Taller con R studio Microeconomía

Teoría del Consumidor - Demandas Marshallianas y Hicksianas, Curva de Demanda: A

partir de la siguiente función de utilidad
La función de utilidad es:
0.3 0.7
U =X 1 ⋅ X 2 .

Imagine que un consumidor está planeando su presupuesto mensual para dos categorías
de gasto: alimentos (representados por X1) y entretenimiento (representados por X2). La
persona tiene un ingreso mensual de $3000. El precio por unidad de alimentos es $10 y el
precio por unidad de entretenimiento es $50.
1. Formule la restricción presupuestaria con los datos dados.

2. Establezca la función de Lagrange para maximizar la utilidad sujeta a la restricción

presupuestaria.

3. Resuelva para las cantidades óptimas de alimentos y entretenimiento que

maximizan la utilidad del consumidor.

4. Analice cómo un aumento en el precio del entretenimiento afectaría las cantidades

óptimas de ambos bienes. Instalamos las bibliotecas necesarias

Desarrollo:
Primero cargamos las librerías correspondientes
library(ggplot2)
library(knitr)

Definimos los parámetros de la función de utilidad

alpha <- 0.3
beta <- 0.7

1. Definimos la restricción presupuestaria

m=P1 X 1 + P2 X 2

3000=10 X 1+ 50 X 2

px <- 10
py <- 50
Definimos el ingreso:
M <- 3000

α y β son los coeficientes en la función de utilidad.

M es el ingreso del consumidor.
P x y P y son los precios de los bienes x e y respectivamente.

Por último, definimos el nivel de utilidad para la curva de indiferencia

U <- 52.78

2. Se establece la función de Lagrange para maximizar la utilidad sujeta a la

restricción presupuestaria.

Creamos las demandas marshallianas mediante las fórmulas correspondientes. Las

cantidades óptimas de alimentos y entretenimiento que maximizan la utilidad del
consumidor se calculan como demandas marshallianas, y en este caso son:

0.3 0.7
L= X 1 X 2 + λ ( m−P1 X 1+ P 2 X 2 )

¿ α⋅M
x óptima =x =
Px

¿ β⋅M
y óptima = y =
Py

Estas cantidades óptimas se calcularon y se almacenan en las variables:

0.3 × 3000
X1= =90
10
0.7 × 3000
X2= =42
50

x_star <- (alpha * M) / px

y_star <- (beta * M) / py

La curva de indiferencia indica las elecciones de consumo que maximizan la utilidad del
consumidor en ese punto particular, considerando los precios relativos y las preferencias.

3. Se resuelve para las cantidades óptimas de alimentos y entretenimiento que

maximizan la utilidad del consumidor

Curva de indiferencia:
x <- seq(0.1, 50, length.out = 100)
y <- (U^(1/beta)) / (x^(alpha/beta))

Crear data.frame
df <- data.frame(x=x, y=y)

Graficamos la curva de indiferencia

ggplot(df, aes(x, y)) +
geom_path(color = "blue") +
geom_point(aes(x = x_star, y = y_star), color = "red", size = 3) +
annotate("text", x = x_star + 2, y = y_star - 2, label = "(x*, y*)", color = "red") +
labs(title = "Curva de Indiferencia", x = "X1 (Alimentos)", y = "X2 (Entretenimiento)")

En la situación específica, la TMS entre alimentos x 1 y entretenimiento x 2 se calcula como

la pendiente de la curva de indiferencia. La observación de que la TMS es de 2.14 implica
que el consumidor estaría dispuesto a renunciar a 2.14 unidades de entretenimiento para
obtener una unidad adicional de alimentos, manteniendo su nivel de satisfacción
constante.
4.Se realiza el aumento en el precio del entretenimiento y su efecto las cantidades
óptimas de ambos bienes.
Supongamos un aumento del 12% en el precio de entretenimiento
Py nuevo <- 1.12 * py

# Recalculamos las cantidades óptimas

y_star_nuevo <- (beta * M) / py_nuevo
x_star_nuevo <- (alpha * M) / px

# Generación de datos para la nueva curva de indiferencia

y_nuevo <- (U^(1/beta)) / (x^(alpha/beta))
df_nuevo <- data.frame(x = x, y = y_nuevo)

Graficar las nuevas cantidades óptimas después del aumento en el precio del
entretenimiento
plot_nuevo <- ggplot(df_nuevo, aes(x, y)) +
geom_path(color = "green") +
geom_point(aes(x = x_star_nuevo, y = y_star_nuevo), color = "orange", size = 3) +
annotate("text", x = x_star_nuevo + 2, y = y_star_nuevo - 2, label = "(x*, y*)", color =
"orange") +
labs(title = "Curva de Indiferencia con Aumento del 12% en Entretenimiento", x = "X1
(Alimentos)", y = "X2 (Entretenimiento)")

print(plot_nuevo)

Análisis
Un aumento en el costo del entretenimiento ha llevado a un ajuste en las cantidades
óptimas de consumo para satisfacer al consumidor, resultando en x 1=90 unidades de
alimentos y x 2=37.5 unidades de entretenimiento. Esta observación indica que, frente al
incremento en el precio del entretenimiento, el consumidor ha decidido reducir su
consumo de este bien para mantener un nivel deseado de satisfacción.
Conclusión: En resumen, el análisis sugiere que, ante cambios en los precios relativos, el
consumidor realiza ajustes estratégicos en sus elecciones de consumo para optimizar su
satisfacción, revelando cómo las preferencias y la elasticidad influyen en las decisiones de
consumo.
2.) Para las demandas Hicksianas
Supongamos que el mismo consumidor desea mantener un nivel de satisfacción que antes
alcanzaba con un gasto de $3000, pero los precios han cambiado. Ahora, el precio por
unidad de alimentos ha aumentado a $15, mientras que el precio por unidad de
entretenimiento se ha reducido a $40.
1.Determine el nivel de utilidad U que el consumidor estaba obteniendo con su gasto
inicial de $3000.
2.Formule la función de Lagrange para minimizar el gasto necesario para alcanzar la
utilidad U con los nuevos precios.
3.Resuelva para las cantidades óptimas de alimentos y entretenimiento que el consumidor
debe comprar para mantener su nivel de utilidad previo al menor costo posible.
4.Discuta el efecto de sustitución y el efecto ingreso debido a los cambios en los precios.
DESARROLLO
library(ggplot2)
library (knitr)

Definimos los parámetreos

alpha <- 0.3
beta <- 0.7
u_star <- 52.78 # Nivel de utilidad a mantener constante

1. Determinamos el nivel de utilidad U que el consumidor estaba obteniendo con su

gasto inicial de 3000 .$.
0.3 0.7 0.3 0.7
U =X 1 X 2 =90 42

U2 <- 90^0.3 * 42^0.7

print(U2)

## [1] 52.78946
U =52.78
2.
Formulamos la función de Lagrange para minimizar el gasto necesario para
alcanzar la utilidad U con los nuevos precios

L=P1 X 1 + P2 X 2 + λ ( U −X 0.3
1 X2 )
0.7
 3. Resolvemos para las cantidades óptimas de alimentos y entretenimiento que el
consumidor debe comprar para mantener su nivel de utilidad previo al menor
# Demandas hicksianas
x_h <- function(p_x, p_y, u_star, alpha) {
return(alpha * u_star / p_x)
}

y_h <- function(p_x, p_y, u_star, beta) {

return(beta * u_star / p_y)
}

# Rango de precios para graficar

p_x_range <- seq(0.3, 2, length.out = 100)
p_y_range <- seq(0.7, 2, length.out = 100)

Calculamos las demandas :

1 ( ( P1 X 1 ) / P2 ) = ( P 1 X 1 ) / ( P2 )
0.7
U =X 0.3 0.7 0.7

( P 0.7
2 U) ( 40 0.7∗52.78 )
X1= = =104.86
( P0.7
1 ) 15
0.7

( P 0.3
1 U) ( 150.3∗52.78 )
X2= =¿ =39.32
( P0.3
2 ) 40
0.3

Se reduce más los precios x 1 que x 2

# Calculamos demandas hicksianas para cada precio
x_values <- sapply(p_x_range, x_h, p_y=40, u_star=u_star, alpha=alpha)
y_values <- sapply(p_y_range, y_h, p_x=15, u_star=u_star, beta=beta)

Graficamos
ggplot() +
geom_line(aes(p_x_range, x_values), color="blue", lwd=1.5, alpha=0.8) +
geom_line(aes(p_y_range, y_values), color="red", lwd=1.5, alpha=0.8) +
labs(title="Demandas Hicksianas", x="Precio", y="Cantidad") +
geom_text(aes(x = p_x_range[1], y = x_values[1], label = "x_h"), color = "blue", vjust = -
0.5) +
geom_text(aes(x = p_y_range[1], y = y_values[1], label = "y_h"), color = "red", vjust = -
0.5) +
theme_minimal()
Las líneas azul y roja representan las demandas hicksianas para los bienes x y y
respectivamente. Los puntos iniciales de las líneas (etiquetados como “x_h” y “y_h”)
indican la cantidad inicial de cada bien cuando los precios son mínimo
Conclusión :
El análisis de demandas hicksianas proporciona información sobre cómo cambiarían las
cantidades demandadas de bienes x y y n respuesta a cambios en sus precios,
manteniendo constante el nivel de utilidad. En el gráfico, las líneas indican cómo las
cantidades demandadas de x y y varían con los precios, y los puntos iniciales representan
la cantidad inicial de cada bien cuando los precios son mínimos.
El consumidor ajustaría sus compras de bienes x y y y para mantener su nivel de utilidad
constante.
Ahora veremos los diferentes consumidores:
alphas <- c(0.3, 0.5, 0.7, 0.4)
betas <- c(0.7, 0.5, 0.3, 0.6)
u_star <- 80000 # Nivel de utilidad a mantener constante
# Demanda hicksiana
x_h <- function(p_x, alpha, u_star) {
return(alpha * u_star / p_x)
}
# Rango de precios para graficar
p_x_range <- seq(0.3, 4, length.out = 100)

Observaremos los diferntes rangos de precios

p_x_range <- seq(0.3, 4, length.out = 100)

Calculamos demandas hicksianas para cada precio y cada consumidor

data <- data.frame(
px = rep(p_x_range, times = 4),
qty = c(sapply(p_x_range, x_h, alpha=alphas[1], u_star=u_star),
sapply(p_x_range, x_h, alpha=alphas[2], u_star=u_star),
sapply(p_x_range, x_h, alpha=alphas[3], u_star=u_star),
sapply(p_x_range, x_h, alpha=alphas[4], u_star=u_star)),
consumer = factor(rep(1:4, each = length(p_x_range)))
)

Se grafica las demanadas hicksianas para los distintos consumidores

ggplot(data, aes(x = px, y = qty, color = consumer)) +
geom_line() +
labs(title="Demandas Hicksianas para distintos consumidores", x="Precio de x",
y="Cantidad de x") +
theme_minimal() +
scale_color_manual(values = c("red", "blue", "green", "purple"),
labels = c("Consumidor 1", "Consumidor 2", "Consumidor 3", "Consumidor 4"))

# Función de utilidad Cobb-Douglas y sus derivadas

U <- function(x, y, alpha, beta) {
return(x^alpha * y^beta)
}
# Demandas marshallianas
x_m <- function(p_x, p_y, M, alpha) {
return(alpha * M / p_x)
}

y_m <- function(p_x, p_y, M, beta) {

return(beta * M / p_y)
}

# Demandas hicksianas
x_h <- function(p_x, u_star, alpha) {
return(alpha * u_star / p_x)
}

4. Discuta el efecto de sustitución y el efecto ingreso debido a los cambios en los

precios.
Efecto de Sustitución:
En el gráfico de curvas de indiferencia, observamos cómo el consumidor ajusta sus
preferencias en respuesta a cambios en los precios relativos de alimentos y
entretenimiento. El cambio en las curvas de indiferencia representa el efecto de
sustitución. A medida que el precio de los alimentos aumenta y el precio del
entretenimiento disminuye, el consumidor tiende a consumir más entretenimiento en
lugar de alimentos para mantener su nivel de satisfacción constante.
Efecto de ingreso:
Las cantidades óptimas de alimentos y entretenimiento cambian con el ingreso y los
nuevos precios. El aumento en el precio de los alimentos y la disminución en el precio del
entretenimiento afectan la cantidad de cada bien que el consumidor puede comprar con
su ingreso dado. La pendiente de la curva representa la relación entre los bienes dados los
nuevos precios y el nivel de ingreso constante.
# Efecto sustitución e ingreso
calculate_effects <- function(p_x_initial, p_x_new, p_y, M, alpha, beta) {

# Paso 1: Calculo de x_m y y_m con precios iniciales

x_m_initial <- x_m(p_x_initial, p_y, M, alpha)
y_m_initial <- y_m(p_x_initial, p_y, M, beta)

# Utilidad inicial
u_star <- U(x_m_initial, y_m_initial, alpha, beta)

# Paso 2: Calculo de x_h con el nuevo precio y utilidad inicial

 x_h_new <- x_h(p_x_new, u_star, alpha)

# Paso 3: Calculo de x_m con el nuevo precio

x_m_new <- x_m(p_x_new, p_y, M, alpha)

# Efecto sustitución e ingreso

substitution_effect <- x_h_new - x_m_initial
income_effect <- x_m_new - x_h_new

return(list(substitution_effect = substitution_effect,
income_effect = income_effect))
}

# Parámetros
alpha <- 0.3
beta <- 0.7
p_x_initial <- 10
p_y <- 50
M <- 3000
p_x_new <- 15

effects <- calculate_effects(p_x_initial, p_x_new, p_y, M, alpha, beta)

print(effects)

## $substitution_effect
## [1] -88.94421
##
## $income_effect
## [1] 58.94421

Ya que el efecto sustitución es negativo, significa que el consumidor está sustituyendo

menos entretenimiento por alimentos en respuesta al aumento del precio de los
alimentos y la disminución del precio del entretenimiento. Puedes interpretarlo como una
preferencia relativamente menor por el bien que ha experimentado un aumento de
precio.
ya que el efecto ingreso es positivo, indica que el consumidor está comprando más
alimentos debido al aumento en su ingreso real, teniendo en cuenta el cambio en los
precios relativos y manteniendo la utilidad constante.
library(ggplot2)

# Parámetros
alpha <- 0.3
beta <- 0.7
p_x_initial <- 10
p_y <- 50
M <- 3000
p_x_new <- 15

effects <- calculate_effects(p_x_initial, p_x_new, p_y, M, alpha, beta)

# Calculamos las demandas para graficar

x_initial <- x_m(p_x_initial, p_y, M, alpha)
x_new <- x_m(p_x_new, p_y, M, alpha)
x_hicksian <- x_h(p_x_new, U(x_initial, y_m(p_x_initial, p_y, M, beta), alpha, beta), alpha)

# Datos para la gráfica

df <- data.frame(
Price = c(p_x_initial, p_x_new, p_x_new),
Quantity = c(x_initial, x_hicksian, x_new),
Type = c("Original", "Hicksian", "Final")
)

# Graficamos
ggplot(df, aes(x = Price, y = Quantity, color = Type)) +
geom_point(size = 3) +
geom_line(aes(group = Type)) +
labs(title = "Efecto Sustitución e Ingreso en la Demanda",
x = "Precio de x",
y = "Cantidad de x") +
theme_minimal()

## `geom_line()`: Each group consists of only one observation.

## ℹ Do you need to adjust the group aesthetic?

library(ggplot2)
# Parámetros
alpha <- 0.3
beta <- 0.7
p_y <- 40
M <- 3000
p_x_range <- seq(0.5, 2, by = 0.05) # Rango de precios para x

# Calculamos demanda marshalliana para cada precio

x_m_values <- sapply(p_x_range, x_m, p_y = p_y, M = M, alpha = alpha)

# Calculamos utilidad inicial

u_star <- U(x_m(p_x_initial, p_y, M, alpha), y_m(p_x_initial, p_y, M, beta), alpha, beta)

# Calculamos demanda hicksiana para cada precio

x_h_values <- sapply(p_x_range, x_h, u_star = u_star, alpha = alpha)

# Crear data frame para graficar

df <- data.frame(
Price = rep(p_x_range, times = 2),
Quantity = c(x_m_values, x_h_values),
Type = factor(rep(c("Marshallian", "Hicksian"), each = length(p_x_range)))
)

# Graficamos
ggplot(df, aes(x = Price, y = Quantity, color = Type)) +
geom_line() +
labs(title = "Curvas de Demanda Marshalliana y Hicksiana",
x = "Precio de x",
y = "Cantidad de x") +
theme_minimal() +
scale_color_manual(values = c("Marshallian" = "blue", "Hicksian" = "red"))
3. Teoría del Productor - Maximización de Producción
Dado que la función de producción es q=k 3 l 3 – 0.1 k 2 – 0.3 l y se nos pide plantear un
problema de maximización de producción para dos niveles fijos de capital k =10 yk=20
podemos proceder de la siguiente manera:
1. Derive la función de producción respecto a l para encontrar la cantidad de trabajo l
que maximiza la producción q para los niveles de K.
3 3 2
q=k l −0.1 k −0.3 l, k , l≥ 0

k =10 q=〖 ( 10 ) 〗3 l 3−0.1 ( 10 )2−0.3 l

3
q=1000 l −10−0.3 l
∂q 2
=3000 l – 0.3
∂l

( ∂2 q )
=6000 l ≥ 0
( ∂ l 2)
library(ggplot2)

# Definir la función de producción corregida

production_function_corrected <- function(L) {
q <- 1000 * L^3 – 10-0.3 * L
 return(q)
}

No se puede encontrar la cantidad que maximiza, solo la cantidad que minimiza, ya que
cuanto más trabajo se use, mayor producción habrá.
k =20
3 3 2
q=〖 ( 20 ) 〗 l −0.1 ( 20 ) −0.3l
3
q=8000 l −40−0.3 l
∂q 2
=24000 l – 0.3=0
∂l

( ∂2 q )
=48000 l≥ 0
( ∂ l 2)
# Definir la función de producción corregida
production_function_corrected <- function(L) {
q <- 24000 * L^2 - 40 -0.3 * L
return(q)
}

No se puede encontrar la cantidad que maximiza, solo la cantidad que minimiza, ya que
cuanto más trabajo se use, mayor producción habrá.
** NO PODEMOS ENOCNTRAR L OPTIMO **
# Evaluar la producción máxima en L=40
L_optimal <- 40
q_optimal_corrected <- production_function_corrected(L_optimal)

# Imprimir el resultado
q_optimal_corrected

## [1] 38399948

# Crear una secuencia de valores de L para evaluar

L_values <- seq(0, 50, by = 0.5)
q_values_corrected <- sapply(L_values, production_function_corrected)

# Crear un data frame con los valores

df_corrected <- data.frame(L = L_values, q = q_values_corrected)

Gráfica
plot_corrected <- ggplot(df_corrected, aes(x = L, y = q)) +
geom_line(color = "blue") +
 geom_point(aes(x = L_optimal, y = q_optimal_corrected), color = "red", size = 4) +
labs(title = "Función de Producción Corregida",
x = "Número de trabajadores (L)",
y = "Producción (q)") +
annotate("text", x = L_optimal + 5, y = q_optimal_corrected, label = sprintf("Max q = %d
at L = %d", q_optimal_corrected, L_optimal))

print(plot_corrected)

####Productividad media

# Definir la función de productividad promedio

productivity_function <- function(L) {
# Evitar dividir por cero
if (L == 0) {
return(0)
}
q_val <- production_function_corrected(L)
return(q_val / L)
}

# Derivamos A(L) para encontrar su máximo

optimize(f = productivity_function, interval = c(0, 50), maximum = TRUE)
## $maximum
## [1] 49.99993
##
## $objective
## [1] 1199997

####grafico

# Cargar la biblioteca ggplot2 si aún no lo has hecho

library(ggplot2)

# Evaluar la productividad promedio para nuestra secuencia de valores de L

A_values <- sapply(L_values, productivity_function)

# Crear un data frame con los valores

df_productivity <- data.frame(L = L_values, A = A_values)

# Graficar la productividad usando ggplot2

L_max_productivity <- 40 # El valor que maximiza la productividad promedio
A_L_max_productivity <- productivity_function(L_max_productivity)

plot_productivity <- ggplot(df_productivity, aes(x = L, y = A)) +

geom_line(color = "blue") +
geom_point(aes(x = L_max_productivity, y = A_L_max_productivity), color = "red", size =
4) +
labs(title = "Productividad Promedio",
x = "Número de trabajadores (L)",
y = "Productividad (q/L)") +
annotate("text", x = L_max_productivity + 5, y = A_L_max_productivity, label =
sprintf("Max A = %.2f at L = %d", A_L_max_productivity, L_max_productivity))

print(plot_productivity)
COMO DEBERIA QUEDAR:
# Cargar la biblioteca ggplot2
library(ggplot2)

# Definir la función de producción corregida

production_function_corrected <- function(L) {
q <- 60000 * L^2 - 1000 * L^3
return(q)
}

# Evaluar la producción máxima en L=40

L_optimal <- 40
q_optimal_corrected <- production_function_corrected(L_optimal)

# Imprimir el resultado
q_optimal_corrected

## [1] 3.2e+07

# Crear una secuencia de valores de L para evaluar

L_values <- seq(0, 50, by = 0.5)
q_values_corrected <- sapply(L_values, production_function_corrected)

# Crear un data frame con los valores

df_corrected <- data.frame(L = L_values, q = q_values_corrected)

# Graficar la función usando ggplot2

plot_corrected <- ggplot(df_corrected, aes(x = L, y = q)) +
geom_line(color = "blue") +
geom_point(aes(x = L_optimal, y = q_optimal_corrected), color = "red", size = 4) +
labs(title = "Función de Producción Corregida",
x = "Número de trabajadores (L)",
y = "Producción (q)") +
annotate("text", x = L_optimal + 5, y = q_optimal_corrected, label = sprintf("Max q = %d
at L = %d", q_optimal_corrected, L_optimal))

print(plot_corrected)

####Productividad media

# Definir la función de productividad promedio

productivity_function <- function(L) {
# Evitar dividir por cero
if (L == 0) {
return(0)
}
q_val <- production_function_corrected(L)
return(q_val / L)
}
# Derivamos A(L) para encontrar su máximo
optimize(f = productivity_function, interval = c(0, 50), maximum = TRUE)

## $maximum
## [1] 30
##
## $objective
## [1] 9e+05

####grafico

# Cargar la biblioteca ggplot2 si aún no lo has hecho

library(ggplot2)

# Evaluar la productividad promedio para nuestra secuencia de valores de L

A_values <- sapply(L_values, productivity_function)

# Crear un data frame con los valores

df_productivity <- data.frame(L = L_values, A = A_values)

# Graficar la productividad usando ggplot2

L_max_productivity <- 30 # El valor que maximiza la productividad promedio
A_L_max_productivity <- productivity_function(L_max_productivity)

plot_productivity <- ggplot(df_productivity, aes(x = L, y = A)) +

geom_line(color = "blue") +
geom_point(aes(x = L_max_productivity, y = A_L_max_productivity), color = "red", size =
4) +
labs(title = "Productividad Promedio",
x = "Número de trabajadores (L)",
y = "Productividad (q/L)") +
annotate("text", x = L_max_productivity + 5, y = A_L_max_productivity, label =
sprintf("Max A = %.2f at L = %d", A_L_max_productivity, L_max_productivity))

print(plot_productivity)
 Teoría del Intercambio Puro - Equilibrio Walrasiano y Óptimos de
Pareto: Ese último es analítico no necesita ser programado en R

Supongamos que hay dos consumidores en una economía, Alice y Bob, quienes
consumen dos bienes, X e Y. Los consumidores tienen dotaciones iniciales de estos
bienes y tienen preferencias representadas por funciones de utilidad, que son
monótonas, estrictamente convexas y continuas.
 Alice tiene una dotación inicial de 𝑊𝑥1𝐴 unidades del bien 𝑋1 y 𝑊𝑥2𝐴unidades
del bien 𝑋2. Su función de utilidad es UA(𝑋1, 𝑋2).
 Bob tiene una dotación inicial de 𝑊𝑥1𝐵 unidades del bien 𝑋1 y 𝑊𝑥1𝐵 unidades
del bien 𝑋2 Su función de utilidad es UB(𝑋1, 𝑋2).

Demanda Marshalliana:

Las demandas marshallianas son las cantidades de bienes que cada consumidor
elegiría maximizar su utilidad dada una restricción presupuestaria, que en este caso
sería la dotación inicial de bienes y los precios de mercado
 0.2 0.8
U Alice= X 1 X 2
0.3 0.7
U Bob =X 1 X 2

Problema a Plantear:
1. Determine las demandas marshallianas de Alice y Bob para los bienes 𝑋1 e
𝑋2 dados sus dotaciones iniciales y una serie de precios 𝑃𝑋1 𝑦 𝑃𝑋2 para los bienes.
Paso 1
Problema de maximización para alice

Problema de maximización de bob

Paso 2
X 1 A + X 1 B=¿ 𝑊𝑥1𝐴 +𝑊𝑥1B = X 1

X 2 A + X 2 B =W X 2 A +W X 2 B =X 2

0.8 X 2 A P X 1
TMS A= =
0.2 X 1 A P X 2
P X 2 0.8 X 2 A
X1 A=
PX 1
P X 1 0.2 X 1 A
X2 A=
PX2
0.2 X 1 A P X 1 +0.8 X 2 A P X 2=W X 1 A P X 1+ W X 2 A P X 2

PX 1 X 1A
0.2 X 1 A P X 1 +( ) P X 2=W X 1 A P X 1 +W X 2 A P X 2
PX2
2 X 1 A P X 1=W X 1 A P X 1 +W X 2 A P X 2
Optimización para alice
W X 1 A P X 1 +W X 2 A P X 2
X1 A=
2 PX 1

( PX2 X2 A
PX 1 )
P X 1+ X 2 A P X 2=W X 1 A P X 1 +W X 2 A P X 2

2 X 2 A P X 2=W X 1 A P X 1 +W X 2 A P X 2

W X 1 A P X 1 +W X 2 A P X 2
X2 A=
2 PX 2

Optimización para bob

X 2B PX 1
TMS A= =
X 1B PX 2
P X 2 0.7 X 2 B
X 1 B=
PX1
P X 1 0.3 X 1 B
X 2 B=
PX2
0.3 X 1 B P X 1+ 0.7 X 2 B P X 2 =W X 1 B P X 1+W X 2 B P X 2

PX1 X1B
0.3 X 1 B P X 1+( ) P X 2 =W X 1 B P X 1+W X 2 B P X 2
PX2
2 X 1 B P X 1 =W X 1 B P X 1+W X 2 B P X 2

W X 1 B P X 1+W X 2 B P X 2
0.3 X 1 B=
2 PX1

( PX2 X2B
PX1 )
P X 1+ 0.7 X 2 B P X 2=W X 1 B P X 1+W X 2 B P X 2

2 X 2 B P X 2 =W X 1 B P X 1+W X 2 B P X 2

W X 1 B P X 1+ W X 2 B P X 2
0.7 X 2 B=
2 PX2
Las demandas marshallianas dependerán de las funciones de utilidad de alice y bob, las
cuales influirá en las elecciones de consumo.
No se puede mejorar la situación de un consumidor sin empeorar la situación de otro.
Lo anterior se representa en la siguiente grafica.

2. Encuentre los precios de equilibrio 𝑃𝑋1 y 𝑃𝑋2 tal que las cantidades demandadas
de los bienes 𝑋1 y 𝑋2 sean iguales a las cantidades ofrecidas (dotaciones iniciales)
en la economía.
Equilibrio para alice
X 1 A + X 1 B= X 1

W X 1 A P X 1+W X 2 A P X 2 W X 1 B P X 1 +W X 2 B P X 2
+ =X 1
2 PX 1 2 PX 1

(W X 1 A +W X 1 B )P X 1+(W X 2 A +W X 2 B )P X 2
= X1
2 PX1

( W X 1 A +W X 1 B ) P X 1 + ( W X 2 A +W X 2 B ) P X 2 =2 P X 1 X 1
( W X 2 A +W X 2 B ) P X 2= ( 2 X 1−W X 1 A −W X 1 B ) P X 1
Equilibrio para bob

( W X 2 A +W X 2 B ) PX1
=
( 2 X 1−W X 1 A −W X 1 B ) PX2

X 2 A + X 2 B =X 2

W X 1 A P X 1+W X 2 A P X 2 W X 1 B P X 1 +W X 2 B P X 2
+ =X 2
2 PX 2 2 PX 2
 (W X 1 A +W X 1 B )P X 1+(W X 2 A +W X 2 B )P X 2
= X2
2 PX2

( W X 1 A +W X 1 B ) P X 1=(2 X 2−W X 2 A−W X 2 B ) P X 2

( W X 1 A +W X 1 B ) PX2
=
(2 X 2−W X 2 A −W X 2 B) PX1

La búsqueda de los preciso que iguala la oferta y la demanda garantiza un equilibrio en el

mercado. En este equilibrio, las cantidades demandadas por los consumidores coinciden
con las cantidades ofrecidas mediante las dotaciones iniciales.

Se concluye que el equilibrio alcanzado será eficiente en el sentido de Pareto, ya que no

se puede mejorar la situación de un consumidor sin empeorar la situación de otro.

El cambio de las preferencias afectase el equilibrio del mercado.

3. Con los precios de equilibrio encontrados, verifique si la asignación de equilibrio

es un Óptimo de Pareto, donde no es posible hacer a uno de los consumidores
mejor sin hacer al otro peor.

Se alcanza el óptimo de Pareto cuando:

TMS A=TMS B

UMgX 1 A UMgX 1 B
=
UMgX 2 A UMgX 2 B
 −0.8 0.8 −0.7 0.7
X1 A X 2A X1B X2B
0.2 −0.2
= 0.3 −0.3
X1 A X2 A X1B X2B

X2 A X2B
=
X1 A X1B

Para verificarse se deben asignar valores a los precios y dotaciones iniciales.

La condición de las tasas marginales de sustitución igualadas se cumple con los precios de
equilibrio encontrados, entonces la asignación es un óptimo de Pareto

4. Analice cómo cambios en las dotaciones iniciales podrían afectar el equilibrio y

la eficiencia de Pareto.

W X 1 A P X 1 +W X 2 A P X 2
X1 A=
2 PX 1
W X 1 A P X 1 +W X 2 A P X 2
X2 A=
2 PX 2

W X 1 B P X 1+W X 2 B P X 2
X 1 B=
2 PX1
W X 1 B P X 1+W X 2 B P X 2
X 2 B=
2 PX2

Un cambio en las dotaciones iniciales cambiará las dotaciones de equilibrio, y esto llevar a
un nuevo óptimo de Pareto. Esto podría usarse siguiendo el Segundo Teorema del
Bienestar, el cual dice que toda distribución aceptable desde el punto de vista social
puede obtenerse redistribuyendo las dotaciones iniciales y dejando que el mercado
funcione.
Bibliografía:
Nicholson, W. (2005). Teoría microeconómica. Principios básicos y ampliaciones: principios
básicos y ampliaciones. Ediciones Paraninfo, SA.

Parkin, M., & Esquivel, G. (1995). Microeconomía (Vol. 1). Wilmington: Addison-Wesley
Iberoamericana.
Ramiro Rodríguez Revilla, Universidad de La Salle, Bogotá

Gracias.