You are on page 1of 11

Teora del Consumidor: Incertidumbre

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 decisin con incertidumbre:
Inversin (en activos fsicos o financieros, en capital humano)
Eleccin de una carrera profesional
Financiacin para la adquisicin bienes o activos (vivienda)
Eleccin de un seguro de vida, de coche o de hogar.
Eleccin de un candidato a un cargo poltico
-

En este contexto:

Elegir una alternativa implica asumir las consecuencias inciertas que se deriven de sta.
Las alternativas disponibles son loteras. Adoptar una decisin involucra apostar.
Descripcin de la Incertidumbre
Describir la incertidumbre del consumidor requiere en la prctica formalizar un espacio
probabilstico:
Un espacio muestral, E, que contenga el conjunto de todos los sucesos elementales o
estados de la naturaleza posibles.
Una distribucin de probabilidad sobre E, que especifique la probabilidad a cada estado
de la naturaleza.
-

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.
Una distribucin de probabilidad sobre E, especifica la probabilidad de cada estado de la
naturaleza,
pi =Pr(ei).
As, una distribucin de probabilidad sobre E es simplemente un vector p= (p1,...,pm)
que satisface (i) 0 pi 1(ii) p1 + p2 +...+ pn =1.

Loteras
Para simplificar, nos limitamos a tratar los problemas en los que las consecuencias de las
decisiones son exclusivamente monetarias.
Las alternativas de decisin posibles, a las que nos referimos como loteras, son variables
aleatorias que especifican un pago (una prdida o ganancia) en cada estado de la naturaleza
posible.
Podemos representar todas las loteras posibles como funciones

l: E .

Es decir, una lotera es una variable aleatoria. Sin embargo, esta representacin resulta
inconveniente porque entonces necesitamos un espacio probabilstico muy grande y complejo,
que recoja todos los sucesos relevantes para todas las loteras posibles.
Por ello, preferimos describir cada lotera como un par
l = (x,p), en el que el vector x = (x1,...,xn) especifica los pagos posibles,
y el vector p = (p1,...,pn) indica las probabilidades con que se reciben estos pagos.
Ejemplo 1.
Jorge tiene el coche averiado. Reparar su coche costara300 euros si la avera es leve y 1.200
euros si es grave. La probabilidad de que la avera sea grave es 2/3.Alternativamente, le ofrecen
un coche usado por 1.000 euros. Jorge necesita un medio de transporte. Debera reparar su
coche o reemplazarlo?
L1 = (-300, -1200; 1/3, 2/3) Precio esperado -300x1/3 -1200x2/3 = 900
L2 = (-1000, 1) La decisin de Jorge depender de sus preferencias por el riesgo.
Preferencias y riesgo
Para formular una teora del consumidor (o en general de la decisin) con incertidumbre
postulamos que cada individuo tiene unas preferencias bien definidas (una relacin
binaria) sobre el conjunto de loteras posibles, L.
Para l = (x,p), l = (x,p) en L:
: Relacin de preferencia:
l l (l es preferida o indiferente a l).
: Relacin de preferencia estricta:
l l (l es preferida a l) -- l l, pero no l l.
~: Relacin de indiferencia:
l ~ l (l es indiferente a l) -- l l y l l.

Ejemplos: Sean l = (x,p), l = (x,p) L.

[1] Preferencias VEM: [VEM: Valor Esperado Medio]


l VEM l si E(l) E(l).
Ej: l1 = (100, 0, , )

l2 = (30, 10, , )

VEM (l1)_ 100x + 0x = 50

Elegir el del VEM mayor

VEM (l2) 50x1/2 + 10x1/2 = 30


PARADOJA DE SAN PETESBURGO
Lanzamiento de una moneda de 2 hasta que nos salga cruz por primera vez y el jugador
obtiene 2^n donde n es el nmero de lanzamientos que ha hecho hasta que ha salido cruz.
Probabilidad de que salga cruz en el lanzamiento n
k = 1 Prob =

k = 2 prob = x = 1/2^2 .... K = n prob = 1/2^n

Ganancia Esperada = 2x + 2^2 x 1/ 2^2


[2] Preferencias maxmin:
l Mm l si min {x1,...,xn} min {x1,...,xn}.
Ej: l1 = (100, 0, , ) min = 0 l2 (50, 10, , ) min 10
Un agente con preferencias maxmin, se olvida de las probabilidades y se fija en los mnimos.
Por ello elegir l2 porque su mnimo es mayor.
E(1^alfa 1) = 100^ x + 0^ x

Cogera aquella cuyo valor de esta media sea mayor

E(1^alfa 2) = 50^ x + 10^ x


[3] Preferencias :l l si E(l) E(l).
Aqu, E(l) = i pi xi.
Ejemplo 2. Ordene las loteras 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
E (l) = 1/2 (4) + 1/2 (1) = 2,5 y

E(l) = 1/2 (0) + 1/2 (5) = 2,5.

Por tanto l ~VEM l.


[2] Tenemos
min {4, 1} = 1 y min {0, 5} = 0.Por tanto l Mm l.

[3] Consideramos = 0,5. (Nota x0,5 = x.). Tenemos

E(l) = 1/2 4 + 1/2 1 = 3/2y


E(l) = 1/20 + 1/25 =5/2 < 3/2.
Por tanto, l 0,5 l.
[3a] Consideramos = 2. Tenemos
E(l) = 1/2 (42) + 1/2 (12) = 17/2y E(l) = 1/2 (02) + 1/2 (52) =25/2.
Por tanto, l 2 l.
Axiomas
A.1. Las preferencias son completas si
l, l L:

ll, o l l, o ambos.

A.2. Las preferencias son transitivas si


l, l , l L:

ll y l l implica l l.

A.3. Las preferencias son montonas si


l=(x,p), l = (x,p) L:

{x > x y p = p} l l.

Es decir, si los pagos de una lotera son uniformemente mayores que los de otra, entonces
la primera es preferida.
A.4. Las preferencias son continuas si para
cualquier secuencia {ln} ={(xn,pn)} L:
Si n: lnl, y limn ln =l, entonces l l.
Es decir, pequeas variaciones en los pagos o en la distribucin de una lotera no alteran de
forma drstica sus relaciones con otras loteras.
Ejemplos
Es fcil comprobar que las preferencias descritas en los ejemplos
[1] a [3] (VEM, Mm y ) satisfacen los axiomas 1-4.
Funciones de utilidad
Como en el caso de certidumbre, sera muy conveniente disponer de una funcin de utilidad
para describir las preferencias de un individuo. Con incertidumbre, una funcin de utilidad v
asocia con cada loteras l L, un nmero real v(l); es decir, v: L .

Definicin

Una funcin de utilidad v representa una relacin binaria sobre el conjunto de loteras L si
para todo l, l L:
l l v(l) v(l).
Teorema
Toda relacin de preferencias sobre L que satisfaga los axiomasA.1, A.2 y A.4 puede
representarse mediante una funcin de utilidad v.
Ejemplos:
(1) Preferencias VEM: La funcin esperanza matemtica v(l) = E(l) representa estas
preferencias; l, l L: l VEM l E(l) E(l).
(2) Preferencias Mm (maxmin): La funcin
v(l) = min {x1,..., xn} representa estas preferencias. Obsrvese que para l = (x,p),
l =(x,p) en L:

l Mm l min {x1,..., xn} min {x1,..., xn}.

(3) Preferencias : La funcin esperanza matemtica, v(l) = E(l )representa estas


preferencias: l, l L: l l E (l) E (l).
Utilidad esperada
Las preferencias tienen un propiedad interesante: pueden representarse mediante una
funcin de utilidad que puede expresarse como la esperanza matemtica de una variable
aleatoria cuyos valores son una funcin de los pagos de la lotera; concretamente, para estas
preferencias, la funcin que hemos encontrado es
u (x) = x.
Es natural interpretar u(x) como la utilidad del pago x. De hecho, a partir cualquier funcin
u: define una funcin de utilidad sobre el conjunto de loteras 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 loteras v que pueden expresarse de esta forma (como una composicin del
operador esperanza E y una funcin de utilidad de Bernoulli) como funciones de utilidad von
Neumann-Morgensten.
Qu preferencias pueden representarse mediante funciones de utilidad von NeumannMorgensten? La respuesta a esta pregunta requiere introducir un nuevo axioma sobre las
preferencias de loteras.
Sean l=(x1,...,xn;p1,...,pn) y l = (x1,..,xn; p1,...,pn) dos loteras y sea [0,1].
La lotera l =[l + (1-)l] = (x,p) est definida como l = (x, p), donde
x = (x1,...,xn;x1,..,xn)
p= (p1,...,pn,(1-) p1,..., (1-) pn).

Supongamos que L es un conjunto convexo; es decir:

l, l L y [0,1]: l = [l + (1-)l] L.
A.5. (Independencia) l, l , l L:

l l [l + (1-)l] [l + (1-)l] .

Teorema
Si una relacin de preferencias sobre L satisface los axiomas A.1, A.2, A.4 y A.5, entonces
existe funcin de utilidad vN-M que la representa; es decir, existe una funcin de utilidad de
Bernoulliu: tal que l,lL:
l l Eu(l) Eu(l).
Si adems la relacin de preferencias satisface el axioma A.3, entonces u es creciente.
Actitudes frente al Riesgo
El riesgo inherente en cada lotera es uno de los aspectos determinantes para ordenar las
loteras posibles e identificar la mejor opcin. Obviamente, el grado de renuencia o aversin
al riesgo (o el grado de atraccin por el riesgo) es distinto para cada individuo. Para empezar,
proponemos definiciones especficas de los conceptos de aversin al riesgo, neutralidad frente
al riesgo y atraccin por el riesgo.
Discutamos las consecuencias de la actitud de un individuo frente al riesgo en un sencillo
problema de decisin:
Supongamos que un individuo debe decidir si apostar a una lotera en la que se ganan o se
pierden 10 euros con idntica probabilidad, frente a la alternativa de no hacerlo. Podemos
representar las dos loteras que enfrenta el individuo como l = (10, -10; 1/2, 1/2) y l = (0; 1).
Puesto que E(l) = E(l) = 0,
parece natural postular que un individuo neutral al riesgo es decir, alguien que no sienta
atraccin ni aversin por el riesgo) debera ser indiferente entre apostar por la lotera o no
hacerlo. Es decir, si N son las preferencias de un individuo neutral al riesgo,
entonces:

l N l.

Sin embargo, un amante del riesgo debera encontrar excitante apostar por la lotera l. Es
decir, si AM son las preferencias de un amante del riesgo,
Entonces:

l AM l.

Y si el individuo es averso al riesgo preferir no apostar. Es decir, si AV son las


preferencias de un averso al riesgo,
Entonces:

l AV l.

Este simple ejemplo motiva las siguientes definiciones:


Decimos que una lotera l L es no degenerada si involucra al menos dos pagos distintos
con probabilidad positiva. En el ejemplo descrito, la lotera l es no degenerada, mientras que l
es una lotera degenerada.
Sea l una lotera cualquiera no degenerada y sea lc una lotera (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 lcl.

Amante del Riesgo: si l lc.


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 errneamente a una
pregunta, se pierde todo lo ganado. Despus de acertar la primera pregunta, el individuo, que
cree que conoce la respuesta a cualquier pregunta con probabilidad 1/2, debe decidir si optara la
segunda y/o a la tercera. Representar el problema mediante un rbol de decisin y resolverlo
para un individuo averso al riesgo, para uno neutral al riesgo y para uno amante del riesgo.
Proposicin 1
Supongamos que las preferencias de un individuo sobre el conjunto de loteras L estn
representadas por la funcin de utilidad de Bernoulli u. Sea l L una lotera no degenerada.
-

Entonces el individuo es

Neutral al Riesgo: si y slo si Eu(l) = u(E(l)).


Averso al Riesgo: si y slo si Eu(l) < u(E(l)).
Amante del Riesgo: si y slo si Eu(l) > u(E(l)).
Esta simple proposicin sugiere que existe una relacin 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; , 1-), una lotera tal que x1 x2 y 0 < < 1.Tenemos:
Eu(l) = u(x1) + (1-) u(x2)

y E(l) = x1 + (1-)x2.

Si el individuo es neutral al riesgo, entonces


u(x1) + (1-)u(x2) = Eu(l) =u(E(l)) =u(x1 + (1-)x2).
Puesto que x1, x2 y son arbitrarias, esto implica que u
es una funcin afn; es decir,
u(x) = a + bx.
Obsrvese que A.3 implica que u(x) = b > 0.

Por otra parte, puesto que la lotera l es no degenerada, si


el individuo es averso al riesgo, entonces
u(x1) + (1-)u(x2) = Eu(l) < u(E(l)) = u(x1 + (1-)x2).
Es decir, u es una funcin es (estrictamente) cncava.

Y si el individuo es amante del riesgo, entonces


u(x1) + (1-)u(x2) = Eu(l) > u(E(l)) = u(x1 + (1-)x2).
Es decir, u es una funcin es (estrictamente) convexa.

Proposicin 2
Supongamos que las preferencias de un individuo sobre el conjunto de loteras L estn
representadas por la funcin de utilidad de Bernoulli u. El individuo es:
Neutral al Riesgo: si y slo si u es una funcin afn.
Averso al Riesgo: si y slo si u es una funcin (estrictamente) cncava.
Amante del Riesgo: si y slo si u es una funcin (estrictamente) convexa.
Si una funcin de utilidad de Bernoulli es dos veces diferenciable, entonces las propiedades de
la proposicin 2 son fciles identificar. En este caso, el individuo es
Neutral al Riesgo: si y slo si x : u (x) = 0.
Averso al Riesgo: si y slo si x : u (x) < 0.
Amante del Riesgo: si y slo si x : u (x) > 0.
Obsrvese que mientras que para cualquier funcin creciente f: , la funcin de
utilidad sobre loteras: w(l) = f(v(l))
representa las mismas preferencias que la funcin de utilidad v(l), este no es el caso para las
funcin de utilidad de Bernoulli. Por ejemplo, las funciones de Bernoulli
u1(x) = x, u2(x) = x2 = (u1(x))2
no representan las misma preferencias, a pesar de que u2 es una transformacin montona
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.
Sin embargo, si u2 es una transformacin afn de u1, es decir,
u2(x) = a + b u1(x), donde b > 0, entonces la funciones de utilidad de Bernoulli u1 y
u2representan las mismas preferencias.

Esto es debido simplemente a que la esperanza matemtica es un operador lineal. (Si X es


una variable aleatoria y a,b, entonces
E(a+bX) = a + b E(X).) Por ello, para cualquier lotera l tenemos Eu2(l) = a + b Eu1(l),
y, por consiguiente, l,l 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
funcin u(x) = x.)
Para obtener una ltima caracterizacin de las distintas actitudes frente al riesgo introducimos
los conceptos de equivalente de certidumbre y de prima de riesgo de una lotera.
Supongamos que las preferencias de un individuo sobre el conjunto de loteras L estn
representadas por la funcin de utilidad de Bernoulli u. Sea l L.
El equivalente de certidumbre de la lotera l, EC(l), es la solucin a la ecuacin u(x) = Eu(l).
La prima de riesgo de la lotera l, PR(l), es PR(l) = E(l) - EC(l).
Proposicin 3
Sea EC: L la funcin que describe para cada lotera l L el equivalente de certidumbre
de un individuo EC(l). El individuo es:
Neutral al Riesgo: si y slo si l L: EC(l) = E(l).
Averso al Riesgo: si y slo si l L : EC(l) < E(l).
Amante del Riesgo: si y slo si l L : EC(l) > E(l).
Proposicin 4:
Sea PR: L la funcin que describe para cada lotera l L la prima de riesgo de un
individuo, PR(l). El individuo es
Neutral al Riesgo: si y slo si l L : PR(l) = 0.
Averso al Riesgo: si y slo si l L : PR(l) > 0.
Amante del Riesgo: si y slo si l L : PR(l) < 0.
Ejercicio: ilustrar la aplicacin de estos conceptos utilizando el ejercicio 2 de la lista.
Valor de la Informacin
En situaciones de incertidumbre, la adquisicin de informacin adicional puede permitir al
individuo reducir su incertidumbre, ayudndole a seleccionar la mejor alternativa y, en
definitiva, a aumentar su bienestar. Sin embargo, cuando adquirir nueva informacin es
costoso, determinar si el individuo debe adquirir la informacin requiere un anlisis costebeneficio. Nos planteamos esta cuestin en el contexto de un ejemplo ya discutido.

Ejemplo 1: Jorge tiene el coche averiado y debe decidir si repararlo o reemplazarlo por otro
coche usado cuyo precio es1.000 euros. Reparar su coche costara 300 euros si la avera es leve
y 1.200 euros si es grave. La probabilidad de que la avera sea grave es 2/3.Cunto pagara
Jorge por saber de antemano si la avera es leve o grave?
Recordemos que Jorge era neutral al riesgo, por lo que podemos representar sus preferencias
mediante la funcin de utilidad de Bernoulli u(x) = x, y que su decisin ptima l* era reparar su
coche. Esta decisin le reportaba una utilidad esperada
Eu(l*) = E(l*) = 1/3 (-300) + 2/3 (-1200) = -900.
Si Jorge supiera con certeza si la avera es leve o grave, podra condicionar su decisin a
una situacin o la otra, reparando su coche si la avera es leve y sustituyndolo si es grave.
Por tanto, si dispusiera de esta informacin antes de decidir, se garantizara un coste de 300
euros si la avera es leve, y de slo1000 euros (el coste del vehculo de ocasin que le ofrecen)
si es grave. Por tanto, enfrentara la lotera lI cuya utilidad esperada es
Eu(lI) =E(lI) = 1/3 (-300) + 2/3 (-1000) = -766,6.
Cunto estara dispuesto a pagar Jorge por esta informacin que le permite conocer el
estado de la naturaleza con certeza?
Si Jorge paga M euros por la informacin, entonces obtiene una utilidad esperada
Eu(lI(M)) = 1/3 (-300-M) + 2/3 (-1000-M) = -(766,6 + M).
La cantidad mxima que estara dispuesto a pagar, M*, debe ser tal que aadida al coste
de la alternativa ptima en cada estado de la naturaleza le reporte un nivel de utilidad
esperada idntico al que obtendra sin informacin, Eu(l*).Por consiguiente, M* es la
solucin a la ecuacin Eu(lI(M)) = Eu(l*).
Como Eu (l*) = -900, la cantidad mxima que Jorge pagara por la informacin es la solucin
a la ecuacin
-(766,6 + M*) = -900;

es decir, M* = 133,3 euros.

Nos referimos a M* como el valor de la informacin (perfecta) para Jorge. Observe que el
clculo del valor de la informacin involucra las preferencias de Jorge. Por consiguiente, este el
valor de la informacin no es objetivo sino subjetivo.
Obsrvese que como Jorge es neutral al riesgo y representamos sus preferencias mediante
u(x) = x, tenemos
Eu(l) = E(l),y Eu(lI(M)) = E(lI) - M.
Por ello, en este caso Eu (lI(M*)) = Eu(l*) E(lI) = E(l*) - M*
Es decir, M* =E(lI) - E(l*).
Sin embargo, esta frmula no es correcta cuando el individuo no es neutral al riesgo.
Comprobmoslo.

Supongamos que las preferencias de Jorge estn representadas por la funcin de utilidad de
Bernoulli u(x) = (1200 + x)
Como u(x) < 0, Jorge es ahora averso al riesgo. Su utilidad esperada si repara el coche es
Eu(lR) = 1/3 900 + 2/3 0 10.
Su utilidad esperada si lo sustituye por uno usado es:

Eu(lS) = 200 14,14.

Por consiguiente, Eu(lS) > Eu(lR);


con estas preferencias (y creencias) la decisin ptima es sustituir el coche, l* = lS.

Por otra parte, si Jorge conociera el estado de la naturaleza reparara el coche si la avera
es leve pero lo sustituira si es grave. (justificar).
Por tanto, si Jorge paga M euros por la informacin, su utilidad esperada sera
Eu (lI(M)) = 1/3 1200-300-M + 2/3 1200-1000-M.
El valor de la informacin lo obtenemos de resolver la ecuacin
Eu(lI(M)) = Eu(l*);es decir,1/3 900-M + 2/3 200-M = 200.
Resolviendo, obtenemos M* 144,23 133,3.
La frmula obtenida en este ejemplo para calcular el valor de la informacin,
Eu(lI(M)) = Eu(l*),
nos permite en general calcular el valor de la informacin, ya sea informacin perfecta, como en
el ejemplo, o imperfecta o parcial.
Sin embargo, cuando la informacin es parcial, el clculo de la lotera lI(M), que requiere
identificar la alternativa ptima en funcin de la realizacin de esta informacin, puede ser
complicado.
Valor de la Informacin Imperfecta
Ejercicio 4. Cunto estara dispuesto a pagar Pedro Banderas por saber si la pelcula se
estrenar o no?