Professional Documents
Culture Documents
Publicaes Matemticas
impa
A Short Introduction to Numerical Analysis of Stochastic Differential Equations Luis Jos Roman
An Introduction to Gauge Theory and its Applications - Marcos Jardim
Aplicaes da Anlise Combinatria Mecnica Estatstica - Domingos H. U.
Marchetti
Dynamics of Infinite-dimensional Groups and Ramsey-type Phenomena - Vladimir
Pestov
Elementos de Estatstica Computacional usando Plataformas de Software
Livre/Gratuito - Alejandro C. Frery e Francisco Cribari-Neto
Espaos de Hardy no Disco Unitrio - Gustavo Hoepfner e Jorge Hounie
Fotografia 3D - Paulo Cezar Carvalho, Luiz Velho, Anselmo Antunes Montenegro,
Adelailson Peixoto, Asla S e Esdras Soares
Introduo Teoria da Escolha - Luciano I. de Castro e Jos Heleno Faro
Introduo Dinmica de Aplicaes do Tipo Twist - Clodoaldo G. Ragazzo, Mrio
J. Dias Carneiro e Salvador Addas Zanata
Schubert Calculus: an Algebraic Introduction - Letterio Gatto
Surface Subgroups and Subgroup Separability in 3-manifold Topology - Darren
Long and Alan W. Reid
Tpicos em Processos Estocsticos: Eventos Raros, Tempos Exponenciais e
Metaestabilidade - Adilson Simonis e Cludia Peixoto
Topics in Inverse Problems - Johann Baumeister and Antonio Leito
Um Primeiro Curso sobre Teoria Ergdica com Aplicaes - Krerley Oliveira
Uma Introduo Simetrizao em Anlise e Geometria - Renato H. L. Pedrosa
Distribuio:
IMPA
Estrada Dona Castorina, 110
22460-320 Rio de Janeiro, RJ
E-mail: ddic@impa.br - http://www.impa.br
ISBN: 85-244-0229-6
A minha famlia
L.I.C.F.
livro
2005/5/20
page 1
i
livro
2005/6/9
page 1
i
Sumrio
1 Viso Geral
1.1 Incerteza, risco e ambigidade
1.2 Discusso geral sobre modelos
1.3 Contedo . . . . . . . . . . .
1.4 Pr-requisitos . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
5
5
6
7
8
livro
2005/6/9
page 2
i
SUMRIO
3.3
3.4
3.5
3.6
Caso Enumervel . . . . . .
Conjuntos No-Enumerveis
Preferncias Montonas . .
Exerccios . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
32
33
34
36
4 Teorema de Debreu
37
4.1 Noes Bsicas de Topologia Geral. . . . . . . . . . . . 37
4.2 Teorema de Representao . . . . . . . . . . . . . . . . 41
4.3 Exercicios . . . . . . . . . . . . . . . . . . . . . . . . . 44
5 Teoria do Consumidor
47
5.1 Conceitos Bsicos . . . . . . . . . . . . . . . . . . . . . 47
5.2 Demanda Walrasiana . . . . . . . . . . . . . . . . . . . 49
II
53
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
55
56
59
59
61
68
7 Utilidade Esperada
7.1 Loterias . . . . . . . . . .
7.2 Preferncias sobre loterias
7.3 Atitudes frente ao risco. .
7.4 Exerccios . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
69
70
71
79
85
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
8 Teoria de Savage
87
8.1 Axiomas . . . . . . . . . . . . . . . . . . . . . . . . . . 88
8.2 Teorema de Representao . . . . . . . . . . . . . . . . 91
8.3 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . 99
9 Paradoxos da Utilidade Esperada.
9.1 O paradoxo de Allais. . . . . . . . . . . . . . . . . . .
9.2 Paradoxo de Ellsberg . . . . . . . . . . . . . . . . . . .
9.3 Exerccio . . . . . . . . . . . . . . . . . . . . . . . . .
101
101
103
104
SUMRIO
III
IV
livro
2005/6/9
page 3
i
105
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
Escolha Social
107
108
110
126
133
134
137
150
150
153
157
livro
2005/5/20
page 1
i
livro
2005/6/9
page 5
i
Captulo 1
Viso Geral
Esta monografia est dividida em quatro partes: escolha sob certeza,
escolha sob risco e incerteza, escolha sob ambigidade e escolha social.
Antes de descrever o que contm cada uma das partes, vamos
esclarecer a distino entre risco, incerteza e ambigidade.
1.1
livro
2005/6/9
page 6
i
1.2
1.3. CONTEDO
livro
2005/6/9
page 7
i
1.3
Contedo
A primeira parte apresenta os fundamentos da teoria de deciso usualmente adotada em Economia. Sua aplicao muito geral e, de fato,
abrange muitos contextos diversos, servindo de base tambm para as
escolhas sob risco e sob incerteza. Na verdade, chega quase a ser uma
impropriedade chamar a teoria desenvolvida nesta primeira parte de
escolhas sob certeza. Um ttulo talvez mais preciso seria decises
em situaes abstratas, mas isso poderia obscurecer o fato de que
bem fcil dar exemplos concretos da construo que realizamos nesta
parte.
A primeira parte consta de trs captulos. O captulo 2 desenvolve os conceitos de conjuntos de escolha e de ordens. O captulo 3
introduz o conceito de funo de utilidade. O captulo 4 enuncia e demonstra o Teorema de Debreu de representao de funo utilidade.
O captulo 5 introduz a Teoria do Consumidor como uma aplicao
da teoria desenvolvida nesta primeira parte.
livro
2005/6/9
page 8
i
Na segunda parte, tratamos sob as situaes de risco. O captulo 6 introduz o conceito de estados da Natureza. No captulo 7,
apresentamos a Teoria de Utilidade Esperada, de von Neumman e
Morgenstern. No captulo 8, apresentamos a teoria de probabilidades
subjetivas de Savage, que contempla o que chamamos de situao de
incerteza.
No captulo 9, apresentamos as principais crticas Teoria de
Utilidade Esperada, atravs dos paradoxos de Allais e de Ellsberg.
A partir da, tratamos da Escolha sob Ambiguidade, apresentando
os modelos de Schmeidler e de Gilboa-Schmeidler no captulo 10.
O captulo 11 introduz regras de escolha social. Finalmente, o importante Teorema de Impossibilidade de Arrow enunciado e provado
no captulo 12.
1.4
Pr-requisitos
livro
2005/6/9
page 9
i
Parte I
9
i
livro
2005/6/9
page 10
i
10
.
livro
2005/6/9
page 11
i
Captulo 2
Conjuntos de Escolha e
Ordens
2.1
Introduo
12
livro
2005/6/9
page 12
i
livro
2005/6/9
page 13
i
13
2.2
14
livro
2005/6/9
page 14
i
livro
2005/6/9
page 15
i
15
C1 ({x, y})
C1 ({y, z, w})
C1 ({x, y, w})
C1 ({x, y, z, w})
=
=
=
=
{x} ;
{z} ;
{w} ;
{z} .
C2 ({x, y})
C2 ({y, z, w})
C2 ({x, y, w})
C2 ({x, y, z, w})
=
=
=
=
{x} ;
{y} ;
{w} ;
{z} .
16
livro
2005/6/9
page 16
i
=
=
=
=
{x1 } ;
{x3 } ;
{x2 , x3 }
{x1 }
livro
2005/6/9
page 17
i
17
=
=
=
=
{x1 , x2 } ;
{x1 } ;
{x2 } ;
{x1 } .
18
livro
2005/6/9
page 18
i
2.3
Preferncias
2.3. PREFERNCIAS
livro
2005/6/9
page 19
i
19
20
livro
2005/6/9
page 20
i
2.3.1
livro
2005/6/9
page 21
i
21
2.4
2.4.1
22
livro
2005/6/9
page 22
i
2.4.2
livro
2005/6/9
page 23
i
23
24
livro
2005/6/9
page 24
i
2.4.3
Racionalizao e Representao
livro
2005/6/9
page 25
i
25
2.5
2.5.1
Racionalidade e o AFPR
Racionalidade e suas implicaes sobre C (, <)
26
livro
2005/6/9
page 26
i
2.5.2
As implicaes do AFPR
2.6. EXERCCIOS
livro
2005/6/9
page 27
i
27
2.6
Exerccios
28
livro
2005/6/9
page 28
i
12. assimtrica.
13. Existe relao que no simtrica e tambm no assimtrica.
14. Se < racional, ento relao de equivalncia.
15. Se < racional, ento negativamente transitiva.
livro
2005/6/9
page 29
i
Captulo 3
Funo utilidade
Como vimos nos captulos anteriores, possvel representar escolhas
das pessoas por estruturas de escolha ou por preferncias. No entanto,
estas formas ainda no so completamente satisfatrias porque so
pouco prticas para aplicaes. Em particular, no permitem utilizar
as convenientes ferramentas do clculo, que so possveis com funes.
Nosso primeiro objetivo estabelecer as implicaes sobre as preferncias para o fato de serem representveis por funes de utilidade.
Com isso, aprenderemos as condies necessrias para essa representabilidade.
Em seguida, estudaremos condies suficientes. Isso nos levar a
analisar o caso de finitas alternativas e ir tomando conjuntos cada
vez mais gerais. Por fim, seremos capazes de estabelecer a existncia
de representao por funo utilidade em situaes suficientemente
gerais para serem teis.
3.1
Definio 1. Dizemos que uma funo utilidade u : X R representa uma preferncia < quando para todos x, y X, x < y
u (x) > u (y).
Trabalhar com funes utilidade , em geral, muito mais conveniente que trabalhar com preferncias, porque podemos usar as ferra29
i
30
livro
2005/6/9
page 30
i
livro
2005/6/9
page 31
i
31
3.2
Caso Finito
u (x0 ) =
u0 (xn ) ,
u0 (xn )+u0 (xn+1 )
2
u0 (xn+1 ) ,
se x0 xn
se xn x0 xn+1
se x0 xn+1
32
livro
2005/6/9
page 32
i
3.3
Caso Enumervel
livro
2005/6/9
page 33
i
33
A prova dada no teorema anterior pode ento ser repetida com uma
pequena adaptao no final. Se temos que u (y) u (x) e y x,
existe xn Y tal que esse n pertence a {j N : y < xj } mas no
a {j N : x < xj }. Isso implica que u (y) > u (x), contradizendo
u (y) u (x).
3.4
Conjuntos No-Enumerveis
34
livro
2005/6/9
page 34
i
3.5
Preferncias Montonas
livro
2005/6/9
page 35
i
35
existam , A+
x Ax , > , o que implica, por monotonicidade,
que e e. Temos e < x, x < e, o que implica e x, o mesmo
valendo para , isto , e x. Por transitividade, e e, o que
uma contradio.
Defina a funo u : X R+ associando a cada x X o nico
R tal que e x, isto , pondo u (x) = . Esta funo representa
a preferncia. De fato, se x < y e u (x) < u (y), temos y u (y) e
u (x) e x, o que contradiz x < y. Por outro lado, se u (x) > u (y)
no pode ser y x, pois neste caso teramos u (y) e y x u (x) e,
o que implicaria u (x) < u (y).
Corolrio 13. Sejam X = RL
+ e < uma preferncia racional,
contnua e montona sobre X. Ento existe funo de utilidade contnua u : X R que representa <.
36
livro
2005/6/9
page 36
i
Demonstrao. Basta demonstrar que a u obtida na demonstrao acima contnua. suficiente mostrar que u1 ((u (x) ,
u (x) + )) aberto para todo x X e > 0. De fato,
u1 ((u (x) , u (x) + ))
= {y X : u (x) + > u (y) > u (x) }
=
y X : u1 (u (x) + ) y u1 (u (x) )
=
y X : u1 (u (x) + ) y y X : y u1 (u (x) )
3.6
Exerccios
livro
2005/6/9
page 37
i
Captulo 4
Teorema de Debreu
Apresentaremos neste captulo um teorema de representao para
uma ampla classe de conjuntos de escolhas, o Teorema de Debreu ou
Teorema de Debreu-Eilenberg-Rader. A principal caracterstica da
representao que estudaremos a continuidade, conceito este intimamente ligado topologia do espao de escolha. Assim, num primeiro momento, vamos apresentar algumas noes bsicas de topologia geral para em seguida tratarmos o objetivo central, que d ttulo
a este captulo.
4.1
(c) E1 , E2 E1 E2
Chamamos o par (X, ) de um espao topolgico e estando a
topologia sobre X evidente, como de usual, vamos nos referir a X como
um espao topolgico. Nos referimos aos elementos de uma topologias
como sendo os abertos desta topologia. Um subconjunto F X
fechado se F c pertence topologia .
37
i
38
livro
2005/6/9
page 38
i
C.
{C : CA}
\
Cj : Cj C, j J em que J finito
B=
jJ
livro
2005/6/9
page 39
i
39
K
\
Ck
k=1
B=
Cj : Cj C, j J em que J finito
jJ
logo se B1 , B2 B ento B1 B2 B.
Definimos a topologia como
A x A, B B tal que x B A
Logo uma topologia. Ainda, C uma sub-base por construo.
Seja 1 uma topologia qualquer em X tal que C 1 . Como
interseo finita de abertos um aberto, temos que B 1 . Agora,
como unio arbitrria de abertos um aberto, temos que 1 .
Logo a topologia menos fina tal que C .
40
livro
2005/6/9
page 40
i
livro
2005/6/9
page 41
i
41
4.2
Teorema de Representao
42
livro
2005/6/9
page 42
i
2k
kN (x)
livro
2005/6/9
page 43
i
43
(iii) [t, +] =
[, +] e
<t
u(X)
[, t] =
[, ]
>t
u(X)
e
u1 ([, t]) =
u1 ([, ]) ,
>t
u(X)
44
livro
2005/6/9
page 44
i
4.3
Exercicios
1. Prove a Proposio 5.
2. Dada uma preferncia % sobre Rl+ que apresente uma representao u, prove que % convexa (i. e, {x Rl+ : x % z}
convexo z Rl+ ) se, e s se, u quase-cncava2 .
3. Dada u : R2+ R definida como:
x1 x2 , se x1 x2 < 4 ou x1 x2 > 8
u(x1 , x2 ) =
,
4, se 4 x1 x2 8
prove que a preferncia induzida a partir de u convexa. Existe
alguma representao v : R2+ R cncava para a preferncia
induzida a partir de u?
4. Seja P = [1/3, 2/3] e definimos a seguinte preferncia sobre R2+ :
x % y x1 + (1 )x2 y1 + (1 )y2 , P.
Encontre o conjunto de cestas to boas quanto a cesta (2, 2)
e o ilustre graficamente. Esta preferncia contnua? Existe
funo de utilidade que represente % ?
5. Seja % uma preferncia racional e contnua sobre Rl+ . Prove
que dado qualquer subconjunto compacto C de Rl+ , existe um
melhor elemento x0 C (i.e, x0 % x para todo x C); chamamos
x0 de um elemento maximal.
2 Uma
4.3. EXERCICIOS
livro
2005/6/9
page 45
i
45
46
livro
2005/6/9
page 46
i
livro
2005/6/9
page 47
i
Captulo 5
Introduo Teoria do
Consumidor
Embora no seja o objetivo principal deste curso, interessante indicar como a teoria que desenvolvemos at agora pode ser usada para
modelar o comportamento de consumidores numa economia.
Supomos que os indivduos tm um conjunto de bens a disposio
para comprar: comida (arroz, feijo, carne, etc.), transporte (trem,
nibus, taxi, etc.), roupas, etc. Nossa teoria ser fixa no tempo,
isto , vamos considerar uma escolha esttica, realizada num ponto
bem definido do tempo. Antes de prosseguir, o leitor j capaz de
imaginar qual deveria ser o conjunto de escolha X? Lembre-se que
a quantidade de cada produto tambm um nmero a ser decidido
pelo consumidor.
5.1
Conceitos Bsicos
48
livro
2005/6/9
page 48
i
xB(p,w)
(Problema do Consumidor)
Temos o seguinte:
Teorema 1. (Existncia de Soluo para o Problema do Consumidor) Suponha que p 0, w > 0 e u seja contnua. Ento existe
soluo para o Problema do Consumidor.
Demonstrao. Provemos que B (p, w) compacto no vazio.
Ora, claramente 0 B (p, w). Uma vez que pk > 0 para todo k = 1,
..., L, temos que se x B (p, w) ento
w
pk xk 6 p x 6 w xk 6 .
pk
Ou seja, B (p, w) limitado. Ele fechado porque se xn B (p, w),
xn x, ento p xn 6 w o que implica que p x 6 w, ou seja,
x B (p, w).
livro
2005/6/9
page 49
i
49
Como uma funo contnua assume mximo num conjunto compacto, ento o problema do consumidor tem soluo.
5.2
Demanda Walrasiana
u x1 + (1 ) x2 > min u x1 , u x2 .
Temos o seguinte:
Lema 3. Se a funo u : X R estritamente quase-cncava
ento a demanda Walrasiana univaluada.
Demonstrao.
que existam x1 , x2 x(p, w), x1 6=
1
Suponha
2
2
x . Ento
u x = u x = maxxB(p,w) u(x). No entanto, a cesta
50
livro
2005/6/9
page 50
i
o que um absurdo.
Um outro conceito importante e que ser til no que se segue o
que chamamos a Lei de Walras. Essa Lei estabelece que o consumidor gasta todo seu capital na maximizao de sua utilidade. Para
enunciar a lei de forma mais formal, precisamos de outra definio.
Definio 4. Uma funo utilidade localmente no-sacivel se
para todo > 0 e todo x X, existe um x {y X : kx yk < }
tal que u (x ) > u (x).
A intuio para essa propriedade que o indivduo nunca fica
totalmente saciado com nenhum bem. Se oferecermos um pouco mais
para ele, ele ficar estritamente mais feliz. Essa propriedade permite
provar a Lei de Walras.
Lema 5. (Lei de Walras) Se u localmente no-sacivel, ento
se x x(p, w), tem-se p x = w.
Demonstrao. Suponha que x x(p, w), tem-se px < w. Seja
=
wpx
> 0.
PL
2 l=1 pl
L
X
l=1
pl (x + ) = p x +
L
X
pl < w.
l=1
livro
2005/6/9
page 51
i
51
L
X
l=1
xl (pn , wn )2
L
X
l=1
(x0l ) = kx0 k ,
livro
2005/5/20
page 1
i
livro
2005/6/9
page 53
i
Parte II
53
i
livro
2005/5/20
page 1
i
livro
2005/6/9
page 55
i
Captulo 6
Estados da Natureza e
do mundo
O objetivo deste captulo oferecer uma introduo ao conceito de
estados da Natureza (e estados do mundo), de forma a permitir uma
melhor compreenso dos captulos subseqentes. Leitores suficientemente maduros podem omitir sua leitura sem perda de contedo.
At este momento, investigamos as escolhas de indivduos na
verdade, as preferncias na situao em que estes sabem exatamente o que iro obter depois que tomam suas aes. Por exemplo, ao comprar um quilograma de arroz, o consumidor sabe exatamente o que estar levando para a casa. No h nenhuma "incerteza"associada ao consumo do arroz e usamos aspas apenas
para frisar que ainda no discutimos esse conceito. De fato, apesar de termos chamado a primeira parte desta monografia de escolha
sob certeza, a teoria desenvolvida se abstrai de modelar "incerteza"e,
portanto, suficiente geral para contemplar todos os casos.
H situaes especficas, porm, em que gostaramos de ter uma
modelagem mais explcita de "incerteza". Em geral, ao tomarmos
uma deciso econmica, no sabemos ao certo qual vai ser a conseqncia ou o resultado de tal deciso. Por exemplo, suponha que a
deciso comprar um carro usado. Ao tomarmos a deciso no sabemos se o carro poder ser longamente usado sem apresentar defeitos
55
i
56
livro
2005/6/9
page 56
i
ou se ir dar defeito pouco tempo depois. Ao preo que o carro oferecido, ficaremos satisfeitos na primeira situao, mas no se tivermos
de gastar com manuteno. O problema que a deciso tem de ser
feita sem o conhecimento do que vai acontecer depois.
Um exemplo mais claro o da operao em bolsa. Digamos que
um investidor decida comprar uma ao X hoje ao preo de 1 (uma)
unidade monetria e que ele vai querer vend-la no ano seguinte,
digamos, ao valor de x (em valor presente). Naturalmente o investidor
valoriza o resultado x 1 da operao, onde x representa o preo da
ao no momento da venda. Quando ele est decidindo se compra ou
no a ao, ele no sabe qual o valor de x.
Nesta parte do curso, iremos tentar modelar tais situaes.
6.1
Modelagem de incerteza
Deciso do Investidor
Compra
Compra
No Compra
No Compra
Tabela 1
Resultado Final
x1>0
x160
0
0
livro
2005/6/9
page 57
i
57
Decises
Abre
Apaga
Abre
Apaga
Abre
Apaga
Tabela 2
Resultado Final
Contedo captado
Perde
Perde tempo.
Nada ocorre
Computador infectado
Nada ocorre
58
livro
2005/6/9
page 58
i
desenvolvemos anteriormente. Assumiremos que esta preferncia, denotada por >, racional.
Podemos definir uma ordem sobre as aes da seguinte forma:
Definio 1. a0 <1 a (n, a0 ) > (n, a), para todos n N .
Exerccio 1. Prove que <1 transitiva mas no completa.
O problema com essa definio , como apontado pelo exerccio
acima, ela transitiva, mas no completa, portanto no racional
como gostaramos.
claro que h muitas solues matemticas para esse problema.
Por exemplo, considere a seguinte:
Definio 2. a0 <2 a (n, a0 ) > (n, a), para algum n N .
Voc capaz de dizer qual o problema dessa definio?
Exerccio 2. Prove que <2 transitiva e completa.
Exerccio 3. Prove que a 2 b = a 1 b.
Exerccio 4. Suponha que para todo par de elementos a, b A,
temos que um dos dois fatos ocorre a 2 b ou b 2 a. Mostre que <2
equivalente a <1 .
Vemos que as tentativas anteriores no so aceitveis. A soluo
mais razovel a que leva em conta probabilidades. Consideremos
o caso em que N finito (para no entrarmos em questes mais
sofisticadas de teoria de probabilidade). Seja N = {1, ..., n}. Assumimos que o indivduo tem uma crena dada por uma probabilidade de
ocorrncia de cada um dos estados da natureza e so expressos pelos
nmeros p1 , ..., pn . Ou seja, assumimos que
n
X
pi = 1
i=1
6.2. EXERCCIOS
livro
2005/6/9
page 59
i
59
Pn
i=1
pi u (i, a0 ) >
Pn
i=1
pi u (i, a).
6.2
Exerccios
6.3
60
livro
2005/6/9
page 60
i
Naturalmente, tal discusso terico-filosfica influenciou as aplicaes da Probabilidade em Economia. A teoria de von NeumannMorgenstern que apresentaremos no prximo captulo pertence a uma
certa viso objetivista de mundo. Como veremos, a incerteza est determinada completamente por probabilidades bem definidas, embora
esta possa ser considerada apenas uma forma de interpretar a teoria. De fato, Savage, um grande estatstico subjetivista, usou a teoria
de von Neumann-Morgenstern para basear a teoria de probabilidade
subjetiva! Nesse sentido, o ttulo de seu livro muito sugestivo: The
Foundations of Statistics. A teoria de Savage apresentada no captulo 7.
Desde ento, a literatura econmica de deciso sob incerteza comeou a tratar dois tipos diferentes de eventos incertos, chamando-os
de roletas e corridas de cavalos. Considere por exemplo uma roleta:
ela tem as casas 1, 2, 3, ... , 36 e a casa 0, que no recebe apostas.
So, portanto, 37 casas. A probabilidade (objetiva) de sair qualquer
nmero , portanto, 1/37. Assim, pode-se calcular a probabilidade
de qualquer aposta ser vencedora. Por exemplo, o evento de sair um
nmero par tem, portanto, uma probabilidade de 18/37 (lembrandose que o 0 no conta). A menos que a roleta no seja honesta, essas so
as probabilidades que qualquer um esperaria. Quando nos referirmos
s loterias de von Neumann - Morgenstern, estaremos nos referindo
a coisas que tm uma probabilidade objetiva, como as roletas.
Considere, porm, que o evento incerto o resultado de uma corrida de cavalos. Qual a probabilidade de ganhar o cavalo 2? No
h nenhuma maneira de definir ou estipular objetivamente tal probabilidade. Em outras palavras, cada indivduo estabelecer (ou no)
sua prpria crena sobre a probabilidade de vitria do tal cavalo 2.
Nessa situao, todas as probabilidades sobre o evento incerto so
subjetivas.
Embora isso no seja usual na literatura, podemos ento especificar melhor o conjunto de estados da Natureza, N , como sendo composto de dois tipos de eventos: os resultados de corridas de cavalos
(subjetivos) e os resultados de roletas (objetivos). Isto , escrevemos
N = S O onde S representa o conjunto de estados associados a
corridas de cavalos (aos quais cada agente atribuir sua probabilidade subjetiva) e O representar os estados da Natureza associados a
roletas (para os quais a probabilidade de ocorrncia objetivamente
livro
2005/6/9
page 61
i
61
6.4
62
livro
2005/6/9
page 62
i
indivduo.
Um estado do mundo representa tudo que necessrio para descrever o que acontece de relevante para o indviduo. Suponha que
existe uma funo v que leve o estado do mundo num resultado para o
indivduo. A idia da funo v que diferentes estados do mundo podem ser indistinguveis para o indivduo e, portanto, representaro o
mesmo resultado. O conjunto de resultados, Z, simplesmente a imagem da funo v por M , isto , Z v (M ) . Ento podemos escrever
a funo v de M = S O A em Z como sendo v : S O A Z.
Muitas vezes, no estamos interessados em descrever a parte objetiva do conjunto de estados da Natureza. Por exemplo, ao jogar
uma roleta (ou como se costuma dizer, participar de uma loteria
de von Neumann-Morgenstern), h um momento em que (ainda)
no estamos interessados na resoluo da incerteza objetiva e queremos mant-la presente. Assim, definimos o conjunto de conseqncias X como sendo o conjunto de funes : O Z tais que
p (o) = v (s, o, a) para algum s e a. Podemos ainda denotar um
elemento de X como sendo v (s, , a). Embora tudo isso ainda parea
muito abstrato, o exemplo dado abaixo ir clarificar as coisas.
claro que se o conjunto O trivial, como na abordagem subjetivista de Savage, ento podemos identificar o conjunto de conseqncias X e o conjunto de resultados Z. Por outro lado, se S
trivial, ento X ser o conjunto de funes : O Z. (Uma
funo assim chamada de varivel aleatria.) No entanto, nesse caso
(von Neumann-Morgenstern), em geral no se explicita o conjunto O.
Como a probabilidade sobre O objetiva pode-se simplesmente identificar o conjunto de conseqncias com o conjunto das medidas de
probabilidades sobre Z.
Mais precisamente: seja O finito com n elementos (ser sempre
esse o caso estudado neste livro), isto , O = {o1 , ..., on }. Defina o
conjunto:
livro
2005/6/9
page 63
i
63
64
livro
2005/6/9
page 64
i
que seja feito sem ovo. Os outros cinco tambm gostam de bolo sem
ovo, mas muito menos.
O cliente decide qual representante vai mandar usando um dado
e o comerciante s vai saber qual representante foi escolhido quando
este chegar para a visita.
A visita vai chegar em duas horas, de forma que o comerciante
s tem tempo e material para fazer um tipo de bolo (com ou sem
ovo). Para fazer o bolo sem ovo, basta acrescentar um pouco mais
de manteiga ao resto dos ingredientes. Como o ovo estava guardado
em seu estoque, ele no sabe se ele ainda est bom ou se est podre.
Ele tem uma tigela onde pode quebrar o ovo antes de misturar aos
outros ingredientes que j esto na panela, mas se fizer isso no ter
tempo de lavar a tigela, e isso tambm pode causar mal impresso ao
representante. Por outro lado, se o ovo estiver podre e ele quebr-lo
diretamente na panela, perder todos os ingredientes e no poder
fazer nenhum bolo. Nesse caso, alm de ficar com a panela suja, no
poder oferecer nenhum bolo ao representante.
Assim, ele tem de decidir se no faz o bolo, se faz bolo com ou
sem ovo e se for com ovo, se vai quebrar o ovo antes na tigela ou no.
Modelagem do exemplo
No exemplo acima, temos uma roleta, ou melhor, um dado,
decidindo sobre a realizao de O = {o1 , o2 }, onde o1 significa que
foi enviado o representante vegetariano, e o2 significa que foi enviado
um representante no-vegetariano. o1 ocorre com probabilidade 1/6
e o2 , 5/6.
Antes de ser resolvida a roleta, porm, h uma corrida de
cavalos: S = {s1 , s2 } onde s1 representa ovo bom e s2 representa ovo
podre. O comerciante tem de atribuir uma probabilidade subjetiva
para cada um desses eventos.
O conjunto de aes do comerciante A = {a1 , a2 , a3 , a4 }, onde a1
representa fazer bolo com ovo e quebrar ovo diretamente na panela;
a2 representa fazer bolo com ovo e quebrar ovo na tigela e, se esse
estive podre, fazer bolo sem ovo; a3 representa fazer bolo sem ovo e
a4 representa no fazer bolo.
O conjunto de resultados estados do mundo M = S O A.
Para cada estado do mundo, o indivduo atribui um resultado. Na
maioria dos exemplos, os resultados so valores monetrios, mas nem
livro
2005/6/9
page 65
i
65
Estado
Descrio
do mundo
m1
= um ovo bom quebrado na
(s1 , o1 , a1 ) panela, enviado o representante vegetariano
m2
= um ovo bom quebrado na
(s1 , o2 , a1 ) panela, enviado o representante no-vegetariano
m3
= um ovo podre quebrado na
(s2 , o1 , a1 ) panela, enviado o representante vegetariano
m4
= um ovo podre quebrado na
(s2 , o2 , a1 ) panela, enviado o representante no-vegetariano
m5
= um ovo bom quebrado na
(s1 , o1 , a2 ) tigela, enviado o representante vegetariano
m6
= um ovo bom quebrado na
(s1 , o2 , a2 ) tigela, enviado o representante no-vegetariano
m7
= um ovo podre quebrado na
(s2 , o1 , a2 ) tigela, enviado o representante vegetariano
Resultado
representante
neutro (mas comerciante cansado)
representante
muito satisfeito
representante
neutro (mas comerciante um pouco
cansado)
representante
neutro (mas comerciante um pouco
cansado)
representante insatisfeito: no gosta
da sujeira
representante satisfeito (no gosta da
sujeira)
representante satisfeito (no gosta da
sujeira)
66
livro
2005/6/9
page 66
i
m11
=
(s2 , o1 , a3 )
m12
=
(s2 , o2 , a3 )
m13
=
(s1 , o1 , a4 )
m14
=
(s1 , o2 , a4 )
m15
=
(s2 , o1 , a4 )
m16
=
(s2 , o2 , a4 )
Resultado
representante
muito insatisfeito
(no gosta do bolo
nem da sujeira)
representante
muito satisfeito
representante
pouco
satisfeito
(no seu bolo
preferido)
representante
muito satisfeito
representante
pouco
satisfeito
(no seu bolo
preferido)
representante neutro
representante neutro
representante neutro
representante neutro
mundo.
Descrio da conseqncia
x1 = v (s1 , , a1 ) um ovo bom que- bolo com ovo, tigela
brado na panela
limpa
Tabela 2. Conseqncias.
Ao
Ao
um ovo podre
quebrado na panela
um ovo bom quebrado na tigela
um ovo podre
quebrado na tigela
faz bolo sem ovo
x6 = v (s2 , , a3 )
x7 = v (s1 , , a4 )
no faz bolo
x8 = v (s2 , , a4 )
no faz bolo
livro
2005/6/9
page 67
i
67
Descrio da conseqncia
no h bolo, tigela
limpa
bolo com ovo, tigela
suja
bolo sem ovo, tigela
suja
bolo sem ovo, tigela
limpa
bolo sem ovo, tigela
limpa
no h bolo, tigela
limpa
no h bolo, tigela
limpa
Ao
a1
a3
Descrio
quebra o ovo na
panela
um ovo bom
quebrado na tigela
faz bolo sem ovo
a4
no faz bolo
a2
Ato
f1 (s1 ) = x1 ;
f1 (s2 ) = x2
f2 (s1 ) = x3 ;
f2 (s2 ) = x4
f3 (s1 ) = x5 ;
f3 (s2 ) = x6
f4 (s1 ) = x7 ;
f4 (s2 ) = x8
68
6.5
livro
2005/6/9
page 68
i
Observao final
A representao baseada em estados da Natureza tem uma importante desvantagem: ela pressupe que os indivduos sejam capazes
de listar todas as situaes que podem ocorrer (todos os estados da
Natureza). Nos exemplos simples que apresentamos acima, isso pode
ser feito, mas em muitas situaes da vida real, essa uma tarefa
impossvel. Considere por exemplo, a situao de um presidente que
deve decidir entre declarar ou no uma guerra contra outro pas. Ser
impossvel descrever e at imaginar todas as contingncias possveis.
Gilboa e Schmeidler (1995) apresentaram uma alternativa para
situaes desse tipo, que eles chamaram de teoria de deciso baseada
em casos. Este artigo originou toda uma literatura, que tm se tornado bastante profcua nos ltimos anos. No vamos, porm, descrever essa teoria. O leitor interessado pode consultar o artigo mencionado ou Gilboa e Schmeidler (2002).
livro
2005/6/9
page 69
i
Captulo 7
Utilidade Esperada de
von
Neumann-Morgenstern
Na Parte I, tratamos escolhas em ambientes onde os resultados das
decises so perfeitamente conhecidos. Entretanto, em vrias circunstncias natural imaginarmos que os resultados no sejam antecipados de forma precisa. A teoria econmica apresenta um grande
nmero de exemplos em que isso evidente: teoria dos mercados
incompletos, jogos com informao incompleta, modelos estocsticos
de crescimento econmico, dentre outras reas. Em geral, as escolhas
que tratam a cincia econmica envolvem consequncias incertas no
momento da tomada de deciso. A teoria moderna da escolha sob
incerteza apresenta duas bases primordiais: a teoria da utilidade esperada com risco de von Neumann-Morgenstern (1944) e a teoria da
utilidade esperada com incerteza de Savage(1954).
Nosso ponto de partida a teoria de von Neumann-Morgenstern
originalmente proposta na obra Theory of Games and Economic
Behavior. Sua estrutura toma como primitivos um espao de consequncias, dado por loterias sobre um conjunto de resultados (prmios),
e uma relao de preferncia sobre as consequncias. Notemos que
os objetos de escolhas so dados por distribuies de probabilidades
69
i
70
livro
2005/6/9
page 70
i
7.1
Vamos denotar por Z o conjunto de resultados ou prmios: este conjunto, por exemplo, pode denotar o conjunto de cestas de consumo ou
de quantias monetrias. Nesta exposio vamos tomar Z como sendo
um conjunto finito de resultados ou prmios. O espao de escolhas
dado pelo conjunto de loterias sobre Z = {z1 , ..., zn }, ou seja, o
espao de distribuies de probabilidade denotado por
X = {x : Z [0, 1] :
n
X
x(zi ) = 1}
i=1
n
X
pi = 1}
i=1
onde pi = x(zi ).
livro
2005/6/9
page 71
i
71
K
X
k=1
7.2
72
livro
2005/6/9
page 72
i
livro
2005/6/9
page 73
i
73
x, y, z, w X vale que1 :
n
X
u(zi )x(zi )
i=1
Este tipo de funcional de utilidade chamado de funo de utilidade de von Neumann-Morgenstern (v.N-M). Notemos que
para um funcional U de vN-M, para todo z Z :
U ( {z} ) = u(z)
ou seja, U uma extenso de u.
Proposio 4. Uma funcional de utilidade U : X
R apresenta a forma de utilidade esperada se, e s se,
1 Lembrando que os componentes simtricos e assimtricos de % so denotados
por e :
:= {(x, y) %: (y, x) %}
:= {(x, y) %: (y, x) %}
/
74
livro
2005/6/9
page 74
i
k=1
Demonstrao:
Necessidade: Seja x X e escrevendo x =
(z1 , 1 ; ...; zn , n ) temos que
x=
n
X
i=1
i {zi }
ou seja, toda loteria pode ser escrita como uma combinao convexa das loterias degeneradas com pesos dados pelas probabilidades
atribudas por x.
Logo,
n
!
n
X
X
U (x) = U
i {zi } =
u(zi )i
i=1
i=1
K1
Suficincia: dados {xk }K
seja x0 =
k=1 X e
assim x0 (zi ) =
K
P
k=1
U (x ) = U
K
X
k xk
k=1
K
X
k=1
n
X
i=1
n
X
u(zi )
i=1
K
X
k xk (zi )
k=1
K
X
K
P
k xk ,
k=1
k U (xk )
k=1
livro
2005/6/9
page 75
i
75
n
X
i=1
u(zi )x(zi )
n
X
u(zi )y(zi )
i=1
76
livro
2005/6/9
page 76
i
B = { [0, 1] : x % z + (1 )y}
x 0 2 x + (1 0 2 )y + (1 )y
portanto,
x 0 2 x + (1 0 2 )y
e assim 0 C e ento 0 < 0 0 1 < (1/) < ; uma
contradio. A outra parte segue por raciocnio anlogo.
(passo 2): Se x y ento
1 > 0 x + (1 )y x + (1 )y
Pelo passo 1, x + (1 )y y e como (/) < 1, novamente pelo
passo 1
x + (1 )y (/)(x + (1 )y) + (1 /)y = x + (1 )y
Para a recproca, se no caso em que = teramos que
x + (1 )y x + (1 )y, uma contradio. Sendo < , pelo
livro
2005/6/9
page 77
i
77
B = { [0, 1] : x % x + (1 )x}
78
livro
2005/6/9
page 78
i
k=1
k=1
U (x) U (x)
U (x) U (x)
no caso em que U (x) U (x) > 0. Quando U (x) = U (x), temos que
U constante e o resultado trivial.
Agora, como V (x) = V (x x + (1 x )x) = x V (x) + (1
x )V (x) = x (V (x) V (x)) + V (x), substituindo x a partir da expresso acima:
U (x) U (x)
V (x) =
(V (x) V (x)) + V (x)
U (x) U (x)
e ento
V (x) V (x)
V (x) V (x)
U (x) U (x)
+ V (x)
U (x) U (x)
U (x) U (x)
(x)V (x)
V (x)V (x)
>
0
e
b
=
V
(x)U
(x)
e temos ento a = VU (x)U
(x)
U (x)U (x)
R.
V (x) =
7.3
livro
2005/6/9
page 79
i
79
Seguindo notao usual na literatura, chamamos um loteria monetria simples de um jogo simples.
Um caso que em princpio descartamos, mas que no implica em
muitas complicaes, quando supp[x] enumervel. Neste caso
temos supp[x] = {zn }nN e o funcional de utilidade esperada toma a
forma:
X
U (x) =
u(zn )x(zn )
nN
80
livro
2005/6/9
page 80
i
X
V EJ(p) =
2j p(1 p)j1
j=1
X
j=1
pln(2)
X
j=1
jp(1 p)j1
= ln(2)/p
[
d( (1 p)j )
jp(1 p)j1 =
d(1 p)
j=1
livro
2005/6/9
page 81
i
81
82
livro
2005/6/9
page 82
i
livro
2005/6/9
page 83
i
83
de algum z tal
que u(z ) = Ex [u(z)]
zsupp[x]
zsupp[x]
por
Ex % x
Como u0 > 0 implica que (u1 )0 > 0 temos que cx = u1 (Ex [u(z)])
Ex . A diferena Ex cx representa um prmio ao risco.
De outra forma, dado um nvel de riqueza inicial e um jogo justo
x X , o prmio ao risco da loteria x dada uma riqueza , denotado
por (, x), definido implicitamente como:
u( (, x)) = E[u(x )]
Sendo u crescente e estritamente cncava temos que (, x) =
u1 (E[u(x )]) > 0, e ento (, x) pode ser interpretado como
o prmio que o indivduo esta disposto a pagar para ficar com o
mesmo nvel de utilidade gerado pelo jogo representado por x .
Exemplo: Vejamos um exemplo em que aplicamos as noes desenvolvidas pela teoria de vN-M.Imaginemos um indivduo que tem
a posse de um bem cuja as estatsticas indiquem uma probabilidade
p de que este bem no futuro tenha um valor igual a z e uma probabilidade igual a 1 p de que seu valor no futuro seja igual a z 0 , com
z > z 0 . Existe uma companhia de seguros que oferece uma proteo
contra a contingncia ruim: se o consumidor paga um prmio igual
84
livro
2005/6/9
page 84
i
7.4. EXERCCIOS
7.4
livro
2005/6/9
page 85
i
85
Exerccios
x(zn ) = 1}
n=1
pode
4. Considere Z = {z1 , z2 }. Logo cada loteria em X = 21
+
ser escrita como uma soma ponderada de loterias degeneradas:
x = z1 + (1 ) z2
(a) Se U (x) = 2 , U uma utilidade esperada? Tomando
%U sobre o espao de loterias X, esta preferncia cumpre os
axiomas de vN-M? Obtenha uma representao de vN-M em
caso positivo.
(b) Seja V uma funo sobre X definida como
2
V (x) = [ (1/2)] ,
Existe utilidade esperada para a preferncia induzida %V ?
86
livro
2005/6/9
page 86
i
7 Notemos
livro
2005/6/9
page 87
i
Captulo 8
Teoria de Savage
A teoria de von Neumann-Morgenstern apresenta como maior alvo
de crticas em seus fundamentos a noo de probabilidades objetivas.
A existncia de mecanismos randmicos passveis de comprovao
emprica no so naturais em virtude da natureza singular dos fenmenos econmicos, ou seja, as escolhas em geral no esto sujeitas a
aleatoriedades conhecidas pelo tomador de decises como ocorre, por
exemplo, quando se joga uma moeda ou se roda uma roleta.
Neste sentido, em geral, os problemas econmicos envolvem tomadas de decises sobre incerteza ao invs de risco, isto , situaes
onde no temos probabilidades dadas de maneira exgena. A abordagem realizada por Savage (1954), sobre o problema da escolha num
contexto puramente subjetivo, apresenta um importantssimo resultado para a teoria econmica ao fundamentar axiomaticamente uma
representao de preferncias a partir da existncia de um ndice de
utilidade, que capta os gostos do tomador de decises, e de uma probabilidade subjetiva, que capta as crenas do tomador de decises.
O contexto tratado por Savage envolve um conjunto de estados
da natureza S, um conjunto de consequncias X e um conjunto de
atos F consistinto de todas as funes de S em X. A interpretao
que, quando o verdadeiro estado da natureza s S no conhecido,
a preferncia do tomador de decises sobre os atos dependem tanto
das consequncias que este ato pode implicar em cada estado quanto
da crena deste sobre que estado da natureza dever ocorrer. Savage
87
i
88
livro
2005/6/9
page 88
i
mostrou que, dado um conjunto de axiomas com respeito a racionalidade da preferncia de um indivduo, existe uma nica medida de
probabilidade (finitamente aditiva) sobre a famlia de subconjuntos
de S e um nico (a menos de uma transformao afim positiva) ndice
de utilidade u sobre as consequncias tal que um ato f fracamente
prefervel ao ato g se, e somente se, o valor esperado de uof para
maior ou igual ao valor esperadode uog para . Um requerimento para o resultado original de Savage que o conjunto S seja
infinito e da temos a utilizao do instrumental da teoria da medida (finitamente aditiva). Em nossa exposio vamos considerar um
tramento alternativo em que tenhamos o conjunto de estados da natureza S sendo finito. Vamos apresentar a abordagem realizada por
Gul (1992) para se obter o teorema de representao de Savage com
um nmero finito de estados. Um ponto importante desta abordagem
apresentar um conjunto de axiomas que dispensem a necessidade
de um espao de estados infinito.
8.1
8.1. AXIOMAS
livro
2005/6/9
page 89
i
89
(i) (S) = 1;
(ii) (Aditividade) Se E F = ento (E F ) = (E) + (F ).
Tomamos o conjunto de consequncias X ,como sendo um subconjunto da reta dado pelo intervalo fechado e no-degenerado [m, M ],
e F a famlia de todas as funes de S em X, isto :
F = XS
Dado um evento E S, escrevemos f |E = g |E para denotar que
f (s) = g(s) para todo s E.
Seja % uma relao binria sobre F, o primeiro axioma dado
pelo clssico:
(S-G 1): % completa e transitiva;
Fixada nossa preferncia % sobre F, podemos definir para a famlia
de subconjunto 2S :
Definio 2. Um evento E dito %-nulo quando: dados f, g
F, se f |E c = g |E c ento f g. Um estado da natureza s dito
%-nulo se o conjunto unitrio {s} for %-nulo.
Notemos que pelo axioma (S-G 1), um evento E %-nulo se, e
somente se, todo estado s E for %-nulo.
Agora, dados f, g F e E S definimos o ato f Eg F como
sendo
f (s) se s E
f Eg(s) =
g(s) se s E c
Podemos identificar cada x X com o ato constante (ou totalmente seguro) que em cada estado s S entrega o prprio x; e, por
abuso de notao, vamos denot-lo por x.
A hiptese a seguir central para a representao que vamos obter
e para elucidar a apresentao vamos supor, por um momento, que
exista um mecanismo randmico exgeno. Tomando um caso em que
para algum trio x, y, z [m, M ] a consequncia x indiferente ao ato
que entrega (y, p; z, 1 p). Para um agente maximizador de utilidade
esperada, isso equivalente a
u(x) = pu(y) + (1 p)u(z),
90
livro
2005/6/9
page 90
i
embora no tenhamos mecanismo randmicos exgenos como primitivos, podemos pensar que se x yEz ento, sendo prob(A) a probabilidade da ocorrncia do evento A :
u(x) = prob(E)u(y) + prob(E c )u(z)
segue ento o seguinte axioma:
(S-G 2): Se para todo s S e algum E no %-nulo
f 0 (s) f (s)Eg(s) e g 0 (s) g(s)Ef (s)
ento
f g f 0 g0
livro
2005/6/9
page 91
i
91
8.2
Teorema de Representao
sS
u(f (s))(s)
u(g(s))(s);
sS
2 Por
92
livro
2005/6/9
page 92
i
Demonstrao: (i) Assumindo que xE y % x ento pela continuidade (S-G 4) temos que existe x (x, y) tal que xE y x. Por
(S-G 3), x y; usando (S-G 2), x x o que contraria (S-G 3). De
maneira similar temos xE y y.
(ii) Pelo item (i) e (S-G 4), existe y, x tais que y yE z e x
Assim temos que, pelo Lema 4 e por (S-G 4), que para todo
xE y existe um nico cxE y X tal que cxE y xE y.
Lema 5. (i) Existe uma funo contnua u : X R,
nica a menos de uma tranformao afim positiva, tal
que xE y % wE z se, e s se, u(x) + u(y) u(w) + u(z).
% x3 E y2 e x3 E y2 % x2 E y3
% y3 E x1
livro
2005/6/9
page 93
i
93
94
livro
2005/6/9
page 94
i
g 0 = gEf 0 .
livro
2005/6/9
page 95
i
95
s E c tal que g(s) (m, M ) definimos f1 , g1 , f10 , g10 como: Para cada
s S e para algum x (m, M )
f1 (s) f (s)E x, g1 (s) g(s)E x, f10 (s)
f 0 (s)E x, g10 (s) g 0 (s)E x
Pelo Lema 4, g10 (s) (m, M ) para todo s S. Da, aplicando o
argumento feito no incio desta demonstrao, temos f1 g1 se, e s
se, f10 g10 . Mas pelo axioma (S-G 2) f g se, e s se, f1 g1 e
f 0 g 0 se, e s se, f10 g10 , o que encerra a prova.
u(b
z ) = 1p(E) = p(E)u(m)+(1p(E))u(M ) = p(E)u(x)+(1p(E)).
O fato de u ser injetora nos permite alcanar o resultado desejado
para n = 0.
96
livro
2005/6/9
page 96
i
que u = 2u(x)
n+1
0
u(x) 1 e 2u(x) = 2 u(y) + 1/2
= 2(y) u(y ) u(y) 0.
Deste modo, u [0, 1] e w esta bem definido. Pelo hiptese de
induo x0 Ey 0 ze para algum ze tal que
u(e
z ) = p(E)u(x0 ) + (1 p(E))u(y 0 ).
u(z 0 ) =
97
Demonstrao: Exerccio.
livro
2005/6/9
page 97
i
98
livro
2005/6/9
page 98
i
8.3. EXERCCIOS
livro
2005/6/9
page 99
i
99
8.3
Exerccios
1. Dada a condio
() x2 E y1
implica que x1 E y3
% x3 E y2 e x3 E y2 % x2 E y3
% y3 E x1
100
livro
2005/6/9
page 100
i
livro
2005/6/9
page 101
i
Captulo 9
Paradoxos da Utilidade
Esperada.
Vimos dois tratamentos clssicos em teoria da escolha em que o conceito de probabilidade fundamental. No primeiro, vimos que uma
preferncia no contexto de loterias, respeitando o conjunto de axiomas
de vN-M, apresenta um representao linear nas probabilidades. No
segundo caso, uma preferncia sobre atos satisfazendo o conjunto
de axiomas comportamentais de Savage-Gul representada por um
ndice de utilidade sobre as consequncias e uma probabilidade subjetiva sobre os estados. Ambas as abordagens podem parecer satisfatrias do ponto de vista normativo, entretanto, como uma teoria
descritiva apresentam dificuldades que apresentamos abaixo.
9.1
O paradoxo de Allais.
livro
2005/6/9
page 102
i
livro
2005/6/9
page 103
i
103
9.2
Paradoxo de Ellsberg
Muito embora as fundamentaes da teoria da probabilidade subjetiva sejam usualmente associadas ao paradigma Bayesiano1 e este seja
dominante no pensamento econmico contemporneo, muitas crticas
descritivas e desenvolvimentos tericos importantes foram realizados
a partir de idias tratadas por Frank Knight (1921) que tentam evitar
o uso de probabilidades clssicas como forma de modelar as crenas
dos indivduos. A mais importante objeo abordagem da probabilidade subjetiva foi feita por Ellsberg (1961) e comumente conhecida
como o Paradoxo de Ellsberg: Temos duas urnas A and B, cada uma
delas contendo cem bolas. Cada bola pode ser preta ou branca. Na
urna A existem 50 bolas de cada cor e no temos nenhuma informao
sobre a urna B. Uma bola retirada de cada urna. Existem quatro
estados da natureza denotados por S = {(p, p), (p, b), (b, p), (b, b)},
onde (p, p) denota o estado em que a bola retirada da urna A preta
e a bola retirada da urna B preta, etc. Podemos construir quatro
apostas (atos), denotadas por Ap , Ab , B p , B b , em que a aposta Ap
entrega $100 se o estado (p, p) ou (p, b) acontencer e zero em caso
contrrio, i.e., Ap apostar que a bola preta ser escolhida na urna
A. Os resultados obtidos por Ellsberg confirmam que os indivduos,
em geral, so indiferentes entre apostar que a bola preta sair na urna
A(B) ou apostar que a bola branca sair na urna A(B). Entretanto,
existe uma proporo no negligencivel de indivduos que preferem
sempre tomar apostas referentes urna A (preta ou branca) do que
tomar apostas referentes urna B (preta ou branca). Assim, temos
1 Para uma apresentao dos traoes fundamentais e uma crtica ao Bayesianismo como forma de se representar a racionalidade, consulte Gilboa-PostlewaiteSchmeidler (2004).
livro
2005/6/9
page 104
i
9.3
Exerccio
livro
2005/6/9
page 105
i
Parte III
Escolha sob
Ambiguidade
105
i
livro
2005/5/20
page 1
i
livro
2005/6/9
page 107
i
Captulo 10
Escolhas com
ambiguidade.
Vimos que a abordagem de Savage (1954) consegue preservar a noo
de probabilidades frente s crticas da existncia de probabilidades
objetivas. Isto feito ao derivar um ndice de utilidade sobre as consequncias e uma probabilidade sobre os estados a partir de axiomas
comportamentais. Mas como vimos, o paradoxo de Ellsberg mostra
que em termos descritivos esta teoria problemtica.
Por ambiguidade entendemos a incapacidade, frente ao conjunto
de informao que dispe o tomador de decises, de especificar uma
distribuio de probabilidades sobre os estados da natureza.
O Paradoxo de Ellsberg deixa em evidncia a idia de que os indivduos tendem a preferir situaes onde sejam capazes de especificar
probabilidades quelas situaes em que isso no seja possvel. Isso
pode ser visto como uma atitude de averso ambiguidade e tal
comportamento de extrema importncia, uma vez que, em grande
parte dos fenmenos econmicos os indivduos no so capazes de
especificar uma avaliao probabilstica precisa.
Uma importante e mais simples abordagem da teoria da probabilidade subjetiva foi feita por Anscombe-Aumann (1964). Como vamos desenvolver o modelo de escolhas sob ambiguidade destro desta
abordagem, vamos apresentar rapidamente os elementos bsicos desta
107
i
108
livro
2005/6/9
page 108
i
construo.
10.1
Modelo de Anscombe-Aumann
Anscombe-Aumann chegam ao resultado de existncia de probabilidades subjetivas tomando como espao de consequncias o conjunto
de escolhas dado na teoria de von Neumann-Morgenstern, ou seja:
X = {x : Z [0, 1] :
n
X
x(zi ) = 1}
i=1
livro
2005/6/9
page 109
i
109
(completa) f % g ou g % f
(transitiva) f % g e g % h implicam que f % h
Existe (f, g) F 2 tal que f g
(Axioma 2) Continuidade. para todo f, g, h F os conjuntos:
{ [0, 1] : f + (1 )g % h}, { [0, 1] : h % f + (1 )g}
so fechados.
(Axioma 3) Monotonicidade. para todo f, g F:
se f (s) % g(s) para todo s S ento f % g.
(Axioma 4) Independncia: para todo f, g, h F e (0, 1) :
f g f + (1 )h g + (1 )h
A representao no contexto de Anscombe-Aumann dada pelo
seguinte teorema:
Teorema 1. Suponha que uma preferncia sobre F satisfaa
os axiomas 1,2,3 e 4. Ento existe uma nica probabilidade p sobre 2S e uma funo u sobre X de vN-M, tal
que, para todo par de atos f e g em F:
X
X
f %g
u(f (s))p(s)
u(g(s))p(s)
sS
sS
110
livro
2005/6/9
page 110
i
10.2
K1
X
s=1
1 Tais
livro
2005/6/9
page 111
i
111
Notemos que se, por exemplo, temos S = {1, 2, 3}, uma capacidade v : 2{1,2,3} [0, 1] e uma funo b = (2, 3, 1), para calcular o funcional de Choquet de b temos que tomar uma permutao
n : {1, 2, 3} {1, 2, 3} de modo que n(1) = n1 = 3, n2 = 1 e n3 = 2
e assim bn1 bn2 bn3 , o que nos permite escrever
Iv (b) = [v({n1 , n2 , n3 }) v({n2 , n3 })] 1
+[v({n2 , n3 }) v({n3 })] 2 + v({n3 }) 3
De modo geral, dada b : S R, sempre podemos tomar uma
permutao n : S S em que bn1 ... bnK de modo que:
K1
X
k=1
112
livro
2005/6/9
page 112
i
K1
X
s=1
+v({K})(aK + bK )
K1
X
s=1
K1
X
s=1
= Iv (a) + Iv (b).
Para o caso geral vamos usar uma caracterizao alternativa do
funcional de Choquet. Seja a RK de modo que a imagem de a
seja dada por Im[a] = {1 , ..., N }, de modo que 1 > ... > N .
claro que N K e N = K se, e s se, a for injetora3 . Definindo
Ei = a1 (i ), 1 i N ; temos que Ei Ej = quando i 6= j e
N
S
Ei = S, ou seja, {Ei }N
i=1 uma partio de S. Fixando N +1 = 0,
i=1
N
i
X
[
(i i+1 )v
Ej
Iv (a) =
i=1
3 Isto,
j=1
livro
2005/6/9
page 113
i
113
1, s E
0, s E c
N
X
i Ei e b =
i=1
M
X
j Fj
j=1
p=1
p
P
X
[
Iv (a) =
( p p+1 )v
Gj
p=1
j=1
Deste modo,
P
X
a+b=
( p + p )Gp
p=1
114
livro
2005/6/9
page 114
i
e temos
p
P
X
[
Iv (a + b) =
[p + p (p+1 + p+1 )]v
Gj
p=1
j=1
= Iv (a) + Iv (b)
N
i
X
[
Iv (a) =
(i i+1 )v
Ej
i=1
j=1
v({a }), 0
a () =
v({a }) 1, < 0
O funcional de Choquet ento dado pela integral de Riemann
de a :
+
Z
N
i
X
[
a ()d =
(i i+1 )v
Ej = Iv (a)
i=1
j=1
Iv (a) =
a ()d =
v({a })d
livro
2005/6/9
page 115
i
115
(a) Iv normalizado: Iv (S ) = 1;
(b) Iv montono:
a b (ou seja, ak bk k S) Iv (a) Iv (b);
(c) Iv positivamente homogneo: > 0, Iv (a) =
Iv (a);
(d) Dado > 0,
Iv (a + S ) = Iv (a) +
(e) Iv contnuo.
Demonstrao: (a) Como S (s) = 1 para todo s S
Iv (S ) = v(S) = 1
(b) Tomando a, b RK onde a b obtemos que {a } {b
} e da a b pela monotonicidade da capacidade. Assim,
+
+
Z
Z
a ()d
b ()d = Iv (b)
Iv (a) =
(c) Iv (a) =
+
R
0
v({a })d =
= / obtemos:
+
R
0
+
Z
v({a })d = Iv (a).
Iv (a) =
0
116
livro
2005/6/9
page 116
i
ou seja
Vimos que se a RK
+ ento Iv (a) =
a RK , definindo
+
R
0
sS
livro
2005/6/9
page 117
i
117
ento a1 = a a S RK
+ e
Iv (a1 ) =
aZa
aZa
v({[a a S ] })d
v({a + a })d
[ = + a ] =
Za
v({a })d +
Za
v({a })d +
v({a })d
Z0
[v({a }) 1]d +
a
Z
Z0
Z0
a ()d a
: 2S [0, 1]
v(E) = J(E )
e para todo a RK :
I(a) =
Za
N
i
X
[
a ()d =
(i i+1 )v
Ej
i=1
j=1
118
livro
2005/6/9
page 118
i
hi
livro
2005/6/9
page 119
i
119
Como J contnuo
lim J(rn a) = J(a)
N
P
i=1
N
i
X
[
J(a) =
(i i+1 )v
Ej = Iv (a).
i=1
j=1
i=1
(ii)
= J(
N1
X
i=1
(i N )Ei ) + J(N S )
N
1
i
X
[
J(a) =
(i i+1 )v
Ej + N
i=1
j=1
N
i
X
[
=
(i i+1 )v
Ej = Iv (a)
i=1
j=1
120
livro
2005/6/9
page 120
i
T (a) =
a ()d
livro
2005/6/9
page 121
i
121
+ (1 ) + = J(( + )S + (1 )( + )S )
(ii)
(ii)
Como a desigualdade obtida vale para qualquer (0, ), obtemos uma contradio.
Em sua representao, Schmeidler (1989) utiliza o mesmo contexto desenvolvido por Anscombe-Aumann (1964) e enfraquece o axioma de independncia. Para isso Schmeidler introduz a noo de
comonotonicidade no contexto de preferncias:
Dois atos f, g F so comonotnicos se no exitem s1 , s2 S
tais que
f (s1 ) f (s2 ) e g(s2 ) g(s1 )
Para ilustramos essa idia, notemos que se ao invs de valores em X
os atos tomassem valores em R com a ordem usual, ento teramos a
noo de comonotonicidade como anteriormente vimos. Ainda, notemos que no paradoxo de Ellsberg os atos B p e B b no so comonotnicos:
[B p ((p, p)) B p ((p, b))][B b ((p, p)) B b ((p, b))] = 1002 < 0
O axioma introduzido por Schmeidler dado por:
(Axioma 5) Independncia comonotnica: para todo f, g, h F,
dois a dois comonotnicos, e (0, 1) :
122
livro
2005/6/9
page 122
i
f (s1 ) + (1 )x2 , e
f (s2 ) + (1 )x2
livro
2005/6/9
page 123
i
123
: F KS
7
U (f )
124
livro
2005/6/9
page 124
i
livro
2005/6/9
page 125
i
125
ainda,
I(B p ) = I(B b ) < (1/2)u(100) + (1/2)u(0) = I(Ap ) = I(Ab )
Notemos que esta ordenao consistente com aquela obtida por
Ellsberg.
O Paradoxo de Ellsberg serve como uma evidncia de que os indivduos tendem a preferir situaes em que estes tenham uma melhor
informao sobre as possibilidades de perda e ganho. A ambiguidade reflete exatamente esta impossibilidade de conhecer ou estimar
a chances de cada contingncia numa situao de incerteza. Assim,
numa situao de incerteza em que um indivduo tenha uma comportamento consistente com a teoria da probabilidade subjetiva, este
apresenta neutralidade ambiguidade, como o caso de um indivduo
que associe uma probabilidade 50% 50% diante da urna B. Assim
comum dizer que a teoria de Savage reduz uma situao de incerteza
a uma situao de escolha sob risco.
A averso ambiguidade de uma preferncia % expressa pela
seguinte propriedade: dados f, g pertencentes a F e pertencente ao
intervalo [0, 1] :
f g f + (1 )g % f
Comentaremos mais sobre esta propriedade quando tratarmos da
representao de Gilboa-Schmeidler (1989). No contexto dado no
teorema de Schmeidler, a averso a ambiguidade pode ser expressa
pela convexidade da capacidade v :
Definio 11. Uma capacidade v : 2S [0, 1] convexa ou
super-aditiva se para todo E, F 2S :
v(E F ) v(E) + v(F ) v(E F )
Em particular pode existir algum evento A 2S tal que
v(A) + v(Ac ) < 1
A caracterizao obtidade por Schmeidler (1986, 1989) dada na
seguinte:
126
livro
2005/6/9
page 126
i
min
pcore(v)
u(f (s))p(s)
sS
onde,
core(v) = {p : 2S [0, 1] :
10.3
livro
2005/6/9
page 127
i
sS
pC
sS
128
livro
2005/6/9
page 128
i
livro
2005/6/9
page 129
i
130
livro
2005/6/9
page 130
i
1
+ = I(a) + ,
2
e assim I C-independnte.
Nos resta mostrar que I super-aditivo: Sejam, spg, a, b K S e
notemos que suficiente mostrarmos que
1
1
1
1
I
a + b I(a) + I(b)
2
2
2
2
Sejam f, g F tais que u(f ) = a e u(g) = b. Se I(a) = I(b) ento
pela averso ambiguidade 12 f + 12 g % f , e desse modo temos que
1
1
1
1
I
a + b I(a) = I(a) + I(b).
2
2
2
2
livro
2005/6/9
page 131
i
1
1
1
1
1
I
a+ b + = I
a+ c
2
2
2
2
2
1
1
1
1
1
I(a) + I(c) = I(a) + I(b) + .
2
2
2
2
2
O que encerra a demonstrao deste lema.
a(s)p(s)
sS
132
livro
2005/6/9
page 132
i
O conjunto de probabilidades C, obtido na representao, interpretado como a ambiguidade percebida pelo tomador de decises e o
operador min captura a atitude de averso ambiguidade.
A propriedade de averso ambiguidade pode ser interpretada
como uma propenso ao heding. Esta caracterstica comportamental
no suportada na teoria da probabilidade subjetiva. Por exemplo,
um tomador de decises pode ser indiferente entre dois ativos do tipo:
f (s1 ) = 2, f (s2 ) = 6 e g(s1 ) = 8, g(s2 ) = 0
e preferir estritamente um ativo que entregue 4 com certeza ao comparar com f ou g, para isso tome:
C = {(, 1 ) : [0.4, 0.6]} e u igual identidade.
Notemos ainda que, no caso do Paradoxo de Ellsberg, se o tomador
de decises considera todas as crenas possveis, seu comportamento
ser consistente com aquele descrito na ordenao incompatvel com a
abordagem de probabilidades subjetivas, uma vez que as duas apostas
possveis na urna B nos do um payo ex-ante igual a zero.
Uma importante aplicao desta teoria foi dada por Dow-Werlang
(1992) escolha de portfolio, ilutramos este resultado com o seguinte
exemplo: Existem dois possveis estados da natureza, sendo a probabilidade do estado 1, e considere um investidor que apresente neutro
ao risco (i.e., u igual a identidade) um comportamento consiste com
o seguinte funcional de utilidade:
U (f ) =
min
{f (s1 ) + (1 )f (s2 )}
{:0.50.6}
min
{8 + 2(1 )} = 5.0
{:0.50.6}
livro
2005/6/9
page 133
i
133
min
{8 + 2(1 )}
min
{6 2} = 5.6
{:0.50.6}
{:0.50.6}
10.4
Comentrios Finais
Neste captulo tratamos da abordagem em que obtemos uma probabilidade no-aditiva (capacidade) ou um conjunto de probabilidades
como forma de se representar a avaliao subjetiva da informao
disponvel por parte de um tomador de decises. Tal caracterisca
interpretada como a ambiguidade percebida pelo tomador de decises.
Concentramos nossa apresentao para as generalizaes da teoria de
Anscombe-Aumann7 que enfraquecem o axioma de independncia.
Existe uma outra maneira de obter uma representao do julgamento subjetivo, a partir de um conjunto de probabilidades, ao
enfraquecer o axioma da completude da relao de preferncia. Tal
abordagem foi realizada por Bewley (1986) no contexto de AncombeAumann8 , e seu teorema principal diz que uma preferncia cumpre
os axioma de Anscombe-Aumann com exceo da completude, se e
somente se, existe uma utilidade u de vN-M sobre as consequncias
(loterias) e um conjunto C no-vazio, convexo e fechado9 de probabilidades sobre os estados da natureza tal que:
X
X
f %g
u(f (s))p(s)
u(g(s))p(s), para todo p C.
sS
sS
134
livro
2005/6/9
page 134
i
10.5
Exerccios
1. Mostre que o axioma de independncia dado por Anscombe Aumann no consistente com comportamento observado no
Paradoxo de Ellsberg.
2. Seja a RK de modo que a imagem de a seja dada por Im[a] =
{1 , ..., N }, de modo que 1 > ... > N . Definindo Ei =
a1 (i ), 1 i N ; temos que Ei Ej = quando i 6= j e
N
S
Ei = S, ou seja, {Ei }N
i=1 uma partio de S. Fixando
i=1
N +1
N
i
X
[
(i i+1 )v
Ej
Iv (a) =
i=1
j=1
+
Z
N
i
X
[
a ()d =
(i i+1 )v
Ej = Iv (a)
i=1
j=1
10.5. EXERCCIOS
livro
2005/6/9
page 135
i
135
4. D exemplo de alguma situao em que a propriedade de averso ambiguidade possa ser interpretada como uma propenso
ao heding, como feito no texto.
5. Dada uma capacidade convexa v : 2S [0, 1], defina o ndice
de incerteza do evento E S como sendo
Cv (E) = 1 v(E) v(E c )
6. Suponha S = {s1 , s2 } e dois indivduos neutros ao risco com
capacidades convexas v1 e v2 de modo que Cv1 (E) > Cv2 (E)
em todo evento E 6= S. Dado um ato (ou ativo financeiro)
f : S R com f (s1 ) > f (s2 ), calcule os intervalos de inrcia
para cada indivduo. Qual maior?
livro
2005/5/20
page 1
i
livro
2005/6/9
page 137
i
Parte IV
Escolha Social
137
i
livro
2005/5/20
page 1
i
livro
2005/6/9
page 139
i
Captulo 11
Introduo a escolhas
sociais
Vamos agora estudar as escolhas sociais. evidente que h situaes
em que decises que precisam ser tomadas em grupo afetam o bemestar de cada indivduo. Em primeiro lugar, devemos observar que
dependendo da forma de escolha que se adote, um indivduo pode ser
beneficiado. Para ilustrar isso, recordemos o Paradoxo de Condorcet:
Suponha que a Cmara de Deputados formada por trs partidos,
1, 2, 3, de mesmo peso poltico (mesmo nmero de votos) e h trs
projetos (A, B, C) em considerao sendo que apenas um deles deve
ser escolhido. A preferncia dos partidos a seguinte:
A 1 B 1 C
B 2 C 2 A
C 3 A 3 B
Digamos que o presidente da Cmara estabelea o seguinte sistema de escolha dos projetos: dois projetos so votados. O que obtiver maior nmero de votos disputar com o terceiro. O vencedor da
segunda votao ser o projeto escolhido. A ordem com que os projetos sero votados ser determinada aleatoriamente pelo presidente
da Cmara.
139
i
140
livro
2005/6/9
page 140
i
11.1
livro
2005/6/9
page 141
i
141
142
livro
2005/6/9
page 142
i
Para que uma emenda seja aprovada, necessrio que seja aprovada
por 3/5 dos membros da Cmara dos Deputados e por 3/5 dos membros do Senado.3
Exemplo 7. Emendas Constituio do Canad
O Canad tem um sistema diferente para aprovao de emendas
Constituio: ela tem de ser aprovada por pelo menos sete das
dez provncias canadenses, sujeita condio de que as provncias
que aprovam a emenda tenham pelo menos metade da populao
canadense. Para efeito do exemplo, vamos tomar a populao dada
pelo censo de 1961:
Ilha Prncipe Edward - 1%
Newfoundland - 3%
New Brunswick - 3%
Nova Scotia - 4%
Manitoba - 5%
Saskatchewan - 5%
Alberta - 7%
British Columbia - 9%
Quebec - 29%
Ontrio - 34%
A definio de regra de escolha social no impe nenhuma estrutura sobre a funo F . fcil ver, porm, que algumas propriedades
bsicas so desejveis. Por exemplo, bastante razovel pedir que,
se todos os indivduos da sociedade aceitam o projeto (x = (1, ..., 1)
) ento o projeto ser adotado, isto , F (x) = 1. De fato, esta
propriedade bsica tem um nome:
Axioma da Unanimidade - Dizemos que uma regra de escolha
social satisfaz o Axioma da Unanimidade ou respeita unanimidade
(ou ainda que Paretiana) se F (1, ..., 1) = 1 e F (0, ..., 0) = 0.
Observe que respeitar a unanimidade uma condio bastante
fraca. Em outras palavras, se um regra no satisfaz o Axioma da
3 requerido votao em dois turnos. Se supusermos que no h mudana de
opinio (e de contedo), isso se torna irrelevante.
livro
2005/6/9
page 143
i
143
Pn
1, se
i=1 i xi > q
F (x) =
(11.1)
0,
caso contrrio
Observe que um sistema por pesos bastante conveniente, porque
especifica de uma forma clara qual o peso que cada participante tem.
Temos o seguinte resultado bastante natural:
144
livro
2005/6/9
page 144
i
livro
2005/6/9
page 145
i
145
146
livro
2005/6/9
page 146
i
PnDemonstrao: Seja
PS a soma de todos os pesos, isto , S =
e
seja
P
(C)
=
j
jC j . fcil ver que uma coalizo C
j=1
vencedora se e somente se
X
X
j > q >
j = S P (C)
P (C) =
jC
j C
/
livro
2005/6/9
page 147
i
147
l
tal que i {Cj }lj=1 = i Cj0 j=1 , para todo i = 1, ..., n, ento
existe um k tal que Ck0 vencedora.
Em termos simples, a robustez a intercmbios significa que podemos
rearranjar da maneira que quisermos os indivduos nas coalizes, contanto que no eliminemos a participao de ningum. Temos o seguinte resultado:
Proposio 18. Um sistema por pesos robusto a intercmbios.
Demonstrao: Como a coleo {Cj }lj=1 formada por coalizes vencedoras, ento para todo k,
P (Cj ) > q > S P (Cj ) .
Pl
Pn
l
Observe tambm que
P
(C
)
=
i
{C
}
j
j
i=1
j=1 i . Como
j=1
l
o nmero i {Cj }j=1 no pode ser alterado por intercmbios, isto
Pl
Pl
l
l
, i {Cj }j=1 = i Cj0 j=1 , ento j=1 P Cj0 = j=1 P (Cj ).
l
Seja k tal que P (Ck0 ) mximo entre os Cj0 j=1 . Temos:
lP (Ck0 ) >
l
X
j=1
l
l
X
X
P Cj0 =
P (Cj ) > lq > lS
P Cj0
> lS lP
j=1
j=1
(Ck0 )
148
livro
2005/6/9
page 148
i
C2
New Brunswick (3%)
Nova Scotia (4%)
Manitoba (5%)
Saskatchewan (5%)
Alberta (7%)
British Columbia (9%)
Ontario (34%)
Nmero de provncias: 7
Percentual da Populao: 59%
Nmero de provncias: 7
Percentual da Populao: 67%
C20
New Brunswick (3%)
Nova Scotia (4%)
Manitoba (5%)
Saskatchewan (5%)
Alberta (7%)
British Columbia (9%)
Ilha Prncipe Edward (1%)
Newfoundland (3%)
Nmero de provncias: 8
Percentual da Populao: 37%
C10 no vencedora porque tem um nmero insuficiente de provncias e C20 no tem populao suficiente. Conclumos, portanto, que
11.2. EXERCCIOS
livro
2005/6/9
page 149
i
149
11.2
Exerccios
livro
2005/6/9
page 150
i
Captulo 12
Teorema de Arrow
Neste captulo apresentaremos o famoso Teorema de Impossibilidade
de Arrow (Arrow (1950)). Este surpreendente resultado basicamente
diz que no se pode desenvolver uma regra de escolha social racional
que respeite a unanimidade, que no d todo o poder a um nico
indivduo e que no considere alternativas irrelevantes para a deciso.
Tais conceitos ficaro claros na discusso abaixo.
12.1
livro
2005/6/9
page 151
i
151
funo F : X R.
Assim, para que uma regra de escolha social (RES) seja tambm
uma funo de bem-estar social (FBS) necessrio que ela defina
apenas preferncias racionais, isto , transitivas e completas.1
Quando no houver perigo de confuso, denotaremos por < a
preferncia social F (<1 , ..., <n ).
Exemplo 3. Consenso
Consideremos a RES usada em algumas circunstncias que requer
que todos os indivduos concordem com determinada escolha para que
seja implementada pela sociedade. H duas formas de model-la:
a) Seja X = P n (ou X = Rn ) e seja F : X P definida
por, para quais a, b A, (a, b) F (<1 , ..., <n ) ou a < b
se e somente se a <i b para todo i I. Definindo-se o
consenso dessa forma, isto , para todas as preferncias
possveis, v-se facilmente que F no completa e, portanto, no racional. Logo, o consenso seria apenas uma
RES, mas no uma FBS.
b) Podemos, porm, restringir o domnio de definio de
nossa regra: X = {(<1 , ..., <n ) Rn : a <i b para algum i I se e somente se a <j b para todo j I}. Isso
restringe bastante as preferncias que podemos considerar. No entanto, se o consenso definido apenas para
preferncias nesse X, vemos que se torna uma funo de
bem-estar social.
152
livro
2005/6/9
page 152
i
uma FBS fazendo X = {(<1 , ..., <n )}. Assim, torna-se natural pedir
a seguinte condio:
(U) Domnio Irrestrito. Uma RES F : X P satisfaz ter
domnio irrestrito se quando X = Rn , ento ela uma FBS. Em
outras palavras, F tem domnio irrestrito se F (Rn ) R, isto , se
ela especifica preferncias racionais sempre que as preferncias dos
indivduos forem racionais.
Outras hipteses razoveis so as seguintes:
(P) Condio de Pareto ou Axioma da Unanimidade.
Uma RES satisfaz a condio de Pareto se a <i b para todo i I,
ento a < b.
(D) No Ditatura. Uma RES F no tem ditador (ou no
uma ditadura) se no existe indivduo d I tal que, qualquer que
seja (<1 , ..., <n ) X, a d b a b, onde a b (a < b)
(b < a) e < representa F (<1 , ..., <n ). Em outras palavras, no
existe indivduo que determine, sozinho, a escolha social.
Uma hiptese um pouco mais forte a seguinte:
(I) Independncia das Alternativas Irrelevantes. Uma RES
satisfaz a condio de independncia das alternativas irrelevantes se
a preferncia de a sobre b no depende de como os indivduos consideram as outras alternativas. Formalmente: suponha que duas listas
de preferncias (<1 , ..., <n ) e (<01 , ..., <0n ) coincidam no que concerne
as alternativas a e b, isto , a <i b se e somente se a <0i b e b <i a se
e somente se b <0i a para todo i I. Ento as preferncias sociais <
= F (<1 , ..., <n ) e <0 = F (<01 , ..., <0n ) satisfazem: a < b se e somente
se a <0 b e b < a se e somente se b <0 a.
Uma questo importante : existe alguma FBS que satisfaa U,
P, D e I? A resposta afirmativa se o conjunto de alternativas tem
apenas dois elementos (veja exerccio ao final deste captulo).
Isto no contradiz, porm, o Teorema de Impossibilidade de Arrow
porque este se refere a situaes onde h pelo menos 3 alternativas.
livro
2005/6/9
page 153
i
153
12.2
Teorema de Impossibilidade
154
livro
2005/6/9
page 154
i
Fato 2) Toda coalizo S tal que S (a, b) (para algum par de alternativas a e b) ento S (u, v) para quaisquer alternativas u e v.
Fato 3) Se uma coalizo S tal que S (u, v) para quaisquer alternativas u e v, ento S uma coalizo completamente decisiva.
Prova do Fato 1
Observemos inicialmente que existe pelo menos uma coalizo decisiva para um par de alternativas. De fato, a condio (P) implica
que I decisiva para a sobre b, quaisquer que sejam as alternativas
a e b.
Seja S a coalizo decisiva para um par qualquer de alternativas
com o menor nmero possvel de indivduos. Isto , existe um par de
alternativas a, b tal que S (a, b) e no existe nenhum outra coalizo
S 0 com menos indivduos do que S nem outro par de alternativas, u,
v tal que S 0 (u, v).
Tudo que temos de mostrar que S unitrio. Suponha que no
seja assim. Ento podemos segmentar S em dois conjuntos disjuntos
e no vazios S1 e S2 , isto , S = S1 S2 . Observe que S1 e S2
no podem ser decisivos para nenhum par de alternativas uma vez
que S , por definio, a coalizo decisiva com o menor nmero de
indivduos.
Pelo fato de que A tem pelo menos 3 elementos, podemos tomar
um c 6= a e c 6= b. Por U , podemos tomar quaisquer preferncias
racionais para os indivduos. Considere preferncias racionais que
satisfaam o seguinte:
a
c
b
ib
i c, i S1
i a i b, i S2
i c i a, i I\S
possvel que I\S seja vazio. O que faremos na seqncia continua vlido mesmo se esse for o caso. Observe que para todo i S =
S1 S2 , a i b e para todo i I\S, b i a. Ento S (a, b) a
b. Vamos mostrar agora que b < c, o que implica que a c e vamos
chegar a um absurdo desse fato.
Prova de que b < c
Como a preferncia < completa, basta chegarmos a um absurdo
se c b. Suponhamos isso e consideremos preferncias 0i tais que
0
i c,
0
i b,
0
i c,
b
c
b
livro
2005/6/9
page 155
i
155
i S1 ;
i S2 ;
i I\S.
a
c
c
i S1 ;
i S2 ;
i I\S.
De novo por (I), a 0 c, mas isso significa que S1 (a, c), o que novamente um absurdo. Isso estabelece o Fato 1.
Prova do Fato 2
Vamos provar inicialmente que S (a, b) S (u, v) para quaisquer
u, v A. De fato, seja c A, c 6= a e c 6= b e fixe preferncias tais
que
a
b
ib
i c, i S
i c i a, i I\S
0
i c,
0
i a,
i S;
i I\S
156
livro
2005/6/9
page 156
i
ia
i b, i S
i c i a, i I\S
c
b
0
i b,
0
i c,
i S;
i I\S
ic
i b, i S
i a e c i b, i I\S
12.3. EXERCCIO
livro
2005/6/9
page 157
i
157
12.3
Exerccio
158
livro
2005/6/9
page 158
i
livro
2005/6/9
page 159
i
Referncias
Bibliogrficas
[1] Allais, M. (1953): Le Comportment de lhomme rationnel devaint le risque: critique des postulats et axiomes de lecole
americane, Econometrica, 21, 503-546.
[2] Anscombe, F.J. and R.J. Aumann.(1963): A definition of subjective probability, Annals of Mathematical Statistics, 34,
199-205.
[3] Arajo, A.(1983): Introduo Economia Matemtica.
140 Colquio Brasileiro de Matemtica. IMPA.
[4] Arrow, K. (1950): A dicult in the concept of social welfare,
Journal of Political Economy, 58, 328-346.
[5] Bewley, T. (2002): Knightian Decision Theory: Part I., Decision in Economics and Finance, 25, 79110. Cowles
Foundations working paper 807, 1986
[6] Bowen, R.(1968): A new proof of a theorem in utility theory.
International Economic Review, 9 (3), 374.
[7] Chateauneuf, A.(1991): On the use of capacities in modeling
uncertainty aversion and risk aversion. Journal of Mathematical Economics, 20, 343-369.
[8] Debreu. G.(1954): Representation of a preference ordering by
a numerical functions. in Decision Processes, R. Thrall,
C. Coombs and R. Davis(eds.), Nova York; John Wiley and
Sons.
159
i
160
livro
2005/6/9
page 160
i
REFERNCIAS BIBLIOGRFICAS
REFERNCIAS BIBLIOGRFICAS
livro
2005/6/9
page 161
i
161