La Teoría del Consumidor: Incertidumbre

Tamaño: px
Comenzar la demostración a partir de la página:

Download "La Teoría del Consumidor: Incertidumbre"

Transcripción

1 La Teoría del Consumidor: Incertidumbre

2 Incertidumbre y Riesgo La presencia de incertidumbre supone que las consecuencias que se derivan de cada alternativa disponible no se conocen de antemano, sino que dependen de la ocurrencia de sucesos aleatorios fuera del control del consumidor. Ejemplos de decisión con incertidumbre: Inversión (en activos físicos o financieros, en capital humano) Elección de una carrera profesional Financiación para la adquisición bienes o activos (vivienda) Elección de un seguro de vida, de coche o de hogar. Elección de un candidato a un cargo político.

3 Incertidumbre y Riesgo En este contexto: Elegir una alternativa implica asumir las consecuencias inciertas que se deriven de ésta. Las alternativas disponibles son loterías. Adoptar una decisión involucra apostar.

4 Descripción de la Incertidumbre Describir la incertidumbre del consumidor requiere en la práctica formalizar un espacio probabilístico: Un espacio muestral, E, que contenga el conjunto de todos los sucesos elementales o estados de la naturaleza posibles. Una distribución de probabilidad sobre E, que especifique la probabilidad a cada estado de la naturaleza.

5 Descripción de la Incertidumbre Por simplicidad, supondremos que E es un conjunto finito: E={e1,...,em}. La lista de estados de la naturaleza es un conjunto de sucesos mutuamente excluyentes y colectivamente exhaustivos.

6 Descripción de la Incertidumbre Una distribución de probabilidad sobre E, especifica la probabilidad de cada estado de la naturaleza, pi =Pr(ei). Así, una distribución de probabilidad sobre E es simplemente un vector p=(p1,...,pm) que satisface (i) 0 pi 1 (ii) p1 + p pn =1.

7 Loterías Para simplificar, nos limitamos a tratar los problemas en los que las consecuencias de las decisiones son exclusivamente monetarias Las alternativas de decisión posibles, a las que nos referimos como loterías, son variables aleatorias que especifican un pago (una pérdida o ganancia) en cada estado de la naturaleza posible.

8 Loterías Podemos representar todas la loterías posibles como funciones l: E R. Es decir, una lotería es una variable aleatoria. Sin embargo, esta representación resulta inconveniente porque entonces necesitamos un espacio probabilístico muy grande y complejo, que recoja todos los sucesos relevantes para todas las loterías posibles.

9 Loterías Por ello, preferimos describir cada lotería como un par en el que el vector l = (x,p), x = (x1,...,xn) especifica los pagos posibles, y el vector p = (p1,...,pn) indica las probabilidades con que se reciben estos pagos.

10 Loterías Ejemplo 1. Jorge tiene el coche averiado. Reparar su coche costaría 300 euros si la avería es leve y euros si es grave. La probabilidad de que la avería sea grave es 2/3. Alternativamente, le ofrecen un coche usado por euros. Jorge necesita un medio de transporte. Debería reparar su coche o reemplazarlo?

11 Preferencias y Riesgo Para formular una teoría del consumidor (o en general de la decisión) con incertidumbre postulamos que cada individuo tiene unas preferencias bien definidas (una relación binaria) sobre el conjunto de loterías posibles, L.

12 Preferencias y Riesgo Para formular una teoría del consumidor (o en general de la decisión) con incertidumbre postulamos que cada individuo tiene unas preferencias bien definidas (una relación binaria) sobre el conjunto de loterías posibles, L. Para l = (x,p), l = (x,p ) en L: : Relación de preferencia: l l (l es preferida o indiferente a l ). : Relación de preferencia estricta: ~: Relación de indiferencia: l l (l es preferida a l) -- l l, pero no l l. l ~ l (l es indiferente a l ) -- l l y l l.

13 Preferencias y Riesgo Ejemplos: Sean l = (x,p), l = (x,p ) L. [1] Preferencias VEM: l VEM l si E(l) E(l ). (Discutir la Paradoja de San Petersburgo.) [2] Preferencias maxmin: l Mm l si min {x1,...,xn} min {x 1,...,x n }. (Discutir la racionalidad de estas preferencias.)

14 Preferencias y Riesgo Ejemplos: Sean l = (x,p), l = (x,p ) L. [3] Preferencias α: l α l si E(l α ) E(l α ). Aquí, E(l α ) = i pi x α i.

15 Preferencias y Riesgo Ejemplo 2. Ordene las loterías l =(4,1;1/2,1/2) y l = (0,5;1/2,1/2) de acuerdo con las preferencias descritas en [1], [2] y [3]. [1] Tenemos y Por tanto E(l) = 1/2 (4) + 1/2 (1) = 2,5 E(l ) = 1/2 (0) + 1/2 (5) = 2,5. l ~VEM l.

16 Preferencias y Riesgo Ejemplo 2. Ordene las loterías l =(4,1;1/2,1/2) y l = (0,5;1/2,1/2) de acuerdo con las preferencias descritas en [1], [2] y [3]. [2] Tenemos min {4, 1} = 1 y min {0, 5} = 0. Por tanto l Mm l.

17 Preferencias y Riesgo Ejemplo 2. Ordene las loterías l =(4,1;1/2,1/2) y l = (0,5;1/2,1/2) de acuerdo con las preferencias descritas en [1], [2] y [3]. [3] Consideramos α = 0,5. (Nota x 0,5 = x.). Tenemos y E(l α ) = 1/ /2 1 = 3/2 E(l α ) = 1/ /2 5 = 5/2 < 3/2. Por tanto, l 0,5 l.

18 Preferencias y Riesgo Ejemplo 2. Ordene las loterías l =(4,1;1/2,1/2) y l = (0,5;1/2,1/2) de acuerdo con las preferencias descritas en [1], [2] y [3]. [3a] Consideramos α = 2. Tenemos y E(l α ) = 1/2 (4 2 ) + 1/2 (1 2 ) = 17/2 E(l α ) = 1/2 (0 2 ) + 1/2 (5 2 ) =25/2. Por tanto, l 2 l.

19 Preferencias sobre loterías: Axiomas Axiomas A.1. Las preferencias son completas si l, l L: l l, o l l, o ambos. A.2. Las preferencias son transitivas si l, l, l L: l l y l l implica l l.

20 Preferencias sobre loterías: Axiomas A.3. Las preferencias son monótonas si l=(x,p), l = (x,p ) L: {x > x y p = p } l l. Es decir, si los pagos de una lotería son uniformemente mayores que los de otra, entonces la primera es preferida.

21 Preferencias sobre loterías: Axiomas A.4. Las preferencias son continuas si para cualquier secuencia {ln} ={(xn,pn)} L: Si n: ln l, y limn ln =l, entonces l l. Es decir, pequeñas variaciones en los pagos o en la distribución de una lotería no alteran de forma drástica sus relaciones con otras loterías.

22 Preferencias sobre loterías: Axiomas Ejemplos Es fácil comprobar que las preferencias descritas en los ejemplos [1] a [3] ( VEM, Mm y α) satisfacen los axiomas 1-4.

23 Funciones de Utilidad Como en el caso de certidumbre, sería muy conveniente disponer de una función de utilidad para describir las preferencias de un individuo. Con incertidumbre, una función de utilidad v asocia con cada loterías l L, un número real v(l); es decir, v: L R.

24 Funciones de Utilidad Definición Una función de utilidad v representa una relación binaria sobre el conjunto de loterías L si para todo l, l L: l l v(l) v(l ). Teorema Toda relación de preferencias sobre L que satisfaga los axiomas A.1, A.2 y A.4 puede representarse mediante una función de utilidad v.

25 Funciones de Utilidad Ejemplos: (1) Preferencias VEM: La función esperanza matemática, v(l) = E(l) representa estas preferencias; l, l L: l VEM l E(l) E(l ).

26 Funciones de Utilidad Ejemplos (2) Preferencias Mm (maxmin): La función v(l) = min {x1,..., xn} representa estas preferencias. Obsérvese que para l =(x,p), l =(x,p ) en L: l Mm l min {x1,..., xn} min {x 1,..., x n}.

27 Funciones de Utilidad Ejemplos (3) Preferencias α: La función esperanza matemática, v(l) = E(l α ) representa estas preferencias: l, l L: l α l E (l α ) E (l α ).

28 Utilidad Esperada Las preferencias α tienen un propiedad interesante: pueden representarse mediante una función de utilidad que puede expresarse como la esperanza matemática de una variable aleatoria cuyos valores son una función de los pagos de la lotería; concretamente, para estas preferencias, la función que hemos encontrado es u(x) = x α.

29 Utilidad Esperada Es natural interpretar u(x) como la utilidad del pago x. De hecho, a partir cualquier función u: R R define una función de utilidad sobre el conjunto de loterías L. Para l = (x,p) L: v(l) = Eu(l) = i pi u(xi). Nos referimos a las funciones u como funciones de utilidad de Bernoulli, y a las funciones de utilidad sobre loterías v que pueden expresarse de esta forma (como una composición del operador esperanza E y una función de utilidad de Bernoulli) como funciones de utilidad von Neumann-Morgensten.

30 Utilidad Esperada Qué preferencias pueden representarse mediante funciones de utilidad von Neumann-Morgensten? La respuesta a esta pregunta requiere introducir un nuevo axioma sobre las preferencias de loterías. Sean l=(x1,...,xn;p1,...,pn) y l = (x 1,..,x n ; p 1,...,p n ) dos loterías y sea λ [0,1]. La lotería l =[λl + (1-λ)l ] = (x,p ) está definida como l = (x, p ), donde x = (x1,...,xn;x 1,..,x n ) p = (λp1,...,λpn,(1-λ) p 1,..., (1-λ) p n ).

31 Utilidad Esperada Supongamos que L es un conjunto convexo; es decir: l, l L y λ [0,1]: l = [λl + (1-λ)l ] L. A.5. (Independencia) l, l, l L: l l [λl + (1-λ)l ] [λl + (1-λ)l ].

32 Utilidad Esperada Teorema Si una relación de preferencias sobre L satisface los axiomas A. 1, A.2, A.4 y A.5, entonces existe función de utilidad vn-m que la representa; es decir, existe una función de utilidad de Bernoulli u: R R tal que l,l L: l l Eu(l) Eu(l ). Si además la relación de preferencias satisface el axioma A.3, entonces u es creciente.

33 Actitudes frente al Riesgo El riesgo inherente en cada lotería es uno de los aspectos determinantes para ordenar las loterías posibles e identificar la mejor opción. Obviamente, el grado de renuencia o aversión al riesgo (o el grado de atracción por el riesgo) es distinto para cada individuo. Para empezar, proponemos definiciones específicas de los conceptos de aversión al riesgo, neutralidad frente al riesgo y atracción por el riesgo.

34 Actitudes frente al Riesgo Discutamos las consecuencias de la actitud de un individuo frente al riesgo en un sencillo problema de decisión: Supongamos que un individuo debe decidir si apostar a una lotería en la que se ganan o se pierden 10 euros con idéntica probabilidad, frente a la alternativa de no hacerlo. Podemos representar las dos loterías que enfrenta el individuo como l = (10, -10; 1/2, 1/2) y l = (0; 1).

35 Actitudes frente al Riesgo Puesto que E(l) = E(l ) = 0, parece natural postular que un individuo neutral al riesgo (es decir, alguien que no sienta atracción ni aversión por el riesgo) debería ser indiferente entre apostar por la lotería o no hacerlo. Es decir, si N son las preferencias de un individuo neutral al riesgo, entonces l N l.

36 Actitudes frente al Riesgo Sin embargo, un amante del riesgo debería encontrar excitante apostar por la lotería l. Es decir, si AM son las preferencias de un amante del riesgo, entonces l AM l.

37 Actitudes frente al Riesgo Y si el individuo es averso al riesgo preferirá no apostar. Es decir, si AV son las preferencias de un averso al riesgo, entonces l AV l.

38 Actitudes frente al Riesgo Este simple ejemplo motiva las siguientes definiciones: Decimos que una lotería l L es no degenerada si involucra al menos dos pagos distintos con probabilidad positiva. En el ejemplo descrito, la lotería l es no degenerada, mientras que l es una lotería degenerada.

39 Actitudes frente al Riesgo Sea l una lotería cualquiera no degenerada y sea lc una lotería (degenerada) que paga E(l) con certidumbre; es decir lc =(E(l);1). Decimos que el individuo con preferencias sobre L es Neutral al Riesgo: si l ~ lc. Averso al Riesgo: si lc l. Amante del Riesgo: si l lc.

40 Actitudes frente al Riesgo Ejercicio. Un individuo participa en un concurso en el que si se responde correctamente a la primera pregunta se opta a responder a una segunda, y si se acierta la segunda, se opta a responder a una tercera. La ganancia que se obtiene si se acierta la primera pregunta es 16 mil euros y con cada nueva respuesta acertada se doblan las ganancias. Pero si responde erróneamente a una pregunta, se pierde todo lo ganado. Después de acertar la primera pregunta, el individuo, que cree que conoce la respuesta a cualquier pregunta con probabilidad 1/2, debe decidir si optar a la segunda y/o a la tercera. Representar el problema mediante un árbol de decisión y resolverlo para un individuo averso al riesgo, para uno neutral al riesgo y para uno amante del riesgo.

41 Actitudes frente al Riesgo Proposición 1 Supongamos que las preferencias de un individuo sobre el conjunto de loterías L están representadas por la función de utilidad de Bernoulli u. Sea l L una lotería no degenerada. Entonces el individuo es Neutral al Riesgo: si y sólo si Eu(l) = u(e(l)). Averso al Riesgo: si y sólo si Eu(l) < u(e(l)). Amante del Riesgo: si y sólo si Eu(l) > u(e(l)).

42 Actitudes frente al Riesgo Esta simple proposición sugiere que existe una relación entre la actitud de un individuo frente al riesgo y la curvatura de las funciones de utilidad de Bernoulli que representan sus preferencias. Sea l = (x1, x2; λ, 1-λ), una lotería tal que x1 x2 y 0 < λ < 1. Tenemos y Eu(l) = λ u(x1) + (1-λ) u(x2), E(l) = λx1 + (1-λ)x2.

43 Actitudes frente al Riesgo Si el individuo es neutral al riesgo, entonces λu(x1) + (1-λ)u(x2) = Eu(l) =u(e(l)) =u(λx1 + (1-λ)x2). Puesto que x1, x2 y λ son arbitrarias, esto implica que u es una función afín; es decir, u(x) = a + bx. Obsérvese que A.3 implica que u (x) = b > 0.

44 Neutral al Riesgo Utilidad u(x2) u(e(l)) u(x1) 0 x1 x2 E(l) Renta

45 Actitudes frente al Riesgo Por otra parte, puesto que la lotería l es no degenerada, si el individuo es averso al riesgo, entonces λu(x1) + (1-λ)u(x2) = Eu(l) < u(e(l)) = u(λx1 + (1-λ)x2). Es decir, u es una función es (estrictamente) cóncava.

46 Averso al Riesgo Utilidad u(x2) u(e(l)) λu(x1)+(1-λ)u(x2) u(x1) x1 E(l) x2 Renta

47 Actitudes frente al Riesgo Y si el individuo es amante del riesgo, entonces λu(x1) + (1-λ)u(x2) = Eu(l) > u(e(l)) = u(λx1 + (1-λ)x2). Es decir, u es una función es (estrictamente) convexa.

48 Utilidad u(x2) Amante del Riesgo λu(x1)+(1-λ)u(x2) u(e(l)) u(x1) x1 E(l) x2 Renta

49 Actitudes frente al Riesgo Proposición 2 Supongamos que las preferencias de un individuo sobre el conjunto de loterías L están representadas por la función de utilidad de Bernoulli u. El individuo es Neutral al Riesgo: si y sólo si u es una función afín. Averso al Riesgo: si y sólo si u es una función (estrictamente) cóncava. Amante del Riesgo: si y sólo si u es una función (estrictamente) convexa.

50 Actitudes frente al Riesgo Si una función de utilidad de Bernoulli es dos veces diferenciable, entonces las propiedades de la proposición 2 son fáciles identificar. En este caso, el individuo es Neutral al Riesgo: si y sólo si x R: u (x) = 0. Averso al Riesgo: si y sólo si x R : u (x) < 0. Amante del Riesgo: si y sólo si x R : u (x) > 0.

51 Actitudes frente al Riesgo Obsérvese que mientras que para cualquier función creciente f: R R, la función de utilidad sobre loterías w(l) = f(v(l)) representa las mismas preferencias que la función de utilidad v(l), este no es el caso para las función de utilidad de Bernoulli. Por ejemplo, las funciones de Bernoulli u1(x) = x, u2(x) = x 2 = (u1(x)) 2 no representan las misma preferencias, a pesar de que u2 es una transformación monótona creciente de u1. Mientras que u1 representa la preferencias de un individuo neutral al riesgo (Eu1(l) = E(l)), las preferencias de u2(x) representan las preferencias de un individuo amante del riesgo.

52 Actitudes frente al Riesgo Sin embargo, si u2 es una transformación afín de u1, es decir, u2(x) = a + b u1(x), donde b > 0, entonces la funciones de utilidad de Bernoulli u1 y u2 representan las mismas preferencias. Esto es debido simplemente a que la esperanza matemática es un operador lineal. (Si X es una variable aleatoria y a,b R, entonces E(a+bX) = a + b E(X).) Por ello, para cualquier lotería l tenemos y, por consiguiente, l,l L: Eu2(l) = a + b Eu1(l), Eu2(l) Eu2(l ) a + b Eu1(l) a + b Eu1(l ) Eu1(l) Eu1(l ). (En particular, todas las funciones lineales crecientes representan las mismas preferencias que la función u(x) = x.)

53 Actitudes frente al Riesgo Para obtener una última caracterización de las distintas actitudes frente al riesgo introducimos los conceptos de equivalente de certidumbre y de prima de riesgo de una lotería.

54 Actitudes frente al Riesgo Supongamos que las preferencias de un individuo sobre el conjunto de loterías L están representadas por la función de utilidad de Bernoulli u. Sea l L. El equivalente de certidumbre de la lotería l, EC(l), es la solución a la ecuación u(x) = Eu(l). La prima de riesgo de la lotería l, PR(l), es PR(l) = E(l) - EC(l).

55 Actitudes frente al Riesgo Proposición 3 Sea EC: L R la función que describe para cada lotería l L el equivalente de certidumbre de un individuo EC(l). El individuo es Neutral al Riesgo: si y sólo si l L: EC(l) = E(l). Averso al Riesgo: si y sólo si l L : EC(l) < E(l). Amante del Riesgo: si y sólo si l L : EC(l) > E(l).

56 Actitudes frente al Riesgo Proposición 4: Sea PR: L R la función que describe para cada lotería l L la prima de riesgo de un individuo, PR(l). El individuo es Neutral al Riesgo: si y sólo si l L : PR(l) = 0. Averso al Riesgo: si y sólo si l L : PR(l) > 0. Amante del Riesgo: si y sólo si l L : PR(l) < 0.

57 Actitudes frente al Riesgo Ejercicio: ilustrar la aplicación de estos conceptos utilizando el ejercicio 2 de la lista.

58 Valor de la Información En situaciones de incertidumbre, la adquisición de información adicional puede permitir al individuo reducir su incertidumbre, ayudándole a seleccionar la mejor alternativa y, en definitiva, a aumentar su bienestar. Sin embargo, cuando adquirir nueva información es costoso, determinar si el individuo debe adquirir la información requiere un análisis coste-beneficio. Nos planteamos esta cuestión en el contexto de un ejemplo ya discutido.

59 Valor de la Información Ejemplo 1 : Jorge tiene el coche averiado y debe decidir si repararlo o reemplazarlo por otro coche usado cuyo precio es euros. Reparar su coche costaría 300 euros si la avería es leve y euros si es grave. La probabilidad de que la avería sea grave es 2/3. Cuánto pagaría Jorge por saber de antemano si la avería es leve o grave?

60 Valor de la Información Recordemos que Jorge era neutral al riesgo, por lo que podemos representar sus preferencias mediante la función de utilidad de Bernoulli u(x) = x, y que su decisión óptima l* era reparar su coche. Esta decisión le reportaba una utilidad esperada Eu(l*) = E(l*) = 1/3 (-300) + 2/3 (-1200) = -900.

61 Valor de la Información Si Jorge supiera con certeza si la avería es leve o grave, podría condicionar su decisión a una situación o la otra, reparando su coche si la avería es leve y sustituyéndolo si es grave. Por tanto, si dispusiera de esta información antes de decidir, se garantizaría un coste de 300 euros si la avería es leve, y de sólo 1000 euros (el coste del vehículo de ocasión que le ofrecen) si es grave. Por tanto, enfrentaría la lotería li cuya utilidad esperada es Eu(lI) =E(lI) = 1/3 (-300) + 2/3 (-1000) = -766,6.

62 Valor de la Información Cuánto estaría dispuesto a pagar Jorge por esta información que le permite conocer el estado de la naturaleza con certeza? Si Jorge paga M euros por la información, entonces obtiene una utilidad esperada Eu(lI(M)) = 1/3 (-300-M) + 2/3 (-1000-M) = -(766,6 + M).

63 Valor de la Información La cantidad máxima que estaría dispuesto a pagar, M*, debe ser tal que añadida al coste de la alternativa óptima en cada estado de la naturaleza le reporte un nivel de utilidad esperada idéntico al que obtendría sin información, Eu(l*). Por consiguiente, M* es la solución a la ecuación Eu(lI(M)) = Eu(l*).

64 Valor de la Información Como Eu(l*) = -900, la cantidad máxima que Jorge pagaría por la información es la solución a la ecuación es decir, M* = 133,3 euros. -(766,6 + M*) = -900;

65 Valor de la Información Nos referimos a M* como el valor de la información (perfecta) para Jorge. Observe que el cálculo del valor de la información involucra las preferencias de Jorge. Por consiguiente, este el valor de la información no es objetivo sino subjetivo.

66 Valor de la Información Obsérvese que como Jorge es neutral al riesgo y representamos sus preferencias mediante u(x) = x, tenemos y Por ello, en este caso Eu(l) = E(l), Eu(lI(M)) = E(lI) - M. Eu(lI(M*)) = Eu(l*) E(lI) = E(l*) - M*. Es decir, M* =E(lI) - E(l*).

67 Valor de la Información Sin embargo, esta fórmula no es correcta cuando el individuo no es neutral al riesgo. Comprobémoslo. Supongamos que las preferencias de Jorge están representadas por la función de utilidad de Bernoulli u(x) = ( x). Como u (x) < 0, Jorge es ahora averso al riesgo. Su utilidad esperada si repara el coche es Eu(lR) = 1/ /

68 Valor de la Información Su utilidad esperada si lo sustituye por uno usado es Eu(lS) = ,14. Por consiguiente, Eu(lS) > Eu(lR); con estas preferencias (y creencias) la decisión óptima es sustituir el coche, l* = ls.

69 Valor de la Información Por otra parte, si Jorge conociera el estado de la naturaleza repararía el coche si la avería es leve pero lo sustituiría si es grave. (justificar). Por tanto, si Jorge paga M euros por la información, su utilidad esperada sería Eu(lI(M)) = 1/ M + 2/ M.

70 Valor de la Información El valor de la información lo obtenemos de resolver la ecuación Eu(lI(M)) = Eu(l*); es decir, 1/3 900-M + 2/3 200-M = 200. Resolviendo, obtenemos M* 144,23 133,3.

71 Valor de la Información La fórmula obtenida en este ejemplo para calcular el valor de la información, Eu(lI(M)) = Eu(l*), nos permite en general calcular el valor de la información, ya se información perfecta, como en el ejemplo, o imperfecta o parcial. Sin embargo, cuando la información es parcial, el cálculo de la lotería li(m), que requiere identificar la alternativa óptima en función de la realización de esta información, puede ser complicado.

72 Valor de la Información Valor de la Información Imperfecta Ejercicio 4. Cuánto estaría dispuesto a pagar Pedro Banderas por saber si la película se estrenará o no?

Universidad Diego Portales Facultad de Economía y Empresa

Universidad Diego Portales Facultad de Economía y Empresa Suponga que, conversando con su cuate, surge la idea de hacer una apuesta simple. Cada uno escoge decir cara ó sello. Se lanza una moneda al aire, y si sale cara, quien dijo sello le paga a quien dijo

Más detalles

Universidad Carlos III de Madrid Mayo de 2009. Microeconomía. 1 2 3 4 5 Calif.

Universidad Carlos III de Madrid Mayo de 2009. Microeconomía. 1 2 3 4 5 Calif. Universidad Carlos III de Madrid Mayo de 2009 Microeconomía Nombre: Grupo: 1 2 3 5 Calif. Dispone de 2 horas y 5 minutos. La puntuación de cada apartado, sobre un total de 100 puntos, se indica entre paréntesis.

Más detalles

Universidad Carlos III de Madrid Mayo de 2015. Microeconomía. 1 2 3 4 5 Calif.

Universidad Carlos III de Madrid Mayo de 2015. Microeconomía. 1 2 3 4 5 Calif. Universidad Carlos III de Madrid Mayo de 015 Microeconomía Nombre: Grupo: 1 3 4 5 Calif. Dispone de horas y 45 minutos. La puntuación de cada apartado se indica entre paréntesis. Administre su tiempo teniendo

Más detalles

Tema 1: Teoría de la decisión bajo incertidumbre

Tema 1: Teoría de la decisión bajo incertidumbre Tema 1: Teoría de la decisión bajo incertidumbre Microeconomía Avanzada II Iñigo Iturbe-Ormaeche U. de Alicante 2008-09 Anomalías Introducción Formalización Utilidad esperada Actitud frente al riesgo Aplicaciones

Más detalles

Universidad Carlos III de Madrid Junio de 2014. Microeconomía. 1 2 3 4 5 Calif.

Universidad Carlos III de Madrid Junio de 2014. Microeconomía. 1 2 3 4 5 Calif. Universidad Carlos III de Madrid Junio de 01 Microeconomía Nombre: Grupo: 1 3 5 Calif. Dispone de horas y 5 minutos. La puntuación de cada apartado se indica entre paréntesis. Administre su tiempo teniendo

Más detalles

Hasta el momento hemos analizado como los agentes económicos toman sus decisiones de consumo o producción en condiciones de certeza total.

Hasta el momento hemos analizado como los agentes económicos toman sus decisiones de consumo o producción en condiciones de certeza total. III. Elección en condiciones de incertidumbre Hasta el momento hemos analizado como los agentes económicos toman sus decisiones de consumo o producción en condiciones de certeza total. Es decir, cuando

Más detalles

Universidad Carlos III de Madrid Junio 2013. Microeconomía. 1 2 3 4 5 Calificación

Universidad Carlos III de Madrid Junio 2013. Microeconomía. 1 2 3 4 5 Calificación Universidad Carlos III de Madrid Junio 013 Microeconomía Nombre: Grupo: 1 3 4 5 Calificación Dispone de horas y 30 minutos. La puntuación de cada apartado, sobre un total de 100 puntos, se indica entre

Más detalles

1. Teoría de la utilidad esperada 2. Experimento de mercado: demanda, oferta y eficiencia 3. Davis y Holt sobre economía experimental

1. Teoría de la utilidad esperada 2. Experimento de mercado: demanda, oferta y eficiencia 3. Davis y Holt sobre economía experimental Historia del pensamiento económico Jorge M. Streb Clase 5 de noviembre de 200 Temas. Teoría de la utilidad esperada 2. Experimento de mercado: demanda, oferta y eficiencia. Davis y Holt sobre economía

Más detalles

que tan buen predictor

que tan buen predictor Introducción Las Teorías de Finanzas y las de Economía tratan de describir lo mejor posible situaciones que ocurren en la vida real, como cualquier teoría su fortaleza radica en que tan buen predictor

Más detalles

Introducción a la Teoría de Probabilidad

Introducción a la Teoría de Probabilidad Capítulo 1 Introducción a la Teoría de Probabilidad Para la mayoría de la gente, probabilidad es un término vago utilizado en el lenguaje cotidiano para indicar la posibilidad de ocurrencia de un evento

Más detalles

Aversión al riesgo y demanda de seguros

Aversión al riesgo y demanda de seguros Aversión al riesgo y demanda de seguros Ricard Torres ITAM Economía Financiera, 2015 Ricard Torres (ITAM) Aversión al riesgo y demanda de seguros Economía Financiera 1 / 23 Índice 1 Mercados de seguros

Más detalles

DECISIONES DE CONSUMO EN CONDICIONES DE INCERTIDUMBRE

DECISIONES DE CONSUMO EN CONDICIONES DE INCERTIDUMBRE DECISIONES DE CONSUMO EN CONDICIONES DE INCERTIDUMBRE APLICACIÓN: MODELO DEL SEGURO Y DE CARTERA Contacto: Mª Covadonga De la Iglesia Villasol Departamento de Fundamentos del Análisis Económico I Universidad

Más detalles

Teoría del Consumidor. El Problema del Consumidor

Teoría del Consumidor. El Problema del Consumidor Teoría del Consumidor El Problema del Consumidor Preferencias y funciones de utilidad Los axiomas A1, A2 y A4 implican que existe una función de utilidad continua u: R 2 + R que representa las preferencias

Más detalles

Aversión al riesgo y mercados de seguros

Aversión al riesgo y mercados de seguros Aversión al riesgo y mercados de seguros Ricard Torres CIE ITAM Microeconomía Aplicada II, Verano-Otoño 2015 Ricard Torres (CIE ITAM) Aversión al riesgo y mercados de seguros Microeconomía Aplicada II

Más detalles

Universitat Autònoma de Barcelona Curs 2002-2003. Breviario de Economía de la Información 1

Universitat Autònoma de Barcelona Curs 2002-2003. Breviario de Economía de la Información 1 Universitat Autònoma de Barcelona Curs 2002-2003 Breviario de Economía de la Información 1 Introducción La economía de la información es la teoría de los contratos en información asimétrica. Su propósito

Más detalles

Aplicación 1: Asegurarse contra los malos resultados (contra la incertidumbre)

Aplicación 1: Asegurarse contra los malos resultados (contra la incertidumbre) 4. Aplicaciones Aplicación 1: Asegurarse contra los malos resultados (contra la incertidumbre) En general, gente es aversa al riesgo. Sufre desutilidad del riesgo un individuo tal vez estaría dispuesto

Más detalles

Economía de la información y la incertidumbre 3er curso (1º Semestre) Grado en Economía

Economía de la información y la incertidumbre 3er curso (1º Semestre) Grado en Economía Economía de la información y la incertidumbre 3er curso (1º Semestre) Grado en Economía Parte I. Tema II: TEORÍA DE LA DECISIÓN CON INCERTIDUMBRE: UTILIDAD ESPERADA Bibliografía recomendada: Para el punto

Más detalles

Tema 3. La elección en condiciones de incertidumbre

Tema 3. La elección en condiciones de incertidumbre Tema 3 La elección en condiciones de incertidumbre Epígrafes El valor esperado La hipótesis de la utilidad esperada La aversión al riesgo La compra de un seguro Cap. 5 P-R 2 Introducción Cómo escogemos

Más detalles

Nombre : Grupo. EXAMEN DE MICROECONOMIA. 1ª CURSO. 17 Junio 1996

Nombre : Grupo. EXAMEN DE MICROECONOMIA. 1ª CURSO. 17 Junio 1996 Nombre : Grupo. EXAMEN DE MICROECONOMIA. 1ª CURSO. 17 Junio 1996 - La utilidad total, media o marginal de un bien, se mide en : a.- El nº de unidades consumidas del bien b.- En las mismas magnitudes que

Más detalles

2. Probabilidad y. variable aleatoria. Curso 2011-2012 Estadística. 2. 1 Probabilidad. Probabilidad y variable aleatoria

2. Probabilidad y. variable aleatoria. Curso 2011-2012 Estadística. 2. 1 Probabilidad. Probabilidad y variable aleatoria 2. Probabilidad y variable aleatoria Curso 2011-2012 Estadística 2. 1 Probabilidad 2 Experimento Aleatorio EL término experimento aleatorio se utiliza en la teoría de la probabilidad para referirse a un

Más detalles

Algunas consideraciones sobre los efectos en bienestar de contratos con Costos de Administración Variables en los Seguros Ordinarios de Vida

Algunas consideraciones sobre los efectos en bienestar de contratos con Costos de Administración Variables en los Seguros Ordinarios de Vida Algunas consideraciones sobre los efectos en bienestar de contratos con Costos de Administración Variables en los Seguros Ordinarios de Vida Fernando Solís Soberón Emma Izquierdo Ortega Diciembre 1992

Más detalles

1. Juegos de suma cero con dos jugadores

1. Juegos de suma cero con dos jugadores Teoría de juegos Jesús López Fidalgo Esta teoría está íntimamente relacionada con la teoría de la decisión. Lo que diferencia una de otra es el rival contra el que se entra en juego. En la teoría de la

Más detalles

Prof. José L. Zofío. Grupos 14/15 MICROECON0MÍA II. Licenciatura: Dirección y Administración de Empresas Curso 2007-08 (2º semestre) Código 14474

Prof. José L. Zofío. Grupos 14/15 MICROECON0MÍA II. Licenciatura: Dirección y Administración de Empresas Curso 2007-08 (2º semestre) Código 14474 Prof. José L. Zofío Grupos 14/15 MICROECON0MÍA II Licenciatura: Dirección y Administración de Empresas Curso 2007-08 (2º semestre) Código 14474 Curso 2007/2008 Parte III: Información y Externalidades Tema

Más detalles

TEORIA DE LA PROBABILIDAD

TEORIA DE LA PROBABILIDAD TEORIA DE LA PROBABILIDAD 2.1. Un poco de historia de la teoría de la probabilidad. Parece evidente que la idea de probabilidad debe ser tan antigua como el hombre. La idea es muy probable que llueva mañana

Más detalles

Tema 1: La conducta del consumidor

Tema 1: La conducta del consumidor Tema 1: La conducta del consumidor 1.1. Las preferencias del consumidor. Concepto de utilidad. 1.2. La restricción presupuestaria. 1.3. La elección del consumidor. 1.4. Los índices del coste de la vida.

Más detalles

Tema 3: La elección en condiciones de incertidumbre

Tema 3: La elección en condiciones de incertidumbre Tema 3: La elección en condiciones de incertidumbre 3.1. La descripción del riesgo: el valor esperado. 3.2. Las preferencias por el riesgo: la utilidad esperada. 3.3. La reducción del riesgo. BIBLIOGRAFÍA:

Más detalles

TEMA 2 EXPERIMENTOS ALEATORIOS Y CÁLCULO DE PROBABILIDADES

TEMA 2 EXPERIMENTOS ALEATORIOS Y CÁLCULO DE PROBABILIDADES TEMA 2 EXPERIMENTOS ALEATORIOS Y CÁLCULO DE PROBABILIDADES EXPERIMENTOS: EJEMPLOS Deterministas Calentar agua a 100ºC vapor Soltar objeto cae Aleatorios Lanzar un dado puntos Resultado fútbol quiniela

Más detalles

ECONOMIA DE LA INFORMACION Y DE LA INCERTIDUMBRE EJERCICIOS (TEORIA DE JUEGOS)

ECONOMIA DE LA INFORMACION Y DE LA INCERTIDUMBRE EJERCICIOS (TEORIA DE JUEGOS) ECONOMIA DE LA INFORMACION Y DE LA INCERTIDUMBRE EJERCICIOS (TEORIA DE JUEGOS) Ejercicio 1. Aplicando el concepto de estrategias estrictamente dominadas al siguiente juego, qué estrategias podemos estar

Más detalles

MATEMÁTICAS II APUNTES DE TEORÍA CURSO ACADÉMICO 2012-13. Carlos Ivorra

MATEMÁTICAS II APUNTES DE TEORÍA CURSO ACADÉMICO 2012-13. Carlos Ivorra MATEMÁTICAS II APUNTES DE TEORÍA CURSO ACADÉMICO 2012-13 Carlos Ivorra Índice 1 Introducción a la optimización 1 2 Programación entera 18 3 Introducción a la programación lineal 24 4 El método símplex

Más detalles

Técnicas De Conteo. En este caso si k es grande, no es tan sencillo hacer un conteo exhaustivo de los puntos o resultados de S.

Técnicas De Conteo. En este caso si k es grande, no es tan sencillo hacer un conteo exhaustivo de los puntos o resultados de S. Técnicas De Conteo Si en el experimento de lanzar la moneda no cargada, se lanzan 5 monedas y definimos el evento A: se obtienen 3 caras, cómo calcular la probabilidad del evento A?, si todos los resultados

Más detalles

Tema 3 Probabilidades

Tema 3 Probabilidades Probabilidades 1 Introducción Tal vez estemos acostumbrados con algunas ideas de probabilidad, ya que esta forma parte de la cultura cotidiana. Con frecuencia escuchamos a personas que hacen afirmaciones

Más detalles

Tema III. Capítulo 2. Sistemas generadores. Sistemas libres. Bases.

Tema III. Capítulo 2. Sistemas generadores. Sistemas libres. Bases. Tema III Capítulo 2 Sistemas generadores Sistemas libres Bases Álgebra Lineal I Departamento de Métodos Matemáticos y de Representación UDC 2 Sistemas generadores Sistemas libres Bases 1 Combinación lineal

Más detalles

Nota sobre un modelo de J. D. Hey para una empresa bajo incertidumbre en el precio que no busca necesariamente maximizar el beneficio

Nota sobre un modelo de J. D. Hey para una empresa bajo incertidumbre en el precio que no busca necesariamente maximizar el beneficio Nota sobre un modelo de J. D. Hey para una empresa bajo incertidumbre en el precio que no busca necesariamente maximizar el beneficio Alberto A. Álvarez López Departamento de Economía Aplicada Cuantitativa.

Más detalles

Estructuras algebraicas

Estructuras algebraicas Tema 2 Estructuras algebraicas básicas 2.1. Operación interna Definición 29. Dados tres conjuntos A, B y C, se llama ley de composición en los conjuntos A y B y resultado en el conjunto C, y se denota

Más detalles

Soluciones de los ejercicios de la primera Unidad. Dr. Jorge Martín Dr. José Antonio Carrillo

Soluciones de los ejercicios de la primera Unidad. Dr. Jorge Martín Dr. José Antonio Carrillo Soluciones de los ejercicios de la primera Unidad Dr. Víctor Hernández Dr. Jorge Martín Dr. José Antonio Carrillo 5 de marzo de 0 Índice general Ejercicio.. Manejo del formalismo de los sucesos.............

Más detalles

Apuntes de Matemática Discreta 7. Relaciones de Orden

Apuntes de Matemática Discreta 7. Relaciones de Orden Apuntes de Matemática Discreta 7. Relaciones de Orden Francisco José González Gutiérrez Cádiz, Octubre de 2004 Universidad de Cádiz Departamento de Matemáticas ii Lección 7 Relaciones de Orden Contenido

Más detalles

PROBLEMAS ECONOMÍA DEL SECTOR PÚBLICO TEMA II y TEMA III Grupos 24 y 25.

PROBLEMAS ECONOMÍA DEL SECTOR PÚBLICO TEMA II y TEMA III Grupos 24 y 25. Universitat de les Illes Baleras. Departament d Economia Aplicada. Professor: Jenny De Freitas Fernandes. (http://dea.uib.es/webpersonal/jdefreitas) PROBLEMAS ECONOMÍA DEL SECTOR PÚBLICO TEMA II y TEMA

Más detalles

1. Los factores productivos 2. La productividad marginal y la demanda de trabajo 3. Oferta de trabajo y equilibrio

1. Los factores productivos 2. La productividad marginal y la demanda de trabajo 3. Oferta de trabajo y equilibrio Tema 3. Mercados de factores y distribución de 1. Los factores productivos 2. La productividad marginal y la demanda de trabajo 3. Oferta de trabajo y equilibrio EL FLUJO CIRCULAR DE LA RENTA Dinero Bienes

Más detalles

Definición 2.1.1. Se llama suceso aleatorio a cualquier subconjunto del espacio muestral.

Definición 2.1.1. Se llama suceso aleatorio a cualquier subconjunto del espacio muestral. Capítulo 2 Probabilidades 2. Definición y propiedades Al realizar un experimento aleatorio nuestro interés es obtener información sobre las leyes que rigen el fenómeno sometido a estudio. El punto de partida

Más detalles

1. Números Reales 1.1 Clasificación y propiedades

1. Números Reales 1.1 Clasificación y propiedades 1. Números Reales 1.1 Clasificación y propiedades 1.1.1 Definición Número real, cualquier número racional o irracional. Los números reales pueden expresarse en forma decimal mediante un número entero,

Más detalles

Ejemplos y problemas resueltos de análisis complejo (2014-15)

Ejemplos y problemas resueltos de análisis complejo (2014-15) Variable Compleja I (3 o de Matemáticas y 4 o de Doble Titulación) Ejemplos y problemas resueltos de análisis complejo (04-5) Teoremas de Cauchy En estos apuntes, la palabra dominio significa, como es

Más detalles

Parte III RIESGO Y SELECCIÓN ÓPTIMA DE CARTERA 61

Parte III RIESGO Y SELECCIÓN ÓPTIMA DE CARTERA 61 Parte III RIESGOY SELECCIÓN ÓPTIMA DE CARTERA 61 Capítulo 6 Utilidad Esperada 6.1 Introducción Hasta ahora hemos analizado la determinación de precios de equilibrio en modelos con ausencia de incertidumbre.

Más detalles

Teoría de la Decisión Estadística Ejercicios

Teoría de la Decisión Estadística Ejercicios Teoría de la Decisión Estadística Ejercicios 1. Una librería debe decidir cuántas revistas pedir. Las compra a 20 euros y las vende a 25. Las revistas que no vende al final del día no tienen valor. La

Más detalles

IES Fco Ayala de Granada Septiembre de 2011 (Modelo 5) Soluciones Germán-Jesús Rubio Luna

IES Fco Ayala de Granada Septiembre de 2011 (Modelo 5) Soluciones Germán-Jesús Rubio Luna IES Fco Ayala de Granada Septiembre de 011 (Modelo 5) Soluciones Germán-Jesús Rubio Luna PRUEBA DE ACCESO A LA UNIVERSIDAD SEPTIEMBRE 010-011 ANDALUCÍA MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II

Más detalles

CONTINUIDAD DE FUNCIONES DE VARIAS VARIABLES

CONTINUIDAD DE FUNCIONES DE VARIAS VARIABLES CAPÍTULO II. CONTINUIDAD DE FUNCIONES DE VARIAS VARIABLES SECCIONES 1. Dominios y curvas de nivel. 2. Cálculo de ites. 3. Continuidad. 55 1. DOMINIOS Y CURVAS DE NIVEL. Muchos problemas geométricos y físicos

Más detalles

Programación Lineal Entera

Programación Lineal Entera Programación Lineal Entera P.M. Mateo y David Lahoz 2 de julio de 2009 En este tema se presenta un tipo de problemas formalmente similares a los problemas de programación lineal, ya que en su descripción

Más detalles

V.4 Incertidumbre, Métodos Probabilísticos de Análisis de Alternativas

V.4 Incertidumbre, Métodos Probabilísticos de Análisis de Alternativas . Incertidumbre Nadie puede predecir el futuro. Sólo es posible formular hipótesis más o menos fundadas. Es un futuro que contiene un número indeterminado de resultados posibles, ninguno de los cuales

Más detalles

El Teorema de existencia y unicidad de Picard

El Teorema de existencia y unicidad de Picard Tema 2 El Teorema de existencia y unicidad de Picard 1 Formulación integral del Problema de Cauchy El objetivo del presente Tema, y del siguiente, es analizar el Problema de Cauchy para un SDO de primer

Más detalles

Unidad Temática 1: Unidad 3 Probabilidad Temas 6 y 7

Unidad Temática 1: Unidad 3 Probabilidad Temas 6 y 7 Unidad Temática 1: Unidad 3 Probabilidad Temas 6 y 7 Definiciones: 1- La probabilidad estudia la verosimilitud de que determinados sucesos o eventos ocurran o no, con respecto a otros sucesos o eventos

Más detalles

Empresa bajo incertidumbre en el precio: modelo con dos destinos y un mercado de futuros

Empresa bajo incertidumbre en el precio: modelo con dos destinos y un mercado de futuros Empresa bajo incertidumbre en el precio: modelo con dos destinos y un mercado de futuros Rodríguez Puerta, Inmaculada (irodriguez@ceade.es) Dpto. de Métodos Cuantitativos CEADE Álvarez López, Alberto A.

Más detalles

Apuntes de Matemática Discreta 9. Funciones

Apuntes de Matemática Discreta 9. Funciones Apuntes de Matemática Discreta 9. Funciones Francisco José González Gutiérrez Cádiz, Octubre de 004 Universidad de Cádiz Departamento de Matemáticas ii Lección 9 Funciones Contenido 9.1 Definiciones y

Más detalles

Toma de decisiones en situación de certeza, riesgo e incertidumbre

Toma de decisiones en situación de certeza, riesgo e incertidumbre Toma de decisiones en situación de certeza, riesgo e incertidumbre Apellidos, nombre Departamento Centro Rueda Armengot, Carlos (crueda@doe.upv.es) Peris Ortiz, Marta (mperis@doe.upv.es) Organización de

Más detalles

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2012 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 4: FUNCIONES

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2012 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 4: FUNCIONES PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 01 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 4: FUNCIONES Junio, Ejercicio, Opción A Junio, Ejercicio, Opción B Reserva 1, Ejercicio, Opción A Reserva

Más detalles

Guía de trabajos prácticos

Guía de trabajos prácticos Guía de trabajos prácticos Curso: Darío Miras Autor: Pedro Baroni Material de distribución gratuita Esta es una versión preliminar por lo que se agradecen los Comentarios y sugerencias vía E-mail a pedrohbaroni@gmail.com.

Más detalles

ECONOMIA DE LA INFORMACION Y LA INCERTIDUMBRE EJERCICIOS

ECONOMIA DE LA INFORMACION Y LA INCERTIDUMBRE EJERCICIOS ECONOMIA DE LA INFORMACION Y LA INCERTIDUMBRE EJERCICIOS Ejercicio Sea un espacio de elección con cuatro alternativas A, B, C, D, y un individuo cuyas preferencias son A B; A C; A D; B C; D B; D C. Existe

Más detalles

ECONOMIA DE LA INFORMACION Y LA INCERTIDUMBRE EJERCICIOS

ECONOMIA DE LA INFORMACION Y LA INCERTIDUMBRE EJERCICIOS ECONOMIA DE LA INFORMACION Y LA INCERTIDUMBRE EJERCICIOS Ejercicio Sea un espacio de elección con cuatro alternativas A, B, C, D, y un individuo cuyas preferencias son A B; A C; A D; B C; D B; D C. Existe

Más detalles

SISTEMAS DE AYUDA A LA DECISIÓN

SISTEMAS DE AYUDA A LA DECISIÓN SISTEMAS DE AYUDA A LA DECISIÓN Tema 3: Preferencias y utilidad Concha Bielza mcbielza@fi.upm.es Dpto. Inteligencia Artificial, Facultad de Informática Univ. Politécnica de Madrid 3. PREFERENCIAS Y UTILIDAD

Más detalles

ECUACIONES DIFERENCIALES ORDINARIAS. HOJA 9. La aplicación de Poincaré

ECUACIONES DIFERENCIALES ORDINARIAS. HOJA 9. La aplicación de Poincaré ECUACIONES DIFERENCIALES ORDINARIAS. HOJA 9. SISTEMAS PLANOS. TEOREMA DE POINCARÉ-BENDIXSON. La aplicación de Poincaré Recordemos que un subconjunto H de R n es una subvariedad de codimensión uno (o una

Más detalles

Matemáticas 2º BTO Aplicadas a las Ciencias Sociales

Matemáticas 2º BTO Aplicadas a las Ciencias Sociales Matemáticas 2º BTO Aplicadas a las Ciencias Sociales CONVOCATORIA EXTRAORDINARIA DE JUNIO 2014 MÍNIMOS: No son contenidos mínimos los señalados como de ampliación. I. PROBABILIDAD Y ESTADÍSTICA UNIDAD

Más detalles

Tema 3. Espacios vectoriales

Tema 3. Espacios vectoriales Tema 3. Espacios vectoriales Estructura del tema. Definición y propiedades. Ejemplos. Dependencia e independencia lineal. Conceptos de base y dimensión. Coordenadas Subespacios vectoriales. 0.1. Definición

Más detalles

Análisis de Riesgo en Evaluación de Proyectos

Análisis de Riesgo en Evaluación de Proyectos en Evaluación de Proyectos Objetivos El objetivo es analizar el problema de la medición del riesgo en los proyectos y los distintos criterios y métodos que existen como una forma de incorporarlos a la

Más detalles

PROBLEMAS RESUELTOS DEL TEMA 1

PROBLEMAS RESUELTOS DEL TEMA 1 PROBLEMAS RESUELTOS DEL TEMA Problema nº Dibuje la forma extensiva del laberinto de la figura y a continuación resuélvalo para uno y para dos jugadores. Entrada a b Caldero de oro Para un jugador der D

Más detalles

Tema 3: Variables aleatorias y vectores aleatorios bidimensionales

Tema 3: Variables aleatorias y vectores aleatorios bidimensionales Estadística 38 Tema 3: Variables aleatorias y vectores aleatorios bidimensionales El concepto de variable aleatoria surge de la necesidad de hacer más manejables matemáticamente los resultados de los experimentos

Más detalles

TEORÍA DE LOS JUEGOS Lista de ejercicios de juegos estáticos

TEORÍA DE LOS JUEGOS Lista de ejercicios de juegos estáticos TEORÍA DE LOS JUEGOS Lista de ejercicios de juegos estáticos Sesión Reducida Getafe Colmenarejo Problemas 2 1 1, 2, 3, 4, 5 3 2 1-5: EN y 6, 7, 8, 9, 10 4 3 11, 12, 13, 14, 15 5 4 16, 17, 18, 19 1. Dos

Más detalles

Índice de materias. 1. Introducción. 2. Conceptos básicos de la probabilidad

Índice de materias. 1. Introducción. 2. Conceptos básicos de la probabilidad Índice de materias 1. Introducción 2. Conceptos básicos de la probabilidad Índice de materias 1. Introducción 2. Conceptos básicos de la probabilidad 3. Modelos de probabilidad elementales Índice de materias

Más detalles

Anexo 1: Demostraciones

Anexo 1: Demostraciones 75 Matemáticas I : Álgebra Lineal Anexo 1: Demostraciones Espacios vectoriales Demostración de: Propiedades 89 de la página 41 Propiedades 89- Algunas propiedades que se deducen de las anteriores son:

Más detalles

Modelos de elección binaria

Modelos de elección binaria Modelos de elección binaria Prof.: Begoña Álvarez García Econometría II 2007-2008 Estamos interesados en la ocurrencia o no-ocurrencia de un cierto evento (ej: participación en el mercado laboral; inversión

Más detalles

Notas en Eonomía de la Información *

Notas en Eonomía de la Información * Notas en Eonomía de la Información * Alvaro J. Riascos Villegas Universidad de los Andes Octubre de 2014 (segunda versión) Índice 1. Introducción 2 2. Selección adversa 4 2.1. Información simétrica........................

Más detalles

Repaso de Cálculo de Probabilidades Básico

Repaso de Cálculo de Probabilidades Básico Repaso de Cálculo de Probabilidades Básico 1.2. Introducción Se comienza este tema con la noción de probabilidad y la terminología subyacente. La probabilidad constituye por sí misma un concepto básico

Más detalles

EJERCICIOS DEL CAPÍTULO I

EJERCICIOS DEL CAPÍTULO I EJERCICIOS DEL CAPÍTULO I 1. Un grupo es una tipo particular de Ω estructura cuando Ω es el tipo Ω = { } siendo una operación de aridad dos. Pero un grupo también es una Ω -estructura siendo Ω = {e, i,

Más detalles

Capítulo 7: Externalidades

Capítulo 7: Externalidades Capítulo 7: Externalidades Jean Hindricks Gareth Myles Noviembre 17 de 2011 Hindricks & Myles () Externalidades Noviembre 17 de 2011 1 / 33 Contenido 1 Externalidades e Ineficiencia 2 Algunos Ejemplos

Más detalles

3.2 Agencia y medición de las prestaciones. Referencias: Besanko et al. 14, 15 M&R:. 6 (hasta pág. 226) y 7

3.2 Agencia y medición de las prestaciones. Referencias: Besanko et al. 14, 15 M&R:. 6 (hasta pág. 226) y 7 3.2 Agencia y medición de las prestaciones Referencias: Besanko et al. 14, 15 M&R:. 6 (hasta pág. 226) y 7 Agencia y medición de las prestaciones Principal/agente Salarios de incentivos Incentivos en las

Más detalles

Un problema sobre repetidas apuestas al azar

Un problema sobre repetidas apuestas al azar Un problema sobre repetidas apuestas al azar Eleonora Catsigeras 1 10 de marzo de 2003. Resumen En estas notas se da el enunciado y una demostración de un conocido resultado sobre la probabilidad de éxito

Más detalles

x 10000 y 8000 x + y 15000 a) La región factible asociada a las restricciones anteriores es la siguiente: Pedro Castro Ortega lasmatematicas.

x 10000 y 8000 x + y 15000 a) La región factible asociada a las restricciones anteriores es la siguiente: Pedro Castro Ortega lasmatematicas. Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (PAEG) Matemáticas aplicadas a las Ciencias Sociales II - Septiembre 2012 - Propuesta A 1. Queremos realizar una inversión en dos tipos

Más detalles

Teoría del Juego - Juegos Combinatoriales Imparciales

Teoría del Juego - Juegos Combinatoriales Imparciales Teoría del Juego - Juegos Combinatoriales Imparciales Carlos Gámez Taller de Resolución de Problemas Escuela de Matemática Universidad de El Salvador Estudio de Casos Esquema Introducción Juegos de Agarrar

Más detalles

CAPÍTULO 5: PROBABILIDADES

CAPÍTULO 5: PROBABILIDADES Página de PÍTULO : PROBBILIDDE Para extender los resultados de la muestra a la población, es necesario utilizar la idea de modelo probabilístico. uando tomamos una muestra de una población, nuestras conclusiones

Más detalles

Controles de Matemáticas (ADE) ceformativos.com

Controles de Matemáticas (ADE) ceformativos.com 1 Control 1 1. Sea la función de la clase dada por 1.1. Estudiar, razonadamente, el comportamiento y la tendencia locales de la función en el punto en la dirección del vector. 1.2. Si se produce una disminución

Más detalles

Métodos Estadísticos de la Ingeniería Tema 5: Cálculo de Probabilidades Grupo B

Métodos Estadísticos de la Ingeniería Tema 5: Cálculo de Probabilidades Grupo B Métodos Estadísticos de la Ingeniería Tema 5: Cálculo de Probabilidades Grupo B Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Febrero 2010 Contenidos...............................................................

Más detalles

TEMA 7: EL RIESGO EN LA SELECCIÓN DE PROYECTOS DE INVERSIÓN: CRITERIOS DE DECI- SIÓN.

TEMA 7: EL RIESGO EN LA SELECCIÓN DE PROYECTOS DE INVERSIÓN: CRITERIOS DE DECI- SIÓN. TEMA 7: EL RIESGO EN LA SELECCIÓN DE PROYECTOS DE INVERSIÓN: CRITERIOS DE DECI- SIÓN. ÍNDICE 1. INTRODUCCIÓN: OBJETIVOS Y CONTENIDO DE LA LECCIÓN.... 3 1.1. OBJETIVOS...3 1.. CONTENIDO...3. LIMITACIONES

Más detalles

Tema 3. Concepto de Probabilidad

Tema 3. Concepto de Probabilidad Tema 3. Concepto de Probabilidad Presentación y Objetivos. El Cálculo de Probabilidades estudia el concepto de probabilidad como medida de incertidumbre. En situaciones donde se pueden obtener varios resultados

Más detalles

Microeconomía Avanzada

Microeconomía Avanzada Microeconomía Avanzada Xavier Martinez-Giralt CODE y Departament d Economia Universitat Autònoma de Barcelona Microeconomía Avanzada Copyright c 2008 Xavier Martinez-Giralt. Índice general Prólogo XVII

Más detalles

ALGEBRA LINEAL. Héctor Jairo Martínez R. Ana María Sanabria R.

ALGEBRA LINEAL. Héctor Jairo Martínez R. Ana María Sanabria R. ALGEBRA LINEAL Héctor Jairo Martínez R. Ana María Sanabria R. SEGUNDO SEMESTRE 8 Índice general. SISTEMAS DE ECUACIONES LINEALES.. Introducción................................................ Conceptos

Más detalles

Análisis y comparación entre un descuento comercial, con nominal borroso y tanto variable, y su descuento por pronto pago

Análisis y comparación entre un descuento comercial, con nominal borroso y tanto variable, y su descuento por pronto pago Análisis y comparación entre un descuento comercial, con nominal borroso y tanto variable, y su descuento por pronto pago JOAN BONET, XAVIER BERTRAN, DOLORS COROMINAS, ELVIRA CASSÚ Universidad de Girona

Más detalles

Tema 7: Juegos con información incompleta

Tema 7: Juegos con información incompleta Tema 7: Juegos con información incompleta Microeconomía Avanzada II Iñigo Iturbe-Ormaeche U. de Alicante 2008-09 Modelo de Spence Introducción y ejemplos Equilibrio Bayesiano de Nash Aplicaciones Señales

Más detalles

Tratamiento borroso del intangible en la valoración de empresas de Internet

Tratamiento borroso del intangible en la valoración de empresas de Internet Tratamiento borroso del intangible en la valoración de empresas de Internet Mª Carmen Lozano Gutiérrez Federico Fuentes Martín Esta página está alojada por el Grupo EUMED.NET de la Universidad de Málaga

Más detalles

2. Si se establece un precio mínimo por debajo del equilibrio, entonces:

2. Si se establece un precio mínimo por debajo del equilibrio, entonces: TEST MICROECONOMIA: CONSUMO Y PRODUCCIÓN TEMA I. INTRODUCCION 1. Si partimos de una asignación de bienes que se encuentra sobre Frontera de Posibilidad de Producción, entonces es posible conseguir una

Más detalles

4.3 INTERPRETACIÓN ECONÓMICA DE LA DUALIDAD

4.3 INTERPRETACIÓN ECONÓMICA DE LA DUALIDAD 4.3 INTERPRETACIÓN ECONÓMICA DE LA DUALIDAD El problema de programación lineal se puede considerar como modelo de asignación de recursos, en el que el objetivo es maximizar los ingresos o las utilidades,

Más detalles

En la presente investigación, se contrastará el modelo propuesto en la. investigación de Marisa Bucheli y Carlos Casacubierta, Asistencia escolar y

En la presente investigación, se contrastará el modelo propuesto en la. investigación de Marisa Bucheli y Carlos Casacubierta, Asistencia escolar y Capítulo 2.- Metodología En la presente investigación, se contrastará el modelo propuesto en la investigación de Marisa Bucheli y Carlos Casacubierta, Asistencia escolar y Participación en el mercado de

Más detalles

Simulación Computacional. Tema 1: Generación de números aleatorios

Simulación Computacional. Tema 1: Generación de números aleatorios Simulación Computacional Tema 1: Generación de números aleatorios Irene Tischer Escuela de Ingeniería y Computación Universidad del Valle, Cali Typeset by FoilTEX 1 Contenido 1. Secuencias pseudoaleatorias

Más detalles

Series y Probabilidades.

Series y Probabilidades. Series y Probabilidades Alejandra Cabaña y Joaquín Ortega 2 IVIC, Departamento de Matemática, y Universidad de Valladolid 2 CIMAT, AC Índice general Sucesiones y Series Numéricas 3 Sucesiones 3 2 Límites

Más detalles

HOJA Nº 2 DE EJERCICIOS PARA ENTREGAR MICROECONOMÍA: CONSUMO Y PRODUCCIÓN 1º CURSO, GRADO EN ECONOMÍA (CURSO ACADÉMICO 2011-2012) GRUPO 1

HOJA Nº 2 DE EJERCICIOS PARA ENTREGAR MICROECONOMÍA: CONSUMO Y PRODUCCIÓN 1º CURSO, GRADO EN ECONOMÍA (CURSO ACADÉMICO 2011-2012) GRUPO 1 HOJA Nº DE EJERCICIOS PARA ENTREGAR MICROECONOMÍA: CONSUMO Y PRODUCCIÓN º CURSO, GRADO EN ECONOMÍA (CURSO ACADÉMICO 0-0) GRUPO.- Marcos tiene un ingreso de 0 a la semana. Los discos compactos (CD) cuestan

Más detalles

Tema 3: La demanda del consumidor y del mercado.

Tema 3: La demanda del consumidor y del mercado. Tema 3: La demanda del consumidor y del mercado. Introducción 1. La demanda del consumidor 1. Cambios en la renta 2. Cambios en los precios 2. La demanda de mercado 3. Elasticidades de la demanda 1. Elasticidad

Más detalles

Investigación Operacional I EII 445

Investigación Operacional I EII 445 Investigación Operacional I EII 445 Programación Lineal Método Simple Gabriel Gutiérrez Jarpa. Propiedades Básicas de Programación Lineal Formato Estándar Un problema de programación lineal es un programa

Más detalles

2. Modelo de colas poissoniano con un servidor M/M/1. 3. Modelo con un servidor y capacidad finita M/M/1/K

2. Modelo de colas poissoniano con un servidor M/M/1. 3. Modelo con un servidor y capacidad finita M/M/1/K CONTENIDOS 1. Introducción a las colas poissonianas. 2. Modelo de colas poissoniano con un servidor M/M/1 3. Modelo con un servidor y capacidad finita M/M/1/K 4. Modelo con varios servidores M/M/c. Fórmula

Más detalles

(x + y) + z = x + (y + z), x, y, z R N.

(x + y) + z = x + (y + z), x, y, z R N. TEMA 1: EL ESPACIO R N ÍNDICE 1. El espacio vectorial R N 1 2. El producto escalar euclídeo 2 3. Norma y distancia en R N 4 4. Ángulo y ortogonalidad en R N 6 5. Topología en R N 7 6. Nociones topológicas

Más detalles

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2012 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 4: FUNCIONES

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2012 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 4: FUNCIONES PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 01 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 4: FUNCIONES Junio, Ejercicio, Opción A Junio, Ejercicio, Opción B Reserva 1, Ejercicio, Opción A Reserva

Más detalles

La Macroeconomía de la Ambigüedad

La Macroeconomía de la Ambigüedad La Macroeconomía de la Ambigüedad Jesús Fernández-Villaverde University of Pennsylvania September 25, 2010 Jesús Fernández-Villaverde (PENN) La Macroeconomía de la Ambigüedad September 25, 2010 1 / 24

Más detalles

Métodos de promedios. Diplomado en Gestión Estratégica de las Finanzas Públicas MÉTODOS ESTADÍSTICOS PARA LA ESTIMACIÓN DE INGRESOS

Métodos de promedios. Diplomado en Gestión Estratégica de las Finanzas Públicas MÉTODOS ESTADÍSTICOS PARA LA ESTIMACIÓN DE INGRESOS MÉTODOS ESTADÍSTICOS PARA LA ESTIMACIÓN DE INGRESOS La estimación o proyección de ingresos futuros puede llevarse a cabo mediante diferentes métodos estadísticos de extrapolación, entre ellos: sistema

Más detalles

UNIDAD I INTRODUCCIÓN A LOS CIRCUITOS LÓGICOS 1. ÁLGEBRA DE BOOLE 2. MÉTODO DE REDUCCIÓN DE MAPAS DE KARNAUGH 1-1. R. ESPINOSA R. y P. FUENTES R.

UNIDAD I INTRODUCCIÓN A LOS CIRCUITOS LÓGICOS 1. ÁLGEBRA DE BOOLE 2. MÉTODO DE REDUCCIÓN DE MAPAS DE KARNAUGH 1-1. R. ESPINOSA R. y P. FUENTES R. UNIDAD I INTRODUCCIÓN A LOS CIRCUITOS LÓGICOS. ÁLGEBRA DE BOOLE 2. MÉTODO DE REDUCCIÓN DE MAPAS DE KARNAUGH - . INTRODUCCIÓN A LOS CIRCUITOS LÓGICOS. ÁLGEBRA DE BOOLE. ÁLGEBRA DE BOOLE El álgebra de Boole

Más detalles

Tema 7: Capital, inversión y ciclos reales

Tema 7: Capital, inversión y ciclos reales Tema 7: Capital, inversión y ciclos reales Macroeconomía 2014 Universidad Torcuato di Tella Constantino Hevia En la nota pasada analizamos el modelo de equilibrio general de dos períodos con producción

Más detalles