Dominancia Estocastica1

Dominancia estocástica
Ricard Torres
CIE — ITAM
Microeconomía Aplicada II, 2014
Ricard Torres (CIE — ITAM) Dominancia estocástica Microeconomía aplicada II 1 / 33

Índice
1. Clasificación de variables aleatorias
2. Dominancia estocástica de primer orden
3. Dominancia estocástica de segundo orden

Clasificación de variables aleatorias
Clasificación de variables aleatorias
Los coeficientes de aversión al riesgo nos permiten clasificar funciones de

utilidad de acuerdo a su grado de aversión al riesgo.
Cualquiera que sea el riesgo que les afecte, si un individuo tiene un coeficiente
de aversión al riesgo mayor que otro, entonces el riesgo afectará siempre más al
primer individuo que al segundo.
Ahora nos planteamos una situación distinta: fijaremos una clase amplia de
individuos, y nos preguntaremos bajo qué circunstancias todos ellos preferirán
una variable aleatoria X a otra Y.
Es decir, nos proponemos realizar una clasificación de variables aleatorias.
Al igual que en el caso anterior, la clasificación que haremos es sólamente
parcial: habrán muchos pares de variables aleatorias para los cuales ninguna de
las dos dominará a la otra.

Dominancia estocástica de primer orden
Dominancia estocástica de primer orden: definición
El primer criterio de clasificación que usaremos será lo más amplio posible.

El único requisito que podremos a los individuos es que prefieran más a menos
riqueza (ie, que tengan funciones de utilidad (débilmente) crecientes en la
riqueza).
En particular, no requerimos que los individuos sean aversos al riesgo.
+ Decimos que una variable aleatoria X domina en el sentido de dominancia

estocástica de primer orden (DEPO) a otra variable aleatoria Y si todo individuo
que tenga una función de utilidad de Bernoulli creciente prefiere la primera a la
segunda.

Dominancia estocástica de primer orden: explicación
Sea u : + → la función de utilidad de Bernoulli sobre riqueza de un

individuo. Esta función asocia un índice de utilidad a cada posible nivel de
riqueza x ∈ + .
Consideremos una variable aleatoria X que pone probabilidades respectivas
(p1 , p2 , . . . , pn ) sobre n niveles distintos de riqueza (x1 , x2 , . . . , xn ).
La utilidad esperada de dicha variable aleatoria es:
{ } ¼n
u(X) = pi u(xi ) = p1 u(x1 ) + p2 u(x2 ) + · · · + pn u(xn ).
i=1

Dominancia estocástica de primer orden: explicación

La definición que hemos dado nos dice que, para que X domine a Y en el sentido
de DEPO, debe darse el caso que, dada cualquier
{ función
} { de utilidad
} de
Bernoulli u(·) que sea creciente, se cumpla: u(X) ≥ E u(Y) .
Por ejemplo, supongamos que X pone probabilidades (1/ 6, 2/ 6, 3/ 6) sobre
(5, 10, 15) , y que Y pone probabilidades (3/ 6, 2/ 6, 1/ 6) sobre los mismos
valores (5, 10, 15). Dada una función de utilidad de Bernoulli cualquiera u(·),
tenemos:
{ } { } [1 2 3
]
u(X) − u(Y) = u(5) + u(10) + u(15)
6 6 6
[ ] [ ]
3 2 1 1
− u(5) + u(10) + u(15) = u(15) − u(5)
6 6 6 3
Como { es}creciente, tenemos que u(15) ≥ u(5), lo cual implica que

{ la} utilidad
u(X) ≥ u(Y) . De donde deducimos que X domina a Y de acuerdo a DEPO.

Dominancia estocástica de primer orden Generación de variable aleatorias que dominan a una variable aleatoria dada
Generación de variables aleatorias que dominan a una variable

aleatoria dada
Vamos a mostrar cómo, a partir de una cierta variable aleatoria X, podemos

construir una nueva variable aleatoria Y que domina a la primera en el sentido
de DEPO.
Mostraremos dos procedimientos simples que conducen a este objetivo, y más
adelante generalizaremos dichos procedimientos para llegar a una
caracterización completa de cómo obtener todas las variables aleatorias que
dominan a una dada.
Ilustraremos estos procedimientos mediante ejemplos concretos en lugar de dar
una descripción abstracta de los mismos.

1: Transferir probabilidad a niveles superiores de riqueza
Partimos de la variable aleatoria X que pone probabilidades (1/ 3, 1/ 3, 1/ 3)

sobre (5, 10, 15).
Para obtener una nueva variable aleatoria que domina a X, simplemente
podemos transferir probabilidad desde niveles de riqueza bajos a niveles de
riqueza superiores.
Por ejemplo, si quitamos la mitad de la probabilidad que hay en cada uno de los
niveles de riqueza 5 y 10, y traspasamos dicha probabilidad al nivel de
riqueza 15, obtenemos la nueva variable aleatoria Y que pone probabilidades
(1/ 6, 1/ 6, 2/ 3) sobre los mismos valores (5, 10, 15).
El hecho de que Y domina a X de acuerdo a DEPO se sigue de la definición, y se
puede deducir al igual que hicimos en el ejemplo anterior.

2: Asignar las mismas probabilidades a niveles superiores de

riqueza
Partimos de la variable aleatoria X que pone probabilidades (1/ 3, 1/ 3, 1/ 3)

sobre (5, 10, 15).
Para obtener una nueva variable aleatoria que domina a X, podemos asignar las
mismas probabilidades a niveles de riqueza superiores.
Por ejemplo, crearemos una nueva variable aleatoria con las mismas
probabilidades, pero sumando 1 a cada uno de los niveles de riqueza anteriores:
Y pone probabilidades (1/ 3, 1/ 3, 1/ 3) sobre los valores (6, 11, 16).
El hecho de que Y domina a X de acuerdo a DEPO se sigue de la definición, y se
puede deducir procediendo como en el ejemplo anterior.

Forma general
Dada una variable aleatoria X, sea Z una nueva variable aleatoria que toma
valores no negativos, y sea Y = X + Z.
Es fácil ver, tanto intuitiva como formalmente, que Y va a dominar a X en el
sentido de DEPO.
Lo que no resulta tan fácil de ver, pero es igualmente cierto, es que, dada
cualquier variable Y que domine a X, siempre podemos encontrar una variable
aleatoria Z no negativa tal que Y = X + Z.
La clave consiste en definir adecuadamente la distribución conjunta de (X, Z) o,
equivalentemente, la distribución condicional de Z dado X.
Vamos a ilustrar a continuación cómo hacer eso en cada uno de los ejemplos
que hemos presentado anteriormente.

Transferencia de probabilidad a valores superiores

Partimos de una variable X que pone probabilidades (1/ 3, 1/ 3, 1/ 3) sobre
(5, 10, 15).
Tomemos Z con las siguientes distribuciones condicionales:
(Z = 0|X = 5) = 1/ 2, (Z = 10|X = 5) = 1/ 2;
(Z = 0|X = 10) = 1/ 2, (Z = 5|X = 10) = 1/ 2;
(Z = 0|X = 15) = 1. La distribución conjunta resultante es:
Z
0 5 10
5 1/ 6 0 1/ 6 1/ 3
X 10 1/ 6 1/ 6 0 1/ 3
15 1/ 3 0 0 1/ 3
Se puede verificar que Y = X + Z pone probabilidades (1/ 6, 1/ 6, 2/ 3) sobre
(5, 10, 15).

Asignación de probabilidad a valores superiores
Partimos de una variable X que pone probabilidades (1/ 3, 1/ 3, 1/ 3) sobre

(5, 10, 15).
La variable Z toma el valor 1 con probabilidad 1 y es independiente de X, es
decir, las distribuciones condicionales (triviales) son:
(Z = 1|X = 5) = (Z = 1|X = 10) = (Z = 1|X = 15) = 1. La distribución
conjunta (trivial) resultante es:
Z
1
5 1/ 3 1/ 3
X 10 1/ 3 1/ 3
15 1/ 3 1/ 3
La suma Y = X + Z pone probabilidades (1/ 3, 1/ 3, 1/ 3) sobre (6, 11, 16).

Dominancia estocástica de primer orden Funciones de distribución y DEPO
Funciones de distribución
. Para poder comprobar cuándo hay dominancia estocástica entre dos variables
aleatorias, recurriremos al concepto de función de distribución de una variable
aleatoria.
+ Consideremos una variable aleatoria X que pone probabilidades (p1 , p2 , . . . ; pn )
sobre los valores (x1 , x2 , . . . , xn ). Supongamos adicionalmente que los niveles de
riqueza están ordenados: x1 < x2 < · · · < xn . Definimos la función de distribución
de X como aquella función FX : + → [0, 1] que a cada posible nivel de riqueza
z ∈ + le asocia la probabilidad que la variable aleatoria pone sobre niveles de
riqueza iguales o inferiores a z:
¼
F(z) = {X ≤ z} = pi
{i:xi ≤z}
ä Como la suma de probabilidades es siempre 1, tendremos que, para cada

z ∈ + , 0 ≤ F(z) ≤ 1.

Función de distribución: ejemplo
Supongamos que X pone probabilidades (1/ 3, 1/ 3, 1/ 3) sobre los valores (5, 10, 15).
Entonces FX (z) = 0 si 0 ≤ z < 5; FX (z) = 1/ 3 si 5 ≤ z < 10; FX (z) = 2/ 3 si 10 ≤ z < 15;
FX (z) = 1 si 15 ≤ z.
FX (z)
2
3
1
3
.
5 10 15 z

Funciones de distribución con DEPO

Dada X que pone probabilidades (1/ 3, 1/ 3, 1/ 3) sobre (5, 10, 15), supongamos que
obtenemos Y a partir de X transfiriendo probabilidad a niveles de riqueza superiores,
de forma que Y pone probabilidades (1/ 6, 1/ 3, 1/ 2) sobre (5, 10, 15).
Dibujamos FX en rojo, FY en azul, y los tramos comunes a ambas en negro.
F(z)
2
3
1
2
1
3
1
6
.
5 10 15 z

Funciones de distribución con DEPO
En el ejemplo anterior, la variable aleatoria Y domina en el sentido de DEPO a X,

y hemos visto en el gráfico que se cumple que, para todo nivel de riqueza z,
FY (z) ≤ FX (z), es decir, {Y ≤ z} ≤ {X ≤ z}.
Como FX (z) mide la probabilidad en niveles de riqueza inferiores a z, la
desigualdad entre funciones de distribución significa que Y pone siempre
menor probabilidad en los niveles inferiores de riqueza que X.
El hecho que la probabilidad total es siempre 1, quiere decir que Y pone siempre
mayor probabilidad en los niveles superiores de riqueza que X.
En términos de las funciones de distribución, la última afirmación significa: para
todo z, 1 − FY (z) ≥ 1 − FX (z), es decir, {Y > z} ≥ {X > z}.

Caracterización de DEPO mediante funciones de distribución
. En general, sean X y Z variables aleatorias tales que la segunda toma siempre

valores no negativos, y sea Y = X + Z. No es difícil mostrar que se cumplirá
necesariamente que, para todo z, FY (z) ≤ FX (z).
+ Por lo tanto, una variable aleatoria Y domina en el sentido de DEPO a otra
variable aleatoria X si, y sólo si, se cumple la desigualdad entre las funciones de
distribución de ambas.
ä Esta caracterización equivalente de DEPO es mucho más fácil de verificar que la
definición que dimos originalmente.

Dominancia estocástica de primer orden Variables aleatorias continuas
Variables aleatorias continuas
En aplicaciones concretas, puede ser difícil asociar niveles de riqueza

determinados con los resultados posibles de la resolución de la incertidumbre
que afecta a un activo financiero.
En un caso así, podemos definir una variable aleatoria como una distribución de
probabilidad sobre un intervalo de números reales, es decir, como una variable
aleatoria continua.
Una variable aleatoria continua X viene caracterizada por una función de
densidad de probabilidad fX : X → (que nosotros supondremos que es una
función continua).
La interpretación de dicha función es que valores superiores de la misma en un
cierto intervalo corresponden a una mayor probabilidad en dicho intervalo.

Función de distribución de variables aleatorias continuas
Si una variable aleatoria continua X pone sólamente probabilidad positiva en

niveles de riqueza positivos, entonces su función de distribución es:
∫ z
FX (z) = fX (y) dy.
0
Por ejemplo, si X tiene una distribución exponencial con parámetro Ý > 0, su

función de densidad es
fX (z) = Ý e−Ýz , para z ≥ 0,
y su función de distribución es
FX (z) = 1 − e−Ýz , para z ≥ 0.

Función de distribución de variables aleatorias continuas

Si una variable aleatoria continua X pone probabilidad positiva en niveles de
riqueza tanto positivos como negativos, entonces su función de distribución es:
∫ z
FX (z) = fX (y) dy.
−∞
Por ejemplo, si X tiene una distribución normal con media Þ y varianza ã 2 > 0,
su función de densidad es
1 (z−Þ)2
−
fX (z) = √ e 2ã 2 , para − ∞ < z < +∞.
2áã 2
y su función de distribución es la integral de la densidad, que no tiene una
expresión en términos de funciones elementales, pero podemos computar con
precisión arbitraria.
En general, para distribuciones continuas se cumple que lim F(z) = 0 y
z→−∞
lim F(z) = 1.
z→+∞

Variables aleatorias continuas y DEPO
Las caracterizaciones de DEPO en términos de funciones de distribución siguen

siendo ciertas para el caso de variables aleatorias continuas.
Dadas dos variables aleatorias cualesquiera X e Y, discretas o continuas, se
cumple que X domina a Y en el sentido de DEPO si, y sólo si, existe una variable
aleatoria Z que toma valores no positivos tal que Y = X + Z.
Análogamente, X domina a Y en el sentido de DEPO si, y sólo si, para todo nivel
de riqueza z, FX (z) ≤ FY (z).
En el caso de distribuciones continuas, sin embargo, la clasificación mediante
DEPO es bastante débil. Por ejemplo, si X y Y son distribuciones normales,
entonces X domina a Y sólamente cuando (X) = (Y) y (X) ≥ (Y).

Variables aleatorias continuas y DEPO: ejemplo
Sea X una distribución exponencial con parámetro Ý = 1, y Y una distribución

exponencial con parámetro Ý′ = 2. Podemos comprobar que, para todo z,
FX (z) ≤ FY (z), es decir, X domina a Y en el sentido de DEPO.
Hemos representado FX en azul y FY en rojo.
F(z)
0.5
. z
1 2 3

Variables aleatorias con distribución exponencial
También podemos verificar que, en el caso de variables con distribución

exponencial, se cumple la caracterización de DEPO mediante la suma (o resta)
de una variable aleatoria no negativa.
Sea Ò = [0, 1) el espacio de estados, y sea la distribución uniforme, es decir
[a, b) = [a, b] = (b − a), para todo intervalo con 0 ≤ a < b ≤ 1.
Dada Ý > 0, sea MÝ la variable aleatoria definida por
MÝ (é) = (1/Ý) log(1/(1 − é)), que toma valores reales no negativos.
Dado z ≥ 0, se cumple MÝ (é) ≤ z ⇔ 1/(1 − é) ≤ eÝz ⇔ é ≤ 1 − e−Ýz .
Por tanto, FMÝ (z) = {MÝ ≤ z} = [0, 1 − e−Ýz ] = 1 − e−Ýz .
Es decir, MÝ tiene una distribución exponencial con parámetro Ý.
Si X = M1 , Y = Z = M2 , entonces tenemos que Z(é) ≥ 0 para todo é, y además
Y(é) = X(é) − Z(é) para todo é, por lo cual X domina a Y en el sentido de
DEPO.

Dominancia estocástica de segundo orden
La clasificación de variables aleatorias de acuerdo a DEPO resulta útil, pero tiene

un problema: no tiene en cuenta el riesgo de las variables aleatorias, sino
únicamente su capacidad de dar lugar a mayor riqueza (probabilísticamente).
La dominancia estocástica de segundo orden (DESO) implica una clasificación
más amplia de variables aleatorias, y además tiene la ventaja de tomar en cuenta
no sólamente la rentabilidad, sino también el riesgo de las mismas.

+ Decimos que una variable aleatoria X domina en el sentido de dominancia

estocástica de segundo orden (DESO) a otra variable aleatoria Y si todo individuo
que tenga una función de utilidad de Bernoulli creciente y cóncava prefiere la
primera a la segunda.
En contraste con el caso anterior, introducimos en esta definición el

requerimiento que X debe ser preferida a Y sólamente por individuos aversos al
riesgo.
Es decir, X domina a Y en el sentido de DESO si, para todo individuo averso al
riesgo, la utilidad esperada de tener una riqueza con distribución X es superior a
la de tener una riqueza con distribución Y.

Dominancia estocástica de segundo orden Difusiones de probabilidad
Difusiones de probabilidad
Supongamos que X que pone probabilidades (p1 , p2 , . . . ; pn ) sobre los valores

(x1 , x2 , . . . , xn ).
Sea Z una variable aleatoria que satisface {Z | X = xi } = 0, para cada i, y sea
Y = X + Z.
En este caso, la variable aleatoria Y se obtiene como resultado de substituir cada
nivel de riqueza xi por una nueva variable aleatoria que tiene media xi .
Intuitivamente, Y es el resultado de añadir volatilidad a X, pero manteniendo la
media: decimos que Y ha sido obtenida a partir de X mediante una difusión de
probabilidad.

Difusiones de probabilidad: ejemplo
Partimos de una X que pone probabilidades (1/ 5, 3/ 5, 1/ 5) sobre (1, 3, 6).

Sean (Z = 0 | X = 1) = (Z = 0 | X = 6) = 1, y sean
(Z = −1 | X = 3) = (Z = 0 | X = 3) = (Z = 1 | X = 3) = 1/ 3.
Sumar X + Z equivale a substituir el nivel de riqueza x2 = 3 por una variable
aleatoria que pone probabilidades (condicionadas a X = 3) (1/ 3, 1/ 3, 1/ 3) sobre
(2, 3, 4) (la media sigue siendo 3).
La variable resultante Y = X + Z pone probabilidades (1/ 5, 1/ 5, 1/ 5, 1/ 5, 1/ 5)
sobre los valores (1, 2, 3, 4, 6).
Decimos que Y es el resultado de aplicar una difusión de probabilidad a la
variable aleatoria X.
Notemos cómo, para pasar de X a Y, la probabilidad de 3/ 5 que estaba
concentrada en el nivel de riqueza 3 ha quedado difundida entre los niveles de
riqueza (2, 3, 4).

Difusiones que mantienen o que reducen la media
Supongamos que partimos de una variable aleatoria X que pone probabilidades

(p1 , p2 , . . . , pn ) sobre los valores (x1 , x2 , . . . , xn ). Añadiremos a X una nueva
variable aleatoria Z para obtener Y = X + Z.
Supongamos que, para cada i, 1 ≤ i ≤ n, se cumple (Zi | X = xi ) = 0; entonces
decimos que la difusión de probabilidad mantiene la media. (En inglés, se dice
que la difusión es un mean preserving spread.)
En el ejemplo anterior, teníamos (Z | X = x) = 0 para cada x, por lo que la
difusión aplicada mantiene la media.
Si, para cada i, (Z | X = xi ) ≤ 0, decimos que la difusión de probabilidad reduce
la media.

Caracterización de DESO
+ Una variable aleatoria X domina a otra variable aleatoria Y en el sentido de DESO

si, y sólo si, Y puede ser obtenida a partir de X mediante una difusión de
probabilidad que mantiene o reduce la media.
Intuitivamente, al obtener Y a partir de X mediante una difusión de probabilidad

que mantiene la media, estamos aumentando el riesgo sin alterar la rentabilidad
esperada, y por tanto un individuo averso al riesgo preferirá X a Y.
Si, adicionalmente, la difusión de probabilidad reduce la media, entonces
aumentamos el riesgo y además disminuímos la rentabilidad esperada, por lo
que las preferencias serán como en el caso anterior.

¿Qué
. sucede con difusiones que aumentan la media?
En general, si una difusión aumenta la media hay un trade oﬀ entre riesgo y
rentabilidad, por lo cual siempre podemos encontrar individuos con distintos grados
de aversión al riesgo que tengan preferencias distintas sobre ambas variables
aleatorias, ie, no habrá DESO.
La variable X pone probabilidades (1/ 2, 1/ 2) sobre (1, 9).
Sean (Z = 0 | X = 1) = 1, (Z = −5 | X = 9) = 1/ 3, (Z = 7 | X = 9) = 2/ 3, de
forma que {Z | X = 9} = 3 > 0.
La variable aleatoria resultante de la difusión, Y = X + Z, pone probabilidades
(1/ 2, 1/ 6, 1/ 3) sobre (1, 4, 16).
√
Si un individuo averso al riesgo tiene la utilidad de Bernoulli u(x) = x, entonces
√ √
( X) = 2 < 13/ 6 = ( Y).
Si un individuo averso al riesgo tiene la utilidad de Bernoulli w(x) = −e−x , entonces
{w(X)} ≈ −0.184 > −0.187 ≈ {w(Y)}.
Como no hay acuerdo entre todos los individuos aversos al riesgo, ninguna de las
dos variables aleatorias domina a la otra en el sentido de DESO.

Dominancia estocástica de segundo orden Funciones de distribución y DESO
Funciones de distribución y DESO
A veces no resulta obvio determinar si una variable aleatoria Y ha sido obtenida

a partir de otra variable aleatoria X mediante una difusión de probabilidad.
Por este motivo, resulta práctico tener un criterio en términos de funciones de
distribución que sea más fácil de verificar.
+ Se puede mostrar que una variable aleatoria X domina en el sentido de DESO a

otra variable aleatoria Y si, y sólo si, se cumple (X) ≥ (Y), y además:
∫y ∫y
FX (z) dz ≤ FY (z) dz, para cada nivel de riqueza y.
−∞ −∞
ä Para cada nivel de riqueza y, el área bajo la función de distribución debe ser más
pequeña para X que para Y.

Funciones de distribución y DESO: ejemplo

En el ejemplo anterior, X pone probabilidades (1/ 5, 3/ 5, 1/ 5) sobre (1, 3, 6), y mediante una
difusión de probabilidad que mantiene la media obtenemos Y que pone probabilidades
(1/ 5, 1/ 5, 1/ 5, 1/ 5, 1/ 5) sobre (1, 2, 3, 4, 6). Veamos cómo esto afecta a las funciones de
distribución.
FX (x)
1
4/ 5
−
3/ 5
2/ 5
+
1/ 5
.
1 2 3 4 5 6 x
Variables aleatorias continuas y DESO
Tanto la definición que hemos dado de DESO como la caracterización en

términos de funciones de distribución son válidas para variables aleatorias
continuas.
Por ejemplo, se puede mostrar que, si X y Y son distribuciones normales,
entonces X domina a Y en el sentido de DESO si, y sólo si, E(X) ≥ E(Y) y
Var(X) ≤ Var(Y).
En general, tanto para variables aleatorias discretas como continuas, diremos
que Y se obtiene a partir de X mediante una difusión que aumenta o disminuye
la media si existe una variable aleatoria Z tal que Y = X + Z, y {Z|X = x} ≤ 0
para cada x.
Esto es equivalente a la caracterización en términos de funciones de
distribución, y también a la definición en términos de la utilidad esperada de
individuos aversos al riesgo.

Dominancia Estocastica1

Hochgeladen von

Dokumentinformationen

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Dominancia Estocastica1

Hochgeladen von

Copyright:

Verfügbare Formate

Dominancia estocástica

Microeconomía Aplicada II, 2014

Ricard Torres (CIE — ITAM) Dominancia estocástica Microeconomía aplicada II 1 / 33

1. Clasificación de variables aleatorias

2. Dominancia estocástica de primer orden

3. Dominancia estocástica de segundo orden

Ricard Torres (CIE — ITAM) Dominancia estocástica Microeconomía aplicada II 2 / 33

Clasificación de variables aleatorias

Los coeficientes de aversión al riesgo nos permiten clasificar funciones de

Ricard Torres (CIE — ITAM) Dominancia estocástica Microeconomía aplicada II 3 / 33

Dominancia estocástica de primer orden: definición

El primer criterio de clasificación que usaremos será lo más amplio posible.

+ Decimos que una variable aleatoria X domina en el sentido de dominancia

Ricard Torres (CIE — ITAM) Dominancia estocástica Microeconomía aplicada II 4 / 33

Dominancia estocástica de primer orden: explicación

Sea u : + →  la función de utilidad de Bernoulli sobre riqueza de un

Ricard Torres (CIE — ITAM) Dominancia estocástica Microeconomía aplicada II 5 / 33

Dominancia estocástica de primer orden: explicación

Como { es}creciente, tenemos que u(15) ≥ u(5), lo cual implica que

Ricard Torres (CIE — ITAM) Dominancia estocástica Microeconomía aplicada II 6 / 33

Generación de variables aleatorias que dominan a una variable

Vamos a mostrar cómo, a partir de una cierta variable aleatoria X, podemos

Ricard Torres (CIE — ITAM) Dominancia estocástica Microeconomía aplicada II 7 / 33

1: Transferir probabilidad a niveles superiores de riqueza

Partimos de la variable aleatoria X que pone probabilidades (1/ 3, 1/ 3, 1/ 3)

Ricard Torres (CIE — ITAM) Dominancia estocástica Microeconomía aplicada II 8 / 33

2: Asignar las mismas probabilidades a niveles superiores de

Partimos de la variable aleatoria X que pone probabilidades (1/ 3, 1/ 3, 1/ 3)

Ricard Torres (CIE — ITAM) Dominancia estocástica Microeconomía aplicada II 9 / 33

Ricard Torres (CIE — ITAM) Dominancia estocástica Microeconomía aplicada II 10 / 33

Transferencia de probabilidad a valores superiores

Ricard Torres (CIE — ITAM) Dominancia estocástica Microeconomía aplicada II 11 / 33

Asignación de probabilidad a valores superiores

Partimos de una variable X que pone probabilidades (1/ 3, 1/ 3, 1/ 3) sobre

Ricard Torres (CIE — ITAM) Dominancia estocástica Microeconomía aplicada II 12 / 33

ä Como la suma de probabilidades es siempre 1, tendremos que, para cada

Ricard Torres (CIE — ITAM) Dominancia estocástica Microeconomía aplicada II 13 / 33

Función de distribución: ejemplo

Ricard Torres (CIE — ITAM) Dominancia estocástica Microeconomía aplicada II 14 / 33

Funciones de distribución con DEPO

Ricard Torres (CIE — ITAM) Dominancia estocástica Microeconomía aplicada II 15 / 33

Funciones de distribución con DEPO

En el ejemplo anterior, la variable aleatoria Y domina en el sentido de DEPO a X,

Ricard Torres (CIE — ITAM) Dominancia estocástica Microeconomía aplicada II 16 / 33

Caracterización de DEPO mediante funciones de distribución

. En general, sean X y Z variables aleatorias tales que la segunda toma siempre

Ricard Torres (CIE — ITAM) Dominancia estocástica Microeconomía aplicada II 17 / 33

Variables aleatorias continuas

En aplicaciones concretas, puede ser difícil asociar niveles de riqueza

Ricard Torres (CIE — ITAM) Dominancia estocástica Microeconomía aplicada II 18 / 33

Función de distribución de variables aleatorias continuas

Si una variable aleatoria continua X pone sólamente probabilidad positiva en

Por ejemplo, si X tiene una distribución exponencial con parámetro Ý > 0, su

fX (z) = Ý e−Ýz , para z ≥ 0,

FX (z) = 1 − e−Ýz , para z ≥ 0.

Ricard Torres (CIE — ITAM) Dominancia estocástica Microeconomía aplicada II 19 / 33

Función de distribución de variables aleatorias continuas

Ricard Torres (CIE — ITAM) Dominancia estocástica Microeconomía aplicada II 20 / 33

Variables aleatorias continuas y DEPO

Las caracterizaciones de DEPO en términos de funciones de distribución siguen

Ricard Torres (CIE — ITAM) Dominancia estocástica Microeconomía aplicada II 21 / 33

Variables aleatorias continuas y DEPO: ejemplo

Sea X una distribución exponencial con parámetro Ý = 1, y Y una distribución

Ricard Torres (CIE — ITAM) Dominancia estocástica Microeconomía aplicada II 22 / 33

Sea u : + → la función de utilidad de Bernoulli sobre riqueza de un