Delta-Epsilon-Common Knowledge and Quantitative Agreement Theorems

Résumé Technique : Théorèmes de la Connaissance Commune Delta-Epsilon et de l'Accord Quantitatif

Énoncé du Problème
Cinquante ans après les travaux fondateurs d'Aumann, le domaine de la connaissance commune et des théorèmes d'accord est confronté à deux limitations majeures dans ses applications pratiques. Premièrement, les scénarios du monde réel impliquent souvent une connaissance commune « presque » parfaite plutôt que la connaissance commune stricte et binaire définie par Aumann. Deuxièmement, les généralisations existantes du théorème d'accord d'Aumann — spécifiquement celles passant d'espaces de probabilité dénombrables à des espaces généraux (non dénombrables) et des événements aux variables aléatoires (comme l'a fait Nielsen) — n'ont pas été adéquatement combinées avec le concept de connaissance approximative. Bien que la littérature antérieure (par exemple, Monderer et Samet, Geanakoplos, Morris) ait abordé l'accord approximatif via la « croyance $p$-commune », ces résultats sont largement restreints aux espaces de probabilité dénombrables. Il existe un besoin pour un cadre permettant de quantifier la distance par rapport à la connaissance commune, applicable aux espaces de probabilité généraux et aux variables aléatoires, particulièrement dans des contextoth de communication bruitée.

Méthodologie
Les auteurs introduisent un nouveau cadre pour quantifier la connaissance commune approximative, nommée connaissance commune $(\delta, \varepsilon)$, définie sur des événements au sein d'espaces de probabilité généraux $(\Omega, \mathcal{F}, P)$. La méthodologie repose sur deux relaxations de notions élémentaires de la théorie des ensembles et de la théorie de la mesure :

1. $\delta$-quasi-inclusion dans une $\sigma$-algèbre : Un événement $B$ est $\delta$-presque inclus dans une $\sigma$-algèbre $\mathcal{G}$ s'il existe $G \in \mathcal{G}$ tel que $P(B \triangle G) \leq P(B)\delta$.
2. $\varepsilon$-quasi-inclusion dans un événement : Un événement $B$ est $\varepsilon$-presque un sous-ensemble de $A$ si $P(B \setminus A) \leq P(B)\varepsilon$.

Le document définit la connaissance et la connaissance commune « sur un événement $B$ » plutôt qu'à un état spécifique $\omega$. Cette approche permet de traiter les ensembles de mesure nulle et les modèles continus où la connaissance exacte de valeurs postérieures spécifiques est souvent impossible. Les auteurs utilisent les variances conditionnelles pour quantifier la « proximité » de la connaissance d'une variable aléatoire, étendant ainsi le travail de Nielsen. Ils emploient également la métrique $d(\mathcal{G}_1, \mathcal{G}_2)$ entre $\sigma$-algèbres (basée sur Rogge) pour établir les propriétés de continuité des espérances conditionnelles.

Contributions Clés et Résultats

1. Connaissance Commune Approximative d'un Événement
Le document établit que la définition de la connaissance commune $(\delta, \varepsilon)$ basée sur la $\sigma$-algèbre est équivalente à la fois à une définition hiérarchique (connaissance mutuelle de la connaissance mutuelle) et à une définition hiérarchique alternée (l'individu 1 sait, l'individu 2 sait que l'individu 1 sait, etc.). Cela généralise la preuve d'équivalence originale d'Aumann au cadre approximatif.

• Théorème d'Accord Quantitatif (Théorème 3.12 & 3.15) : Les auteurs prouvent que si deux individus ont une connaissance commune $(\delta, \varepsilon)$ de leurs postérieures (pour un événement ou une variable aléatoire $X \in [0,1]$) se situant dans des intervalles spécifiques, la distance entre leurs postérieures est uniformément bornée. Plus précisément, si les postérieures sont une connaissance commune $(\delta, \varepsilon)$, la différence $|q_1 - q_2|$ est bornée par $\frac{2\delta + \varepsilon}{1 + \delta}$. Ce résultat est valable pour des espaces de probabilité généraux, contrairement aux résultats antérieurs basés sur la croyance $p$-commune qui étaient limités aux espaces dénombrables.
• Relation avec la Croyance $p$-commune : Le document fournit des formules de conversion explicites (Propositions 3.18 et 3.19) entre la connaissance commune $(\delta, \varepsilon)$ et la croyance $p$-commune faible, démontrant que les deux concepts sont interchangeables en termes d'applicabilité, bien que la connaissance commune $(\delta, \varepsilon)$ offre une équivalence structurelle plus robuste dans les espaces généraux.

2. Connaissance Commune Approximative d'une Variable Aléatoire
Étendant le travail de Nielsen, les auteurs définissent la connaissance commune $(\delta, \varepsilon)$ pour les variables aléatoires en utilisant les variances conditionnelles. Une variable aléatoire $X$ est une connaissance commune $(\delta, \varepsilon)$ sur $B$ si $B$ est $\delta$-presque inclus dans les $\sigma$-algèbres des deux individus et que la variance conditionnelle de $X$ étant donnée la $\sigma$-algèbre restreinte est bornée par $\varepsilon$.

• Théorème d'Accord pour les Variables Aléatoires (Théorème 4.21) : Le document prouve que si les postérieures d'une variable aléatoire $X$ sont une connaissance commune $(\delta, \varepsilon)$ sur un événement $B$, la distance $L^2$ entre les postérieures sur $B$ est bornée par une fonction de $\delta$ et $\varepsilon$ :
  $$E_{P_B}[(E[X|\mathcal{G}_1] - E[X|\mathcal{G}_2])^2] \leq 64\delta \|X\|_{L^\infty}^2 + 4\sqrt{\varepsilon} \|X\|_{L^\infty}$$
  Ce résultat généralise le théorème d'accord de Nielsen au cadre approximatif.

3. Accord Dynamique Approximatif
Les auteurs étendent les résultats d'accord dynamique de Geanakoplos et Polemarchakis et de Nielsen aux contextes bruités.

• Convergence avec Bruit (Théorème 5.2) : Dans un contexte dynamique où les individus échangent de l'information au fil du temps, si la variance conditionnelle de la postérieure d'un individu étant donnée l'information future de l'autre converge vers $\varepsilon$ (information commune approximative), alors la distance $L^2$ entre leurs postérieures limites est bornée par $2\sqrt{\varepsilon \text{Var}(X)}$.
• Application à la Communication Bruitée (Exemple 5.4) : Le document illustre cela avec un scénario où les individus communiquent leurs postérieures via un canal bruité avec un bruit de variance uniformément bornée. Le résultat garantit que le désaccord à l'infini est contrôlé uniquement par la variance du bruit $\varepsilon$, sans nécessiter d'hypothèses sur la forme de la distribution du bruit.

Signification
Le document revendique sa signification principalement par sa généralisation conceptuelle et sa précision quantitative :

1. Espaces de Probabilité Généraux : Contrairement aux travaux antérieurs sur l'accord approximatif (par exemple, Monderer et Samet, Geanakoplos, Morris) qui reposaient sur des espaces dénombrables, ces résultats sont valables pour des espaces de probabilité arbitraires, ce qui les rend applicables aux modèles continus et aux espaces de types infinis dans les jeux bayésiens.
2. Cadre Unifié : Il unifie l'étude de la connaissance approximative pour les événements et les variables aléatoires sous un seul cadre $(\delta, \varepsilon)$, préservant l'équivalence entre les définitions de $\sigma$-algèbres et les définitions hiérarchiques.
3. Robustesse : Les résultats fournissent des bornes quantitatives explicites sur le désaccord, démontrant qu'un désaccord substantiel est impossible même lorsque la connaissance commune n'est qu'approximative. Ceci est particulièrement pertinent pour modéliser des scénarios du monde réel impliquant une communication bruitée, où la connaissance commune exacte est inatteignable.

Les auteurs maintiennent un ton modeste, notant que bien que les constantes dans les bornes puissent ne pas être serrées, l'existence de telles bornes dans des espaces généraux et la capacité de convertir entre différentes notions de connaissance approximative constituent le cœur de l'avancée théorique.