La Teoría del Consumidor: Incertidumbre
|
|
- Eva Vázquez Reyes
- hace 8 años
- Vistas:
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
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 detallesUniversidad 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 detallesUniversidad 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 detallesHasta 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 detallesAplicación 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 detallesUniversidad 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 detallesEconomía 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 detallesAversión 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 detallesMatrices equivalentes. El método de Gauss
Matrices equivalentes. El método de Gauss Dada una matriz A cualquiera decimos que B es equivalente a A si podemos transformar A en B mediante una combinación de las siguientes operaciones: Multiplicar
Más detallesTema 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 detallesSubespacios vectoriales en R n
Subespacios vectoriales en R n Víctor Domínguez Octubre 2011 1. Introducción Con estas notas resumimos los conceptos fundamentales del tema 3 que, en pocas palabras, se puede resumir en técnicas de manejo
Más detalles1. 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 detallesCriterios de Selección de Inversiones: El Valor Actual Neto y sus derivados *.
Criterios de Selección de Inversiones: El Valor Actual Neto y sus derivados *. Uno de los criterios más válidos para la selección de inversiones alternativas es la determinación del Valor Actual Neto (VAN)
Más detallesESTIMACIÓN. puntual y por intervalo
ESTIMACIÓN puntual y por intervalo ( ) Podemos conocer el comportamiento del ser humano? Podemos usar la información contenida en la muestra para tratar de adivinar algún aspecto de la población bajo estudio
Más detallesNotas 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 detallesUniversidad 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 detallesAversión 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 detallesProfr. Efraín Soto Apolinar. La función lineal. y = a 0 + a 1 x. y = m x + b
La función lineal Una función polinomial de grado uno tiene la forma: y = a 0 + a 1 x El semestre pasado estudiamos la ecuación de la recta. y = m x + b En la notación de funciones polinomiales, el coeficiente
Más detallesTema 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 detallesUn 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 detallesÍNDICE DISEÑO DE CONTADORES SÍNCRONOS JESÚS PIZARRO PELÁEZ
ELECTRÓNICA DIGITAL DISEÑO DE CONTADORES SÍNCRONOS JESÚS PIZARRO PELÁEZ IES TRINIDAD ARROYO DPTO. DE ELECTRÓNICA ÍNDICE ÍNDICE... 1 1. LIMITACIONES DE LOS CONTADORES ASÍNCRONOS... 2 2. CONTADORES SÍNCRONOS...
Más detallesIntroducción 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 detallesAproximación local. Plano tangente. Derivadas parciales.
Univ. de Alcalá de Henares Ingeniería de Telecomunicación Cálculo. Segundo parcial. Curso 004-005 Aproximación local. Plano tangente. Derivadas parciales. 1. Plano tangente 1.1. El problema de la aproximación
Más detallesApuntes 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 detallesLos números racionales
Los números racionales Los números racionales Los números fraccionarios o fracciones permiten representar aquellas situaciones en las que se obtiene o se debe una parte de un objeto. Todas las fracciones
Más detallesTeoría 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 detallesTema 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 detallesAplicaciones lineales continuas
Lección 13 Aplicaciones lineales continuas Como preparación para el cálculo diferencial, estudiamos la continuidad de las aplicaciones lineales entre espacios normados. En primer lugar probamos que todas
Más detallesUnidad 7 Aplicación de máximos y mínimos
Unidad 7 Aplicación de máimos y mínimos Objetivos Al terminar la unidad, el alumno: Interpretará el concepto de ingreso y costos marginal. Aplicará la función de ingresos en problemas de maimización. Aplicará
Más detallesTécnicas 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 detallesBASES Y DIMENSIÓN. Propiedades de las bases. Ejemplos de bases.
BASES Y DIMENSIÓN Definición: Base. Se llama base de un espacio (o subespacio) vectorial a un sistema generador de dicho espacio o subespacio, que sea a la vez linealmente independiente. β Propiedades
Más detallesAnexo 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 detallesSelectividad Junio 2008 JUNIO 2008 PRUEBA A
Selectividad Junio 008 JUNIO 008 PRUEBA A 3 a x + a y =.- Sea el sistema: x + a y = 0 a) En función del número de soluciones, clasifica el sistema para los distintos valores del parámetro a. b) Resuélvelo
Más detallesApuntes de Matemática Discreta 1. Conjuntos y Subconjuntos
Apuntes de Matemática Discreta 1. Conjuntos y Subconjuntos Francisco José González Gutiérrez Cádiz, Octubre de 2004 Universidad de Cádiz Departamento de Matemáticas ii Lección 1 Conjuntos y Subconjuntos
Más detallesProfr. Efraín Soto Apolinar. Factorización
Factorización La factorización es la otra parte de la historia de los productos notables. Esto es, ambas cosas se refieren a las mismas fórmulas, pero en los productos notables se nos daba una operación
Más detallesDefinición 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 detallesDETERMINACIÓN DEL VOLUMEN DE PEDIDO.
Lote económico de compra o Lote Optimo DETERMINACIÓN DEL VOLUMEN DE PEDIDO. Concepto que vemos en casi todos libros de aprovisionamiento, habitualmente la decisión de la cantidad a reaprovisionar en las
Más detallesTema 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 detallesUn vistazo a la calle revela que hay una gran cantidad de vehículos con arañazos o
C arrocería rápida La respuesta rápida a las pequeñas reparaciones Pilar Santos Un vistazo a la calle revela que hay una gran cantidad de vehículos con arañazos o pequeños daños sin reparar, poniendo de
Más detallesx 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 detallesCómo?: Resolviendo el sistema lineal homógeneo que satisfacen las componentes de cualquier vector de S. x4 = x 1 x 3 = x 2 x 1
. ESPACIOS VECTORIALES Consideremos el siguiente subconjunto de R 4 : S = {(x, x 2, x 3, x 4 )/x x 4 = 0 x 2 x 4 = x 3 a. Comprobar que S es subespacio vectorial de R 4. Para demostrar que S es un subespacio
Más detallesEstructuras de Datos y Algoritmos
Estructuras de Datos y Algoritmos Año 205 Deducción de algunos esfuerzos para una Distribución pseudo-aleatoria de datos Introducción Vamos a desarrollar algunos de los esfuerzos para estructuras que utilizan
Más detallesSoluciones de los ejercicios de Selectividad sobre Probabilidad de Matemáticas Aplicadas a las Ciencias Sociales II
Soluciones de los ejercicios de Selectividad sobre Probabilidad de Antonio Francisco Roldán López de Hierro * Convocatoria de 2008 Las siguientes páginas contienen las soluciones de los ejercicios propuestos
Más detallesINTRODUCCIÓN-CONCEPTOS BÁSICOS
INTRODUCCIÓN-CONCEPTOS BÁSICOS Cuando se dispone de una cantidad de dinero (capital) se puede destinar o bien a gastarlo, o bien a invertirlo para recuperarlo en un futuro más o menos próximo. De la misma
Más detallesDivisibilidad y números primos
Divisibilidad y números primos Divisibilidad En muchos problemas es necesario saber si el reparto de varios elementos en diferentes grupos se puede hacer equitativamente, es decir, si el número de elementos
Más detallesEjemplos 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 detalles35 Facultad de Ciencias Universidad de Los Andes Mérida-Venezuela. Potencial Eléctrico
q 1 q 2 Prof. Félix Aguirre 35 Energía Electrostática Potencial Eléctrico La interacción electrostática es representada muy bien a través de la ley de Coulomb, esto es: mediante fuerzas. Existen, sin embargo,
Más detalles1.4.- D E S I G U A L D A D E S
1.4.- D E S I G U A L D A D E S OBJETIVO: Que el alumno conozca y maneje las reglas empleadas en la resolución de desigualdades y las use para determinar el conjunto solución de una desigualdad dada y
Más detallesMATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas
Universidad de Cádiz Departamento de Matemáticas MATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas Tema Representación gráfica de funciones reales de una variable real Elaborado
Más detallesEcuaciones de primer grado con dos incógnitas
Ecuaciones de primer grado con dos incógnitas Si decimos: "las edades de mis padres suman 120 años", podemos expresar esta frase algebraicamente de la siguiente forma: Entonces, Denominamos x a la edad
Más detallesMicroeconomía Intermedia
Microeconomía Intermedia Colección de preguntas tipo test y ejercicios numéricos, agrupados por temas y resueltos por Eduardo Morera Cid, Economista Colegiado. Tema 04 La demanda del consumidor Enunciados
Más detallesMICROECONOMÍA II PRÁCTICA TEMA III: MONOPOLIO
MICROECONOMÍA II PRÁCTICA TEMA III: MONOPOLIO EJERCICIO 1 Primero analizamos el equilibrio bajo el monopolio. El monopolista escoge la cantidad que maximiza sus beneficios; en particular, escoge la cantidad
Más detallesTema 2. Espacios Vectoriales. 2.1. Introducción
Tema 2 Espacios Vectoriales 2.1. Introducción Estamos habituados en diferentes cursos a trabajar con el concepto de vector. Concretamente sabemos que un vector es un segmento orientado caracterizado por
Más detallesTransformaciones canónicas
apítulo 29 Transformaciones canónicas 29.1 Introducción onsideremos una transformación arbitraria de las coordenadas en el espacio de las fases de dimensión 2(3N k) (con el tiempo como un parámetro) Q
Más detallesEstructuras 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 detalles2. Probabilidad. Estadística. Curso 2009-2010. Ingeniería Informática. Estadística (Aurora Torrente) 2. Probabilidad Curso 2009-2010 1 / 24
2. Probabilidad Estadística Ingeniería Informática Curso 2009-2010 Estadística (Aurora Torrente) 2. Probabilidad Curso 2009-2010 1 / 24 Contenidos 1 Experimentos aleatorios 2 Algebra de sucesos 3 Espacios
Más detallesTEMA 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 detallesAplicaciones Lineales
Aplicaciones Lineales Primeras definiciones Una aplicación lineal de un K-ev de salida E a un K-ev de llegada F es una aplicación f : E F tal que f(u + v) = f(u) + f(v) para todos u v E f(λ u) = λ f(u)
Más detallesEJERCICIOS DE REPASO SOBRE DERIVABILIDAD III. PROBLEMAS DE OPTIMIZACIÓN
EJERCICIOS DE REPASO SOBRE DERIVABILIDAD III. PROBLEMAS DE OPTIMIZACIÓN Una de las aplicaciones más comunes de los conceptos relacionados con la derivada de una función son los problemas de optimización.
Más detallesECUACION DE DEMANDA. El siguiente ejemplo ilustra como se puede estimar la ecuación de demanda cuando se supone que es lineal.
ECUACION DE DEMANDA La ecuación de demanda es una ecuación que expresa la relación que existe entre q y p, donde q es la cantidad de artículos que los consumidores están dispuestos a comprar a un precio
Más detallesUniversidad Diego Portales Facultad de Economía y Empresa. 1. Reputación. Apuntes de Teoría de Juegos Profesor: Carlos R. Pitta
En estas notas revisaremos los conceptos de reputación desde la perspectiva de información incompleta. Para ello usaremos el juego del ciempiés. Además, introduciremos los conceptos de juegos de señales,
Más detallesMatemáticas financieras y criterios de evaluación
Matemáticas financieras y criterios de evaluación 01/06/03 1 Momentos y períodos Conceptos generales Momento Momento Momento Momento Momento Momento 0 1 2 3 4 5 Período 1 Período 2 Período 3 Período 4
Más detallesCAPÍTULO 10 Aplicaciones de la Derivada a Funciones Económicas
CAPÍTULO 10 Aplicaciones de la Derivada a Funciones Económicas Introducción En la economía, la variación de alguna cantidad con respecto a otra puede ser descrita por un concepto promedio o por un concepto
Más detallesEJERCICIOS DE MATEMÁTICAS I HOJA 4. Ejercicio 1. Se consideran los vectores
EJERCICIOS DE MATEMÁTICAS I HOJA 4 Ejercicio 1. Se consideran los vectores u 1 = (1, 1, 0, 1), u 2 = (0, 2, 1, 0), u 3 = ( 1, 1, 1, 1), u 4 = (2, 2, 1, 0) de R 4. Expresa, si es posible, los vectores u
Más detallesLa nueva criba de Eratóstenes Efraín Soto Apolinar 1 F.I.M.E. U.A.N.L. San Nicolás, N.L. México. efrain@yalma.fime.uanl.mx
La nueva criba de Eratóstenes Efraín Soto Apolinar 1 F.I.M.E. U.A.N.L. San Nicolás, N.L. México. efrain@yalma.fime.uanl.mx Resumen Se dan algunas definiciones básicas relacionadas con la divisibilidad
Más detallesTema 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 detallesSISTEMAS DE ECUACIONES LINEALES
SISTEMAS DE ECUACIONES LINEALES INTRODUCCIÓN En el presente documento se explican detalladamente dos importantes temas: 1. Descomposición LU. 2. Método de Gauss-Seidel. Se trata de dos importantes herramientas
Más detallesVII. Estructuras Algebraicas
VII. Estructuras Algebraicas Objetivo Se analizarán las operaciones binarias y sus propiedades dentro de una estructura algebraica. Definición de operación binaria Operaciones como la suma, resta, multiplicación
Más detallesCAPITULO V. SIMULACION DEL SISTEMA 5.1 DISEÑO DEL MODELO
CAPITULO V. SIMULACION DEL SISTEMA 5.1 DISEÑO DEL MODELO En base a las variables mencionadas anteriormente se describirán las relaciones que existen entre cada una de ellas, y como se afectan. Dichas variables
Más detalles3. OPERACIONES CON FUNCIONES.
3. OPERACIONES CON FUNCIONES. Las operaciones de suma, resta, multiplicación y división entre funciones son posibles y semejantes a las correspondientes efectuadas con los números. En esta sección definiremos
Más detalles4.3 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 detallesSegundo de Bachillerato Geometría en el espacio
Segundo de Bachillerato Geometría en el espacio Jesús García de Jalón de la Fuente IES Ramiro de Maeztu Madrid 204-205. Coordenadas de un vector En el conjunto de los vectores libres del espacio el concepto
Más detallesPOLITICAS DE LA COMPETENCIA Licenciatura en Economía, 4º Curso (Grupos I y II) Profesor: Georges Siotis. Hoja 5: Integración vertical
POLITICAS DE LA COMPETENCIA Licenciatura en Economía, 4º Curso (Grupos I y II) Profesor: Georges Siotis Hoja 5: Integración vertical Inversiones específicas 1. Imagine una imprenta, que pertenece y es
Más detalles= x + x + x + 1 por definición de exponente 2
Equivalencia de expresiones algebraicas En este documento exploramos un concepto simple, en apariencia, enseñado en escuelas de nivel secundaria: la equivalencia de dos expresiones algebraicas Empecemos
Más detallesMICROECONOMÍA II. PRÁCTICA TEMA II: Equilibrio parcial
MICROECONOMÍA II PRÁCTICA TEMA II: Equilibrio parcial EJERCICIO 1 A) En equilibrio, la cantidad demandada coincide con la cantidad ofrecida, así como el precio de oferta y demanda. Por lo tanto, para hallar
Más detallesQUÉ ES LA RENTABILIDAD Y CÓMO MEDIRLA. La rentabilidad mide la eficiencia con la cual una empresa utiliza sus recursos financieros.
QUÉ ES LA RENTABILIDAD Y CÓMO MEDIRLA La rentabilidad mide la eficiencia con la cual una empresa utiliza sus recursos financieros. Qué significa esto? Decir que una empresa es eficiente es decir que no
Más detalles3. Qué warrant elegir?
3 QUE WARRANT ELEGIR? 3.1. Qué subyacente? 3.2. Qué vencimiento? 3.3. Qué strike? 3.4. La relación sensibilidad - delta 3.5. Ejercicios del capítulo 3 3.6. Respuestas a los ejercicios 3. Qué warrant elegir?
Más detalles1.1. Introducción y conceptos básicos
Tema 1 Variables estadísticas Contenido 1.1. Introducción y conceptos básicos.................. 1 1.2. Tipos de variables estadísticas................... 2 1.3. Distribuciones de frecuencias....................
Más detallesMICROECONOMÍA MICROECONOMÍA
MICROECONOMÍA MICROECONOMÍA INTRODUCCIÓN A LA MICROECONOMÍA. OBJETIVOS El alumno deberá ser capaz de comprender cómo se realiza el proceso de satisfacción de necesidades utilizando eficientemente sus recursos
Más detallesTécnicas de valor presente para calcular el valor en uso
Normas Internacionales de Información Financiera NIC - NIIF Guía NIC - NIIF NIC 36 Fundación NIC-NIIF Técnicas de valor presente para calcular el valor en uso Este documento proporciona una guía para utilizar
Más detallesPor ello, también será importante la estructura del juego constituyente para efectuar una predicción del resultado.
8.5 Juegos repetidos con horizonte finito. Los equilibrios en los juegos repetidos con horizonte finito serán sustancialmente diferentes de los obtenidos en los juegos repetidos con horizonte infinito.
Más detallesDefinición 1.1.1. Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas.
Tema 1 Matrices Estructura del tema. Conceptos básicos y ejemplos Operaciones básicas con matrices Método de Gauss Rango de una matriz Concepto de matriz regular y propiedades Determinante asociado a una
Más detallesCambio de representaciones para variedades lineales.
Cambio de representaciones para variedades lineales 18 de marzo de 2015 ALN IS 5 Una variedad lineal en R n admite dos tipos de representaciones: por un sistema de ecuaciones implícitas por una familia
Más detallesCAPÍTULO III. FUNCIONES
CAPÍTULO III LÍMITES DE FUNCIONES SECCIONES A Definición de límite y propiedades básicas B Infinitésimos Infinitésimos equivalentes C Límites infinitos Asíntotas D Ejercicios propuestos 85 A DEFINICIÓN
Más detallesINVESTIGACIÓN DE OPERACIONES
INVESTIGACIÓN DE OPERACIONES Teoría de Juegos MSc. Julio Rito Vargas A. Fecha: 06/11/2014 06/11/2014 Contenidos Conceptuales 1.- Definición de un juego. 2.- Elementos de un juego. 3.- Tipos de juegos:
Más detallesInversión. Inversión. Arbitraje. Descuento. Tema 5
Inversión Tema 5 Inversión Los bienes de inversión obligan a gastar hoy para obtener ganancias en el futuro Vamos a estudiar cómo se valoran los pagos futuros Por ejemplo, la promesa de recibir euro dentro
Más detallesInferencia Estadística
EYP14 Estadística para Construcción Civil 1 Inferencia Estadística El campo de la inferencia estadística está formado por los métodos utilizados para tomar decisiones o para obtener conclusiones sobre
Más detallesSemana 08 [1/15] Axioma del Supremo. April 18, 2007. Axioma del Supremo
Semana 08 [1/15] April 18, 2007 Acotamiento de conjuntos Semana 08 [2/15] Cota Superior e Inferior Antes de presentarles el axioma del supremo, axioma de los números reales, debemos estudiar una serie
Más detallesLas Tasas de Interés Efectiva y Nominal
1 Las Tasas de Interés Efectiva y Nominal En el presente documento se explican los diferentes tipos de tasas de interés que normalmente se utilizan en el mercado financiero. Inicialmente veremos la diferencia
Más detallesSelectividad Septiembre 2009 SEPTIEMBRE 2009. Opción A
SEPTIEMBRE 2009 Opción A 1.- Como cada año, el inicio del curso académico, una tienda de material escolar prepara una oferta de 600 cuadernos, 500 carpetas y 400 bolígrafos para los alumnos de un IES,
Más detallesÍndice Introducción Números Polinomios Funciones y su Representación. Curso 0: Matemáticas y sus Aplicaciones Tema 1. Números, Polinomios y Funciones
Curso 0: Matemáticas y sus Aplicaciones Tema 1. Números, Polinomios y Funciones Leandro Marín Dpto. de Matemática Aplicada Universidad de Murcia 2012 1 Números 2 Polinomios 3 Funciones y su Representación
Más detallesCapítulo 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 detallesTema 5. Aproximación funcional local: Polinomio de Taylor. 5.1 Polinomio de Taylor
Tema 5 Aproximación funcional local: Polinomio de Taylor Teoría Los polinomios son las funciones reales más fáciles de evaluar; por esta razón, cuando una función resulta difícil de evaluar con exactitud,
Más detallesMicroeconomía Intermedia
Microeconomía Intermedia Colección de preguntas tipo test y ejercicios numéricos, agrupados por temas y resueltos por Eduardo Morera Cid, Economista Colegiado. Tema 05 La ecuación de SLUTSKY Enunciados
Más detallesSubconjuntos destacados en la
2 Subconjuntos destacados en la topología métrica En este capítulo, introducimos una serie de conceptos ligados a los puntos y a conjuntos que por el importante papel que juegan en la topología métrica,
Más detallesAnálisis de medidas conjuntas (conjoint analysis)
Análisis de medidas conuntas (conoint analysis). Introducción Como ya hemos dicho anteriormente, esta técnica de análisis nos sirve para analizar la importancia que dan los consumidores a cada uno de los
Más detallesLección 24: Lenguaje algebraico y sustituciones
LECCIÓN Lección : Lenguaje algebraico y sustituciones En lecciones anteriores usted ya trabajó con ecuaciones. Las ecuaciones expresan una igualdad entre ciertas relaciones numéricas en las que se desconoce
Más detallesLA MEDICIÓN DEL BIENESTAR Y LA POLÍTICA ECONÓMICA
TEMA 5 LA MEDICIÓN DEL BIENESTAR Y LA POLÍTICA ECONÓMICA 1 Contenido 1. La medición del bienestar 1.1. El excedente del consumidor 1.2. El excedente del productor 1.3. La eficiencia del equilibrio de mercado
Más detalles