Juegos finitos n-personales como juegos de negociación

Documentos relacionados
VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA

Matemáticas 1 1 EJERCICIOS RESUELTOS: Números Complejos. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación. Universidad de Cantabria

Una Propuesta de Presentación del Tema de Correlación Simple

RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es

6. ESTIMACIÓN PUNTUAL

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES

Los principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos

2. Calcular el interés que obtendremos al invertir euros al 4% simple durante 2 años. Solución: 480 euros

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral

Expectativas del Mercado y Creación de Valor en la Empresa

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS

Gestión de operaciones

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD

V Muestreo Estratificado

METODOLOGÍA DE CÁLCULO DE LAS TASAS DE INTERÉS PROMEDIO

LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS

6.2.- Funciones cóncavas y convexas

ESTRUCTURA Y TECNOLOGÍA A DE COMPUTADORES

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo:

PRIMERA PRUEBA DE TÉCNICAS CUANTITATIVAS III. 14-Abril Grupo A

TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO Introducción.

INTEGRAL DE LÍNEA EN EL CAMPO COMPLEJO

Teoría de Juegos Aplicada a Problemas de Bancarrota

ÁLGEBRA II (LSI PI) TRANSFORMACIONES LINEALES UNIDAD Nº 5. Facultad de Ciencias Exactas y Tecnologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO

CÁLCULO DEL ANCHO DE BANDA EFECTIVO PARA UN FLUJO MARKOVIANO CON TASAS DE TRANSFERENCIA CONTINUAS

Apuestas deportivas por Internet

PROBANDO GENERADORES DE NUMEROS ALEATORIOS

MATEMÁTICAS FINANCIERAS Y EVALUACIÓN DE PROYECTOS JAIRO TARAZONA MANTILLA CONSULTOR ASESOR DOCENTE FINANCIERO Y PROYECTOS

MEDIDAS DE TENDENCIA CENTRAL

MUESTREO EN POBLACIONES FINITAS. Antonio Morillas 1

Guía para la Presentación de Resultados en Laboratorios Docentes

Conceptos y ejemplos básicos de Programación Dinámica

1. Los postulados de la Mecánica Cuántica. 2. Estados Estacionarios. 3. Relación de Incertidumbre de Heisenberg. 4. Teorema de compatibilidad.

Comportamiento Mecánico de Sólidos Capítulo II. Introducción al análisis tensorial. Tensores. x 3 A 3. Figura 1. Componentes de un vector.

4 METODOLOGIA ADAPTADA AL PROBLEMA

CAPÍTULO III. METODOLOGÍA. De acuerdo con la clasificación de Amartya Sen (2001), las medidas de desigualdad se

UNA PROPUESTA DE GRÁFICO DE CONTROL DIFUSO PARA EL CONTROL DEL PROCESO

Topología General Capítulo 0-2 -

1 Ce.R.P. del Norte Rivera Julio de 2010 Departamento de Matemática Notas para el curso de Fundamentos de la Matemática

Inferencia Estadística

TEMA 3.- OPERACIONES DE AMORTIZACION : PRESTAMOS A INTERES VARIABLE 3.1.-CLASIFICACIÓN DE LOS PRÉSTAMOS A INTERÉS VARIABLE :

ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN 2010 EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES.

Introducción a la Programación Lineal

Introducción a la Transformada Wavelet DESCOMPOSICIÓN DE SEÑALES

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS

CURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO EXCEL

Transparencias de clase

de los vectores libres del plano. Recordemos que la operación de sumar vectores verificaba las siguientes propiedades: se cumple que u + v = v + u

CURSO CONVOCATORIA:

Del correcto uso de las fracciones parciales.

TEMA 11 OPERACIONES DE AMORTIZACION O PRESTAMO (II)

Intensificación en Estadística

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades

INTRODUCCIÓN A LA ESTADÍSTICA DESCRIPTIVA PARA ECONOMISTAS

que queremos ajustar a los datos. Supongamos que la función f( x ) describe la relación entre dos cantidades físicas: x e y = f( x)

CAPITULO 2º FUNCIONES DE VECTORES Y MATRICES_01. Ing. Diego Alejandro Patiño G. M.Sc, Ph.D.

Ampliación de Redes de Telefonía Básica

7. Muestreo con probabilidades desiguales.

La inferencia estadística es primordialmente de naturaleza

TÉCNICAS DE ANÁLISIS ECONÓMICO INPUT-OUTPUT

Análisis de datos en los estudios epidemiológicos II


Supongamos que hemos aplicado el test F y hemos rechazado la H0.

Solución Práctica Evaluable 2. Oligopolio y Competencia Monopolística. 16/11/2012

FEM-OF: EDP Elíptica de 2 Orden

2.5. Área de una superficie.

UNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro)

Probabilidad ( A) Los axiomas de la probabilidad. φ = el conjunto vacío A B = A y no B C

División de Evaluación Social de Inversiones

SISTEMAS DE ECUACIONES NO LINEALES

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula:

Respuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto:

ESTADÍSTICA poblaciones

Orden de la tirada. Figura 1: Frecuencia relativa de cara para una sucesión de 400 tiradas.

Algunas Recomendaciones para la Enseñanza de la Estadística Descriptiva o Análisis de Datos

Análisis amortizado. Técnicas Avanzadas de Programación - Javier Campos 205

Test de Hipótesis. Error de tipo I: Rechazar H 0 siendo H 0 Verdadera. Error de tipo II: No rechazar H 0 siendo H 0 Falsa

GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA

Números Complejos PREGUNTAS MÁS FRECUENTES

X = d representa la métrica (distancia) euclideana en R n, dada por: d T(X,Y) = X Y = 1.3 TOPOLOGÍA BÁSICA EN

APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS

SELECCIÓN DE UNA CARTERA DE VALORES MEDIANTE LA APLICACIÓN DE MÉTODOS MULTIOBJETIVO INTERACTIVOS A DATOS REALES DE LA BOLSA ESPAÑOLA

ESPACIOS VECTORIALES SUBESPACIOS FINITAMENTE GENERADOS:

Teorías de falla bajo cargas estáticas

IES Fco Ayala de Granada Junio de 2013 (Reserva 2 Modelo 1 ) Soluciones Germán-Jesús Rubio Luna

GENERALIDADES SOBRE MÓDULOS

Análisis Numérico y Programación. Unidad III. -Interpolación mediante trazadores: Lineales, cuadráticos y cúbicos

Flujo de Potencia DC con Modelación de Incertidumbres Aplicado al Caso Chileno

Bolsa Nacional de Valores, S.A. San José, Costa Rica

Tema 2: Distribuciones bidimensionales

Modelo Matemático Multiobjetivo para la Selección de una Cartera de Inversión en la Bolsa Mexicana de Valores

LOS NÚMEROS COMPLEJOS

Tema 2: Modelos lineales de optimización con variables enteras.

Experimento: TEORÍA DE ERRORES. UNIVERSIDAD DE ATACAMA Facultad de Ciencias Naturales Departamento de Física I. OBJETIVOS

ELEMENTOS DE ÁLGEBRA MATRICIAL

Transcripción:

Juegos ftos -persoales como uegos de egocacó A.M.Mármol L.Moro V. Rubales Departameto de Ecoomía Aplcada III. Uversdad de Sevlla. Avd. Ramó Caal.. 0-Sevlla. vrubales@us.es Resume Los uegos -persoales ftos so ua extesó de los uegos bmatrcales al caso de ugadores. Tradcoalmete eos uegos se trata desde el puto de va o cooperatvo pero e muchas ocasoes puede resultar útl aalzar las posbldades de cooperacó etre los ugadores para obteer solucoes de coseso que meore el resultado que puede asegurarse los ugadores dvdualmete. E ee trabao aalzamos los uegos -persoales ftos como uegos de egocacó. Cosderamos ua extesó de los valores maxm de u uego bpersoal para eablecer el puto de desacuerdo como el pago que cada ugador puede garatzarse depedetemete de los demás ugadores. Ua vez determado dcho puto obteemos la solucó de Kala-Smorodsk la solucó gualtara. Los resultados se lura co u eemplo. Palabras clave: Juegos ftos uegos de egocacó solucoes α-maxm. Abract N-perso fte games are the exteso of bmatrx games to the case of plaers. These games are usuall aalzed as ocooperatve games but certa cotexts t ca be useful to explore the possbltes of cooperato amog plaers to reach a cosesus soluto. I ths paper we aalze -perso fte games as bargag games. We cosder a exteso of the cocept of maxm values order to eablsh the dsagreemet pot ad preset a lear programmg procedure to obta the Kala- Smorodsk ad the egaltara solutos. Fall we dscuss a example to llurate the results. Kewords: Fte games bargag games α-maxm solutos.

. Itroduccó. Los uegos -persoales ftos e forma ormal se ha eudado usualmete desde la óptca de la teoría de uegos o cooperatvos sedo el equlbro de Nash (Nash 90a) el cocepto de solucó más mportate para ee tpo de uegos. S embargo auque todo uego fto posee al meos u equlbro de Nash ea solucó preseta dfcultades co respecto al úmero de putos de equlbro co respecto a la forma que tales equlbros podría ear relacoados co el hecho de que el resultado que proporcoa el puto de equlbro pueda o ser Pareto-óptmo. Eas debldades del equlbro de Nash sugere ua posbldad de cooperacó etre los ugadores de forma que se garatce u resultado meor que el que pueda obteer de forma depedete. E ee trabao aalzamos los uegos -persoales ftos escalares como uegos de egocacó e los que el espaco de todos los posbles resultados se obtee co la covexfcacó del espaco de pagos del uego fto medate erategas mxtas coutas. Eas erategas o sólo permte geerar cualquer pago del espaco so que també puede utlzarse para meorar el resultado e relacó co u puto de desacuerdo o cooperatvo que se determa como los pagos que puede asegurarse los ugadores s actúa ulateralmete. E la lteratura sobre uegos de egocacó se ha propueo dferetes coceptos de solucó. Etre las solucoes cláscas que se ha plateado eá la solucó de Nash (Nash 90b) que asga el puto del couto de pagos posbles que maxmza el producto de las utldades obtedas desde el puto de desacuerdo. Ha sdo també mu eudada la famla de solucoes proporcoales (Kala 9) deomadas també α-gualtaras que asga el puto maxmal factble para el cual las gaacas de utldad de todos los agetes desde el puto de desacuerdo so proporcoales. Casos partculares so la solucó de Kala-Smorodsk (Kala Smorodsk 9) que cosdera el puto cuas utldades so proporcoales a las expectatvas más optmas de los agetes la solucó gualtara que proporcoa las msmas gaacas de utldad a todos los agetes. El cocepto de solucó que cosderamos e ee trabao para resolver el uego de egocacó ducdo por el uego fto se basa e la aplcacó del crtero maxm dado lugar a la famla de solucoes α-maxm (Mármol et al. 00) que proporcoa u resultado factble que maxmza el mímo de las gaacas de utldad poderadas obtedas por cada ugador. Bao certas codcoes e ea famla se clue las solucoes cláscas de Kala-Smorodsk la gualtara e geeral proporcoa resultados que doma a los de éas. El trabao eá orgazado de la sguete forma: e la seccó presetamos el uego fto -persoal escalar. La seccó se dedca a la formulacó del uego de egocacó asocado al uego fto -persoal a su resolucó. E la seccó presetamos u eemplo de uego fto que os permte lurar el aálss que propoemos. El trabao falza co ua seccó dedcada a las coclusoes.. Juegos ftos -persoales Los uegos -persoales ftos e forma ormal so ua extesó de los uegos bmatrcales al caso de ugadores. Auque o es posble represetar matrcalmete eos uegos sí podemos eablecer ua formulacó precsa para descrbrlos.

U uego -persoal fto vee dado por el couto de ugadores N {... } dode cada ugador N tee u úmero fto de alteratvas o erategas puras r. Para N sea { r E e... e } el couto de erategas puras del ugador. Cuado cada ugador elge su eratega pura e el resultado del uego...... es u vector -dmesoal ( a... a ) dode la compoete -ésma represeta el pago obtedo por el ugador. Deotaremos por Y al espaco de erategas mxtas para el ugador Y { R r r / 0... r } Las erategas mxtas de los ugadores so drbucoes de probabldad sobre el couto de sus erategas puras. S los ugadores o coopera cada ugador elge ua eratega de su espaco de erategas mxtas Y la fucó de pagos se defe e el producto cartesao de los espacos de erategas mxtas de los ugadores r r Y R. U vector R se represeta como... ) dode r (... vectoral multleal f ( ). La fucó de pagos e el uego o cooperatvo es ua fucó f : Y R que puede escrbrse como r r r r... (... )...... a......... a... S se supoe la cooperacó etre los ugadores ha que cosderar las erategas coutas que puede formarse a través de dcha cooperacó. Así el uego tee r R represetarse como erategas puras coutas. El couto de dchas erategas puede E E {( e... e ) e E...... r } Aálogamete ha que exteder la defcó de eratega mxta al ámbto de eos uegos para troducr el cocepto de eratega mxta couta como ua drbucó de probabldad sobre el couto de las erategas puras coutas. Así metras que e u uego o cooperatvo las erategas mxtas so drbucoes de probabldad de los ugadores elegdas depedetemete e u uego cooperatvo las erategas mxtas coutas so drbucoes de probabldad elegdas coutamete. El espaco de decsó couto de los ugadores e u uego -persoal fto cooperatvo es k Y { R... R R k k 0 } Cada compoete de Y {... r } represeta la probabldad de que los ugadores ela la eratega pura couta ( e... e ).

La fucó de pagos del uego cooperatvo defda e el espaco de erategas C mxtas coutas es ua fucó vectoral leal f : Y R que puede escrbrse como r r C............ f ( ) a... a...... Cosderado erategas mxtas coutas se cosgue la covexfcacó del couto de pagos del uego -persoal fto a que puede geerarse cualquer combacó covexa de vectores de pagos obtedos medate erategas puras. Eo es debdo a que el espaco de erategas mxtas coutas es compacto covexo la C fucó f es leal por lo que el couto de pagos es u poledro cuos vértces so los pagos correspodetes a las erategas puras coutas de los ugadores. La regó de pagos del uego -persoal cooperatvo eá formada por las combacoes covexas de los pagos asocados a las erategas puras.. El uego de egocacó. U uego de egocacó -persoal se descrbe usualmete por u couto de agetes N {... } u par ( S d) dode S R es el couto de todos los posbles resultados del uego d es el puto de desacuerdo que represeta el pago que los agetes obtedrá e caso de o llegar a u acuerdo. Ua solucó para u uego de egocacó especfca u pago que los ugadores aceptaría bao certos supueos de racoaldad. Asocado a u uego fto -persoal defmos u uego de egocacó ( S d) dode S se correspode co la regó de pagos del uego cooperatvo eo es C S f (Y ). La obtecó del puto de desacuerdo para ee uego de egocacó se descrbe a cotuacó... Putos de desacuerdo Ua forma atural de eablecer el puto de desacuerdo e u uego de egocacó cose e determar los pagos que puede asegurarse los ugadores s actúa ulateralmete s teer e cueta la actuacó de los demás. S se trata de u uego bmatrcal eos pagos so los valores maxm del uego. E el caso de ugadores propoemos obteer u vel de segurdad d para cada ugador... para lo que extedemos el cocepto de los valores maxm de u uego de ugadores. Defcó. El valor maxm para u ugador N e u uego fto -persoal es el máxmo pago que puede obteer cuado los reates ugadores coopera etre sí para mmzar su pago. A cotuacó demoramos que el valor maxm de los ugadores e u uego fto -persoal se obtee resolvedo uegos bpersoales de suma ula.

Dado el ugador N cosderamos el couto de ugadores N \ { } como u úco ugador que uega cotra el ugador. El espaco de erategas puras para el ugador N \ { } es E E el espaco de erategas mxtas para el ugador N \ { } es dode q r Y { R q q / 0 k... q k es el úmero de erategas puras del ugador N \ { }. La fucó de pagos del uego bpersoal de suma ula de ugadores { N \ { } } es ua fucó bleal f : Y Y R dada por f k ( ) A( ) dode la matrz de pagos A () es de orde r q El elemeto s } vee dada por a A( ) ( ). s... r t... q a represeta el pago para el ugador cuado elge su eratega pura e E el ugador N \ { } elge su eratega pura en { } E sedo a a para s t (...... ). A partr de los elemetos de la matrz A () podemos expresar la fucó de pagos como t... f ( ) A( ) r q s t s t a Proposcó. E u uego fto -persoal el valor maxm del ugador valor del uego bpersoal de suma ula de matrz A (). N es el Demoracó: Para determar el valormaxm para el ugador para cada eratega el ugador calcula el peor pago que puede cosegur Y v ( ) cosdera el meor de eos valores Y r q m f ( ) m Y Y s t max v ( ) max Y r q Y s t Por el teorema mmax ( vo Neuma 9) ee valor exe cocde co el valor del uego de suma ula de matrz A (). Por tato para determar el puto de desacuerdo e u uego de egocacó asocado al uego -persoal fto ha que obteer el valor de uegos bpersoales de m s t s a t a

suma ula. El puto de desacuerdo es d d... d ) dode N d max v ( ) max m A( ). Y. Solucoes Y Y ( Para resolver el uego de egocacó que duce el uego fto -persoal cosderamos ua famla de solucoes basada e la aplcacó del crtero maxm las solucoes α-maxm. Bao certas codcoes e ea famla se clue las solucoes cláscas de Kala-Smorodsk la gualtara e geeral proporcoa resultados más favorables para los ugadores que éas. A cotuacó descrbmos ea famla de solucoes presetamos los resultados que permte obteerlas. Sea α R : α α > 0... cosderemos α para cada x S sea ~ x d x.... x~ represeta las gaacas de utldad para el α ugador desde el puto de desacuerdo poderadas co pesos. El vector de gaacas de utldad poderadas lo deotamos por ~ x ( ~ x... ~ x ). Para cada x S sea z x) m{ ~ x } que represeta la meor gaaca de ( utldad poderada que proporcoa el resultado x. Aplcar el crtero maxm para obteer la solucó del uego (Sd) bao la hpótess de que las gaacas de utldad pueda ear poderadas por dtos pesos cose e hallar u resultado factble que maxmce el mímo de las gaacas de utldad poderadas obtedas por cada ugador. Defcó. El puto x S es ua solucó α-maxm del uego (Sd) co α s z( x) z( ) S. Es decr x es ua solucó α-maxm s la míma gaaca de utldad poderada que geera es máxma. Obsérvese que la míma gaaca puede alcazarse e dferetes putos factbles de S. Bao determadas codcoes sobre el couto de pagos dado α la solucó α-maxm es úca todos los agetes obtee la míma gaaca de utldad poderada. Las solucoes α-maxm verfca la propedad de Pareto-optmaldad débl. Además para cada α ua de ellas es Pareto-óptma (véase Mármol otros 00). Ua mportate vetaa que preseta las solucoes α-maxm frete a otras solucoes de egocacó es la posbldad de calcularlas medate téccas de optmzacó matemátca e u amplo rago de problemas. De la defcó ateror se deduce que las solucoes α-maxm so solucoes del problema de optmzacó α

max s. a. x d m... α x S x d Ee problema es equvalete al problema que deotamos (PM(α)) max s. a. z x d α x S x d z... Así el couto de solucoes α-maxm de u uego de egocacó (Sd) puede obteerse a partr de las solucoes del problema (PM(α)). La resolucó de ee problema se smplfca cosderablemete cuado el uego de egocacó es leal es decr cuado el couto de pagos S es polédrco a que se puede utlzar las téccas de la programacó leal para obteer las solucoes de egocacó. Ea es la uacó que se preseta e el uego de egocacó que duce u uego -persoal fto cuo couto de pagos es u poledro f C (Y ) como se ha eablecdo e la seccó.. Eemplo. U grupo agroalmetaro comercalza tres tpos de productos que eá geoados por tres departametos dtos co capacdad de decsó sobre su polítca publctara. Cada departameto puede emtr e televsó dos tpos de aucos que cde sobre aspectos dtos de sus respectvos productos. La publcdad de cada producto repercute drectamete e las vetas de los otros. Se ha realzado eudos sobre el efecto e las vetas de las dtas combacoes de aucos de los departametos de la empresa obteédose los resultados que se represeta e la sguete tabla. e e e e e e e ( ) ( ) e ( ) ( ) e ( ) ( ) e ( ) ( 0 ) Es decr s los tres departametos utlza su prmer auco se produce u aumeto e las vetas del prmer producto de u.m. de u.m. e el segudo producto de u.m. e las vetas del tercer producto. Cada departameto desea maxmzar los efectos de la publcdad sobre sus productos por lo que eá dspueo a egocar co los otros departametos para determar las combacoes de aucos más adecuadas.

Ea uacó puede modelarse como u uego de tres ugadores que se correspode co los tres departametos cada uo de ellos co dos erategas que cose e emtr uo u otro auco. La cooperacó etre los ugadores garatza que los resultados que obtega meorará los que obtedría s cada uo ellos actuara ulateralmete. Ua uacó de ee tpo puede represetarse medate u uego de egocacó que como demoramos e ee trabao permte aalzar proporcoar solucoes para eos modelos. S aalzamos ee uego como u uego cooperatvo el couto de erategas puras coutas es } ) {( E e e e e E E el couto de pagos del uego de egocacó asocado es u poledro cuos vértces so los pagos correspodetes a las erategas puras coutas es decr...} 0 { P x S dode... P P so los vectores de pagos de la matrz ateror. Para determar el puto de desacuerdo ) ( d d d d calculamos el pago que cada ugador puede garatzarse depedetemete de los otros ugadores. Para ello resolvemos uegos bpersoales de suma ula el puto de desacuerdo para el ugador d se obtee como el valor del uego bpersoal de suma ula matrz A() que e ee caso so () 0 () ) ( A A A Eas matrces represeta los pagos que obtee los ugadores co sus erategas puras frete a las erategas puras coutas de los otros ugadores. Resolvedo los uegos de suma ula correspodetes se obtee d d d. Cosderamos e prmer lugar ua solucó equtatva que maxmza el vel mímo de aumeto e las vetas. Se correspode co la solucó α-maxm para α (). El problema leal (PM(α)) que proporcoa la solucó es:... 0.. max z z z a s z

Al resolver ee problema obteemos u úco puto del couto de pagos S (.9.9.9). Ea solucó es la solucó de gaaca gualtara co respecto al puto de desacuerdo meorado las vetas garatzadas de los tres departametos e.9 u.m. Además es Pareto-óptma e el setdo de que o exe otro puto factble tal que meore a todos los ugadores co ua meora ercta al meos para alguo de ellos. Ea solucó se obtee co la eratega mxta couta (0. 0 0 0 0. 0 0. 0) es decr ee pago se obtee cuado los departametos elge las erategas puras coutas ( e e e ) ( e e e )( e e e ) co probabldades 0. 0. 0. respectvamete. Alteratvamete la msma solucó se obtee co las erategas puras coutas ( e e e ) ( e e e )( e e e ). Obsérvese que el pago asocado a las erategas puras coutas ( e e e ) ( e e e ) es el msmo. U cocepto de solucó alteratva que tee e cueta los valores más optmas que puede alcazar los departametos es la solucó de Kala- Smorodsk. El puto deal del uego I I I ) se defe como ( I I ( S d) max{ x / x S x d}. E ee caso I I. I. La solucó α-maxm correspodete a la solucó de Kala-Smorodsk se obtee para α I d es el puto del espaco de pagos (...). Ea solucó es úca Pareto-óptma por lo que cocde co la de Kala-Smorodsk se alcaza cuado los ugadores elge las erategas puras coutas ( e e e ) ( e e e )( e e e ) co probabldades 0.9 0.9 0. respectvamete. Obsérvese que el hecho de teer como refereca el puto deal hace que la solucó de coseso se desplace haca putos que proporcoa aumetos de vetas maores a los departametos co valores optmas más elevados.. Coclusoes E ee trabao se poe de mafeo que la cooperacó etre los agetes e los uegos ftos -persoales permte tratar eos uegos como problemas de egocacó. Los dos putos esecales so la determacó de los putos de desacuerdo la posbldad de realzar el cálculo efectvo de las solucoes de coseso. Co respecto al puto de desacuerdo se propoe ua extesó del cocepto de valor maxm que se obtee medate la resolucó de uegos bpersoales de suma ula. Co respecto al aspecto computacoal del cálculo de las solucoes la eructura polédrca del couto de pagos factbles del uego de egocacó que duce el uego fto el hecho de que los putos extremos sea coocdos permte la obtecó de las solucoes α-maxm medate la resolucó de problemas leales.. Referecas Kala E. (9). Proportoal solutos to bargag uatos: terpersoal utlt comparsos. Ecoometrca pp -0. Kala E. Smorodsk M. (9). Other solutos to Nash's bargag problem. Ecoometrca pp -.

Mármol A.M. Moro L. Rubales V. (00). Solucoes maxm e uegos de egocacó -persoales. X Joradas ASEPUMA Madrd. Nash J.F. (90a). Equlbrum pots -perso games. Proceedg of Natoal Academc of Scece of the USA pp -9. Nash J.F. (90b). The bargag problem. Ecoometrca pp -. Vo Neuma J. (9). Zur theore der gesellschaftsspele. Mathematsche Aale 00 pp 9-0. Notas U puto x S es déblmete Pareto-óptmo s o exe x' S x' > x.... U puto x S es Pareto-óptmo s o exe x' S x x x' x....