MODELOS DE SUBASTAS Y SU APLICACIÓN A LOS CONCURSOS



Documentos relacionados
Administración de inventarios. Ejercicio práctico.

El Verdadero Cálculo de la Devaluación

Si v y w son ambos vectores, entonces el resultado de las operaciones v + w y v w son. Dichas operaciones cumplen con propiedades conmutativas y

I. MEDIDAS DE TENDENCIA CENTRAL

Movilidad Social y Desigualdad Económica 1

TEMAS 3-6: EJERCICIOS ADICIONALES

Definición de la Metodología de Carga Laboral. Análisis de las Brechas de Recursos Humanos abril 2010.

Segui buscando en la Red de Bibliotecas Virtuales de CLACSO

ANÁLISIS DE SISTEMAS ELECTRÓNICOS REALIMENTADOS

UNIVERSIDAD POLITÉCNICA DE VALENCIA ESCUELA TÉCNICA SUPERIOR DE INGENIEROS DE TELECOMUNICACIÓN DEPARTAMENTO DE COMUNICACIONES TESIS DOCTORAL

Apéndice A ANÁLISIS TENSORIAL

Cualquier transformador puede diseñarse haciendo uso de tres ecuaciones generales.

Y i, es decir, la. Regresión Simple y Múltiple Parte II Profesor Oscar Millones Borrador, Octubre 12, Supuestos en el modelo de regresión

10. Decisión Bayesiana.

VARIACIÓN DE IMPEDANCIAS CON LA FRECUENCIA EN CIRCUITOS DE CORRIENTE ALTERNA

Aspectos Fiscales Venezolanos Cross-Border de las Inversiones en el Sector del Gas. Luis Eduardo Ocando B.

1) Resolver las siguientes ecuaciones:

La tasa de interés y sus principales determinantes

CAPÍTULO 14: LAS EXPECTATIVAS: LOS INSTRUMENTOS BÁSICOS

COMPUTACIÓN. Práctica nº 2

Ingeniería de las reacciones químicas

III. FUNCIONES EXPONENCIALES Y LOGARÍTMICAS

ANÁLISIS DEL AMPLIFICADOR EN EMISOR COMÚN

Algoritmo para Aproximar el Área Bajo la Curva de la Función Normal Estándar

CONCEPTOS BÁSICOS SOBRE LA HETEROCEDASTICIDAD EN EL MODELO BÁSICO DE REGRESIÓN LINEAL TRATAMIENTO CON E-VIEWS

SIMULACIÓN NUMÉRICA DE UNA CÁMARA DE COMBUSTIÓN DE ALTA VELOCIDAD CON DOS CONFIGURACIONES DE INYECCIÓN DE COMBUSTIBLE

ejercicios NkT NkT NkT q de dt NkT q d dt dq dt NkT q N q NkT

GENERADORES DE BARRIDO DE TENSIÓN

Para que exista límite de una f(x) en un punto han de coincidir los límites laterales en dicho punto.

Tema 3. LA COMPETENCIA PERFECTA PROBLEMA RESUELTO

MACROECONOMÍA II Licenciatura en Administración y Dirección de Empresas Marzo 2004

Transformada de Laplace

EFICIENCIA ENERGETICA

Fisicoquímica II-Módulo de Estructura y Propiedades Moleculares.

VI. JUSTICIA. i. - JUSTICIA CRIMINAL.

INSTITUTO TECNOLÓGICO DE COSTA RICA ESCUELA DE INGENIERÍA ELECTRÓNICA CURSO: MODELOS DE SISTEMAS CÁLCULO DE RESIDUOS Y SUS APLICACIONES

LECCIÓN 6 AMPLIFICADORES OPERACIONALES

El comportamiento ideal del CN sirve como estándar, contra el cual se compara el comportamiento de cuerpos reales

Problemas Resueltos. el radio de la órbita circular, y la energía tiene el valor GMm 2 = a GM. 0. Es decir, 2 T 4π. GMm

Aplicaciones de las Derivadas

Tema 2: Elección bajo incertidumbre

Manual de Ayuda del Sistema para la Impresión de Planilla de Reemplazo

EL MÉTODO SIMPLEX ALGEBRAICO: MINIMIZACION. M. En C. Eduardo Bustos Farías

EJERCICIOS RESUELTOS DE FUNCIONES REALES DE VARIABLE REAL

26 EJERCICIOS de LOGARITMOS

Un individuo vive a lo largo de dos periodos, t=0,1. En t=0 su ingreso es cierto, m 0 ; en t=1 es incierto (por

Análisis de Difusión en la Red

TEMA 46. Distintas coordenadas para describir el plano y el espacio. Curvas y superficies.

Sección compuesta E 2. Fase I

Reporte Nº: 05 Fecha: JULIO ANÁLISIS DE SITUACIÓN MIGRATORIA DE EXTRANJEROS DE NACIONALIDAD HAITIANA 1. DESCRIPCIÓN DEL REPORTE

Prof: Zulay Franco Puerto Ordaz, noviembre

REPRESENTACION GRAFICA.

Capitulo IV. Síntesis dimensional de mecanismos

A1. ELEMENTOS DE VIGA DE EULER BERNOULLI LIBRES DE ROTACIÓN

SECRETARIA DE ENERGIA

TEMA 2 MODELO DE REGRESIÓN LINEAL SIMPLE

+ I r@, r e + G [2] r IS normal r IS con expectativas. Cuadro 12.1 Función IS con expectativas

CAPÍTULO 1. PROPAGACIÓN DE LAS ONDAS PLANAS UNIFORMES

Tema 8: Análisis Discriminante. Clasificación. Aurea Grané Departamento de Estadística Universidad Carlos III de Madrid. Análisis discriminante

Tomando como nivel de energía cero el nivel fundamental. Dada la diferencia de energía entre los niveles en la mayoría de los casos

Conceptos Básicos Previos

CAPÍTULO 2. Ecuación paraxial de Helmholtz.

Probabilidad de que una variable tome un valor x determinado = N

8.- Considere un duopolio de Bertrand que produce un bien homogéneo. La función de

+ ( + ) ( ) + ( + ) ( ) ( )

Tema 3 La economía de la información

La generación eléctrica creció un 5% en lo que va del año

3.1 OPERADORES DIFERENCIALES a) Gradiente de un c. escalar, U:

Algorítmica y Lenguajes de Programación. Ordenación (i)

DIRECCIÓN FINANCIERA I TEMA 1

Valledupar como vamos: Demografía, Pobreza y Pobreza Extrema y empleo.

Funciones vectoriales de variable vectorial. Son aplicaciones entre espacios eucĺıdeos, IR n, f : X IR n Y IR m

Colección de problemas de. Poder de Mercado y Estrategia

Fundamentos físicos de la teledetección

Prof: Zulay Franco Puerto Ordaz, noviembre

Análisis Estadístico de Datos Climáticos

DEFINICIÓN DE INDICADORES

Agentes autónomos. Agentes. Racionalidad. Sistemas multiagentes. Dilema del prisionero. El trato

Solución: Para que sea continua deben coincidir los límites laterales con su valor de definición en dicho punto x = 2. b 1 + b

PROBLEMAS DE LÍMITES DE FUNCIONES (Por métodos algebraicos) Observación: Algunos de estos problemas provienen de las pruebas de Selectividad.

TERCER PROTOTIPO POBLACIÓN DE CONEJOS

Variables aleatorias continuas

División 5. Ejemplo de síntesis de un mecanismo articulado de barras

Análisis del caso promedio El plan:

1. LÍMITE DE UNA FUNCIÓN REAL

Ejercicio Nº 3: Realizar aumentos en una Tabla de Sueldos

Cerdo blanco e ibérico, son tan diferentes?

RIESGO MORAL. Comportamiento (acciones) del A no observable para el P (o, simplemente, no verificable). P. ej.:

núm. 76 miércoles, 22 de abril de 2015 III. ADMINISTRACIÓN LOCAL AYUNTAMIENTO DE BURGOS

Ejercicios resueltos Distribuciones discretas y continuas

Juegos Repetidos. Tema 2: Juegos repetidos un número infinito de veces. Universidad Carlos III de Madrid

coie UNIVERSIDAD COMPLUTENSE DE MADRID

2. Cálculo del coeficiente de transmisión de calor K de cerramientos

LÍMITES DE FUNCIONES. CONTINUDAD

Espacios Vectoriales Curso 08-09

La densidad de población es la relación que existe entre la población de un lugar y el espacio que ocupa.

INTEGRACIÓN POR PARTES

CONCEPTOS PREVIOS YA ESTUDIADOS:

Mercados Financieros y Expectativas Profesor: Carlos R. Pitta CAPÍTULO 8. Macroeconomía General

Comprobación de limitación de condensaciones superficiales e intersticiales en los cerramientos

Transcripción:

Modlos d sbastas y s aplaón a los onrsos. MODELOS DE SUBASTAS Y SU APLICACIÓN A LOS CONCURSOS Jan Momparlr, Maro Hdalgo Jam I, UTEM RESUMEN En st trabao ralzamos na ntrodón hstóra a la Toría d sbastas y al Modlo d Rfrna. Nos ntrarmos n l stdo d la sbastas n sobr rrado al prmr pro. Analzarmos las dfrnas ntr l modlo smétro y asmétro. Vrmos omo podmos tlzar stos modlos n l stor d la onstrón, dond s habtal ralzar la addaón d mhos proytos mdant sbastas on sobr rrado al prmr pro. Comntarmos algnos rsltados onodos q nos prmtn abordar la solón dl problma n l aso asmétro. Palabras lav: Sbastas, smlaón, onstrón 1. INTRODUCCIÓN 1.1. Evolón hstóra d las sbastas Las sbastas omo método d vnta s rmontan a la antga Bablona, pro s a partr dl sglo XVIII ando las sbastas vlvn a obrar mportana y s mpzan a tlzar nvos métodos, omo la sbasta holandsa o dsndnt, s ntrod la tlzaón dl típo martllo para addars l bn nlso s tlzan sbastas on límt d tmpo para prsntar las ofrtas. XIII Jornadas d ASEPUMA 1

Jan Momparlr, Maro Hdalgo En l sglo XX la mportana d las transaons ralzadas por sbastas ha sdo my sgnfatva. Admás s so s ha do xtndndo a nvos bns y srvos y s ha nrmntado d manra notabl l númro d partpants, tanto, dsd l pnto d vsta d la ofrta omo d la dmanda. El stado s no d los agnts más mportants n l dsarrollo d la sbastas, y atúa tanto d omprador omo d vnddor. D hho na part mportant d ss ompras las sl ralzar a través d mansmos d sbastas, prnpalmnt n sobr rrado. En 1956 nos nontramos l prmr trabao aadémo a argo d Frdman sobr sbastas, postrormnt n 1961 Vrky ntrod l onpto d qlbro d la Toría d Jgos, s a partr d 1980 ando toma ag l nfoq d la Toría d Jgos ando s prod na vrdadra xplosón d las pblaons sobr st tma. 1.2. Tpos d sbastas Una sbasta s dfn omo na nsttón d mrado q nta on n onnto xplíto d rglas q dtrmnan la asgnaón d rrsos y dond los pros s basan n las ofrtas prsntadas por los partpants. Dsd l trabao d Vkry (1961) s han onsdrado prnpalmnt atro tpos d sbastas: 1.2.1. Sbasta asndnt o nglsa Est tpo d sbasta s la más tlzada, la aratrísta q la dfn s l hho d q l pro s va nrmntando ssvamnt hasta q qda n n úno omprador, q s l q s adda l bn al pro fnal 1.2.2. Sbasta holandsa o sbasta dsndnt Est tpo d sbasta srá l mansmo nvrso al antror, n st aso l sbastador omnza on n pro my alto q va dsmnyndo ssvamnt hasta q algún omprador lo apt. 1.2.3. Sbasta on sobr rrado al prmr pro Los potnals ompradors prsntan las ofrtas on sobr rrado. El bn, s adda al mor postor y l pro ond on la mor ofrta. 2 XIII Jornadas d ASEPUMA

Modlos d sbastas y s aplaón a los onrsos. En st tpo d sbasta dstaan dos aratrístas q ontrastan on lo q orrrá on la sbasta nglsa: n l momnto d prsntar las ofrtas lo potnals ompradors no onon al s las ofrta d los dmás y ada omprador sólo pd prsntar na úna ofrta. 1.2.4. Sbasta on sobr rrado al sgndo pro Esta sbasta srá gal a la antror pro on la dfrna q l pro a pagar no srá la dl ganador, sno q sría la sgnda ofrta más alta prsntada. Estas atro formas básas d sbastas admtn mhas varants, omo por mplo, s pd nlr n pro mínmo q podría sr n hho públo o no, s pdn mponr tasas por l drho a aptar, tambén l tmpo para prsntar las ofrtas podría sr fo, t. En las sbastas al prmr pro n sobr rrado, a los ompradors s ls prsnta l onodo dlma d q las ofrtas mayors tnn más probabldad d ganar pro al msmo tmpo rdn l xdnt n aso d ganar. La obtnón d la stratga d qlbro d los ompradors ya no s n prodmnto tan drto omo n los otros asos. Hay q tnr n nta q ya no stán dsponbls stratgas laras y, por lo tanto, ada omprador tndrá q ralzar na ontra sobr l omportamnto d los dmás. S pd dmostrar q la solón a st problma d optmzaón onsst n prsntar na ofrta q sría la valoraón más alta ntr ss omptdors, asmndo q s propa valoraón s la más lvada, s dr, s omo s n omprador n l momnto d allar s ofrta asm q va sr l ganador y ntons, dado st spsto, alla al sría la spranza d la valoraón más alta ntr l rsto d los ompradors y prsnta na ofrta gal a st valor. S todos los ompradors s omportan d sta manra ntons l ganador srá l q tnga na valoraón más alta y l pro srá s propa ofrta. Conodos stos antdnts stdarmos l aso d la sbasta n sobr rrado al prmr pro. 2. SUBASTA AL PRIMER PRECIO EN SOBRE CERRADO La ompra d n bn s podría dsrbr d la sgnt manra: 1.- Todos los ompradors adoptan ss aons smltánamnt. 2.- Cada no rb ss gananas n fnón d las aons tomadas por todos los ompradors. XIII Jornadas d ASEPUMA 3

Jan Momparlr, Maro Hdalgo En n problma d sbasta n sobr rrado al prmr pro, los ompradors prsntan ss ofrtas, l ganador rb l bn y paga l pro nldo n s propa ofrta, l rsto d los ompradors no rb nada y no paga nada. Para analzar la pa q hay q prsntar n na sbasta, s db tnr prsnt q s lo q sabn los ompradors n l momnto d tomar s dsón, als son ss aons fatbls y als srían ss fnons d gananas. S spon q los potnals ompradors onon las rglas d la sbasta, atúan on la rtza d s aplaón y valoran l obto q s sta sbastando. Esta valoraón s dsgnará por para l omprador, q srá l máxmo pro q staría dspsto a pagar, n gnral srá dfrnt para ada partpant. El spsto d la nformaón omplta sgnfa q todos los ompradors onon xatamnt omo ss omptdors valoran l bn n vnta. En rlaón a ss aons fatbls s spon q no s prsntan ofrtas ngatvas, dond la ofrta dl omprador s dsgnará por b. 2.1. El modlo d rfrna. Sbasta al prmr pro n sobr rrado Es l modlo más xtnddo n la ltratra y mhos trabaos s han dsarrollado a partr d la modfaón o rlaaón d los spstos básos. Para n modlo d na sbasta n sobr rrado al prmr pro s nsaro ralzar prsons sobr los spstos dl modlo: 1) El númro d partpants s dsgnará por N. D sta manra, on l sbínd = 1,...N s dsgnará n omprador gnéro. 2) Las ofrtas s sponn ontnas prtnnts al onnto d los númros rals no ngatvos, s dr, b [ 0, ) 3) Las valoraons d los ompradors s dstrbyn n l ntrvalo [ ], y ompartn la msma fnón d dstrbón F ( ), q s spon q s ontna y dfrnabl n dho ntrvalo y admás tnn na fnón d dnsdad dsgnada por f ( x). Por lo tanto [, ], sndo F ( ) = 0 y F ( ) = 1. 4 XIII Jornadas d ASEPUMA

Modlos d sbastas y s aplaón a los onrsos. El vtor q ontn las ofrtas d todos los anddatos a xpón dl anddato, s dsgnará por b y a la ofrta más alta d las nldas n b s llamará b, s dr, b = max[ b ] srá la ofrta más alta sn tomar n nta a b. La ganana dl omprador srá: b = 0 dónd la tldad sprada dl omprador s: b b > b < b = ( ) (( > b P b b (1) En st aso los ompradors prsntaran ss ofrtas ntntarán maxmzar la tldad sprada tnndo n nta la nformaón d q dsponn y ss ontras d ómo s omportan los dmás ompradors. S spon q l omprador ralza la ontra d q todos ss omptdors van a prsntar ss ofrtas d ardo a na rgla d dsón arbtrara, b = B ) h. Esta rgla d dsón sría arbtrara pro db mplr dos rqstos fndamntals: sr ontna y sr monótona rnt [, ] )) h ( h. Estas propdads son mportants por q asgrar sn ambgüdad q a mayor valoraón mayor srá la ofrta prsntada y l hho d sr monótona rnt asgra la fnón nvrsa n l ntrvalo fatbl para las valoraons, s dr: = B 1 ( ) h b h h. Dond B 1 ( ) b h srá la valoraón q da lgar a la prsntaón d na ofrta gal a b h. Antrormnt s omntó q la mayor ofrta ntr los omptdors d s llama b ntons b = B( ). Sa * la valoraón q haría q l omprador prsntara na ofrta gal * a la dl omprador dond = B 1 ( ), ntons la probabldad d ganar q tn l b omprador on la ofrta b srá gal a la probabldad d q todas las valoraons dl rsto d los ompradors s stún por dbao d *. A s vz, la probabldad d q la valoraón d n omprador s stú por dbao d fnón d dstrbón d las valoraons, s dr, ( ) * vndrá dada prsamnt por la F. XIII Jornadas d ASEPUMA 5

Jan Momparlr, Maro Hdalgo Como xstn N 1 omptdors dl omprador, para obtnr la probabldad d q todas las valoraons s nntrn por dbao d s valor, s tndría q mltplar N 1 vs por s msma. Por lo tanto: P * N 1 1 1 [ ] [ ( )] ( ) N b > b = P b > B = F = F( B ( b )) Rmplazando st valor n la aón (1) s tn: 1 Max = ( b ) F( B ( b )) (2) En sta xprsón s han lmnado las rfrnas a la máxma ofrta d ss omptdors o a ss valoraons, datos ambos no onodos por l omprador ando prsnta s ofrta. D sta manra la aón antror aparn sólo varabls onodas omo l númro d partpants N, la fnón d dstrbón d las valoraons d los otros ompradors F y s propa valoraón. Por lo tanto, n sta formlaón d la tldad sprada ya s podría afrontar l problma d s maxmzaón, n l ontxto d los rqstos xgdos por l Eqlbro Baysano d Nash. Para maxmzar habrá q lgr b tal q s mpla la ondón d prmr ordn = 0. S s drva b ntrod la ondón d prmr ordn n sta drvada, s tn: on rspto a y s s d d db = + * b d = d Por lo tanto, la ofrta óptma b db satsfar: d d = d = F ( B ( b )) 1 N 1 Hasta ahora solo s ha fado n l omprador y s ha spsto na rgla d dsón arbtrara B () q tlzarían ss rvals. Todos los ompradors dbn star maxmzando smltánamnt s tldad, y por tanto, l so d la fnón B () por part d los omptdors d dbn sr onsstnt on (3) llos msmos s stán atando raonalmnt. S a stas ondons, s l agrga, l spsto d smtría ntr los ompradors, ntons la ofrta óptma dl omprador ( b ) dbría sr la q dtrmn la propa rgla d dsón B () para la valoraón. Es dr, para 6 XIII Jornadas d ASEPUMA

Modlos d sbastas y s aplaón a los onrsos. q ada ofrta ( b ), pda formar part d n qlbro d Nash db mplr q b = B ), ssttyndo sta xprsón n (3) s tn: ( d d = F( B 1 ( b )) = F 1 [ B ( B( )] = F( ) Por lo tanto, para allar la tldad sprada s tn: ( ) = [ F ) d] A + ( (4) Para dtrmnar l valor d A s rrr a la sgnt ondón lmt, l tpo d omprador q l orrspondría a la valoraón más baa ntr todas las posbls tndría na tldad sprada por partpar n la sbasta d ro, sta ondón q ga n papl rlvant n l modlo d rfrna, tambén s podría ddr d la raonaldad d los spstos ralzados q qval a q la ofrta q ralza n omprador on la valoraón más baa sría B ( ) =. Por lo tanto, st tpo d omprador gan o prda la sbasta, smpr rbría na ganana gal a ro. Utlzando sta ondón s obsrva q l valor d la onstant A s ro, porq la ntgral s anla ando =. Entons, aplando la ondón d Nash d q b = B ) galando (2) y (4) s tn la fnón d ofrta B ( ) : ( [ F ) d] Dspando B ) s tn: ( ( = ( B( )) F( ) b = B( ) = - [ F( ) ] F( ) d En na sbasta al prmr pro, la ombnaón d stratgas q onsst n q todos los ompradors tlzan la fnón d ofrta B ) onstty n qlbro baysano d Nash. Esta fnón d ofrta, s rnt, por lo tanto n l ontxto dl modlo n rfrna la sbasta al prmr pro sría fnt dbdo a q l ganador srá l omprador on la valoraón más alta. ( (5) XIII Jornadas d ASEPUMA 7

Jan Momparlr, Maro Hdalgo 3. EJEMPLO DEL MODELO ASIMÉTRICO 3.1. El Modlo Asmétro Spongamos q N mprsas onstrtoras partpan n na sbasta para addars n proyto. La mprsa ono s propo ost pro no l dl rsto d partpants n la sbasta. El ost stmado para ada mprsa s na varabl alatora ada na. C ya ralzaón la dnotamos por y s lgdo ndpndntmnt por La varabl alatora fnón d dnsdad d probabldad f ( ; θ ) ( θ θ, θ,... ) θ N C tn na fnón d dstrbón F ( ; θ ), sndo y na θ n parámtro. Sa θ =., l vtor d los parámtros spífos d todas las mprsas. 1, 2 3 Sponmos q l ost d d todas las mprsas [, ]. Spongamos tambén q ada mprsa onstrtora tn dfrnt loalzaón y por tanto dfrnts osts d transport: = os t _ fo+ β 1 dsta + ε Tndrmos l onst stmado n fnón d trs térmnos. La prmra part afta a todas las mprsas por gal, por mplo, los klómtros d atovía han d sr asfaltados, o las tonladas d mnto q s nstan para onstrr n nvo dfo. El sgndoβ 1 dsta, s dfrnt para ada frma ps afta a s loalzaón. Por últmo l térmnoε, s na varabl ndpndnt q srv para modlar la nformaón prvada, omo l ost d matrals o d mano d obra. típa S sponmos q ε stá normalmnt dstrbdo, on mda ro y dsvaón σ, ntons θ ( t _ fo, β,, σ ) = os 1 dsta. Sa b la pa d la frma, omo n st aso la addaón s ralza a la ofrta más onóma, podrmos dfnr s tldad omo sg: ( b b, b,..., b, ) 1, 2 3 N b = 0 b < b n otro aso 8 XIII Jornadas d ASEPUMA

Modlos d sbastas y s aplaón a los onrsos. La mprsa s d q tn valoraón prvada, ya q s tldad dpnd únamnt d y no d la nformaón prvada d las otras frmas. Los dfrnts osts d matrals y d mano d obra para ada mprsa mplarán la valoraón prvada. 2.1.1. Ganana sprada En l modlo la stratga d la mprsa s na fnón ( ;θ) b =. L Brn (1994) y Martn y Rly (1996) han dmostrado q n qlbro, las fnons d pa b = ( ;θ) son strtamnt rnts y dfrnabls. Lo al mpla q xst fnón nvrsa d pa φ ( b; θ) b 1 ( b; θ) = s tambén strtamnt rnt y dfrnabl. b b La mprsa spra n bnfo d la pa dnotarmos π ( ;θ) Sndo: b q vrfa:, ( b, ; b, θ) = ( b ) Q ( bθ) π ; Q ( b; ) = 1 F φ ( b; θ) [ ( θ ) ] θ ; b on l ost stmado q la probabldad q la frma ral la ofrta más baa. 2.1.1. Dfnón Un qlbro n stratga pra s na olón d fnons q [, ], b b ( ) = maxmza π (, ; b,θ) b. b... 1 b2 b N tals La ondón d prmr ordn para q la mprsa maxm l bnfo sprado s: π b ' ( b, ; θ) = ( b ) Q ( b ; θ) + Q ( b ; θ) = 0 En qlbro tndrmos sta xprsón para ada mprsa π b S drvamos tndrmos b π ' ( b, ; θ) = ( b ) Q ( b ; θ) + Q ( b ; θ) = 0 = 1,... N ( b, ; θ) = 1 F φ ( b ) = 1,...N ' [ ( )] ( b ) f ( φ ( b) ) φ ( b) 1 Fk φk( b) k [ ( )] = 0 XIII Jornadas d ASEPUMA 9

Jan Momparlr, Maro Hdalgo φ : ' S agrpamos térmnos y rordnamos l sstma n térmnos d ( b) φ ' ( b) 1 F( φ( b) ) ( N 1) f ( φ ( b) ) ( N 2) 1 + φ ( b) b φ ( b) = b = 1,...N (6) Lgo podmos aratrzar la nvrsa d las fnons d pa omo n sstma d N aons dfrnals ordnaras. Vamos dos rsltados lav q nos srvrán para garantzar la xstna d qlbro y aratrzar las nvrsas d las fnons d pa. 2.1.2. Sposón 1 Para todo, ( ;θ) ( ;θ) F tn soport [ ] f s ontnamnt dfrnabl. [, ]. 2.1.3. Sposón 2,. La fnón d dnsdad d probabldad Para todo, la fnón d dnsdad d probabldad ( ;θ) 2.1.4. Torma1 (LBrn, Maskn y Rly) f stá aotada n S s dan las sposons 1 y 2 ntons xst n qlbro d stratga pra. Admás las fnons d pa son strtamnt rnts y dfrnabls. 2.1.4. Torma2 (LBrn, Maskn y Rly) Sponndo q s vrfan las sposons 1 y 2. Sa φ ( b) φ ( b)... φ ( b) las nvrsas d las pas d qlbro. Entons: φ 1. Para todo, ( ) = 2. Exst na onstant β tal q para todo, φ ( β) 3. Para todo y para todo b [ β,] = s vrfa la aón (6) 1 2 N Las ondons 1 y 2 dl Torma 2 nos dan 2N ondons d frontra para l onnto d N aons dfrnals d (6). La ondón 1 d q las mprsas q tnn l ost más alto l valor d la pa q ralzan s. La sgnda ondón d q n l ost más bao, todas las mprsas paránβ. 10 XIII Jornadas d ASEPUMA

Modlos d sbastas y s aplaón a los onrsos. Para dmostrar la ndad d la solón on las ondons d frontra spfadas, nstaríamos q l sstma vrfq las ondons d Lpshtz. Sn mbargo por la ondón 1 dl Torma 2 ando φ ( ) y por la ondón d 1 F( ( ) = 0 = φ tndrmos q b, ntons ( ) 0 b φ = 0. Por lo tanto l sstma tnd a 0 y por sa razón no s vrfan las ondons d Lpshtz n las proxmdads d. La nsdad d dar solons a las fnons d pa n los asos más omplos rqr l dsarrollar ténas spífas para la rsolón dl sstma d aons dfrnals, omo s pd obsrvar n varos trabaos. 3. REFERENCIAS BIBLIOGRÁFICAS BAJARI, P. (2001). Comparrng omptton and ollson: a nmral approah. Eonom Thory 18, pp.187-205 DURÁ, P. (2002), Toría d sbastas y prvatzaons: n modlo d rptaón dl vnddor. Tss Dotoral. MASKIN, E. Y RILEY, J. (2000). Asymmtr Atons. Rvw of Eonom Stds 67, pp. 413-438. XIII Jornadas d ASEPUMA 11