Está en la página 1de 72

La Teora del Consumidor:

Incertidumbre
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.
Incertidumbre y Riesgo
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.
Incertidumbre y Riesgo
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.
Descripcin de la Incertidumbre
Por simplicidad, supondremos que E es un conjunto finito:
E={e
1
,...,e
m
}.
La lista de estados de la naturaleza es un conjunto de sucesos
mutuamente excluyentes y colectivamente exhaustivos.
Descripcin de la Incertidumbre
Una distribucin de probabilidad sobre E, especifica la
probabilidad de cada estado de la naturaleza,
p
i
=Pr(e
i
).
As, una distribucin de probabilidad sobre E es simplemente un
vector
p=(p
1
,...,p
m
)
que satisface
(i) 0 ! p
i
! 1
(ii) p
1
+ p
2
+...+ p
n
=1.
Descripcin de la Incertidumbre
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.
Loteras
Podemos representar todas la 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.
Loteras
Por ello, preferimos describir cada lotera como un par
l = (x,p),
en el que el vector
x = (x
1
,...,x
n
)
especifica los pagos posibles, y el vector
p = (p
1
,...,p
n
)
indica las probabilidades con que se reciben estos pagos.
Loteras
Ejemplo 1. Jorge tiene el coche averiado. 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.
Alternativamente, le ofrecen un coche usado por 1.000 euros.
Jorge necesita un medio de transporte.
Debera reparar su coche o reemplazarlo?
Loteras
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.
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.
Preferencias y Riesgo
Ejemplos: Sean l = (x,p), l = (x,p) " L.
[1] Preferencias VEM:
l !
VEM
l si E(l) # E(l).
(Discutir la Paradoja de San Petersburgo.)
[2] Preferencias maxmin:
l !
Mm
l si min {x
1
,...,x
n
} # min {x
1
,...,x
n
}.
(Discutir la racionalidad de estas preferencias.)
Preferencias y Riesgo
Ejemplos: Sean l = (x,p), l = (x,p) "L.
[3] Preferencias $:
l !
$
l si E(l
$
) # E(l
$
).
Aqu,
E(l
$
) = %
i
p
i
x
$
i
.
Preferencias y Riesgo
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.
Preferencias y Riesgo
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].
[2] Tenemos
min {4, 1} = 1 y min {0, 5} = 0.
Por tanto
l "
Mm
l.
Preferencias y Riesgo
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].
[3] Consideramos ! = 0,5. (Nota x
0,5
= &x.). Tenemos
E(l
$
) = 1/2 &4 + 1/2 &1 = 3/2
y
E(l
$
) = 1/2&0 + 1/2&5 =&5/2 < 3/2.
Por tanto,
l "
0,5
l.
Preferencias y Riesgo
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].
[3a] Consideramos ! = 2. Tenemos
E(l
$
) = 1/2 (4
2
) + 1/2 (1
2
) = 17/2
y
E(l
$
) = 1/2 (0
2
) + 1/2 (5
2
) =25/2.
Por tanto,
l "
2
l.
Preferencias y Riesgo
Axiomas
A.1. Las preferencias son completas si
# l, l " L:
l ! l, o l ! l, o ambos.
A.2. Las preferencias son transitivas si
# l, l , l " L:
l ! l y l ! l implica l ! l.
Preferencias sobre loteras: Axiomas
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.
Preferencias sobre loteras: Axiomas
A.4. Las preferencias son continuas si para
cualquier secuencia {l
n
} ={(x
n
,p
n
)} "L:

Si #n: l
n
! l, y lim
n"'
l
n
=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.
Preferencias sobre loteras: Axiomas
Ejemplos
Es fcil comprobar que las preferencias descritas en los ejemplos
[1] a [3] (!
VEM
, !
Mm
y !
!
) satisfacen los axiomas 1-4.
Preferencias sobre loteras: Axiomas
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 " !.
Funciones de Utilidad
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 axiomas
A.1, A.2 y A.4 puede representarse mediante una funcin de
utilidad v.
Funciones de Utilidad
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).
Funciones de Utilidad
Ejemplos
(2) Preferencias !
Mm
(maxmin): La funcin
v(l) = min {x
1
,..., x
n
}
representa estas preferencias. Obsrvese que para l =(x,p),
l =(x,p) en L:
l !
Mm
l % min {x
1
,..., x
n
} # min {x
1
,..., x
n
}.
Funciones de Utilidad
Ejemplos
(3) Preferencias !
$
: La funcin esperanza matemtica,
v(l) = E(l
$
)
representa estas preferencias: #l, l " L:
l !
$
l % E (l
$
) # E (l
$
).
Funciones de Utilidad
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
$
.
Utilidad Esperada
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
p
i
u(x
i
).
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.
Utilidad Esperada
Qu preferencias pueden representarse mediante funciones de
utilidad von Neumann-Morgensten? La respuesta a esta pregunta
requiere introducir un nuevo axioma sobre las preferencias de
loteras.
Sean l=(x
1
,...,x
n
;p
1
,...,p
n
) y l = (x
1
,..,x
n
; p
1
,...,p
n
) dos loteras
y sea ("[0,1]. La lotera l =[(l + (1-()l] = (x,p) est
definida como l = (x, p), donde
x = (x
1
,...,x
n
;x
1
,..,x
n
)
p= ((p
1
,...,(p
n
,(1-() p
1
,..., (1-() p
n
).
Utilidad Esperada
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] .
Utilidad Esperada
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 Bernoulli
u: ! " ! tal que #l,l " L:
l ! l % Eu(l) # Eu(l).
Si adems la relacin de preferencias ! satisface el axioma A.3,
entonces u es creciente.
Utilidad Esperada
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.
Actitudes frente al 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).
Actitudes frente al Riesgo
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.
Actitudes frente al Riesgo
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.
Actitudes frente al Riesgo
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.
Actitudes frente al Riesgo
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.
Actitudes frente al Riesgo
Sea l una lotera cualquiera no degenerada y sea l
c
una lotera
(degenerada) que paga E(l) con certidumbre; es decir l
c
=(E(l);1).
Decimos que el individuo con preferencias ! sobre L es
! Neutral al Riesgo: si l ~ l
c
.
! Averso al Riesgo: si l
c
" l.
!

Amante del Riesgo: si l " l
c
.
Actitudes frente al Riesgo
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 optar
a 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.
Actitudes frente al 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)).
Actitudes frente al Riesgo
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 = (x
1
, x
2
; (, 1-(), una lotera tal que x
1
) x
2
y 0 < ( < 1.
Tenemos
Eu(l) = ( u(x
1
) + (1-() u(x
2
),
y
E(l) = (x
1
+ (1-()x
2
.
Actitudes frente al Riesgo
Si el individuo es neutral al riesgo, entonces
(u(x
1
) + (1-()u(x
2
) = Eu(l) =u(E(l)) =u((x
1
+ (1-()x
2
).
Puesto que x
1
, x
2
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.
Actitudes frente al Riesgo
Renta
x1 E(l)
Utilidad
0
x2
u(E(l))
u(x1)
u(x2)
Neutral al Riesgo
Por otra parte, puesto que la lotera l es no degenerada, si el
individuo es averso al riesgo, entonces
(u(x
1
) + (1-()u(x
2
) = Eu(l) < u(E(l)) = u((x
1
+ (1-()x
2
).
Es decir, u es una funcin es (estrictamente) cncava.
Actitudes frente al Riesgo
Renta
Utilidad
u(x2)
u(x1)
u(E(l))
E(l) x1 x2
!u(x1)+(1-!)u(x2)
Averso al Riesgo
Y si el individuo es amante del riesgo, entonces
(u(x
1
) + (1-()u(x
2
) = Eu(l) > u(E(l)) = u((x
1
+ (1-()x
2
).
Es decir, u es una funcin es (estrictamente) convexa.
Actitudes frente al Riesgo
Renta
Utilidad
u(x2)
u(x1)
E(l) x1 x2
!u(x1)+(1-!)u(x2)
Amante del Riesgo
u(E(l))
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.
Actitudes frente al Riesgo
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.
Actitudes frente al Riesgo
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) = x
2
= (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.
Actitudes frente al 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 u2
representan 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.)
Actitudes frente al Riesgo
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.
Actitudes frente al Riesgo
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).
Actitudes frente al Riesgo
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).
Actitudes frente al Riesgo
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.
Actitudes frente al Riesgo
Ejercicio: ilustrar la aplicacin de estos conceptos utilizando
el ejercicio 2 de la lista.
Actitudes frente al Riesgo
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 coste-beneficio.
Nos planteamos esta cuestin en el contexto de un ejemplo ya
discutido.
Valor de la Informacin
Ejemplo 1 : Jorge tiene el coche averiado y debe decidir si
repararlo o reemplazarlo por otro coche usado cuyo precio es
1.000 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?
Valor de la Informacin
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.
Valor de la Informacin
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 slo
1000 euros (el coste del vehculo de ocasin que le ofrecen) si
es grave.
Por tanto, enfrentara la lotera l
I
cuya utilidad esperada es
Eu(l
I
) =E(l
I
) = 1/3 (-300) + 2/3 (-1000) = -766,6.
Valor de la Informacin
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(l
I
(M)) = 1/3 (-300-M) + 2/3 (-1000-M) = -(766,6 + M).
Valor de la Informacin
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(l
I
(M)) = Eu(l*).
Valor de la Informacin
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.
Valor de la Informacin
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.
Valor de la Informacin
Obsrvese que como Jorge es neutral al riesgo y representamos sus
preferencias mediante u(x) = x, tenemos
Eu(l) = E(l),
y
Eu(l
I
(M)) = E(l
I
) - M.
Por ello, en este caso
Eu(l
I
(M*)) = Eu(l*) % E(l
I
) = E(l*) - M*.
Es decir,
M* =E(l
I
) - E(l*).
Valor de la Informacin
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(l
R
) = 1/3 &900 + 2/3 &0 * 10.
Valor de la Informacin
Su utilidad esperada si lo sustituye por uno usado es
Eu(l
S
) = &200 * 14,14.
Por consiguiente,
Eu(l
S
) > Eu(l
R
);
con estas preferencias (y creencias) la decisin ptima es sustituir
el coche, l* = l
S
.
Valor de la Informacin
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(l
I
(M)) = 1/3 &1200-300-M + 2/3 &1200-1000-M.
Valor de la Informacin
El valor de la informacin lo obtenemos de resolver la ecuacin
Eu(l
I
(M)) = Eu(l*);
es decir,
1/3 &900-M + 2/3 &200-M = &200.
Resolviendo, obtenemos
M* * 144,23 ) 133,3.
Valor de la Informacin
La frmula obtenida en este ejemplo para calcular el valor de la
informacin,
Eu(l
I
(M)) = Eu(l*),
nos permite en general calcular el valor de la informacin, ya se
informacin perfecta, como en el ejemplo, o imperfecta o parcial.
Sin embargo, cuando la informacin es parcial, el clculo de la
lotera l
I
(M), que requiere identificar la alternativa ptima en
funcin de la realizacin de esta informacin, puede ser
complicado.
Valor de la Informacin
Valor de la Informacin Imperfecta
Ejercicio 4. Cunto estara dispuesto a pagar Pedro Banderas por
saber si la pelcula se estrenar o no?
Valor de la Informacin