Beruflich Dokumente
Kultur Dokumente
Ricard Torres
CIE — ITAM
{ } ¼n
u(X) = pi u(xi ) = p1 u(x1 ) + p2 u(x2 ) + · · · + pn u(xn ).
i=1
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.
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}
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
F(z)
2
3
1
2
1
3
1
6
.
5 10 15 z
y su función de distribución es
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→+∞
F(z)
0.5
. z
1 2 3
Difusiones de probabilidad
Caracterización de DESO
¿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.
ä Para cada nivel de riqueza y, el área bajo la función de distribución debe ser más
pequeña para X que para Y.
4/ 5
−
3/ 5
2/ 5
+
1/ 5
.
1 2 3 4 5 6 x
Ricard Torres (CIE — ITAM) Dominancia estocástica Microeconomía aplicada II 32 / 33
Dominancia estocástica de segundo orden Funciones de distribución y DESO