année universitaire 2023/2024
Support de cours
RECHERCHE
OPERATIONNELLE II
« Il n’y a pas de savoir sans puissance ni de puissance sans savoir »
Proposé par
Joseph FOTSO Tawembe
Analyste Economique &Statisticien-Economètre
© Support pédagogique Recherche Opérationnelle 2 -IUC Joseph Fotso

CHAPITRE 4: CRITERES DE CHOIX D’INVESTISSEMENT
L’évaluation d’un investissement permet à l’entreprise de voir si le projet étudié est rentable
et s’il est donc opportun de la réaliser. Par contre, si l’entreprise hésite entre plusieurs projets,
l’évaluation de chacun d’eux lui permet de repérer celui qui est le plus rentable. Dans ce
dernier cas, on suppose que les projets sont :
→Indépendants : l’acceptation de l’un n’a aucun effet sur la rentabilité de l’autre. En d’autres
termes, les cash-flows de l’un ne sont pas modifiés par le fait que le second sera ou ne sera
pas réalisé.
→Et mutuellement exclusifs : l’acceptation de l’un entraine automatiquement le rejet de
l’autre.
Les théoriciens distinguent quatre principaux critères permettant d’opérer un choix
d’investissement :
▪La VAN
▪Le TIR
▪Le délai de récupération
▪L’indice de profitabilité
I- Choix d’investissement en avenir certain

1) La VAN
La VAN se définit comme étant la valeur totale des CFN générés par un projet
d’investissement, diminué de la dépense initiale. Tous les flux relatifs au projet doivent être
actualisés par un taux (taux d’actualisation) qui constitue un coût d’opportunité du capital.
VAN = −𝐼0 + ∑𝑛𝑝=1 𝐶𝐹𝑝 (1 + 𝑖)−𝑝 + 𝑉𝑟𝑛 (1 + 𝑖)−𝑛

où
𝐶𝐹𝑝 : Cash-flows nets générés à la période p
𝐼0 : Investissement initial
i : taux d’actualisation
n : durée de vie du projet
avec𝑉𝑟 = 𝐼0 - ∑𝑘≤𝑛𝑝=1 𝐴𝑚𝑜𝑟𝑡𝑖𝑠𝑠𝑒𝑚𝑒𝑛𝑡𝑠
Remarque : Si cash-flows constants, c’est-à-dire 𝐶𝐹1 = 𝐶𝐹2 = … = 𝐶𝐹𝑛 = 𝐶𝐹
1− (1+𝑖)−𝑛
VAN = −𝐼0 + 𝐶𝐹 [ ]+ 𝑉𝑟𝑛 (1 + 𝑖)−𝑛
𝑖
→Valeur résiduelle nette (𝑉𝑟𝑛 ) = Vr(1 – tis)
Principe de décision:
La VAN indique le montant qu’un projet ajoute ou retranche de la valeur marchande d’une
entreprise :
─Pour les projets indépendants ; on accepte les projets dont la VAN > 0.

─Pour les projets mutuellement exclusifs ; on retient le projet dont la VAN (positive) est la
plus élevés.
Nb : on ne compare que les projets ayant la même durée. Sinon faire au paravent les
ajustements nécessaires
Application 1: (voir TD)
2) Le délai de récupération ou pay-backperiod
Le délai de récupération (d) est le temps à partir duquel, il y a retour sur investissement
c’est-à-dire la date à laquelle le cumul des cash-flows actualisés est égale au montant de
l’investissement initial (𝐼0 ).
Il est question de déterminer la date (d) tel que :
∑𝑑𝑝=1 𝐶𝐹𝑝 (1 + 𝑖)−𝑝 = 𝐼0
Principe de décision:
─Pour les projets indépendants, on accepte les projets dont le (d) est inférieur à un certain
délai de référence fixé par les dirigeants de l’entreprise
─Pour les projets mutuellement exclusifs, on retient le projet ayant le (d) le plus petit à
condition qu’il soit inférieur au délai de référence fixé par les dirigeants de l’entreprise.
3) Le TIR
Le TIR est le taux d’actualisation pour lequel la VAN est nulle. Autrement dit, c’est le taux
pour lequel la somme des cash-flows actualisés est égale à la dépense initiale.
IL est question de déterminer x ≡ TIR tel que VAN = 0
soit−𝐼0 + ∑𝑛𝑝=1 𝐶𝐹𝑝 (1 + 𝑥)−𝑝 + 𝑉𝑟 (1 + 𝑥)−𝑛 = 0
Lorsque les cash-flows sont constants et valeur résiduelle nulle, nous avons :
1− (1+𝑥)−𝑛
VAN = 0 <=> −𝐼0 + 𝐶𝐹 [ ]=0
𝑥
1− (1+𝑥)−𝑛 𝐼0
<=> [ ] =
𝑥 𝐶𝐹
Pour calculer le TIR, on procède généralement par tâtonnement logique (en suivant la loi de la
VAN), puis par interpolation linéaire.

VAN
𝑉𝐴𝑁1
0 𝑖
𝑖1 TIR 𝑖2
𝑉𝐴𝑁2
Pour cela, on utilise deux taux d’actualisation qui donnent les VAN positive et négative.
Soient 𝑖1 et 𝑖2 deux taux d’actualisation :
𝑖1 → 𝑉𝐴𝑁1 > 0 𝑉𝐴𝑁2 0 𝑉𝐴𝑁1

𝑇𝐼𝑅 → 𝑉𝐴𝑁 = 0
𝑖2 → 𝑉𝐴𝑁2 < 0 𝑖2 𝑇𝐼𝑅 𝑖1
par interpolation linéaire on a ;

−𝑉𝐴𝑁 (𝑖1 − 𝑖2 )
𝑇𝐼𝑅 = 𝑉𝐴𝑁 2− 𝑉𝐴𝑁 + 𝑖2
1 2
Principe de decision:
─Pour les projets indépendants, on accepte les projets dont le TIR est supérieur au taux de
rendement requis par les dirigeants de l’entreprise (taux d’intérêt (i) du marché).
─Pour les projets mutuellement exclusifs, on retient le projet ayant le TIR le plus élevé à
condition qu’il soit supérieur au taux d’intérêt (i) du marché.
4) L’indice de profitabilité
L’indice de profitabilité (Ip) se définit comme étant le résultat de la division de la valeur
actualisée des cash-flows par l’investissement initial. En conséquence, il constitue la mesure
de la rentabilité d’un projet par unité monétaire initialement investi.
∑𝑛
𝑝=1 𝐶𝐹𝑝 (1+𝑖)
−𝑝 + 𝑉 (1+𝑖)−𝑛
𝑟 VAN
IP = ou IP = +1
𝐼0 𝐼0
Principe de decision:
─Pour les projets indépendants, on accepte les projets dont l’IP est supérieur à 1
─Pour les projets mutuellement exclusifs, on retient le projet dont l’IP est supérieur à 1 et le
plus élevé.
VAN
NB : ne pas confondre taux de profitabilité (TP = 𝐼 ) et indice de profitabilité.
0

II- Critères de choix multiples
Les critères de décision proposés par la théorie de choix multiples sont nombreux. Dans la
plupart des cas, ils supposent l’impossibilité d’affecter à un état de la nature donnée, une
probabilité de réalisation
Le problème se pose en termes de jeu. Le jeu comporte deux joueurs avec comme joueur
principal l’entreprise. Celle-ci fait face soit à la nature (jeu contre nature) soit à la concurrence
(jeu contre concurrence). L’entreprise doit prendre une décision dont le résultat dépendra dans
le premier cas, des différents états de la nature susceptible de se produire et dans le deuxième
cas, des différentes réactions possibles de la concurrence. Les données d’un tel jeu sont
généralement résumés dans un tableau appelé matrice de jeu.
A l’aide d’une application, nous pouvons illustrer ces techniques reposant sur des hypothèses
quant au tempérament du décideur.
Application 5 : (voir TD) et (voir TD exercice 9)
Un Directeur Général donc le coefficient d’optimisme est estimé 45%, désire participer à la
vie économique et sportive de sa ville. Il décide alors d’attribuer symboliquement 300 000
FCFA à une équipe sportive locale mais hésite entre :
─01 : choisir l’équipe de football ; ─02 : choisir l’équipe de rugby ;
─03 : choisir l’équipe de volleyball ; ─04 : choisir l’équipe de basket-ball
Il mesure la sensibilité de cette opération évaluant les réactions de la population à son égard,
et en estimant que les réactions dépendent de l’intérêt que la population manifeste pour
chacun des sports.
Il construit la matrice décisionnelle de son dilemme, en indiquant pour chaque situation, le
chiffre d’affaires annuel supplémentaire espéré (en milliers de francs).
Intérêt pour Intérêt pour Intérêt pour Intérêt pour
le football le rugby le volleyball le basket-ball
Don au football 1 000 400 200 110
Don au rugby 500 700 130 120
Don au volleyball 400 100 500 250
Don au basket-ball 350 80 300 400
Par ailleurs, son équipe de conseils Economiques estime que la cérémonie de remise d’aide
engendra des dépenses d’investissements (en milliers de francs) et l’intérêt de la population
suivra une distribution de probabilité. Cela est synthétisé dans le tableau suivant :
Football Rugby Volleyball Basket-ball
Investissement 600 300 300 200
Probabilité 30% 25% 25% 20%
Travail à faire :
Quelle équipe le Directeur Général doit-il aider en utilisant :
1)- Le critère de LAPLACE
2)-Le critère de WALD (le critère du joueur pessimiste et du joueur optimiste)
3)-Le critère de Hurwicz
4)-Le critère de SAVAGE
5)-Quelle équipe le Directeur Général doit-il aider s’il souhaite maximiser ses gains moyens
nets ?

Résolution :
1) selon le critère de Laplace
D’après cet auteur, il n’y a aucune raison de penser qu’une réaction quelconque du concurrent se
produira le plus souvent que les autres. Il suppose donc que toutes les réactions sont équiprobables.
La décision du décideur revient donc à retenir l’option qui maximise ses gains moyens (espérance
mathématiques).
Principe stratégique : max[𝑮𝒂𝒊𝒏𝒔 𝒎𝒐𝒚𝒆𝒏𝒔]
Nb : on joue en ligne (stratégie du décideur)
La détermination de la solution se faire en deux étapes :
Conclusion : La décision optimale retenue est 𝐷1
2) selon le critère de Wald

Wald distingue deux types de joueurs :
─Joueur pessimiste
─Joueur optimiste/ joueur professionnel
a) cas du joueur pessimiste
Dans ce cas, le décideur suppose que l’environnement lui sera toujours hostile. Il est donc
pessimiste à 100%. Sa décision revient à retenir l’option qui maximise ses gains minima.
Principe stratégique : maximin
Le choix se fait aussi en deux étapes :

1ère étape : Détermination du vecteur de gains minima
2ème étape : Détermination du maximum des gains minima
b) cas du joueur optimiste/joueur professionnel

Ici, le décideur suppose que l’environnement lui sera toujours favorable. Il est donc optimiste
à 100%. Sa décision revient à retenir l’option qui maximise ses gains maxima.
Principe stratégique : maximax

1ère étape : Détermination du vecteur de gains maxima
2ème étape : Détermination du maximum des gains maxima
3) selon le critère de Hurwicz

Elle est basée sur l’utilisation d’un coefficient d’optimisme (𝛼) et d’un coefficient de
pessimisme (𝜃) tous deux inférieurs à un (1) : 𝜶+ 𝜽 =𝟏
̅𝑖 )appelés gains pondérés de
Le décideur, pour chacune des options (i) recalcule ses gains (𝐻
Hurwicz.
Soient : 𝑅𝑖 : le résultat le plus élevé pour une option (i)
𝑅𝑖′ : le résultat le plus faible pour la même option (i)
𝐻𝑖 : le vecteur de choix de Hurwicz tel que 𝐻𝑖 = (𝑅𝑖 ; 𝑅𝑖′ )
𝐻̅𝑖 : le vecteur de gains pondérés de Hurwicz
tel que 𝑯 ̅ 𝒊 = 𝜶𝑅𝑖 + 𝜽𝑅𝑖′

La décision optimale du décideur consistera à retenir l’option qui maximise ses gains
pondérés : soit
max𝑯 ̅ 𝒊 = 𝜶𝑅𝑖 + 𝜽𝑅𝑖′
L’on suppose dans le cas d’espèce que le décideur est optimiste à 10%.
Soit 𝛼 = 10% et 𝜃 = 1- 𝛼 = 90%.
1ère étape : Détermination du vecteur de choix de Hurwicz
2emeétape : Détermination du vecteur de gains pondérés de Hurwicz

̅ 𝒊 = 𝜶𝑅𝑖 + 𝜽𝑅𝑖′
𝑯
2emeétape : Détermination du maximum du vecteur de gains pondérés de Hurwicz
4) selon le critère de Savage

Ce critère est basé sur la notion de regret c’est à dire le manque à gagner que subi le décideur
lorsqu’il retient une alternative au détriment d’une autre. La décision optimale correspondra à
l’option qui minimise le regret (regret maximum). Il faut établir la matrice des gains et des
pertes (matrice de regrets) et en déduire le vecteur des regrets.
1ère étape : Construction de la matrice de regrets

Chaque regret est constitué pour une éventualité donnée par la différence entre gain le plus
élevé que l’on aurait pu obtenir en prenant une autre décision et le gain obtenu.
Astuce : l’entreprise joue le jeu de la concurrence (positionnement en colonne dans le cas
d’espèce).
─En colonne, elle choisit donc le maximum de gain du jeu de la concurrence (gain le plus
élevé que l’on aurait pu obtenir) [𝑀𝑎𝑥𝑖. ]
─puis elle retranche du gain en sus, le gain (i) de chacune des options (i du décideur) [𝐸𝑖𝑗 ]
Ainsi le gain regret de chaque cellule (ij) sera : 𝑮𝑹𝒊𝒋 = 𝑴𝒂𝒙𝒊. - 𝑬𝒊𝒋
2me étape : Détermination du vecteur de regrets maximum (R.max)

A partir de la matrice de regret, on détermine le regret maximum de chaque option (stratégique) du
décideur et on obtient le vecteur de regrets maximum.
Astuce :On joue en ligne ; Ainsi la stratégie du décideur consistera à retenir pour chaque option (i)
le regret maximal
Principe stratégique : max(Regret)
3ème étape : Choix de la solution optimale

Le décideur minimise ses regrets et porte sa décision sur l’issue qui lui permet d’avoir le
minimum de regret maximum.
Principe stratégique : Min[𝒎𝒂𝒙(𝑹𝒆𝒈𝒓𝒆𝒕)]

Tous les critères sont imparfaits, néanmoins, ils guident le décideur dans le choix d’une décision
en avenir incertain.

III- le mode financement (avenir certain)

Lorsqu’un projet est retenu, on peut le financer de différentes manières :
─Financement sur fonds propre (Fp)
─Financement mixte c’est à dire une partie sous fonds propre et une autre par emprunt
(Fp + E)
─Financement par crédit-bail ou leasing
B) Les modes de financement d’un projet

Parmi les modes de financements, on retiendra celui qui procure un gain plus élevé. Pour
obtenir ce gain, on va introduire dans le tableau de détermination des cash-flows les
différentes charges spécifiques à chaque mode.
1) Le financement sur fonds propre

Poste Calcul
(1) Chiffre d’affaires PuxQté
(2) Charges d’exploitation CuxQté
(3) Amortissement matériel Loi d’amortissement linéaire/dégressif
(4) Résultat avant impôt (4) = (1) – (2) – (3)
(5) montant de l’IS (5) = (4)xtaux d’imposition en vigueur (33%)
(6) Résultat après impôt (6) = (4) – (5)
(3) Réintégration amortissement matériel
(7) Cash-flow (Résultat net) (7) = (6) + (3)
VAN = −𝑰𝟎 + ∑𝒏𝒑=𝟏 𝑪𝑭𝒑 (𝟏 + 𝒊)−𝒑 + 𝑽𝒓𝒏 (𝟏 + 𝒊)−𝒏
2) Financement mixte (Fonds propres + Emprunt)

Poste Calcul
(3) Amortissement matériel Loi d’amortissement linéaire/dégressif
(4) Amortissement financier (intérêt)
(5) Résultat avant impôt (5) = (1) – (2) – (3) – (4)
(3) Réintégration amortissement matériel
(8) - Amortissement dette (remboursement)
(9) Cash-flow (Résultat net) (9) = (7) + (3) – (8)
VAN = ∑𝒏𝒑=𝟏 𝑪𝑭𝒑 (𝟏 + 𝒊)−𝒑 + 𝑽𝒓𝒏 (𝟏 + 𝒊)−𝒏 - Fonds propres

3) Financement par crédit-bail
Poste Calcul
(3) Loyer (Redevance) hors TVA
(4) Résultat avant impôt (4) = (1) – (2) – (3)
(7) Cash-flow (Résultat net) (7) = (6)

VAN = ∑𝒏𝒑=𝟏 𝑪𝑭𝒑 (𝟏 + 𝒊)−𝒑 + 𝑽𝒓𝒏 (𝟏 + 𝒊)−𝒏–0
Application 6 : (voir TD)
4) Modes de financement dans le cas de décaissement spécifiques

Lorsqu’on n’a ni le chiffre d’affaires, ni les charges d’exploitation, on ne s’intéresse plus à la
rentabilité du projet mais au mode de financement le moins chère. Dans ce cas on parle de
décaissements spécifiques.
a) Financement mixte
Poste Calcul
(1) Economie d’impôt sur amortissement matériel Taux IS x amortissement
(2) Economie d’impôt sur intérêt versé Taux IS x Intérêt
(3) Encaissement total (3) = (1) + (2)
(4) Décaissement (annuité) 𝑉0 . 𝑖
𝑎=
1 − (1 + 𝑖)−𝑛
(5) Cash-flow (5) = (3) – (4)
VAN =- Fonds propres +∑𝒏𝒑=𝟏 𝑪𝑭𝒑 (𝟏 + 𝒊)−𝒑 + 𝑽𝒓𝒏 (𝟏 + 𝒊)−𝒏
b) Financement credit-bail
Poste Calcul
(1) Economie d’impôt sur redevance Taux IS x loyer
(2) Loyer
(3) Cash-flow (3) = (1) + (2)
VAN = ∑𝒏𝒑=𝟏 𝑪𝑭𝒑 (𝟏 + 𝒊)−𝒑 + 𝑽𝒓𝒏 (𝟏 + 𝒊)−𝒏

IV- Critères de choix en avenir aléatoire
Il s’agit des méthodes qui utilisent les distributions de probabilité des flux monétaires pour
évaluer le risque spécifique d’un projet. La mesure utilisée est l’écart type qui représente la
dispersion des VAN possibles par rapport à la VAN espérée ou moyenne. En d’autres termes
il représente la volatilité de la VAN.
1)- Cas des projets d’une seule période
La valeur actuelle nette d’un projet se calcule ainsi :
E(VAN) = ∑𝑛𝑗=1 𝑃𝑗 .𝑉𝐴𝑁𝑗

n : nombre d’événements possibles associés au projet
Pj : probabilité de réalisation du jième événement
VANj : Valeur actuelle nette du projet si le jième événement se produit.
Alors que la variance de la VAN se calcule à l’aide de l’expression :
𝜎 2 (VAN) = ∑𝑛𝑗=1 𝑃𝑗 ⦏.[𝑉𝐴𝑁𝑗 − 𝐸(𝑉𝐴𝑁)]2
Quant à l’écart type qui caractérise le risque inhérent à un projet est égale à :

𝜎 (VAN) = √∑𝑛𝑗=1 𝑃𝑗 ⦏[𝑉𝐴𝑁𝑗 − 𝐸(𝑉𝐴𝑁)]2 ou
σ(VAN) = √ ∑ 𝑝𝑗 . 𝑉𝐴𝑁𝑗2 − [𝐸(𝑉𝐴𝑁)]2

Plus l’écart type est élevé, plus les VAN possibles ont tendance à différer de la VAN espérée
donc plus le risque du projet, est grand.
Lorsque nous comparons plusieurs projets de VAN espérées différentes mais de risques égaux
nous retiendrons le projet ayant la VAN espérée la plus élevée. Mais lorsque nous comparons
plusieurs projets de VAN espérées égales et de risques différents nous choisirons le projet
ayant le risque (σ(VAN)) le plus faible. Enfin si nous comparons des projets de VAN espérées
différentes et de risques différents, la solution à retenir dépendra du degré d’aversion du
gestionnaire envers le risque.
Cependant, pour faciliter la prise de décision, certains analystes calculent le degré de risque
par unité de rendement espéré du projet représenté par l’équation suivante connue sous le nom
du coefficient de variation :
𝜎 (VAN)
CV = E(VAN)
Application 1:
Considérons deux projets mutuellement exclusifs X et Y. Chacun des deux projets a une durée
de vie d’un an et permet la réalisation des cash-flows suivants :
- Projet X: Investissement 500 um
probabilité CFN de la 1ère année
0,3 500
0,2 600
0,2 625
0,3 700
- Projet Y: Investissement 300 um
probabilité CFN de la 1ère année

0,3 200
0,4 400
0,3 600
Le taux sans risque est de 10%
1) Calculer pour chacun des projets la VAN espérée et son risque
2) Quel projet la firme devrait-elle retenir si son objectif est de minimiser le coefficient de
variation.
2)- Projet dont les flux monétaires s’étalent sur plusieurs périodes
Lorsque la durée des projets couvre plusieurs périodes, il est nécessaire, en premier lieu,
d’identifier la nature de la dépendance existante entre les flux monétaires successifs. La
relation entre ces derniers peut être de trois types: indépendance totale, dépendance totale ou
dépendance partielle.
10

2.1) Indépendance des flux monétaires dans le temps

Il y a indépendance entre les flux monétaires d’un projet si les flux monétaires d’une
période quelconque ne sont aucunement affectés par ceux des périodes précédentes et
n’affectent pas ceux des périodes subséquentes.
Dans ce contexte d’indépendance, la VAN espérée d’un projet se calcul de la manière
suivante :
E(VAN) = - 𝐼0 + ∑𝑛𝑡=0 𝐸(𝐶𝐹𝑁𝑡 ). (1 + 𝑖)−𝑡
Pour le calcul du risque, la formule à utiliser est la suivante :

σ(VAN) = √∑𝜎 2 (𝐶𝐹𝑁𝑡 )(1 + 𝑖)−2𝑡
Application 2:
Soit un projet d’une durée de vie de 2 ans, nécessitant un investissement de 500 um et dont la
distribution de probabilité relative aux flux monétaires a la configuration suivante:
Année 1 Année 2
Probabilités CFN Probabilités CFN
0,2 250 0,2 200
0,5 300 0,3 250
0,2 350 0,3 300
0,1 400 0,2 350
On suppose que les flux sont complètement indépendants entre eux et que le taux sans risque
est de 10%.
1) Calculer la valeur actuelle nette espérée du projet et le risque de ce dernier.
2) Ce projet devrait-il être accepté ?
2.2) Dépendance totale des flux monétaires dans le temps.

Dans le contexte de dépendance totale des flux monétaires dans le temps, les flux
monétaires de la période t dépendent entièrement des résultats obtenus au cours des périodes
précédentes. Dans une telle situation, la formule donnant la VAN espérée du projet n’est pas
affectée par cette modification d’hypothèse.
E(VAN) = ∑𝑛𝑡=0 𝐸(𝐶𝐹𝑁𝑡 ). (1 + 𝑖)−𝑡 ou E(VAN) = ∑ 𝑝𝑡 .𝑉𝐴𝑁𝑡
Alors que le risque du projet s’évalue ainsi :
σ(VAN) = ∑𝑛𝑡=0 𝜕(𝐶𝐹𝑁𝑡 ). (1 + 𝑖)−𝑡 ou σ(VAN) = √ ∑ 𝑝𝑡 . 𝑉𝐴𝑁𝑡2 − [𝐸(𝑉𝐴𝑁)]2
Application 3:
Reprenons l’Application précédente mais en supposant que les flux monétaires sont
totalement dépendants entre eux.
2.3) Dépendance partielles des flux monétaires dans le temps.

Dans la plupart des situations rencontrées en pratique, les flux monétaires d’un projet sont
d’un point de vue statistique positivement mais imparfaitement corrélés. Pour aborder ce
problème, il faut introduire une série de distribution de probabilités conditionnelles.
11

Application 4:
Soit un projet nécessitant un investissement de 500 um et dont la durée est de deux ans.
Le taux sans risque est de 10% et les flux monétaires ont la configuration suivante:
Année 1 Année 2
Probabilités CFN1 Probabilités CFN2
0,3 200 0,5 200
0,3 250
0,2 300
0,4 400 0,4 200
0,6 300
0,3 600 0,5 250
0,4 200
0,1 150
1) Déterminer la VAN espérée et le risque du projet
2) Les dirigeants de l’entreprise ont décidé de n’accepter que les projets ayant un coefficient
de variation inférieur où égal à 0,9.
2ème méthode : Méthode des arbres de décision
Le modèle des arbres de décision est le modèle le plus complet en matière de décision
d’investissement face au risque, car il permet de tenir compte du fait que la décision
d’investissement peut être étalée dans le temps et qu’à mesure qu’un projet évolue,
l’investisseur peut être amené à le développer, le modifier ou à l’arrêter…
Ainsi à LT, les investissements de l’entreprise apparaissent comme une suite de décisions
dépendantes les unes des autres qui sont fonction de la demande future et la prise de décision
s’ordonne par conséquent, fréquemment. Selon un processus séquentiel que l’on peut
schématiser par des arbres de décisions.
→Elaboration de l’arbre de décision

Toute arbre de décision se compose de branches et de nœuds :
▪Chaque nœud indique soit le moment d’une prise de décision (nœud décisionnel), soit celui
de l’avènement d’un état de la nature (nœud événementiel).
▪Chaque branche représente les différentes lignes d’actions possibles résultant d’une
décision ou les différents états de la nature susceptibles d’affecter les séquences des décisions.
Chaque état de la nature est fini par un cash-flow net possible et sa probabilité d’occurrence.
→Résolution du problème de l’arbre de décision

La résolution du problème représenté par un arbre de décision se fait en autant d’étapes qu’il
n’y a de nœuds décisionnels ou événementiels. Pour cela, il faut à chaque fois, calculer les
différentes Espérances de la VAN liées aux différents nœuds et n’en garder que la plus élevée
au niveau d’un nœud, puis réitérer ce processus autant de fois que nécessaires, jusqu’à
l’atteinte du dernier nœud de décision.
Si la VAN espérée obtenu est positive, le projet est accepté sinon, il est rejeté. On remarquera
pour terminer, que si le critère utilisé est l’espérance mathématique. Cette technique ne
permettra pas de tenir compte du risque.
12

CHAPITRE 6 : LES PROBLEMES DE RESEAUX DE TRANSPORT
Depuis la seconde guerre mondiale, les problèmes liés aux réseaux de transport n’ont cessé
d’alimenter la recherche opérationnelle en applications et de susciter le développement de
nouvelles approches pour leur résolution. La mondialisation des marchés et la création des
zones de libre-échange ont eu pour effet de favoriser la circulation des personnes, des biens et
de capitaux. Et plus cette circulation est foisonnante, plus l’organisation rationnelle des
transports devient importante.
Les premiers problèmes et modèles de transport considérés étaient de structure classique : il
s’agissait tout simplement d’acheminer des biens directement entre des origines et des
destinations en tenant compte des seuls coûts de transport (problèmes de transport). Au fil du
temps, se sont imposées de nouvelles structures, apparentées certes au problème de transport
classique mais comportant des points additionnels qui correspondent à des points de
transbordement.
Dans ce chapitre, nous aborderons tour à tour les problèmes d’affectation et les problèmes de
transport.
I- Problèmes d’affectation ou d’allocation des ressources

II-
L’affectation des employés aux différentes tâches à exécuter est un problème répétitif dans
certaines entreprises. Il s’agit d’un problème conceptuellement simple, mais dont la résolution
est rendue complexe par la combinatoire. En effet, il existe 5! , soit 120 façons d’affecter 5
employés à 5 tâches, si chaque employé doit exécuter un tâche et si chaque tâche doit être
faite par un seul employé.
A- Caractéristiques des problèmes d’affectation
Les problèmes d’affectation sont un cas spécial du problème de transport où l’offre associée à
chaque origine et la demande associée à chaque destination sont égales à 1.
Les problèmes d’affectation s’appuient sur le principe de bi-univocité. Il s’agit d’affecter, à
coût
minimal, 𝒏 unités à 𝒏 tâches ; en sachant qu’une unité ne peut être affectée qu’à une tâche et
qu’une tâche ne peut employer qu’une unité.
Les problèmes d’affectation sont généralement posés comme des problèmes de minimisation
des coûts [coûts liés à chaque affectation], mais ils peuvent aussi être posés comme un
problème de maximisation [maximisation de rendement de chaque unité affectée].
La matrice des coûts d’un problème d’affectation doit, avant d’en envisager la résolution,
obligatoirement être carrée [de format n × n]. Si tel n’est pas le cas, toujours la rendre
carrée, en ajoutant, selon les cas, une ligne ou une colonne, avant d’appliquer la méthode
hongroise.
La matrice des coûts [profits] associée est
𝑐11 𝑐12 𝑐13 𝑐1𝑛
𝑐21 𝑐22 𝑐23 ⋯ 𝑐2𝑛
𝐶= ( ⋮ ⋱ ⋮ )
𝑐𝑛1 𝑐𝑛2 𝑐𝑛3 ⋯ 𝑐𝑛𝑛
A chaque solution d’un problème d’affectation, on associe une matrice booléenne avec 1 si
l’affectation a lieu et 0 si non.
13

B- Formulation du problème
On suppose que l’on a 𝑛 personnes pour pourvoir 𝑛 postes. On représente le problème par un
graphe bipartite où les sommets origines désignent les personnes et les sommets destination,
le poste.
1 𝟏
1
1 𝟏 S
1 2
E 2 𝟏
1
n n
Fig. Problème d’affectation
Les variables du problème sont les flux dans les arcs de transport. Ces variables
s’interprètent comme suit :
1 si la persone 𝑖 est affectée au travail 𝑗

𝑥𝑖𝑗 = {
0 sinon
Les contraintes sont celles d’un problème de transport simple. Les bornes supérieures
égales à 1 garantissent que les personnes ne sont pas employées au-delà de 100% :
∑𝑛𝑗=1 𝑥𝑖𝑗 ≤ 1 𝑖 = 1, 2, … . 𝑛
Les bornes inférieures égales à 1 garantissent que tous les postes sont pourvus :
∑𝑛𝑖=1 𝑥𝑖𝑗 ≤ 1 𝑗 = 1, 2, … . 𝑛
L’objectif est de maximiser l’efficacité générale de l’affectation des personnes aux
postes. En notant 𝑡𝑖𝑗 le temps mis par la personne 𝑖 pour effectuer la tâche au poste 𝑗,
l’objectif peut s’écrire sous la forme suivante :
𝑛 𝑛
𝑍 = 𝑀𝑖𝑛 (∑ ∑ 𝑡𝑖𝑗 𝑥𝑖𝑗 )

𝑖=1 𝑗=1
Et le problème de minimisation du temps sous les contraintes d’affectation s’écrira de

la façon suivante :
14

𝑛 𝑛
𝑍 = 𝑀𝑖𝑛 (∑ ∑ 𝑡𝑖𝑗 𝑥𝑖𝑗 )

𝑖=1 𝑗=1
s.c
𝑛
∑ 𝑥𝑖𝑗 = 1 ∀𝑖 𝜖 (1,2 … , 𝑛)
𝑗=1
𝑛
∑ 𝑥𝑖𝑗 = 1 ∀𝑗 𝜖 (1,2 … , 𝑛)
𝑖=1
𝑥𝑖𝑗 = 0 𝑜𝑢 1 ∀(𝑖, 𝑗)
C-Résolution du problème d’affectation : Algorithme de Harold W. Kuhn
L’algorithme de Kuhn ou méthode hongroise ⦋parfois appelé algorithme hongrois⦌ est un

algorithme d’optimisation combinatoire qui simplifie la résolution des problèmes
d’affectation. Il a été proposé en 1955 par le mathématicien et Economiste Harold William
Kuhn, qui l’a baptisé « méthode hongroise » parce qu’il s’appuyait sur des travaux antérieurs
du mathématicien hongrois Dénes König.
La résolution des problèmes d’affectation se fait en trois étapes suivantes :
Etape 1: Réduction de la matrice des coûts
(𝑎) Créer une nouvelle matrice ayant au moins un zéro par ligne et par colonne. Cette
matrice est obtenue en soustrayant de chaque coût sur la ligne (la colonne) le coût minimal
choisi sur ligne (chaque colonne). On commencera indifféremment en ligne ou en colonne.
Mais jamais les deux opérations au même moment.
Ces éléments retirés à chaque ligne et à chaque colonne afin d’obtenir au moins un zéro par
ligne et par colonne, sont appelés constantes de réduction.
(𝑏) Après l’obtention d’au moins un zéro par ligne et par colonne, encadrer ensuite un zéro et
un seul par ligne et par colonne. C’est-à-dire que lorsqu’un zéro est encadré à l’intersection
d’une ligne 𝑖 et d’une colonne 𝑗, les autres zéros sur la ligne 𝑖 et la colonne 𝑗 doivent être
barrés ⦋supprimés ⦌
(𝑐) La matrice des coûts est dite réduite, et la solution optimale, si le nombre de zéros
encadrés est égal au format de la matrice. Dans le cas contraire, passer à l’étape 2.
Etape 2 : Amélioration de la solution ⦋recherche d’une matrice réduite⦌
Cette amélioration se fait suivant les opérations ci-dessous :
(𝑎) Marquer d’une croix toute ligne ne contenant aucun zéro encadré.
(𝑏) Marquer d’une croix toute colonne ayant un zéro barré sur une ligne ou plusieurs lignes
marquées.
(𝑐) Marquer d’une croix toute ligne ayant un zéro encadré dans une colonne marquée.
(𝑑) Répéter (𝑎) et (𝑐) jusqu’à ce qu’il n’y ait plus de colonne ou de ligne à marquer.
(𝑒) Former une sous matrice (𝑤 = 𝑆⁄𝑀) constituée des éléments non couverts par un trait,
obtenus en supprimant d’un trait toute ligne non marquée et toute colonne marquée.
15

(𝑓) Repérer le plus petit élément de la sous matrice (𝑤 = 𝑆⁄𝑀). Soustraire cette valeur de
toutes les cases non couvertes (ou traversées) par un trait, et l’ajouter aux cases situées à
l’intersection de deux traits. Les cases traversées une fois ne seront pas modifiées.
(𝑜) Retourner au point (𝑏) de l’étape 1.
Etape 3 : Détermination de la solution optimale ou départ pour une autre amélioration
(𝑖) Si au point (𝑜), on a une matrice réduite, alors la solution est optimale. On peut lui
associer une matrice booléenne et calculer le coût total de l’affectation ⦋on reviendra à la
matrice des coûts initiale⦌.
NB :→Une autre façon de se rassurer de l’optimalité de la solution est de vérifier que le coût
total d’affectation correspond à la somme de toutes les constantes de réduction, de l’étape 1 à
l’étape 2.
→Pour le cas de matrice triangulaire, on évitera toute affectation, à l’étape 3, dans les
cases situées sur la ligne ou la colonne fictive créée afin d’avoir une matrice carrée.
→Il est possible qu’une solution optimale admette des solutions équivalentes.
(𝑖𝑖) Si au point (𝑜), la matrice n’est pas toujours réduite, alors retourner à l’étape 2.
Application :
Soit la matrice des coûts suivante :
1 2 3 4
F 24 10 21 11
M 14 22 10 15
O 15 17 20 19
P 11 19 14 13
En appliquant la méthode hongroise, trouver l’affectation minimale.
D- Problème de maximisation
Lorsque les problèmes d’affectation sont posés comme le problème de maximisation, on
résoudra le dual. C’est-à-dire que l’on passera d’un maximum à un minimum afin qu’il soit
possible d’appliquer la méthode hongroise.
Ce dual est trouvé soit :
→ En définissant une matrice des pénalités ; trouvée en retranchant tous les éléments de la
matrice d’un nombre au moins égal au plus grand de ces éléments.
→ En multipliant toute la matrice des coûts par −1.
Puis résoudre comme expliqué ci-dessus.
Exercice1
Trouver l’affectation minimale dans le tableau suivant :
opér Sous-traitantes
1 2 3 4 5
A 9 8 6 4 6
B 3 6 6 7 4
C 4 9 8 3 6
D 7 6 4 4 7
E 2 8 3 5 6
16

Exercice2 : (08pts)
Une entreprise automobile doit assembler 5 types de véhicules différents, notés
A,B,C,D, dans 5 usines notées 1,2,3,4,5. Chaque usine doit assembler un type de
véhicules et un seul. L’objectif est de minimiser le coût moyen d’assemblage par
véhicule, sachant que les coûts moyens d’assemblage par véhicule des différents types
pour chaque usine sont donnés en dizaine de milliers de FCFA.
𝒗é𝒉𝒊𝒄𝒖𝒍𝒆⁄𝒖𝒔𝒊𝒏𝒆 1 2 3 4 5
A 16 18 16 13 15
B 14 13 12 11 13
C 20 19 20 16 18
D 19 19 21 18 20
E 22 21 24 19 20
1) Faites la formulation mathématique de ce problème 2pts
2) A partir de la méthode Hongroise, déterminer la solution optimale puis déduire le
coût moyen d’assemblage par véhicule 6pts
Formulation mathématique du problème :
II- Le problème linéaire de transport
1)- Définition et formulation du problème

Le problème de transport consiste à acheminer, à moins cher, des marchandises depuis 𝒎
origines ⦋centres de production, usines, etc.⦌, notées 𝑃𝑖 ⦋ 1 ≤ 𝑖 ≤ 𝑚 ⦌, vers 𝒏 destinations
⦋clients, marchés, dépôts, etc.⦌, notées 𝑀𝑗 ⦋1 ≤ 𝑗 ≤ 𝑛⦌.
Il s’agit donc de chercher une solution à coût de transport minimal telle que :
→ La demande 𝐷𝑗 de chaque client soit satisfaite ;
→ L’offre 𝑂𝑖 ⦋ou quantité disponible⦌ de chaque usine ne soit pas dépassée.
NB : Dans la pratique, on doit toujours vérifier que le total des quantités disponibles
correspond au total des quantités demandées, c’est-à-dire que l’offre est égale à la demande :
∑𝑚 𝑛
𝑖=1 𝑂𝑖 = ∑𝑗=1 𝐷𝑗
On dit que le problème est équilibré. Si ce n’est pas le cas :
─ si ∑𝑚 𝑛
𝑖=1 𝑂𝑖 > ∑𝑗=1 𝐷𝑗 , offre supérieure à la demande ⦋excès des disponibilités⦌, créer un
client fictif qui consommera la différence afin de rétablir l’équilibre.
─ si ∑𝑛𝑗=1 𝐷𝑗 > ∑𝑚 𝑖=1 𝑂𝑖 , demande supérieure à l’offre ⦋excès des demandes⦌, créer une
usine fictive.
Si l’on appelle 𝑋𝑖𝑗 ⦋avec 𝑋𝑖𝑗 ≥ 0⦌ la quantité transportée de l’origine 𝑃𝑖 vers la
destination 𝑀𝑗 , et 𝑐𝑖𝑗 le coût de transport associé, le problème peut être présenté de trois
façons suivantes :
17

→Par un digraphe biparti :

O1 c11
P1 𝑀1 D1
c21
c12
O2 P2 c22
M2 D2
c23 c13
M3 D2
Om Pm 𝑀m Dm
Par une matrice des débits ou schéma de transport

Un tableau indicé en ligne par les usines et colonne par les clients.
Destinations
Origines 𝑀1 𝑀2 ……… 𝑀𝑛 Offre
𝑃1 𝑐1𝑛 𝑂1
𝑐11 𝑐12
𝑋11 𝑋12 𝑋1𝑛
𝑃2 𝑐2𝑛 𝑂2
𝑐12 𝑐22
𝑋12 𝑋22 𝑋2𝑛
.
.
𝑃𝑚 𝑂𝑚
𝑐𝑚1 𝑐𝑚2 𝑐𝑚𝑛
𝑋𝑚1 𝑋𝑚2 𝑋𝑚𝑛
Demande 𝐷1 𝐷2 … …. 𝐷𝑛 ∑ 𝐷𝑗 = ∑ 0𝑖
Par un programme linéaire :

𝑀𝑖𝑛𝐶 = 𝐶11 𝑋11 + 𝐶12 𝑋12 + ⋯ … . 𝐶1𝑛 𝑋1𝑛 + 𝐶21 𝑋21 + 𝐶22 𝑋22 + ⋯ 𝐶2𝑛 𝑋2𝑛 + ⋯ + 𝐶𝑚1 𝑋𝑚1 + 𝐶𝑚2 𝑋𝑚2 + ⋯ + ⋯ + 𝐶𝑚𝑛 𝑋𝑚𝑛
𝑥11 + 𝑥12 + ⋯ + 𝑥1𝑛 = 𝑂1 𝑥11 + 𝑥21 + ⋯ + 𝑥𝑚1 = 𝐷1
𝑆. 𝐶 { 𝑥 21 + 𝑥22 + ⋯
………...
+ 𝑥 2𝑛 = 𝑂 1 et { 12 + 𝑥22…+…⋯…+. . .𝑥𝑚2 = 𝐷2
𝑥
𝑥𝑚1 + 𝑥𝑚2 + ⋯ + 𝑥𝑚𝑛 = 𝑂𝑚 𝑥1𝑛 + 𝑥2𝑛 + ⋯ + 𝑥𝑚𝑛 = 𝐷𝑛
𝑎𝑣𝑒𝑐 𝑋𝑖𝑗 ≥ 0, 𝑖 = 1, 2, … 𝑚; 𝑗 = 1, 2, … 𝑛
Ce programme linéaire peut encore s’écrire sous la forme suivante :

𝑀𝑖𝑛𝐶 = ∑𝑖 ∑𝑗 𝐶𝑖𝑗 𝑋𝑖𝑗
Il ressort
𝑆. 𝐶 qu’on
∑ 𝑋 a=
𝒏𝒙𝒎
𝐷 variables
∀𝑗 liées par 𝒏 + (1)
𝒎 relations, 𝒎 équations en ligne et 𝒏
𝑖 𝑖𝑗 𝑗
∑𝑗 𝑋𝑖𝑗 = 𝑂𝑖 ∀𝑖 (2)
𝑛 𝑚
∑𝑗=1 𝐷𝑗 = ∑𝑖=1 0𝑖 (3)
et 𝑋𝑖𝑗 ≥ 0 (4)
18

Il ressort qu’on a 𝒏𝒙𝒎 variables liées par 𝒏 + 𝒎 relations, 𝒎 équations en ligne et 𝒏

équation en colonne. (1) et (2) représentent respectivement les contraintes de consommation
et de production, et (4) la contrainte de non négativité des variables économiques.
Le problème de transport appartient donc à la classe des programmes linéaires. Cependant,
pour ce cas précis, le recours au simplexe sera un exercice lourd, de méthodes plus simples et
plus efficaces permettent d’arriver, en peu de temps, à une solution optimale.
19

Chapitre Criteres Choix Investissements Gsi2 Akwa Academie 2023 2024

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Chapitre Criteres Choix Investissements Gsi2 Akwa Academie 2023 2024

Uploaded by

Copyright:

Available Formats

Recherche Opérationnelle 2

Année académique 2023-2024 | 1

INSTITUT UNIVERSITAIRE DE LA COTE(IUC)

« Il n’y a pas de savoir sans puissance ni de puissance sans savoir »

© Support pédagogique Recherche Opérationnelle 2 -IUC Joseph Fotso

CHAPITRE 4: CRITERES DE CHOIX D’INVESTISSEMENT

I- Choix d’investissement en avenir certain

VAN = −𝐼0 + ∑𝑛𝑝=1 𝐶𝐹𝑝 (1 + 𝑖)−𝑝 + 𝑉𝑟𝑛 (1 + 𝑖)−𝑛

Remarque : Si cash-flows constants, c’est-à-dire 𝐶𝐹1 = 𝐶𝐹2 = … = 𝐶𝐹𝑛 = 𝐶𝐹

→Valeur résiduelle nette (𝑉𝑟𝑛 ) = Vr(1 – tis)

© Support pédagogique Recherche Opérationnelle 2 -IUC Joseph Fotso

Application 1: (voir TD)

2) Le délai de récupération ou pay-backperiod

∑𝑑𝑝=1 𝐶𝐹𝑝 (1 + 𝑖)−𝑝 = 𝐼0

Application 2: (voir TD)

soit−𝐼0 + ∑𝑛𝑝=1 𝐶𝐹𝑝 (1 + 𝑥)−𝑝 + 𝑉𝑟 (1 + 𝑥)−𝑛 = 0

© Support pédagogique Recherche Opérationnelle 2 -IUC Joseph Fotso

𝑖1 → 𝑉𝐴𝑁1 > 0 𝑉𝐴𝑁2 0 𝑉𝐴𝑁1

par interpolation linéaire on a ;

© Support pédagogique Recherche Opérationnelle 2 -IUC Joseph Fotso

II- Critères de choix multiples

© Support pédagogique Recherche Opérationnelle 2 -IUC Joseph Fotso

2) selon le critère de Wald

Le choix se fait aussi en deux étapes :

b) cas du joueur optimiste/joueur professionnel

Le choix se fait aussi en deux étapes :

3) selon le critère de Hurwicz

© Support pédagogique Recherche Opérationnelle 2 -IUC Joseph Fotso

1ère étape : Détermination du vecteur de choix de Hurwicz

2emeétape : Détermination du vecteur de gains pondérés de Hurwicz

4) selon le critère de Savage

1ère étape : Construction de la matrice de regrets

2me étape : Détermination du vecteur de regrets maximum (R.max)

3ème étape : Choix de la solution optimale

Conclusion : La décision optimale retenue est 𝐷1

© Support pédagogique Recherche Opérationnelle 2 -IUC Joseph Fotso

III- le mode financement (avenir certain)

B) Les modes de financement d’un projet

1) Le financement sur fonds propre

VAN = −𝑰𝟎 + ∑𝒏𝒑=𝟏 𝑪𝑭𝒑 (𝟏 + 𝒊)−𝒑 + 𝑽𝒓𝒏 (𝟏 + 𝒊)−𝒏

2) Financement mixte (Fonds propres + Emprunt)

VAN = ∑𝒏𝒑=𝟏 𝑪𝑭𝒑 (𝟏 + 𝒊)−𝒑 + 𝑽𝒓𝒏 (𝟏 + 𝒊)−𝒏 - Fonds propres

© Support pédagogique Recherche Opérationnelle 2 -IUC Joseph Fotso

VAN = ∑𝒏𝒑=𝟏 𝑪𝑭𝒑 (𝟏 + 𝒊)−𝒑 + 𝑽𝒓𝒏 (𝟏 + 𝒊)−𝒏–0

Application 6 : (voir TD)

4) Modes de financement dans le cas de décaissement spécifiques

VAN = ∑𝒏𝒑=𝟏 𝑪𝑭𝒑 (𝟏 + 𝒊)−𝒑 + 𝑽𝒓𝒏 (𝟏 + 𝒊)−𝒏

1)- Cas des projets d’une seule période

La valeur actuelle nette d’un projet se calcule ainsi :

E(VAN) = ∑𝑛𝑗=1 𝑃𝑗 .𝑉𝐴𝑁𝑗

𝜎 2 (VAN) = ∑𝑛𝑗=1 𝑃𝑗 ⦏.[𝑉𝐴𝑁𝑗 − 𝐸(𝑉𝐴𝑁)]2

© Support pédagogique Recherche Opérationnelle 2 -IUC Joseph Fotso

𝜎 (VAN) = √∑𝑛𝑗=1 𝑃𝑗 ⦏[𝑉𝐴𝑁𝑗 − 𝐸(𝑉𝐴𝑁)]2 ou

σ(VAN) = √ ∑ 𝑝𝑗 . 𝑉𝐴𝑁𝑗2 − [𝐸(𝑉𝐴𝑁)]2

probabilité CFN de la 1ère année

© Support pédagogique Recherche Opérationnelle 2 -IUC Joseph Fotso

2.1) Indépendance des flux monétaires dans le temps

E(VAN) = - 𝐼0 + ∑𝑛𝑡=0 𝐸(𝐶𝐹𝑁𝑡 ). (1 + 𝑖)−𝑡

Pour le calcul du risque, la formule à utiliser est la suivante :

2.2) Dépendance totale des flux monétaires dans le temps.

E(VAN) = ∑𝑛𝑡=0 𝐸(𝐶𝐹𝑁𝑡 ). (1 + 𝑖)−𝑡 ou E(VAN) = ∑ 𝑝𝑡 .𝑉𝐴𝑁𝑡

Alors que le risque du projet s’évalue ainsi :

σ(VAN) = ∑𝑛𝑡=0 𝜕(𝐶𝐹𝑁𝑡 ). (1 + 𝑖)−𝑡 ou σ(VAN) = √ ∑ 𝑝𝑡 . 𝑉𝐴𝑁𝑡2 − [𝐸(𝑉𝐴𝑁)]2