IN701 Microeconomı́a II Profesor: Juan Escobar

Primavera 2014

Resumen

1 Teorı́a de la decisión

Los fundamentales de la teorı́a son:

1) Los agentes tienen un conjunto de elección X de posibles decisiones.

2)  es una relación de preferencias (orden) sobre X.

La relación de preferencia se define de forma estricta o con igualdad respectivamente como

• x  y ⇐⇒ x  y ∧ y 6 x

• x ∼ y ⇐⇒ x  y ∧ y  x

Definition 1.1 (Racionalidad). La relación  se dice racional si satisface

(i) Completitud: ∀x, y ∈ X x  y ∨ y  x (o ambos).

(ii) Transitividad: ∀x, y, z ∈ X x  y ∧ y  z =⇒ x  z

De forma general, podemos definir una regla de decisión sobre un conjunto como sigue:

Definition 1.2 (Regla de decisión). Sea B el conjunto de las partes de X. Definimos una regla de
decisión sobre B como un aplicación
C:B→B
tal que ∀B ∈ B se tiene que C(B) ⊆ B.

Una regla de decisión puede ser definida también sujeto a unas preferencias.

Definition 1.3 (Regla de decisión, con preferencias). para todo subconjunto B ⊆ X se define la
regla de decisión sujeto a  como

C(B, ) = {x ∈ B | x  y ∀y ∈ B}

La diferencia sustancial entre la primera y la segunda definición radica en que la primera es

observable, mientras que las preferencias que definen la segunda no lo son. Luego una pregunta
natural que surge es como podemos racional una regla C cualquiera.

Definition 1.4 (Axioma de preferencias reveladas de Houthaker). C : B → B satisface el axioma

de prefencias reveladas de Houtaker si se cumple que

∀x, y ∈ A ∪ B x ∈ C(A) ∧ y ∈ C(B) =⇒ x ∈ C(B) ∧ y ∈ C(A)

1
 Luego la siguiente proposición nos da la respuesta a la pregunta anterior. Una regla de de-
cisión satisface el axioma de Houthaker (APRH) si y solo si existe una preferencias racionales que
racionalizan la regla de decisión.

Proposition 1.5. Sea  racional, luego

(i) Si B finito y no-vacı́o entonces C(B, ) 6= ∅

(ii) ∀x, y ∈ B ∩ A, x ∈ C(A, ) ∧ y ∈ C(B, ) =⇒ x ∈ C(B, ) ∧ y ∈ C(A, ) (APRH)

Esto significa que lo único que impone la teorı́a de la decisión racional sobre las observaciones
empı́ricas es que satisfagan APRH.

Definition 1.6 (Representación). Una relación de preferencias  tienen una representación

mediante una función de utilidad u : X → R si y solo si x  y ⇐⇒ u(x) ≥ u(y)

Lemma 1.7. Si  es representada mediante una función de utilidad entonces se tiene que:

1.  es racional

2. ∀B ⊆ X se tiene que C(B, ) = arg maxx∈B u(x)

Proposition 1.8. Sea  racional en X finito, entonces  puede ser representado por una función
de utilidad.

Definition 1.9 (Continuidad).  preferencias sobre X se dice continua si y solo si ∀xn → x

∀yn → y, secuencias en X con xn  yn ∀n, se satisface que x  y

Un detalle importante de esta definición es que como  esta definida solo sobre X, si x  y
necesariamente x, y ∈ X lo que implica que si  es continua, X es cerrado.

Theorem 1.10 (Debreu). Sea X ⊆ RL + cerrado y sea  unas preferencias racionales sobre este
conjunto. Entonces:
 continua =⇒  tiene representación mediante una función de utilidad continua.

2 Decisiones bajo incertidumbre

Utilidad esperada

Supongamos un conjunto de premios o consecuencias finito X. La incertidumbre se modela como

una distribución de probabilidad sobre estos premios,
n
X
P = ∆(X) = {p ∈ Rn+ | pi = 1}
i

Una propiedad importante de P es que es convexo y compacto, luego cualquier combinación convexa
de loterı́as es en sı́ una loterı́a. En general supondremos unas preferencias racionales  definidas
sobre P.

Lemma 2.1. Sea  continua y p  p0  p00 . Entonces ∃α ∈ [0, 1] tal que αp + (1 − α)p00 ∼ p0

2
Definition 2.2 (Axioma de independencia).  sobre P satisface el axioma de independencia si
∀p, p0 , p00 ∈ P, ∀α ∈ [0, 1]
p  p0 ⇐⇒ αp + (1 − α)p00  αp0 + (1 − α)p00

Una implicancia directa del axioma de independencia es que las curvas de indiferencias son
lineas rectas.
Definition 2.3 (Utilidad esperada).  una relación de preferencias sobre P = ∆(X) tiene una
representación en utilidad esperada si existe una función U : P → R tal que
u(x)P(x)
X
U (p) =
x∈X
con u : X → R denominada la función de utilidad de Bernoulli.
Lemma 2.4. Si U (p) es representación de utilidad esperada de . Entonces ∀a ∈ R, ∀b > 0,
a + bU (p) también lo es.
Theorem 2.5 (Von-Neumann Morgensten). Sea  una relación de preferencia racional sobre P.
 admite representación mediante utilidad esperada si y solo si  es continua y satisface el axioma
de independencia.

Aversión al riesgo

Ahora supondremos X ⊆ R convexo. Luego una loterı́a sobre X es una distribución de probabilidad
F sobre X. Si U (F R
) es una representación en utilidad esperada de una preferencias sobre P,
entonces U (F ) = u(x)dF (x). Donde supondremos en general que la función de utilidad de
Bernoulli u(x) es creciente y continuamente diferenciable. Se acostumbra también a denotar δx la
loterı́a que asigna peso 1 a x ∈ X.
Definition 2.6 (Aversión al riesgo). Un agente con
R
función de utilidad U se dice adverso al riesgo
si dada una loterı́a F con valor esperado EF = xdF (x), se tiene que U (F ) ≤ U (δEF ) = u(EF ),
es decir, si u(·) es cóncava en X.
Definition 2.7 (Equivalente cierto). El equivalente cierto de una loterı́a F es una loterı́a degen-
erada C(F, u) ∈ R tal que u(C(F, u)) = U (δF ).
Definition 2.8 (Coeficiente de aversión absoluta al riesgo). El coeficiente de aversión absoluta al
riesgo de Arrow-Pratt se define como
−u00 (x)
A(x | u) =
u0 (x)
Proposition 2.9. Sean dos funciones de utilidad de Bernoulli u, v definidas sobre el mismo con-
junto X. La siguientes proposiciones son equivalentes:
• u es mas adverso al riesgo que v
• C(F, u) ≤ C(F, v) ∀F
• A(x | u) ≥ A(x | v) ∀x ∈ X
• si u prefiere F sobre δx entonces v prefiere F sobre δx .
• Existe g : V → R con V = dom(v) concava y creciente tal que u(x) = g(v(x)) ∀x
Definition 2.10 (DARA). u tiene aversión absoluta al riesgo decreciente si A(x | u) es decreciente
en x.

3
Comparación de loterı́as

Partamos por definir dos loterias F y G definidas sobre [a, b] a comparar.

Definition 2.11 (FOSD). G domina de primer orden a F , G F OSD F si y solo si ∀u : [a, b] → R
no decreciente se tiene que Z Z
udG ≥ udF

Proposition 2.12.
G F OSD F ⇐⇒ G(x) ≤ F (x)∀x ∈ X
Es decir, G se acumula más lentamente que F , asignándole una mayor probabilidad a las loterı́as
más valoradas.
Definition 2.13 (SOSD). G domina estocásticamente de segundo orden a F , G SOSD F si y
solo si ∀u : X → R cóncava (no necesariamente creciente)
Z Z
udG ≥ udF
R R
Proposition 2.14. Si xdF = xdG entonces,
Z x Z x
G SOSD F ⇐⇒ G(y)d(y) ≤ F (y)dy ∀x ∈ [a, b]
a a

3 Juegos en Forma Normal

Definition 3.1. Un juego en forma normal G consiste en:

• Un conjunto finito de agentes I = {1, 2, . . . , I}

• Conjuntos de estrategia S1 , S2 , . . . , SI . Con S = S1 × . . . × SI .
• Funciones de utilidad ui : S1 × . . . × SI → R ∀i ∈ I
Definition 3.2. Una estrategia si ∈ Si es Estrictamente Dominada si ,

∃s0i ∈ Si tal que ui (s0i , s−i ) > ui (si , s−i ) ∀s−i ∈ S−i

Definition 3.3. El jugador i es racional con creencias σi si:

si ∈ arg max Eσi (s−i ) {ui (si , s−i )}

si ∈Si

Proposition 3.4. Si el jugador i es racional, entonces no jugara estrategias estrictamente domi-

nadas.
Definition 3.5. Una Estrategia Mixta del jugador i en el conjunto de estrategias Si es una
distribución de probabilidad σi sobre las distintas estrategias si ∈ Si . Si Si es finito, σi : Si → R+
P
tal que si ∈Si σi (si ) = 1. Usaremos ∆(Si ) para denotar el conjunto de estrategias mixtas de
i y Σ el conjunto de perfiles de estrategias mixtas de todos los jugadores. Por ultimo la utilidad de
jugar estrategias mixtas en el caso finito viene dado por:
X
ui (σi , σ−i ) = ui (si , s−i )σi (si )σ−i (s−i )
si ,s−i

4
Definition 3.6. Dado un JFN < I, (Si )i∈I , (ui )i∈I > con Si finito para todo i, la extensión mixta
del juego es < I, (∆(Si ))i∈I , (ui )i∈I > con
|S | X
∆(Si ) = {σi ∈ R+ i | σi (si ) = 1} ∀i ∈ I
si ∈Si

y para todo σ ∈ ∆ tal que σ = (s1 , s2 , . . . , sj , . . . , sN )

X N
Y
ui (σ) = ui (s) σj (sj )
s∈S j=1

Donde un elemento σi ∈ ∆(Si ) es una estrategia mixta para i.

Definition 3.7. El proceso de eliminación iterativa de estrategias estrictamente dominada, EIEE,

queda definido por:

• Si0 = Si

• ∀k ∈ {0, 1, 2, . . .}

Sik+1 = {si ∈ Sik | @σi ∈ ∆(Sik ) tal que ui (σi , s−i ) > ui (si , s−i ) k
∀s−i ∈ S−i
T∞
• Si∞ = k
k=1 Si

Proposition 3.8. Si cada jugador es racional y esto es de conocimiento común, entonces ningún
jugador usara una estrategia eliminada por EIEE.

Definition 3.9. Un subconjunto B1 × . . . × BI ⊂ S es conjunto de Mejor Respuesta si ∀i ∈

I, ∀si ∈ Bi existe una distribución de probabilidad sobre las estrategias del rival σi ∈ ∆(Bi ) tal que
si es la mejor respuesta a las creencias σi .

Definition 3.10. El conjunto de Estrategias Racionalizables es la unión por componente de

todos los conjuntos de mejor respuesta:
[
R = R1 × . . . × RI = B1α × . . . × BIα
α

Definition 3.11. si ∈ Si es debilmente dominada si ∃ŝi ∈ Si tal que

ui (ŝi , s−i ) ≥ ui (si , s−i ) ∀s−i ∈ S−i

Y con desigualdad estricta para algún s0−i ∈ S−i .

Equilibrio de Nash

Definition 3.12. Un perfil de estrategias (s1 , . . . , Si ) es un Equilibrio de Nash en estrategias

puras de G si ∀i ∈ I y ∀s0i ∈ Si
ui (si , s−i ) ≥ ui (s0i , s−i )
El equilibrio es considerado Estricto si la desigualdad es estricta.

5
Definition 3.13. Un perfil de estrategias mixtas σ = (σi , . . . , σI ) es un Equilibrio de Nash en
Estrategias Mixtas (ENEM) en G si ∀σi0 ∈ ∆(Si ),

ui (σi , σ−i ) ≥ ui (σi0 , σ−i )

Definition 3.14. σ̄ = (σ̄i )i∈I es un ENEM para < I, (Si )i∈I , (ui )i∈I > si constituye un EN en su
extensión mixta.

Definition 3.15. En un juego finito, el soporte de una estrategia mixta σi queda definido por:

supp(σi ) = {si ∈ Si | σi (si ) > 0}

Proposition 3.16. Si σ constituye un equilibrio de Nash en estrategias mixtas y si , s0i ∈ supp(σi )

entonces:
ui (si , σ−i ) = ui (s0i , σ−i ) ∀i ∈ I
Es decir el jugador i esta indiferente entre las estrategias puras en el soporte de sigmai

Proposition 3.17. Si σ constituye un ENEM de G y σi (si ) > 0 entonces si no es eliminado por

∞.
EIEE, es decir, si ∈ S−i

Proposition 3.18. (Nash) En cualquier juego finito existe al menos un equilibrio de Nash (en
estrategias mixtas).

Lemma 3.19. σ es un ENEM ssi ∀i ∈ I, σi ∈ BRi (σ−i ).

Proposition 3.20. (Debreu-Fan-Glicksberg) Sea G un juego en forma normal. Si Si ⊂ Rn es

no-vacı́o, convexo y compacto para todo i ∈ I, y ui es continua en si , s−i y cuasi-cóncava en si ,
entonces G tiene un equilibrio de Nash en estrategias puras.

Proposition 3.21. Sea Gk una secuencia de juegos sobre el espacio de estrategias finitas S, con
k→∞
pagos uk tal que ∀i ∈ I, uki −−−→ ui . Si σ k ∈ N E(Gk ) ∀k y σ k → σ entonces σ ∈ N E(G). Es
decir, el conjunto de equilibrios de Nash cambia de manera hemi-continua superior a medida que
cambian las funciones de utilidad.

Definition 3.22. La distancia entre dos juego G, G0 que comparten el espacio de estrategias S
queda definida por:
!1
2
0
(u0i (s)
XX
2
k G − G k= − ui (s))
s∈S i∈I

Definition 3.23. Una propiedad se mantiene genericamente para juegos finitos de forma normal
si se mantiene para un conjunto X tal que:

• Si G ∈ X entonces ∃ε > 0 tal que si k G0 − G k< ε entonces G0 ∈ X.

• Si G 6∈ X entonces ∀ε > 0 ∃G0 ∈ X tal que k G0 − G k< ε.

Proposition 3.24. (Wilson) Juegos finitos de forma normal genéricamente tienen un numero
finito e impar de equilibrios Nash.

6
4 Juegos de Información Incompleta

Definition 4.1. Un JII queda definido por:

• I = {1, . . . , N } jugadores.

• Si acciones para cada i.

• Θi conjunto de tipos posibles del jugador i

• P una distribución de probabilidad sobre Θ.

• ui : Θ × S → R para cada i.

Donde los tipos T heta se realizan de acuerdo a P , tras lo cual cada jugador i conoce θi pero
desconoce el de los demás. Cada jugador luego decide una estrategia de Si y recibe pagos de acuerdo
a ui (s, θ).

Definition 4.2. Una estrategia para i es:

σi : Θi → Si

Definiendo Σi el conjunto de las estrategias de i, obtenemos un juego en forma normal < I, (Σi )i∈I , (ui )i∈I >

Definition 4.3. σ ∗ es Equilibrio Bayesiano si es un EN de < I, (Σi )i∈I , (ui )i∈I >, es decir, si
∀i ∈ I, θi ∈ Θi

E(ui(σi∗(θi), σ−i
∗
(θ−i ), θi , θ−i ) | Θi = θi ) ≥ E(ui (σi0 (θi ), σ−i
∗
(θ−i ), θi , θ−i ) | Θi = θi ) ∀σi0 ∈ Σi

Definition 4.4. Alternativamente σ ∗ es Equilibrio Bayesiano si

E(ui(σi∗(θi), σ−i
∗
(θ−i ), θi , θ−i ) | Θi = θi ) ≥ E(ui (si , σ−i
∗
(θ−i ), θi , θ−i ) | Θi = θi ) ∀si ∈ Si

Proposition 4.5. Ambas definiciones son equivalentes si Θi es finito para todo i ∈ I.

5 Juegos en Forma Extensiva

Un juego de forma extensiva está definido por:

1. un con junto de jugadores I = {1, . . . , N }.

2. Un conjunto finito de nodos X , con Z ⊂ X el conjunto de nodos terminales.

3. Un conjunto de funciones que describen cada nodo x ∈

/ Z no terminal:

(a) i(x) el jugador i que mueve en x.

(b) A(x) las posiblas acciones en x.
(c) n(x, a) los nodos sucesores de x dada la cción a.

4. ui : Z → R una función de pagos.

7
 5. h(x) El conjunto de información de i(x), es decir, el conjunto de nodos que i(x) no puede
distinguir. luego:

0
i(x) = i(x )


x0 ∈ h(x0 ) ⇐⇒ A(x) = A(x0 )

h(x) = h(x0 )


y se define Hi = {s ⊆ X | s = h(x) para algun x ∈ X con i(x) = i} el conjunto de conjuntos

de información donde i mueve.

Definition 5.1. Una estrategia pura para i es:

si : Hi → ∪h∈Hi A(h) con si (h) ∈ A(h) ∀h ∈ Hi

Es decir, una estrategia prescribe un comportamiento para cada posible contingencia, incluso para
aquellas historias que no se realizan.

Para s = (si )i∈I ∈ S = N

Q
i=1 Si se define z(s) como el nodo terminal resultantes cuando se
utiliza el perfil s y Ui (s) = ui (z(s)) la utilidad de i producto de este perfil.

Definition 5.2. La representación en forma Normal del JFE queda descrita por

< I, (Si )i∈I , (Ui )i∈I >

Definition 5.3. Una estrategia mixta para i es σi ∈ ∆(Si ).

Definition 5.4. Una estrategia de comportamiento para i es σi : Hi → ∆(Ai ) con σi (h)

asignando peso positivo solo en A(h) ∀h ∈ H.

Theorem 5.5. Kuhn: En juegos con perfect recall las estrategias mixtas y las de comportamiento
son equivalentes.

Definition 5.6. Sea G un JFE. un subjuego G0 de G consiste de:

• Y ⊆ X formado por un único nodo no terminal y todos sus sucesores. con la propiedad de
que si y ∈ Y e y 0 ∈ h(y) =⇒ y 0 ∈ Y .

• Los conjuntos de información, movidas factibles, etc... de G

Definition 5.7. Un JFE es de Información perfecta si cada conjunto de información es un

singleton.

Proposition 5.8. s∗ es EPS =⇒ s∗ es EN

Proposition 5.9 (Principio de Desviación Única). S ∗ es EPS ssi ∀i ∀h, tal que i(h) = i, se tiene
que:
ui |h (R |h (s∗−i |h , s∗i |h )) > ui |h (R |h (s∗−i |h , si |h )) (5.1)
Para si que difiere de s∗i sólo en la historia h

8
 Definition 5.10. Un juego es continuo al infinito si para cada jugador i la función de utilidad
satisface:

max |ui (h) − ui (h̄)| −→ 0, cuando T → ∞

h,h̄∈Z

s.t : (h)t=T t=T

t=1 = (h̄)t=1

Proposition 5.11. En un juego continuo al infinito se cumple es Principio de desviación única

Theorem 5.12. Zermelo: Un juego en forma extensiva finito de información perfecta tiene al
menos un EN. Más aun tal EN es también un EPS.

Equilibrios

Definition 5.13. s∗ = (s∗i )i∈I ∈ S es un EN del JFE si en un EN de su representación en forma

normal.

Definition 5.14. s∗ ∈ S es un Equilibrio Perfecto en Subjuegos de G si induce un EN en

cada subjuego de G.

Proposition 5.15. s∗ es EPS =⇒ s∗ es EN

6 Modelos de Señalización

Los modelos de señalización comúnmente abarcan solo 2 periodos. Generalmente se tienen:

Jugadores: i ∈ I, con I = {1, 2}

Tipos: θk ∈ Θi ∀i ∈ I

Acciones: ai ∈ Ai ∀i ∈ I

Creencias: µ(θi = θk ) = p , ó alguna distribución sobre Θ

Utilidades: ui (ai , a−i ) ∀i ∈ I

Supondremos por simplicidad que solo el jugador 1 posee información privada acerca de su tipo
y que para el jugador 2, |Θi | = 1. Dado esto, el juego es el siguiente:

t = 0: El jugador 1 es informado acerca de su tipo, pero tal información es privada. El jugador 2

posee creencias iniciales µ(θ) acerca del tipo del jugador 1.

t = 1: El jugador 1 realiza una acción a1 (θ)

t = 2: El jugador 2 observa a1 , actualiza sus creencias de manera Bayesiana µ(θ|a1 ) (siempre y

cuando se pueda) y realiza a2 (a1 ). Luego, cada jugador recibe sus utilidades.

9
 En los modelos de señalización existen dos tipos de equilibrios: equilibrios separadores o equi-
librios de pooling, ambos equilibrios son EBP, por lo que deben cumplir lo siguiente:

σ1∗ (·|θ) ∈ arg max u1 (α1 , σ2∗ , θ) ∀θ (6.1)

α1

σ2∗ (·|θ)
X
∈ arg max µ(θ|a1 )u2 (a1 , α2 , θ) ∀a1 (6.2)
α2
θ

Para las siguiente definiciones supondremos que Θ2 = {θL , θH }

Equilibro Separador

En el equilibrio separador se tiene que el jugador 1 tomara distintas acciones dependiendo de su

tipo, es decir,
a1 (θL ) 6= a1 (θH )
Por lo que las creencias del jugador 2 se actualizaran de la siguiente manera

µ(θL |a1 (θL )) = 1 ∨ µ(θH |a1 (θH )) = 1

Entonces el jugador 2 escogerá a2 conociendo el tipo del jugador 1.

Equilibro de Pooling

En este equilibrio, la información que entrega el jugador 1 no le sirve al jugador 2 ya que la estrategia
del jugador 1 será
a1 (θL ) = a1 (θH )
Por lo que el jugador 2 tendrá que seguir con sus creencias iniciales µ(θ) y maximizar su utilidad
esperada dada estas creencias.

7 Refinamientos de Juegos en Forma Extensiva

Definition 7.1. Un sistema de creencias para el jugador j queda definido por:

µj : {h : i(h) = j} → [0, 1] tal que h∈Ii µj (h) = 1 ∀Ii ∈ Ii
P

Definition 7.2. Una estategia σ es Secuencianlmente Racional, dado un sistema de creencias

µ = (µi )∀i ∈ I.
Si ∀i, ∀h(x):
E(ui | σi,∗ σ−i, h(x)i, µi) ≥ E(ui | σi, σ−i, h(x)i, µi)
Definition 7.3. Un sistema de creencias se actualiza a través de la Regla de Bayes.
P(x | σ)
Con µi (x) =
P(h | σ) . ∀i, ∀h, ∀x ∈ h. si P(h | σ) > 0
Definition 7.4. Un Equilibrio Bayesiano Perfecto Débil es aquel que cumple:

• σ es secuencialmente racional dado µ

10
 • µ se deriva de σ usando la regla de bayes.

Definition 7.5. Un Equilibrio Bayesiano Perfecto es aquel que cumple:

• σ es secuencialmente racional dado µ

• µ se deriva de σ usando la regla de bayes en todos los nodos x donde sea posible.

Definition 7.6. Un perfil de estrategias es estrictamente mixto si

σi (ai | Ii ) > 0 ∀i, ai ∈ Ai (Ii ), ∀Ii ∈ Ii

Definition 7.7. Un perfil (σ, µ) es consistente si existe una secuencia de estrategias estrictamente
mixtas σ n → σ y µn → µ, donde µn = µ(· | σ n ), es decir, si µ(· | ·) se deriva de la regla de Bayes,
entonces µ(· | σ n ) también debe derivarse de la regla de Bayes ∀n ∈ N.

Definition 7.8. Un Equilibrio secuencial es aquel que cumple:

• σ es secuencialmente racional dado µ

• (σ, µ) es consistente.

8 Juegos repetidos

Definition 8.1 (Juegos repetidos al infinito con monitoreo perfecto). Definimos un Juego repetido
al infinito con montioreo perfecto y tasa de descuento δ, denotado G∞ (δ), como una repetición
infinita de un juego simultaneo o juego en forma normal tal que queda definido por los siguientes
elementos,

• [Jugadores:] I.

• [Espacio de acciones:] Ai ∀i ∈ I, el espacio de acciones en cada etapa (juego simultaneo).

• [Pagos de etapa:] gi : A → R con A = Πi∈I Ai, la función de pagos en cada etapa del juego.

• [Perfil de acciones:] llamamos at = (at1 , . . . , atI ) el perfil de acciones jugado en la t-esima

etapa del juego.

• [Historias:] H t = (A)t es el espacio de todas las posibles historias de largo t y se define

ht = (a0 , . . . , at−1 ) ∈ H t .

• [Estrategias:] Una estrategia pura para el jugador i es una secuencia (sti )t∈N tal que sti :
H t → Ai . Una estrategia mixta o de comportamiento para el jugador i se define equivalen-
temente como (σit )t∈N con σit : H t → Ai , con Ai el espacio de distribuciones de probabilidad
sobre Ai .

• [Tasa de descuento:] δ < 1

• [Función objetivo:] ui = Eσ (1 − δ) ∞ t t t
t=0 δ gi (σ (h )) Donde se agrega (1 − δ) para que los
P

pagos del juego en forma normal y los valores presentes del juego repetido queden expresados
en las misma unidades y sean comparables.

11
Remark 8.2. Es importante notar que cualquier equilibrio de Nash del juego en forma normal
puede convertirse de forma natural a un EPS del juego en forma repetida de este mismo. Más
formalmente, si a∗ es EN del JFN entonces el perfil sti = ai ∀t es trivialmente un EPS del juego
repetido.
Esta observación es muy importante ya que implica que el juego en forma repetida no reduce los
posibles equilibrios del modelo y si δ es suficientemente pequeño, estos serı́an los únicos resultados
del juego repetido.

Definition 8.3 (Utilidad de reserva o minmax). La utilidad de reserva del jugador i se define como

vi = min[max gi (αi , α−i )]

¯ α−i αi

Lo que corresponde al mı́nimo pago al cual los demás jugadores pueden forzar a i si este prevee las
acciones del resto correctamente y juega su mejor respuesta. Naturalmente esto define mi−i como
el perfil que genera estos pagos para el jugado i, es decir,

mi−i ∈ arg min[max gi (αi , α−i )]

α−i αi

y mii el argmax o estrategia que asegura que gi (mii , mi−i ) = vi

¯
Proposition 8.4. El pago del jugador i es siempre menor o igual vi para todo equilibrio del juego
¯
repetido sin importar su tasa de descuento δ.

Definition 8.5 (Pagos factibles). El conjunto de pagos factibles para cualquier tasa de descuento
del juego repetido es
V = conv{v | ∃a ∈ A tal que g(a) = v}

Theorem 8.6 (Teorema del Pueblo). Para todo vector de pagos factibles v con vi > vi para cada
¯
jugador i, existe δ < 1 tal que para todo δ ∈ (δ, 1) existe un EPS de G∞ (δ) con pagos v.
¯ ¯

12