Micro Econom Iacon Excel

Anlisis microeconmico con Excel
1

MICROECONOMA CON EXCEL
EN EMPRESAS

La criticada impracticabilidad de la teora neoclsica resuelta me-
diante su aplicacin en Excel. Una refutacin de errores en la mi-
croeconoma clsica. El consumidor, la empresa, optimizacin y
programacin, los mercados: anlisis diferencial, operadores de
Lagrange, elasticidad media o promedio, ecuacin de Slutsky, nivel
de vida, 12 ndices de precios y de cantidades; integracin, exce-
dente del consumidor y del productor segn tipo de mercado; mode-
lacin clsica, Rapidito, lentito en la estacin Vivitos, Telefocn 4 y
7; econometra: muestreo, probabilidad, combinatoria, series cortas;
proyeccin del mercado y estimacin de funciones de demanda
mediante correlacin mltiple con Anova, para el reemplazo por una
dcima variable representativa; mejor ajustamiento (solo millon-
simos de error) con ms de 500 variables; investigacin operativa:
programacin lineal, no lineal, dinmica, entera, binomial, Solver;
matrices; 6 seis mtodos equivalentes con similar resultado; pro-
gramacin de la produccin en sistemas resueltos en Excel con 5,
10, cientos o miles de variables; colas, modelos de simulacin di-
nmica en Excel, modelo de la telaraa con el nmero exacto de
perodos del ajuste dinmico, VAN y TIR, produccin mltiple, multi-
objetivo, multicriterio; teora de los juegos Simplex, Shapley y
Banzhaf con Excel, SEU e incertidumbre; subastas licitaciones; ma-
temtica difusa (fuzzy) y del caos; el juego de la cerveza del MIT,
modelacin Oman y su asesina; ecuaciones en difencias finitas,
integrales mltiples; nivel intermedio asequible para no especialis-
tas mediante aplicaciones simples de Excel y lgebra.


2
Programa de la asignatura Microeconoma I linkeado al material de
estudio (al final), a ejercicios resueltos y a archivos Excel y otros,
disponibles en:
www.Microeconomaconexcel.com , sitios del curso en la FCE,
foros y otros site.

2003 Santiago Eiras Roel T. Isabel Rbora Teresa Eiras
Derechos exclusivos
IMPRESO EN ARGENTINA - PRINTED IN ARGENTINE

MICROECONOMA CON EXCEL EN EMPRESAS

Enfoque terico prctico de microeconoma de la empresa, para no
graduados y profesionales, del rea comercial e investigacin de
empresas; con ms de 100 ejemplos resueltos paso a paso utilizan-
do aplicaciones de Excel -en situaciones bajo cuatro contextos:
cierto, aleatorio, hostil e incierto-.

Los autores

- Santiago Eiras Roel , 30 aos en anlisis de mercado de
Siderurgia Argentina -SOMISA- y profesor de microeconoma
en la Universidad de Buenos Aires; Dr. en Ciencias Econmi-
cas.

- T. Isabel Rbora, 30 aos de docencia; profesora ayudante
del curso. Contadora (CPN)


3
- Teresa Eiras, auxiliar en prctica estadstica y casos micro-
econmicos.

ADVERTENCIA

Es este un enfoque diferente; no es ms de lo mismo: incluye
nuevos aportes y refutaciones, junto con una reafirmacin
(computacional y prctica) de la microeconoma clsica; por lo
cual el ordenamiento no es el convencional.

Use Cntrl + F para buscar temas por palabra (o bien este n-
dice temtico, o el ndice alfabtico al final)

Segn dice el refrn, cada maestrito con su librito. explica lo que
est ocurriendo en el mbito econmico. Profesionales de ciencias
exactas e ingeniera prefieren exponer los principios microeconmi-
cos con multiplicidad de funciones y reformulaciones del V postulado
euclidiano, ya sea utilizando segmentos, diferenciales o la sintaxis
de la ms reciente teora de conjuntos; pero no deja de ser ms de
lo mismo.

Otros profesionales enfatizan sobre teora de los juegos reexpo-
niendo alguna parte de los principios microeconmicos; y lo hacen
con lenguaje tambin variado, ya sea el coloquial, el de la teora de
conjuntos o mediante el de la programacin lineal.

Y cmo no iba a ocurrir; en este trabajo el enfoque es diferente.
Pero aqu se cambi el instrumento de investigacin: en vez del
tradicional y cientfico (pero limitado a 4 variables) papel y lpiz an-
teriores, aqu se utiliza Excel! De aqu la advertencia; en este libro
hay mucho material, pero no todo lo microeconmico. No figura aqu
lo que ya est suficientemente abarcado en los textos tradicionales

4
(salvo que pueda ser mejorado con Excel). Por esto en los cursos se
complementa con una seleccin de textos tradicionales pegndola
sobre hojas de un Excel y ZIP.

Lamentablemente para la industria editorial los tiempos han cambia-
do; adems, tampoco estn ofreciente textos que recopilen la mayor
parte de los temas en un solo volumen didctico (por ahora prefieren
la proliferacin de enfoques limitados).

Este punto nos conduce a otra idea y tarea pendiente en nuestro
medio. Los centros de investigacin mundiales se promocionan pre-
ferentemente desde los medios acadmicos y revistas norteameri-
canos; pero no disponemos en nuestros medios locales de algo si-
milar, que nos permita tener idea de los aportes de cada investiga-
dor local.

Cul es la gua para los estudiantes y docentes locales? No existe;
por esto, quizs las principales instituciones acadmicas debieran
mostrar un quin es quin, por ejemplo reseando en alguna p-
gina web los aportes originales de cada investigador (preferente-
mente aquellos que no figuran previamente expuestos por otros lo-
cales o del exterior).

Esta idea podra encontrar alguna resistencia, por parte de acad-
micos que preferiran mostrar solo sus logros curriculares, antes que
remarcar sus aportaciones originales. Sin embargo, son stas las
que necesitan conocer estudiantes, profesionales y profesores para
afianzar sus conocimientos. Se pide tolerancia a la industria editorial
y a los acadmicos. Ha cambiado la tecnologa; y un contador, li-
cenciado o ingeniero depende hoy de Excel, los ZIP e internet para
detectar las nuevas aportaciones y desempearse.


5

INDICE
ADVERTENCIA........................................................................................................................................ 3
PRLOGO................................................................................................................................................ 17
INTRODUCCIN ................................................................................................................................... 19
CIVILIZACION OCCIDENTAL ........................................................................................................... 19
EVOLUCION DE LA MATEMATICA Y LA ECONOMIA .............................................................. 21
El V POSTULADO EN LOS ELEMENTOS DE EUCLIDES............................................................. 23
MICROECONOMA CLASICA ............................................................................................................ 39
DESDE LA GEOMETRIA PLANA DE EUCLIDES HACIA LA GEOMETRIA ANALITICA ..... 41
PRODUCCION, COSTOS, BENEFICIOS ............................................................................................ 44
ERRORES EN LA MICROECONOMA CLASICA ........................................................................... 52
DESTINATARIOS DE LA MICROECONOMA ................................................................................ 53
POR QU ES INSUFICIENTE LA MICROECONOMA CLSICA CON ENFOQUE SOLO
FORMAL .................................................................................................................................................. 54
APORTES DE MICROECONOMA CON EXCEL (MCE) ................................................................ 57
1) Exposiciones simplificadas ................................................................................................................. 57
2) Seis mtodos equivalentes ................................................................................................................... 58
3) Estimacin de funciones ..................................................................................................................... 59
4) Programacin con cientos de variables .............................................................................................. 60
5) Matrices con Excel............................................................................................................................... 60
6) Otros 10 utilitarios ............................................................................................................................... 60
7) Empresa sobredimensionada: .............................................................................................................. 61
8) Casos de antidumping y countervailing duty ..................................................................................... 62
9) Cuatro contextos econmicos ............................................................................................................. 62
10) Elasticidad media ............................................................................................................................... 64
11) Es prcticamente til la ecuacin Slutsky? ................................................................................... 64
12) Como obtener funciones y grficos desde series y viceversa ......................................................... 66
13) Funciones muy complejas ................................................................................................................. 66
14) Anlisis dinmico .............................................................................................................................. 66
15) Modelo de la Telaraa y su nmero de perodos ............................................................................. 66
16) Modelos de simulacin: .................................................................................................................. 67
17) El problema de identificacin ........................................................................................................... 67
18 Mtodos cientficos ............................................................................................................................. 69
19) Un error en la microeconoma clsica, el sujeto .............................................................................. 70
20) Otro error en la microeconoma clsica, las generalizaciones sobre sistemasNxN: .................... 71
21) Visin de la microeconoma como la economa de la empresa ...................................................... 73
22) Simplificacin de la Teora de los Juegos, del S.XXI ..................................................................... 74
23) Omisin tradicional en el MIT, LSE, OXFORD Y SALAMANCA.............................................. 74
24) Brecha entre modelacin y realidad: ................................................................................................ 76
25) MONOPSONIO OLIGOPSONIO CON MS PRECISION ......................................................... 78
CONSENSO DE WASHINGTON ......................................................................................................... 78
DISGRESIN MACROECONMICA ................................................................................................. 79
USO DE FUNCIONES ............................................................................................................................ 81

6
TRES POSIBLES ENFOQUES MICROECONOMICOS: ................................................................ 84
TEMAS FUNDAMENTALES PARA UN CURSO GENERAL DE MICROECONOMA ............. 86
PARA QU SE ESTUDIA MICROECONOMA................................................................................. 88
OTRO PROGRAMA ACTUALIZADO DE MICROECONOMA ........................................... 89
CAPTULO 1 .......................................................................................................................................... 92
SERIES Y FUNCIONES EN LA EMPRESA ....................................................................................... 92
ORIENTACIN Y CONTENIDO ......................................................................................................... 92
HASTA DNDE MICROECONOMA Y HASTA DNDE ESTADSTICA? .............................. 93
ESTUDIAR LA DEMANDA .................................................................................................................. 95
DESDE SERIES OBTENER ECUACIONES Y GRFICOS ........................................................... 96
DESDE ECUACIONES OBTENER SERIES Y GRFICOS ............................................................. 97
FUNCIN DE DEMANDA LINEAL.................................................................................................. 97
FUNCIN DE DEMANDA TERICA (HIPERBLICA) ................................................................. 98
ESTUDIOS DE DEMANDA EN LAS EMPRESAS y ......................................................................... 99
TIPOS DE BIENES ................................................................................................................................. 99
EQUILIBRIO EN MERCADOS COMPETITIVOS ........................................................................... 100
MERCADO COMPETITIVO CON IMPUESTOS ............................................................................. 100
DEMANDA, INGRESO TOTAL Y MARGINAL.............................................................................. 102
EXTENDER CLCULOS EN EXCEL ............................................................................................... 102
ESTUDIOS DE DEMANDA Y MERCADO BAJO CUATRO CONTEXTOS ..................... 103
TIPOS DE BIENES, CONTEXTOS Y MTODOS ........................................................................... 103
CAPTULO 2 - .................................................................................................................................... 105
CONTEXTO CIERTO ........................................................................................................................... 105
ANLISIS DE VARIABLES INDIVIDUALES................................................................................. 105
SERIES SIMPLES ................................................................................................................................. 105
MEDIDAS DE POSICIN. MEDIA ARITMTICA: ........................................................................ 107
MEDIA GEOMTRICA ....................................................................................................................... 107
MEDIA ARMNICA ............................................................................................................................ 108
MEDIANA: ............................................................................................................................................ 110
MODA(O):.............................................................................................................................................. 110
MEDIDAS DE DISPERSIN - VARIANZA: ................................................................................... 111
DESVIO ESTNDAR ........................................................................................................................... 112
DESVIACIN ESTNDAR- EN UNA POBLACIN: .................................................................... 113
SERIES DE FRECUENCIAS ............................................................................................................... 114
MEDIA ARITMTICA ......................................................................................................................... 115
MEDIA GEOMTRICA: ...................................................................................................................... 116
MEDIA ARMNICA: ........................................................................................................................... 117
MODA(O):.............................................................................................................................................. 118
DECILES: ............................................................................................................................................... 118
PERCENTILES ...................................................................................................................................... 119
MEDIDAS DE DISPERSIN .............................................................................................................. 119
DESVIO ESTNDAR Y VARIANZA: ............................................................................................... 119
ASIMETRA Y CURTOSIS ................................................................................................................. 120
MOMENTOS ABSOLUTOS HASTA SU CUARTO GRADO: ....................................................... 120
MOMENTO 0: ....................................................................................................................................... 120

7
MOMENTO 1: ....................................................................................................................................... 121
MOMENTO 2: ....................................................................................................................................... 122
MOMENTO 3: ....................................................................................................................................... 122
MOMENTO 4: ....................................................................................................................................... 123
MOMENTOS CENTRADOS HASTA CUARTO ORDEN ............................................................... 123
MOMENTO 1......................................................................................................................................... 123
MOMENTO 2......................................................................................................................................... 124
MOMENTO 4......................................................................................................................................... 125
DESVO CUARTLICO ........................................................................................................................ 125
VARIANZA MEDIANTE MOMENTOS ............................................................................................ 126
CONCLUSIN ...................................................................................................................................... 126
ANLISIS DE UNA SERIE CRONOLGICA .................................................................... 127
Mtodo de los promedios mviles ........................................................................................................ 127
CICLOS .................................................................................................................................................. 129
Mtodo de los nueve puntos: ................................................................................................................. 129
RELACIN ENTRE VARIABLES - SIMPLE (DOS VARIABLES) ............................................. 131
AJUSTAMIENTOS ............................................................................................................................... 131
Mtodo de los mnimos cuadrados: ....................................................................................................... 131
COVARIANZA ...................................................................................................................................... 132
DOS RECTAS DE REGRESION ......................................................................................................... 132
COEFICIENTE DE CORRELACIN ................................................................................................. 133
ELASTICIDAD MEDIA O PROMEDIO ............................................................................... 134
CORRELACIN EN UNA POBLACIN ....................................................................................... 134
DEMANDA COMO CORRELACIN PRECIO-CANTIDAD ......................................................... 135
CORRELACIN - EN MUESTRAS .................................................................................. 136
EVALUACIN DE EXMENES........................................................................................................ 137
ANLISIS DE VARIANZA Y COVARIANZA ............................................................................... 138
REGRESIN MLTIPLE .................................................................................................................... 139
ESTIMACIN DE DEMANDA POR CORRELACIN MLTIPLE - PRONSTICOS: ............ 139
DISCOS DE FRENO PARA AUTOS .................................................................................................. 139
ANLISIS DE VARIANZA ................................................................................................................. 141
ANLISIS DE REGRESIN ................................................................................................ 142
ANOVA (en ingls ANLISIS DE VARIANZA ............................................................................... 143
MULTICOLINEALIDAD - FIV........................................................................................................... 144
ESTADISTICA DESCRIPTIVA EXCEL ............................................................................................ 145
ESTIMACIN LINEAL (MLTIPLE) - VENTA DE HELADOS ............................................ 147
MULTICOLINEALIDAD - .................................................................................................................. 149
MATRIZ DE CORRELACION CON EXCEL .................................................................................... 149
MATRIZ DE COVARIANCIA .......................................................................................................... 152
ECONOMIA NO ES MEDICINA NI ES MECNICA ..................................................................... 156
CORRELACIN MULTIPLE Y ANOVA CON SPSS (IBM) .......................................................... 157

8
CORRELACION CON EVIEWS (ex TSP) ......................................................................................... 159
CORRELACION MLTIPLE CON STATA..................................................................................... 163
ESTIMACION DE FUNCIONES (REGRESION) ............................................................................ 171
AJUSTAMIENTO LINEAL CON EXCEL ........................................................................................ 174
AJUSTAMIENTO LOGARITMICA CON EXCEL ........................................................................... 175
AJUSTAMIENTO POTENCIAL CON EXCEL ................................................................................. 176
AJUSTAMIENTO POLINOMICA CON EXCEL .............................................................................. 178
MEJOR AJUSTAMIENTO CON FINDGRAPH ......................................................................... 179
CAPTULO 3 - ..................................................................................................................................... 182
PROYECCIN Y PROGRAMACIN ................................................................................................ 182
CON SERIES, CON ECUACIONES, MATRICES O CON PROGRAMACIN LINEAL? ....... 182
PARA QU PROYECTAR CON CORRELACIONES?.................................................................. 183
ANLISIS DE COYUNTURA PARA PRONSTICOS ................................................................... 183
MODELOS DE SIMULACION DE LA OFERTA Y DEMANDA GLOBAL PARA ESTIMAR LA
DEMANDA DE CHAPA DE SOMISA:.............................................................................................. 185
3.- ANALISIS DE COYUNTURA ....................................................................................................... 189
5- ETAPAS DEL PROCESO PRODUCTIVO ................................................................................... 192
PROGRAMACIN NO LINEAL O LINEAL - ................................................................................. 194
CON SOLVER DE EXCEL .................................................................................................................. 194
SENSIBILIDAD .................................................................................................................................... 197
PROGRAMACIN LINEAL SIMPLEX ............................................................................................ 198
Contribucin marginal (precios sombra) .............................................................................................. 202
Costo de oportunidad: ............................................................................................................................ 202
Minimizar el costo de produccin: ........................................................................................................ 203
DUALIDAD ........................................................................................................................................... 203
PROGRAMACIN LINEAL SIMPLEX CON SOLVER DE EXCEL ............................................ 205
FBRICA DE MESAS Y SILLAS ZONDA ....................................................................................... 205
PRODUCCIN DE TV, ESTREOS Y ALTAVOCES .................................................................... 207
PROBLEMA DE TRANSPORTE ........................................................................................................ 208
PROGRAMACION CON PRESENTACIONES MATRICIALES ................................................... 211
PLANIFICACIN DEL PERSONAL DE UN PARQUE DE DIVERSIONES ............................... 211
MAXIMIZAR UNA INVERSIN EN BONOS ................................................................................. 213
OPTIMIZAR UNA CARTERA DE VALORES-ACCIONES ........................................................... 216
VALOR DE RESISTENCIA PARA UN CIRCUITO ELCTRICO ................................................. 218
MATRICES Y DETERMINANTES: ...................................................................................................... 221
MATRIZ INSUMO-PRODUCTO ........................................................................................................ 221
MATRIZ DETERMINANTE................................................................................................................ 223
NO SIRVE CUALQUIER MATRIZ .................................................................................................... 224
IMPUT-OUTPUT ................................................................................................................................. 226
EQUILIBRIO GENERAL DE PRODUCCIN-INTERCAMBIO .................................................... 227
MATRIZ INSUMO-PRODUCTO ARGENTINA 1997 ..................................................................... 231
METODO SIMPLEX, EN FORMA ESTANDAR Y CANONICA .................................................. 235
SIMPLEX MATRICIAL ..................................................................................................................... 238
INVESTIGACION OPERATIVA CON EXCEL, WINQSB; GAMS, LINDO, TORA, OTROS
.............................................................................................................................................. 241
PROGRAMACIN LINEAL CON WINQSB .................................................................................... 241

9
METODO GRAFICO CON WINQSB ................................................................................................. 245
PROGRAMACION LINEAL CON GAMS ........................................................................................ 248
PROGRAMACION LINEAL CON TORA ......................................................................................... 253
PROGRAMACION LINEAL CON LINDO ....................................................................................... 256
SISTEMAS CON 1700 VARIABLES ................................................................................................ 260
SISTEMASDE ECUACIONES NxN ................................................................................................... 260
SISTEMAS NxN CON SOLVER DE EXCEL .................................................................................... 260
SISTEMASDE ECUACIONES NxN CON EXCEL, STATA, EVIEWS, MATLAB, SPSS .......... 262
METODO DE DETERMINANTES: .................................................................................................... 262
SISTEMASNXN CON DETERMINANTES EN EXCEL ................................................................. 263
SISTEMASDE ECUACIONES NxN CON STATA........................................................................... 264
SISTEMAS DE ECUACIONES NxN CON EVIEWS ....................................................................... 267
SISTEMAS DE ECUACIONES Y MATRICES CON MATLAB .............................................. 272
SISTEMASNxN CON SPSS ................................................................................................................. 277
CAPTULO 4 - .................................................................................................................................... 282
CONTEXTO ALEATORIO .................................................................................................................. 282
TEORA DE LA PROBABILIDAD ..................................................................................................... 282
PROBABILIDAD DE DISTRIBUCIONES ........................................................................................ 283
DISTRIBUCIN BINOMIAL .............................................................................................................. 284
ESPERANZA MATEMTICA ............................................................................................................ 285
DISTRIBUCIN NORMAL ................................................................................................................. 285
USO DE TABLAS Y DE LAS FUNCIONES INCORPORADAS EN EXCEL .............................. 286
REGLA O TEOREMA DE BAYES ..................................................................................................... 287
ANLISIS COMBINATORIO. Reglas de conteo .............................................................................. 289
PERMUTACIONES .............................................................................................................................. 291
DISTRIBUCIN BINOMIAL .............................................................................................................. 292
DISTRIBUCIN NORMAL (SERIES GRANDES) .......................................................................... 293
PRUEBA Z ............................................................................................................................................. 294
VIDA TIL DE UN PRODUCTO ....................................................................................................... 295
MUESTRA DE 200 ARANDELAS ..................................................................................................... 296
MUESTRA DE 100 TUBOS FLUORESCENTES ............................................................................. 297
TEORA DE LAS COLAS .................................................................................................................... 298
DISTRIBUCIN DE POISSON ........................................................................................................... 299
SIMULACIN DE MONTECARLO .................................................................................................. 300
TAMAO DE LA MUESTRA ............................................................................................................. 304
PROGRAMACIN DINMICA ......................................................................................................... 305
CADENAS DE MARKOV ................................................................................................................... 305
CAPTULO 5 - ..................................................................................................................................... 310
MUESTREO ........................................................................................................................................... 310
ENSAYOS CON UNA Y DOS COLAS .............................................................................................. 311
NMEROS ALEATORIOS.................................................................................................................. 312
PEQUEAS MUESTRAS .................................................................................................................... 313
DISTRIBUCIN STUDENT ................................................................................................................ 313
MUESTRA DE 10 ARANDELAS ....................................................................................................... 313
PRUEBA X
2
(DE ASOCIACIN ENTRE DOS VARIABLES Y DOS O MS MUESTRAS).... 314
MUESTRA DE 16 PIEZAS TORNEADAS ........................................................................................ 316
MUESTRA DE 200 BOMBITAS ......................................................................................................... 317
SALIERON 115 CARAS y 85 CRUCES ............................................................................................. 318
EL KILO DE GUISANTES DE MENDEL ......................................................................................... 319

10
BONDAD DE UN AJUSTE .................................................................................................................. 320
CAPTULO 6 - .................................................................................................................................... 322
TEORA DE LA DEMANDA .............................................................................................................. 322
Teoras de la demanda y sistemas econmicos .................................................................................... 322
PRIMERA TEORA DE LA DEMANDA: sicolgico-utilitaria ........................................................ 325
SEGUNDA TEORA DE LA DEMANDA: curvas de indiferencia .................................................. 327
CURVA DE INDIFERENCIA Y RECTA DE PRESUPUESTO ....................................................... 328
TERCERA TEORA DE LA DEMANDA: PREFERENCIA REVELADA ..................................... 329
NMEROS NDICE .............................................................................................................................. 332
EQUILIBIO DEL CONSUMIDOR: DEMANDA DERIVADA ........................................................ 332
MAXIMIZACIN SEGN LA UTILIDAD MARGINAL ............................................................... 332
(A. MARSHALL) .................................................................................................................................. 332
PROBLEMA DUAL: ............................................................................................................................. 334
MAXIMIZACIN SEGN LA INDIFERENCIA DE W. PARETO ................................................ 336
(Y LAGRANGE) ................................................................................................................................... 336
DETERMINANTES .............................................................................................................. 338
EFECTO INGRESO-SUSTITUCIN SEGN HICKS ..................................................................... 339
FUNCIN COMBINADA DE LAGRANGE ..................................................................................... 344
SIGNIFICADO Y VALOR DE : ....................................................................................................... 345
ECUACIN DE SLUTSKY ................................................................................................................. 346
EFECTO DEL CAMBIO DEL PRECIO DEL BIEN X SOBRE LA DEMANDA DEL BIEN X: . 348
PARADOJA GIFFEN ............................................................................................................................ 348
BIENES SUNTUARIOS ....................................................................................................................... 349
EFECTO DEL CAMBIO DEL PRECIO DE X SOBRE LA DEMANDA DEL BIEN Y:............... 350
DEDUCCION DE LA ECUACION DE SLUTSKY........................................................................... 351
INDICES DE PRECIOS Y LOS INSTITUTOS DE ESTADISTICAS Y CENSOS (INDEC) ....... 356
TEORA ESTADSTICA DE LOS NMEROS NDICE .................................................................. 358
1. ndice agregativo aritmtico simple, de precios y de cantidades: ................................................... 359
2. ndice promedio aritmtico de relativos: .......................................................................................... 360
3. ndice promedio geomtrico de relativos ......................................................................................... 361
4. ndice mediana de relativos ............................................................................................................... 362
5. ndice promedio aritmtico ponderado de relativos ......................................................................... 362
6. ndice promedio geomtrico ponderado de relativos ....................................................................... 363
7. ndice de Laspeyres ............................................................................................................................ 364
8. ndice de Paasche ............................................................................................................................... 364
9. ndice Ideal de Fisher, aplicado a precios y a cantidades ............................................................... 365
10. ndice de Edgeworth-Marshall para precios y cantidades ............................................................ 366
11. ndice de Walch para precios y a cantidades .................................................................................. 367
12. ndice de Drovish-Bowley para precios y cantidades ................................................................... 368
CAPTULO 7 - ..................................................................................................................................... 372
TEORA DEL EQUILIBRIO DE LA EMPRESA ............................................................................. 372
MAXIMIZACIN DE LA PRODUCCIN ........................................................................................ 372
DUALIDAD ........................................................................................................................................... 374
MNIMO COSTO PARA OBTENER UNA PRODUCCIN DE 200.000 KILOS ......................... 374
TEORA DE LOS COSTOS CON EXCEL ......................................................................................... 377
MINIMIZACIN DE COSTOS CON SOLVER ................................................................................ 377
RESTRICCIONES ADICIONALES CON MATRICES .................................................................... 378

11
DOS SOFAS SIMPLES MS UNO TRIPLE ..................................................................................... 378
PROGRAMACION ENTERA DE UNA DIETA ............................................................................... 380
PROBLEMA DE LA MOCHILA CON ENTEROS ......................................................................... 381
PROGRAMACION BINARIA ............................................................................................................ 382
OPTIMIZACION DE LA PRODUCCION / MINIMIZACION DEL COSTO ............................... 383
PROGRAMACION DE TURNOS DE TRABAJO ............................................................................. 386
EQUILIBRIO EMPRICO CON HOJA DE CLCULO EXCEL ..................................................... 389
A) AJUSTE LINEAL DE LA DEMANDA ......................................................................................... 390
B) AJUSTE PARABLICO DEL COSTO MEDIO ........................................................................... 391
EQUILIBRIO DE LA EMPRESA CON SOLVER ............................................................................. 394
MTODOS CIENTICOS: ..................................................................................................... 396
A) FORMAS DE ESTUDIAR ....................................................................................................... 396
B) PRESENTACION TIPO INFORME PROFESIONAL .......................................................... 397
C) METODOS DE DEMOSTRACION ........................................................................................ 397
DUDAS SOBRE MICROECONOMA Y SUS METODOS CIENTIFICOS: .................................. 400
PRIMERA ) Hace falta gran conocimiento previo de matemtica? ................................................. 401
SEGUNDA ) Para que sirve todo esto de los mtodos? ..................................................................... 402
ARCHIVO CON 6 METODOS: ........................................................................................................... 403
SEIS METODOS EQUIVALENTES ................................................................................... 406
Cuadro resumen del ejemplo autos y motos: ........................................................................................ 407
Aproximacin, recordando cmo derivar: ............................................................................................ 408
1 ) LAGRANGE ..................................................................................................................................... 409
1b ) DUAL: ............................................................................................................................................. 411
DETERMINANTE................................................................................................................................. 412
2 ) METODO GRAFICO - Maximizacin ........................................................................................ 413
2b ) DUAL - Minimizacin ................................................................................................................... 415
3 ) AUTOS y MOTOS SEGN SIMPLEX ........................................................................................ 417
3b) VERIFICACION DE LA ULTIMA TABLA SIMPLEX CON MATRICES .......................... 419
4 ) SOLUCION CON SOLVER de Excel ............................................................................................ 420
5 ) MATRICES (MANUALMENTE) .............................................................................................. 421
AYUDA: ALGEBRA MATRICIAL .................................................................................................... 424
6 ) MATRICES CON EXCEL .......................................................................................................... 425
DUALIDAD: .......................................................................................................................................... 426
MODELACION MATEMTICA ........................................................................................................ 431
CARPINTERIA ..................................................................................................................... 431
MINIMIZACION, ENTERO - MINERA ........................................................................................... 432
MODELACION DE PROGRAMACION CON SOLVER ................................................................. 435
COMPUTADORES ............................................................................................................................... 435
SOLVER EN FORMA TIPO MATRICIAL / SIMIL MATRICIAL / o PARAMATRICIAL ......... 437
REFINERIA AZTECA .......................................................................................................................... 439
MODELACION DEL EQUILIBRIO EMPRESARIO (Y GENERAL) ........................................ 443
OMAN: COMUNIDAD DE PESCADORES Y CAZADORES ........................................................ 443
RESPUESTAS ....................................................................................................................................... 444

12
5) Programacin lineal con Solver de Excel......................................................................................... 450
7) QUIEN FUE EL ASESINO? .......................................................................................................... 453
8) PROGRAMACION LINEAL -OTRA FORMA DE SOLVER ..................................................... 454
VARIAS FORMAS DE SOLVER ......................................................................................... 457
EVALUACIN DE INVERSIONES TIR Y VAN .......................................................................... 458
VAN Y TIR (VALORACION DEL TIEMPO) ................................................................................... 460
EVALUACION CONTABLE DE UNA EMPRESA .............................................................. 463
DEFORMACIONES CONTABLES USUALES ................................................................................ 463
TRES ESTADOS CONTABLES: ........................................................................................ 465
ANLISIS DE BALANCES................................................................................................................. 466
ESTABILIDAD DINAMICA (teorema de la telaraa) ...................................................................... 467
AJUSTE ANTE UNA BAJA EN LA DEMANDA ............................................................................. 469
MEDIDA DE LA RAPIDEZ DEL AJUSTE ....................................................................................... 470
AJUSTE ANTE UNA BAJA DE OFERTA POR SUBA DE COSTOS ............................................ 472
ANALISIS DINAMICO - MODELOS DE SIMULACION .......................................................... 474
ITERACIONES EXCEL ....................................................................................................................... 475
RECALCULAR AUTOMATICO O MANUAL F9............................................................................ 476
CREAR UNA MACRO DINAMICA (BUCLE) ................................................................................. 477
NEWTON RAPHSON........................................................................................................................ 478
MODELOS DE SIMULACION EN EL MIT: ....................................................................... 479
MODELO DE LA CERVEZA EN EXCEL ......................................................................................... 482
CAPTULO 8 ......................................................................................................................................... 484
TEORAS ECONMICAS Y LEGISLACIN OBLIGATORIA ..................................................... 484
TABLAS DE EXTRAS DE PRECIOS Y COSTOS ........................................................................... 485
CONTRATACIN EN COMPETENCIA PERFECTA: .................................................................... 487
CRITERIO DE CONTRATACIN ..................................................................................................... 487
MERCADO COMPETITIVO ............................................................................................................... 489
EQUILIBRIO Y CANTIDAD DE COMPETIDORES ....................................................................... 489
OTROS MERCADOS - MONOPOLIO ........................................................................................... 492
MONOPOLIO QUE ACTA COMPETITIVAMENTE.................................................................... 493
MONOPOLIO DISCRIMINADOR...................................................................................................... 494
MONOPOLIO SIN DISCRIMINACIN ............................................................................................ 496
EMPRESA CON DOS PLANTAS (MULTIPLE FACTORIA) ........................................................ 497
COMPETENCIA MONPOLICA ....................................................................................................... 499
EMPRESA LDER Y SEGUIDORAS ................................................................................................. 502
CARTEL (COLUSIN ENTRE EMPRESAS) ................................................................................... 504
COASE: COSTOS DE TRANSACCION E INSTITUCIONES ADECUADAS ............................. 507
LA TRAGEDIA DE LOS (BIENES) COMUNES: OSTROM .......................................................... 509
OTRO ENFOQUE INSTITUCIONAL DIFERENTE ........................................................................ 509
CONTRATACIN BAJO MONOPSONIO ........................................................................................ 512
MONOPSONIO Y OLIGOPSONIO: CON MS PRECISIN ......................................................... 514

13
CONTRATACIN BAJO MONOPOLIO (CON SINDICATO) ...................................................... 517
MONOPOLIO BILATERAL ................................................................................................................ 518
MODELO DI TELLA SOBRE INTERMEDIARIOS COMERCIALES (CONCESIONARIOS) .. 519
MODELACION NEOCLSICA .......................................................................................................... 521
RAPIDITO Y LENTITO EN LA ESTACION VIVITOS................................................................... 521
TELEFOCOM Ejercicio 4: ................................................................................................................... 525
RESPUESTAS: ...................................................................................................................................... 526
TELEFOCOM **EJERCICIO 7: .......................................................................................................... 530
RESPUESTAS: ...................................................................................................................................... 532
MULTIPRODUCTO.............................................................................................................................. 541
MODELACION Y PROGRAMACION MULTIPRODUCTO ................................................ 541
EQUILIBRIO Y OPTIMIZACION MULTIPLE PRODUCTO ......................................................... 541
SEIS METODOS EQUIVALENTES ................................................................................................... 541
EQUILIBRIO DE LA EMPRESA CON PRODUCCION DIVERSIFICADA: ................................ 541
-A) Produccin simple: .......................................................................................................................... 541
- B) Producciones mltiples................................................................................................................... 542
- C) producciones mltiples conjuntas o conexas ................................................................................ 543
SUBPRODUCTOS ................................................................................................................................ 544
PRODUCCION CONJUNTA DEPENDIENTE (CONEXA) ............................................................ 547
MODELACION Y PROGRAMACION MULTIPRODUCTO. . SEIS METODOS
EQUIVALENTES .................................................................................................................................. 549
COMPETENCIA DESLEAL ................................................................................................................ 553
ANTIDUMPING .................................................................................................................................... 554
CARGA IMPOSITIVA PARA EXPORTADORES ........................................................................... 556
PROTECCIN EFECTIVA DE UNA INDUSTRIA .......................................................................... 558
CAPITULO 9 ......................................................................................................................................... 559
TEORIA DE JUEGOS CONTEXTO HOSTIL ................................................................................. 559
TEORIA DE JUEGOS ........................................................................................................................... 559
TEOREMA MINIMAX: ........................................................................................................................ 564
EJEMPLOS DE JUEGOS NO COOPERATIVOS .............................................................................. 567
EL DILEMA DEL PRISIONERO ........................................................................................................ 568
TOMA Y DACA .................................................................................................................................... 569
ESTRATEGIAS MIXTAS .................................................................................................................... 570
ESTRATEGIAS DOMINADAS ........................................................................................................... 571
AMENAZA CREIBLE .......................................................................................................................... 571
DOMINACION - DOMINANCIA ....................................................................................................... 573
JUEGOS CON PROGRAMACIN LINEAL, GEOMTRICAMENTE, ANALTICAMENTE Y
CON SOLVER ....................................................................................................................................... 573
JUEGOS EN FORMA EXTENSIVA ................................................................................................... 576
JUEGOS CON PROGRAMACION LINEAL SIMPLEX .................................................................. 580
JUEGOS REPETIDOS Y SUPERJUEGOS......................................................................................... 580
CON SOLVER DE EXCEL .................................................................................................................. 581
POLICIAS Y LADRONES ................................................................................................................... 600
HALCON Y PALOMA ......................................................................................................................... 604
FOLK THEOREM ................................................................................................................................. 612

14
OLIGOPOLIO Y LA TEORIA DE JUEGOS ........................................................................ 617
MODELO DE COURNOT COMO TEORIA DE JUEGOS.............................................................. 620
MODELO DE VON STACKELBERG ................................................................................................ 623
JUEGOS CON COLUSION (CARTEL) .............................................................................................. 625
DUOPOLIO DE CHAMBERLIN ......................................................................................................... 625
MODELO DE HOTELLING (LOCALIZACION) ............................................................................. 626
EL TEOREMA DE LA MEDIANA ..................................................................................................... 627
EMPRESA DOMINANTE .................................................................................................................... 628
DEMANDA QUEBRADA DE SWEEZY .......................................................................................... 629
DUOPOLIO DE BERTRAND .............................................................................................................. 630
DUOPLIO DE EDGEWORTH ............................................................................................................. 631
MODELACION EMPRESA SOBREDIMENSIONADA EN UN PAIS EN DESARROLLO ....... 632
OLIGOPOLIO DE 3 A 9 EMPRESAS ................................................................................. 639
INFORMACION IMPERFECTA ......................................................................................................... 643
APUESTA DE PASCAL ....................................................................................................................... 647
TEORIA DE LOS ACUERDOS ........................................................................................................... 649
INDICE DE PODER DE SHAPLEY Y DE BANZHAF CON EXCEL ............................................ 651
VALOR DE SHAPLEY ........................................................................................................................ 651
LA OPTIMIZACION SUBJETIVA (Y LOS BANZHAF): ................................................................ 656
INDICE DE PODER DE BANZHAF CON EXCEL .......................................................................... 657
VALOR DE SHAPLEY CON EXCEL ................................................................................................ 662
CAPITULO 10 ....................................................................................................................................... 663
JUEGOS MULTIPLES NO COOPERATIVOS ................................................................................. 663
OPTIMIZACION MULTIOBJETIVO - MULTICRITERIO ............................................................. 664
PROGRAMACION POR METAS ....................................................................................................... 664
PROGRAMACION POR METAS CON EXCEL ............................................................................... 665
PROGRAMACON POR METAS CON WINQSB ............................................................................. 668
ANALISIS ENVOLVENTE DE DATOS (DEA) ............................................................................... 671
LOS ALGORITMOS NO CALCULAN NADA ................................................................................. 676
ALGORITMOS PARETO EFICIENTE ............................................................................................ 677
EJECUTABLE MULTICRITERIO ORDENADOR FCE-UBA ...................................................... 678
MULTICRITERIO MULTIOBJETIVO CON EXCEL 2007 o 2010 ............................................ 681
EVALUACION DE LA TEORIA DE LOS JUEGOS ........................................................................ 683
PARADOJA DE LA INDUCCION - MANO TEMBLOROSA ...................................................... 684
PARADORA DEL PRISIONERO........................................................................................................ 686
PARADOJA DEL INGRESO DE COMPETIDORES -BARRERAS DE ENTRADA -MERCADOS
CONTESTABLES ................................................................................................................................. 686
PARADOJA DE LAS ESTRATEGIAS GATILLO -TRIGGER ....................................................... 687
LIMITACIONES DE LA TEORIA DE LOS JUEGOS ...................................................................... 687
OBSERVACION GENERAL SOBRE LATEORIA DE LOS JUEGOS .......................................... 689
ECONOMIA EXPERIMENTAL Y LA SEU ...................................................................................... 690
EQUILIBRIO GENERAL Y TEORIA DE LOS JUEGOS -CAJA DE EDGEWORT- ................... 692
ECONOMIA DEL BIENESTAR .......................................................................................................... 692
RESPONSABILIDAD SOCIAL EMPRESARIA-ESR ...................................................................... 695
CUATRO CONTEXTOS EN EL ANALISIS Y TOMA DE DECISIONES ................................... 696
TEORIA DE LA DECISION ................................................................................................................ 697
PRINCIPIO DE REVELACION........................................................................................................... 700

15
ECONOMIA DE LA INFORMACION ............................................................................................... 701
INFORMACION ASIMETRICA (CONTRATOS) .......................................................................... 701
RIESGO MORAL .................................................................................................................................. 701
SELECCIN ADVERSA...................................................................................................................... 702
SEALIZACION ................................................................................................................................... 702
AXIOMAS DE LA LGICA NEUMANN-MORGENSTERN ......................................................... 703
CRITERIOS DE BIENESTAR: TEORIA DE LA DECISION .......................................................... 705
RIESGO vs. INCERTIDUMBRE ......................................................................................................... 707
CONTEXTO INCIERTO - SEGUROS ............................................................................................ 708
EVALUACIN DE PROYECTOS INCIERTOS ............................................................................... 710
MERCADOS DE FUTUROS ............................................................................................................... 711
VALOR ESPERADO ............................................................................................................................ 711
UTILIDAD ESPERADA ....................................................................................................................... 712
COMPETENCIA BAJO INCERTIDUMBRE ..................................................................................... 713
EJEMPLO BAJO INCERTIDUMBRE: ............................................................................................... 714
TEORA DE LA INCERTIDUMBRE - SUBASTAS ............................................................. 717
LICITACIONES (SUBASTAS / AUCTIONS) ............................................................................. 718
TEOREMA DEL INGRESO EQUIVALENTE................................................................................... 721
MALDICIN DEL GANADOR .......................................................................................................... 722
SUBASTA VICKREY ........................................................................................................................... 722
EJEMPLO DE SUBASTA VICKREY MULTIPLE OBJETO........................................................... 726
SUBASTA MULTIPLE (PAQUETES ................................................................................................ 727
EJEMPLO SUBASTA VICKREY EN PAQUETES ........................................................................ 728
SUBASTAS CON EXCEL, ............................................................................................................. 731
CON GAMS, WINQSB, MATLAB, TORA, LINDO, VIEWS, SPSS, STATA............................... 731
EJEMPLO DE SUBASTA MULTIPLE ............................................................................................... 731
EJEMPLO DE SUBASTAS REPETIDAS .......................................................................................... 733
SUBASTAS DE UN UNICO BIEN Y DE PAQUETES .................................................................... 735
LOS ALGORITMOS NO CALCULAN NADA (2) ........................................................... 739
ALGUNOS SMBOLOS MATEMTICOS .......................................................................... 741
TEORIA DE CONJUNTOS de Von Neumann-Bernays-Gdel ......................................................... 749
TEORIA DE LA INCERTIDUMBRE NO ESTRUCTURADA ........................................................ 753
PARADOJA DE SAN PETERSBURGO DE D. BERNOULLI ........................................................ 754
TEORIA DE LA DECISION SEGUN TIPOS DE INCERTIDUMBRE ........................................ 755
UTILIDAD ESPERADA SUBJETIVA SEU: .................................................................................. 755
AXIOMAS DE LA UTILIDAD ESPERADA SUBJETIVA SEU:................................................. 755
PARADOJA DE ALLAIS: ................................................................................................................... 756
PRINCIPIO DE INDETERMINACION DE HEISEMBERG ............................................................ 756
INCERTIDUMBRE SEGN J. M. KEYNES ..................................................................................... 757
URNA DE PLYA ................................................................................................................................ 757
LOGICA DIFUSA (FUZZY) / MATEMATICA BORROSA ............................................................ 758
ANALISIS NUMERICO - CALCULO NUMERICO DEL COS .................................................. 761
FUNCION LOGISTICA DE LORENZ................................................................................................ 761
ATRACTORES FRACTAL CAOS ............................................................................................... 763
MARKETING ........................................................................................................................................ 765

16
NEGOCIACION (BARGAINS)TEORIAS- METODOS: ................................................................ 767
EL JUEGO DE LA CERVEZA DEL MIT ............................................................................. 770
PELIGROSOS FALLOS Y ERRORES EN MICROSOFT EXCEL Y OTROS.............. 773
TEORA IRREAL vs PRCTICA REAL............................................................................................ 785
BRECHA ENTRE MODELACION Y REALIDAD - BROCHE DE ORO AUSENTE - ............... 786
ENUNCIADOS DE EJERCICIOS CON 50 TIPOS DE TP .............................................................. 791
EJERCICIOS PROPUESTOS ............................................................................................................... 804
50 INFORMES PARA 50 TP (GUIA) ................................................................................................ 805
7 TP OBLIGATORIOS EN EXCEL ................................................................................................... 833
LISTADO DE TP RESUELTOS Y ARCHIVOS ................................................................................ 834
COMPARACIONES DE SOFT ............................................................................................................ 842
AYUDA DE MICROSOFT ON LINE ................................................................................................. 856
EDITOR DE ECUACIONES DEL OFFICE MICROSOFT .............................................................. 857
POTENCIAS Y RACES ...................................................................................................................... 857
RACES EN FUNCIONES CUADRTICAS: RUFFINI .................................................................. 858
RACES EN FUNCIONES CBICAS: RUFFINI .............................................................................. 858
RACES EN POLINOMIOS DE ORDEN SUPERIOR ...................................................................... 860
ORGANIGRAMAS CON MICROSOFT CHART ............................................................................. 860
REFERENCIAS BIBLIOGRFICAS .................................................................................................. 878
INDICE ALFABTICO ........................................................................................................................ 881
Enfoque prctico del curso: ................................................................................................................... 894


17
PRLOGO

En el mbito de investigacin de mercado o ventas de cada empre-
sa, as como en el de los profesionales y estudiantes de microeco-
noma (o economa de la empresa), es fundamental el estudio de la
demanda y de la programacin.

Las tcnicas estadsticas y economtricas son laboriosas y presen-
tan dificultades importantes, tanto para comprenderlas y memorizar-
las, como para la aplicacin concreta de esos mtodos, generalmen-
te imposibles de concretar sin ayuda de ordenadores.

Desde la aparicin de Excel, se ha simplificado considerablemente
el uso de estas tcnicas, ya que esta hoja de clculo facilita muchas
operaciones. Adicionalmente Excel tiene incorporadas gran cantidad
de funciones estadsticas, financieras y matemticas, dedicadas a
estos anlisis.

Incluyen breves ayudas conceptuales, pero suelen no ser suficientes
para la generalidad de los usuarios, quienes pueden no captar el
sentido y practicidad de cada aplicacin al no disponer de un ejem-
plo prctico de la misma resuelto.

Este trabajo rene una cantidad importante de esos ejemplos re-
sueltos paso a paso, sobre las aplicaciones referidas al estudio de
demanda, mercado, programacin y otros de la empresa y la micro-
economa, que se identifican en el ndice.

Se plantea el problema, se lo resuelve con breves pasos Excel y se
incluye la evaluacin o identificacin del caso para orientar al lector.

No es este trabajo un manual de Excel. Supone tener una idea bsi-
ca, mnima, sobre su uso; y no repite indicaciones elementales, tales
como abrir o salir de un archivo, imprimirlo, copiarlo, etc.que son

18
conocidas por la generalidad de usuarios de Excel, Word y otros del
Office de Microsoft.

Lo que s se detalla paso a paso, brevemente, es como imprimir,
graficar y aplicar series, funciones y mtodos estadsticos o econo-
mtricos.
T. I. Rbora

19

INTRODUCCIN

Algunos economistas (entre ellos Arrow) incluyen como introduccin
un breve relevamiento de los principales aportes en la disciplina,
como hitos que interesa considerar para la comprensin de esta
materia. En este caso se opt aqu por resumir, adems de la teora
econmica, tambin una breve evolucin de la propia civilizacin
occidental y de los mtodos cientficos, que tanto han influido y con-
dicionado la economa segn los maestros:

Civilizacin occidental: evolucin de la matemtica y de la ciencia
econmica sobre el V postulado de los Elementos de Euclides. La
economa clsica. La geometra analtica con Descartes y la micro-
economa. Errores en la microeconoma clsica. Aportes de Micro-
economa con Excel (MCE). Tres posibles enfoques microeconmi-
cos y temas fundamentales para un curso general de microecono-
ma: para qu se estudia microeconoma.
CIVILIZACION OCCIDENTAL

El origen de la civilizacin occidental suele ubicarse hace 4000
aos, entre el Mediterrneo y el Golfo Prsico, especialmente en
Babilonia, en el ufrates; hubo aportes iniciales de asirios, fenicios y
otros y en los siglos posteriores desde Egipto, China e India.

El cdigo Hammurabi babilnico (recopilacin en -1760 de otras
leyes anteriores) es un documento describiendo en 282 artculos un
completo sistema econmico, conformado por numerosas institu-
ciones y normas, todava vigentes en la actualidad: propiedad priva-
da de los medios de produccin (tierras, casas), libertad de comer-

20
ciar, mercados, precios, salarios, moneda, pesas, medidas, tasas de
inters, alquileres, consignaciones, armaduras de barcos para co-
mercio exterior, controles gubernamentales, impuestos y otras nu-
merosas normas, leyes e instituciones. Incluan en su organizacin
productiva la esclavitud, que posteriormente se transformara en
servilismo agrcola durante la poca feudal medieval.

El rea de influencia de Babilonia estaba constituida por Persia, la
regin asiria y Balcanes Textos griegos y romanos citan el comercio
de fenicios (s.-XI) y griegos hasta la costa atlntica de la pennsula
Ibrica (Islas Casitrides o del estao, Galicia) y con Asia central y
frica. Su cultura se desarroll hasta la poca de Nabucodonosor y
luego confluy con la unin a la griega. Poco despus cay bajo el
Imperio Romano y al desmembramiento de este continu como
Imperio Romano de Oriente (o bizantino: Constantinopla), que sufri
el desmembramiento de Persia, Damasco, Jerusaln y Alejandra
durante la gida rabe en el s.VII y finalmente de la propia Constan-
tinopla en el s. XV ante el imperio otomano.

Aquellos pueblos sumerios y sus vecinos aportantes de estas ideas
fueron conquistados en el s.-IV por Alejandro Magno y Grecia (Ate-
nas, Nicea, Smirna, Pergamo, Trebisonda, Antioqua, Tesalonia,
Alepo, Constantinopla) remplaz esos gobiernos, agregando tam-
bin Egipto y desde el ao -282 centralizando el conocimiento en la
Biblioteca de Alejandra sobre la desembocadura del Nilo.

El conocimiento haba adquirido en Grecia carcter cientfico, al in-
cluir en sus libros no solo los enunciados y principios sino tambin
los mtodos de procedimiento y de demostracin (la figura de los
modelos debera esperar todava 2000 aos).

El inmediato dominio del imperio romano sobre toda la regin agre-
g a esto el progreso del derecho civil (no ciudadanos y ciudadanos
que reciban predios con esclavos por sus servicios militares, etc) y
del derecho comn (relaciones econmicas y otras) como institucin

21
que confirm jurdicamente aspectos civiles y otros, como el dere-
cho de propiedad privada y de herencia (en sus atributos ius utendi,
ius fruendi, ius disponendi), aunque congel el progreso del cono-
cimiento cientfico griego en materia de economa, matemticas y
lgica que aqu nos interesan, hasta que Europa los rescat des-
de las traducciones rabes (e hindes), que ilustres peregrinos eu-
ropeos a Santiago de Compostela conseguan en latn desde Cr-
doba y la Escuela de Traductores de Toledo durante los siglos XII a
XIV; y luego pasaran en los siglos XVI al XVIII hacia Amrica y
otras regiones del mundo.

EVOLUCION DE LA MATEMATICA Y LA ECONOMIA

La economa como disciplina cientfica est muy vinculada con el
lgebra o matemticas y con la filosofa y lgica, ya que les propor-
cionan especficamente los mtodos y procedimientos, utilizados
para la administracin de los recursos de las unidades individuales y
de los pases.

Los avances del conocimiento algebraico (o matemtico) tambin
fueron constituyendo hitos para el progreso de las teoras econmi-
cas: desde el cambio por los nmeros indo-arbigos, el concepto de
cero, de infinito, etc. hasta las geometras plana y la analtica, la
deduccin simblica, la idea de derivada y su integral, la verificacin
inductiva, etc., avanzando desde una modalidad inicial retrica (en
prosa, textos), que luego se transform a sincopada (con algunas
abreviaturas o smbolos) y lleg finalmente al lgebra (o matemti-
ca) simblica y al enfoque computacional actuales.

Desde esas races mesopotmicas hasta los nuevos desarrollos
computacionales, esos hitos fueron permitiendo diferentes teoras y
explicaciones microeconmicas, que lograron su mximo desarrollo
abarcativo con el enfoque neoclsico computacional que aqu se
propone como economa de la empresa, no obstante que continan

22
apareciendo nuevos mtodos y enfoques para numerosos casos
particulares.

Finalmente, la microeconoma fue tomando cuerpo individualizado,
pero en cuanto a su objeto de anlisis particular y no general. Sin
embargo, la ausencia de instrumentos computacionales no permiti
una clara individualizacin temprana como disciplina dedicada es-
pecficamente a las empresas y conviva en un entorno propedutico
de economistas ocupados mayormente en cuestiones macroecon-
micas, que se olvidaron de los requerimientos de la empresa, lo cual
se intenta aqu superar.

El cdigo Hammurabi, de la Mesopotamia del Tigris y ufrates, es
una de las ms importantes y antiguas recopilaciones de la civiliza-
cin occidental. Incluye influencias sumerias anteriores, as como de
asirios, caldeos y otros pueblos. Los caldeos fijaron las relaciones 3,
4, 5 de los lados de un tringulo rectngulo, segn aclarara luego el
teorema de Pitgoras.

Tambin interesa especialmente, el papiro del escriba egipcio Ah-
mes (comprado por el escocs Rhind) de -1580 (referencias a -
1788), en el que figura la resolucin egipcia del tringulo y una
aproximacin al nmero pi () como 3,1604, junto con numerosos
conocimientos aritmticos y geomtricos. La medicin de las tierras
frtiles para fijarles impuestos y la construccin de monumentos
requera conocimientos matemticos (geomtricos y otros) importan-
tes, que ya Herodoto seala como el origen de la geometra.

En los libros de los Reyes del Antiguo Testamento figuran una pri-
maria aproximacin rstica sobre la relacin 1 a 3 entre dimetro y
circunferencia; y los codos del templo de Salomn (aunque diver-
sos conocimientos aritmticos debieron ser utilizados por los merca-
deres fenicios).

23
En el siglo XI el libro chino de las Permutaciones describe la cir-
cunferencia y las relaciones del tringulo rectngulos de lados 3, 4,
5 que conforman el teorema de Pitgoras.

En los siglos VII y V el Manual del Constructor indio, de Apas-
tamba, tambin fue conocido por los griegos de la era alejandrina.
Thales describi en Mileto -570 las propiedades de los tringulos
semejantes, segn sus ngulos, lados y reas (que incluso utiliza-
ban para su localizacin aquellos navegantes).

Pitgoras -532 describi la geometra plana: el punto, la lnea, figu-
ras, slidos y el universo, segn la visin de los caldeos. En su teo-
rema el cuadrado de los catetos suma como el de la hipotenusa de
los tringulos; pero en aquellos de cateto igual a uno la hipotenusa
no era 2, presentando as los nmero inexpresables o irracionales.
Pitgoras tambin plante la idea de infinito al describir el espacio
como un nmero infinito de puntos y al tiempo como un nmero infi-
nito de instantes.

El V POSTULADO EN LOS ELEMENTOS DE EUCLIDES

Estableci en Grecia (Alejandra -300) la geometra plana que sera
divulgada fuente del conocimiento matemtico y como escuela b-
sica durante 2300 aos:

Por un punto exterior a una recta pasa una sola paralela; dos parale-
las a una tercera lo son entre s; la suma de los ngulos interiores
de un tringulo rectngulo suma dos rectos; una recta corta a dos
paralelas con ngulos alternos iguales; dos paralelas son equidis-
tantes; por tres puntos no alineados pasa un solo crculo; se pueden
construir ngulos semejantes en magnitud arbitraria.

Si bien le fue imposible fundamentar filosficamente esta geometra
y aunque las nuevas geometras no euclidianas cuestionaron dife-
rentes aspectos (sobre la esfrica superficie de la tierra la suma de

24
los ngulos del tringulo suma ms que dos rectos; en el espacio
estelar las paralelas no son equidistantes; etc.) este postulado
geomtrico fue la base del desarrollo algebraico y matemtico anti-
guo y moderno.

Este origen geomtrico de la matemtica antigua se observa tam-
bin en Platn, cuando en la Repblica le hace decir a Timoteo que
la geometra es ms real que el mundo real, dependiendo solo de la
contemplacin del individuo (paradjicamente sin la necesaria expe-
rimentacin que por ejemplo ya figuraba en el papiro Ahmes
(Rhind).

Eudoxio, -400, refut esas ideas, observando la necesidad de una
verificacin de esa intuicin ensalzada por Platn. Tambin se acer-
c a la idea de infinito quitndole a un nmero ms de su mitad su-
cesivamente hasta llegar a otro tan pequeo como se desee.

Zenn resolvi por absurdo la paradoja de Aquiles y la tortuga (acla-
rndola por requerir la dicotoma de cubrir en sucesivas fases prime-
ro la distancia hasta la tortuga y luego el adicional avanzado) con-
firmando as la necesidad de la verificacin emprica en las mate-
mticas (hoy induccin estadstica), sin limitarse solamente a los
razonamientos lgicos de la intuicin humana (intuicin pura en
Kant; hoy deduccin lgica).

En el -400 el general historiador ateniense Jenofonte describe en
El Econmico la economa domstica y rural griega y la divisin del
trabajo entre sus clases sociales; el abastecimiento de la poblacin
y ejrcitos en pocas normales y de conflicto, con algunos primeros
anlisis occidentales sobre precios e inflacin.

En -390 Platn escribi La Repblica, con una descripcin de tipo
ideal de lo que debiera ser una organizacin social, sin propiedad
privada de la tierra y considerando al comercio como una actividad
improductiva (tal como en la posterior fisiocracia de F. Quesnay)

25
En -335 Aristteles, maestro de Alejando el Grande, fij los prime-
ros enfoques cientficos sobre la naturaleza de los precios, regis-
trando que sobre ellos haba una doble influencia conjunta, tanto de
la demanda como de la oferta (necesidades, o valor subjetivo y tam-
bin costos de produccin, valor objetivo).

Frente a la idea de Platn, defendi la propiedad privada de la tierra;
y en tica a Nicmaco (su hijo) analiz la justicia distributiva (de los
ingresos y propiedad entre los ciudadanos y no ciudadanos) y la
justicia conmutativa (del justo precio en los mercados). Distingui el
valor de uso del valor de cambio o precio de los bienes (que en su
libro Poltica, tambin analiz distinguiendo la riqueza de bienes y su
uso como diferente de la crematstica o acumulacin del Rey Midas,
que converta en oro todo lo que tocaba pero sin poder gastar y di s-
frutar de esos bienes). Tambin hizo los primeros anlisis del con-
cepto de inters (que luego tomara Santo Toms de Aquino en el s.
XIII, desde una traduccin de Averroes en Crdoba en el XII, apa-
rentemente adquirida en Espaa por su maestro San Alberto
Magno, ex peregrino a Compostela).

Pero adems de sus enfoques ticos sobre la economa (le preocu-
paba el tema de la usura, caresta, etc.) nos interesa aqu el com-
plemento de su aporte metodolgico: en el libro IV-Segundos Anal-
ticos de su rganon analiz Aristteles el mtodo cientfico de la
lgica del silogismo hipottico: si todo A es B; y si X es A; entonces
X es B.

Luego de la era alejandrina, los Ptolomeos radicaron el conocimien-
to en la biblioteca de Alejandra en la desembocadura del Nilo.

La aritmtica de Diofanto en +250 fue uno de los pocos aportes
griegos desde Alejandra durante su decadencia cientfica de casi
diez siglos bajo la era romano cristiana, surgiendo con l la aritmti-
ca sincopada (que se ayuda con algunas letras para simplificar
clculos).

26

Durante el medioevo, Brahmagupta en el 628, India, tradujo y per-
feccion la aritmtica sincopada de Diofanto, como el arte de expli-
car LA COSA (el lgebra o geometra, aritmtica e incluso matri-
ces); tambin ide el concepto del cero y los nmeros negativos.

En 815 Alkhwaritmi (el corintiano) present los 10 dgitos que
pasaran a ser utilizados en occidente (luego que el monje Vigila los
expusiera en su Cdex Vigilanicus en Castila en 976 y que Sava-
sorda lo tradujera en Catalua en el siglo XII).

En 1092 el persa Omar Kayyan perfeccion la matemtica de Eu-
clides (y calcul el tiempo con 365 das, con un mnimo error de un
da cada 4000 aos, frente a cada 3300 aos segn el papa Grego-
rio en el 1600)

El conocimiento griego depositado en la biblioteca de Alejandra era
paulatinamente traducido por hindes y por rabes. Estos ltimos lo
introdujeron en Crdoba, Espaa y la castellana Escuela de Tra-
ductores de Toledo constituy un centro europeo de difusin del
conocimiento, aprovechado por las peregrinaciones de monjes, san-
tos y otros romeros ilustres a Santiago de Compostela especialmen-
te durante los siglos XII a XIV (San Agustn, San Francisco, San
Albergo Magno, maestro de Santo Toms de Aquino, etc. y muchos
otros doctos santos y gobernantes europeos).

En el XIII el mercader italiano L. Fibonacci escribi varios trabajos,
entre ellos una completa aritmtica con los nuevos nmeros indo-
arbicos, Liber Abaci.
Disponiendo ya del invento de Gutemberg de 1450, Luca Pacioli
recopil estos conocimientos en una Summa impresa en 1500.

En los escolsticos influyeron las ideas aristotlicas sobre precios
y salarios: fueron expuestas por Santo Toms de Aquino en el si-
glo XIII para la Iglesia, preocupada por la justicia conmutativa y la

27
distributiva: el justo precio y el justo salario (en Suma Teolgica y
Suma para Gentiles), ensendose en las universidades de Bolonia,
Oxford, Salamanca y Pars.

Posteriores estudios de la Iglesia avanzaron en forma diferente,
abandonando esta doble influencia; segn las presiones de cada
poca prevaleci un tiempo la influencia de los costos de produccin
(salarios, en San Alberto Magno en 1250 y en fray Duns Scoto en
1300, que inclua un beneficio normal para el comerciante; Marx en
1848) y luego su naturaleza subjetiva segn las necesidades del
comprador (en el jesuita Lus de Molina, Madrid 1590; H.H.Gossen
1854, L. Walras 1874).

En 1240 el jurista Raimundo de Peafort en Barcelona haba anali-
zado el concepto griego del inters, distinguiendo la usura del lucro
cesante y dao emergente como beneficio resarcitorio del prstamo
monetario.

Estos postulados de la Iglesia continuaron siendo importantes du-
rante los tres siglos del imperio espaol, bajo una administracin
que saldaba monetariamente su comercio exterior; el derecho de
gentes asegur personera jurdica a todos los integrantes del impe-
rio (no obstante algunas rmoras de esclavitud impuestas y promo-
vidas por acuerdos internacionales), as como la propiedad privada,
leyes de herencia, impuestos, mercados e instituciones del capita-
lismo comercial moderno, con una creciente influencia cultural y
cientfica de Pars. Paralelamente, en otros pases europeos se
promova la generacin de excedentes manufacturados para expor-
tacin, junto con nuevas ideas econmicas para apoyarlos (teoras
librecambistas), que se impondran en el mundo luego del perodo
napolenico.

Sin referirnos a las ciencias aplicadas (astronoma, fsica, mecni-
ca/ingeniera, arquitectura, nutica, etc) sino a la economa y a las
ciencias puras (lgica y matemtica pura) que aportan sus mtodos,

28
en el s.XVI aparecieron los aportes de Cardano y de Tartaglia sobre
la resolucin de ecuaciones de tercer grado (hoy en aparente
desuso porque en Excel una cifra se eleva con el smbolo^ a cual-
quier potencia). En 1514 Juan Martnez escribi sobre la divisin de
la esfera en 360 grados, minutos, segundos; tambin las propieda-
des de los nmeros con la media aritmtica, media geomtrica y
media armnica; regla de tres, etc. En 1597 surgi el sistema de
logaritmos neperianos, como series inversas a las exponenciales
(Napier /Neper).

En 1600 aparece el lgebra simblica (logstica especiosa) con Vie-
te. En 1637 Rene Descartes public el Discurso del Mtodo y apor-
t la idea de un par de ejes ortogonales: con coordenadas para cada
punto de una figura sumables, comenzaba as la geometra analti-
ca; y con la idea de funciones graficables (que dependan de alguna
variable X, Y, Z y en las que a, b y c representaban constantes, co-
mo por ejemplo para medir los registros de un barmetro o para
calcular la trayectoria parablica de un proyectil, balstica).

Juan Caramuel escribi sobre el clculo de probabilidades y jue-
gos de azar (1656, que luego ampliara Pascal), tambin un siste-
ma binario (1670, que posteriormente ampliaran Leibniz y Boole) y
otro sistema de logaritmos con base diferente a la de J. Napier /
Neper.

Tambin en el s. XVII progresaron, con B. Pascal, el anlisis
combinatorio, las probabilidades y el mtodo inductivo; el lgebra
con nmeros irracionales segn W.Leibniz o con el complejo de
Gauss (sin + i y i la raz de -4 no tena antes sentido). Los aportes
sobre lgica y matemticas en 1666 de S. Izquierdo son menciona-
dos por Leibniz entre sus antecedentes del clculo infinitesimal.
Tambin I. Newton menciona los tratados sobre anlisis geomtrico,
trigonometra y aritmtica de Antonio Omerique.


29
En particular sobre este proceso de acumulacin de conocimien-
tos para el clculo infinitesimal cabe mencionar las ideas iniciales
de Arqumides y de Eudoxio sobre integracin por axhauscin;
tambin contribuyeron en 976 las de Savasorda y en 1515 las de
lvaro Toms, que lo utilizaban para sumar series de potencias; en
1612 el astrnomo Kepler meda el contenido de los toneles de vino
con una aproximacin al concepto (con un vara y las secciones cir-
culares); y sobre todo P. Fermat, a quien se lo considera un descu-
bridor del actual clculo infinitesimal o diferencial anterior a Newton
y a Leibniz.

A mediados de este sigo XVII el cientfico y astrnomo I. Newton en
la Universidad de Cambridge estudiaba el movimiento de los plane-
tas y distinguiendo aceleracin de velocidad concluy la idea de
incremento relativo o derivada, que buscaba verificar en el universo,
llegando por ese camino al clculo infinitesimal (recin en 1890 su
compatriota Marshall utilizara este anlisis diferencial para la opti-
mizacin microeconmica que usaran los textos del siglo XX).

Pero la presentacin final corresponde, a fines de ese siglo XVII a
W. Leibniz, quien con numerosos matemticos en Pars como Los
hermanos Bernoulli y el marqus de LHpital, intercambiaban co-
rrespondencia sobre la resolucin de ecuaciones y se fijaron as los
conceptos de variables, el de funciones, el de las series infinitas y
el de lmite mediante la geometra analtica. Leibniz precis la dife-
rencia entre una funcin y su lmite como tan pequea como se
desee: idea de incremento relativo de una funcin frente al de su
variable o el cociente incremental que hoy reconocemos como
derivada. W. Leibniz utiliz el anlisis combinatorio para dos mag-
nitudes que difieren infinitamente poco y lleg por esta va a la idea
de la derivada, integrales y series infinitesimales, acuando el uso
del smbolo integral para reemplazar el uso de series de sumas
y el de d para la diferenciacin que hoy utilizamos.


30
En 1750 el matemtico suizo G. Cramer public trabajos de los
Bernoulli y de Leibniz; y cre un mtodo para resolver sistemas
lineales de ecuaciones mediante determinantes.

En 1763 T. Bayes estudi la probabilidad de eventos aleatorios
repetibles y verificables (casos favorables sobre los posibles).

En 1800 el suizo Daniel Bernoulli tambin aport el anlisis de las
probabilidades para algunos tipos de fenmenos aleatorios, como
en los juegos de dados y similares de azar.

Otro suizo, L. Euler escriba entonces sobre polinomios, sobre di-
versas ecuaciones que eran graficables (segn Descartes) y sobre
series infinitesimales, utilizando derivadas e integrales segn el l-
gebra moderna. En el siglo XX Cobb y Douglas tomaran sus
funciones homogneas para explicar con sus exponentes los ren-
dimientos constantes, crecientes o decrecientes, as como la distri-
bucin del ingreso generado en una actividad.

El italiano J. L. Lagrange hacia 1800 desarrollaba un anlisis alge-
braico ya separado de su origen geomtrico: rescatamos aqu su
funcin combinada para resolver sistemasde ecuaciones con po-
cas variables (tal como utilizara el ruso Y. Slutsky en 1915 para su
terica ecuacin sobre el efecto sustitucin y renta).

En 1812 P. S. Laplace public su Teora Analtica de las Probabili-
dades, ampliando el estudio de algunos hechos aleatorios (tal como
la probabilidad de un suceso con pocos casos d conocidos: P = d+1
/ d+2). Tambin sobre los errores de medicin de astrnomos y ma-
temticos y aport el mtodo de los mnimos cuadrados, (que
hoy utilizamos para estimar funciones con dos variables, como pre-
cio y cantidad, manualmente, o bien otras con mltiples variables
independientes, como es el ejemplo de la estimacin de la deman-
da de helados que Microsoft incluy en su Office). Como astrnomo
Laplace fij la idea de la nebulosa originaria del sistema solar, al

31
enfriarse los distintos anillos en planetas (tal como an muestra Sa-
turno) y confirm estabilidad de ese comportamiento universal
(Deberamos considerar el presente estado del Universo como el
efecto de su estado anterior, y la causa del que le seguir).

En 1810-1830 A. Cauchy precis las ideas de funciones, lmites,
continuidad, series convergentes y divergentes

En 1822 J. Fourrier quera explicar que el calor tiende a distribuirse
uniformemente en una masa y desarroll las series trigonomtricas
e hizo uso de las derivadas parciales.

A.Cayley hizo luego aportes al lgebra de matrices, aclarando que
su multiplicacin no es conmutativa.

Entre 1800 y 1850 el alemn J. C. F. Gauss public numerosos
trabajos. Tambin separndose de los orgenes geomtricos de la
matemtica demostr un teorema fundamental del lgebra (polino-
mios con tantas races como indica el grado); rese la matemtica
y el lgebra de matrices tal como la conocemos en la actualidad;
en 1821 public sobre el mtodo de mnimos cuadrados.

En Lyon, 1838, A. A. Cournot public su Principios Matemticos de
la Riqueza en el que introdujo el anlisis marginal o diferencial
en la teora econmica: con ecuaciones para la oferta y la deman-
da y la optimizacin, maximizando con una variable, que fue la
gua para todo el futuro anlisis microeconmico de la competencia
y del monopolio (este enfoque clsico todava no distingua preci-
samente entre microeconoma y macroeconoma; no podan resol-
ver sistemascon ms de unas pocas variables, debido a los cual no
se preocupaban en detalle de los procedimientos efectivamente ne-
cesarios en las empresas: comenzaban o se limitaban a solo con-
ceptos o principios de tipo general; con el tiempo se iran comple-
mentado con aplicaciones de la econometra, de la investigacin
operativa y de otras especializaciones, hasta logran una autonoma

32
efectiva de la microeconoma cuando a fines del s.XX pudieron ser
fcilmente utilizables en las empresas: PC clones).

En 1842 el anlisis diferencial de C.G.Jacobi permiti al alemn
L.O.Hess aportar un mtodo para calcular las derivadas parciales y
resolver funciones y sistemasde ecuaciones de dos o tres variables
mediante un mtodo matricial, que sera muy utilizado en las simpli-
ficaciones tericas de los economistas del s.XX (determinante hes-
siano).

En 1854 G. Boole public An Investigation of the Laws of Thought,
(re)diseando un sistema binario (con solo V F ) para el lgebra,
que constituy el paradigma de la lgica matemtica determinista
de aquellas pocas, as como la base para el comienzo del desarro-
llo computacional del siglo XX.

En 1939-1947 G.B. Dantzing (Universidad de Berkely) propuso la
resolucin de problemas de ptimo mediante el mtodo Simplex de
programacin lineal, que interes inmediatamente a la fuerza area
de los EEUU durante la guerra mundial. En las siguientes dcadas
este mtodo de optimizacin se comenzara a utilizar en las grandes
empresas de ese pas; y Lotus 123 y Excel estandarizaron aplica-
ciones del proceso en forma asequible para la generalidad.

Como antecedente directo de la programacin lineal exista el aje-
drez; considerado en el siglo XIII un juego para nobles, con reglas
para la toma eficiente de decisiones, que en 1260 Alfonso X el sabio
public en Toledo en el Cdice V. En 1470 se escribieron en Va-
lencia las actuales nuevas reglas (ajedrez a la rabiosa; ms rpido)
y el juego interes tambin a los estrategas del ejrcito; con textos
y campeonatos en Espaa e Italia, expandindose con el tiempo a
Francia e Inglaterra y finalmente como un juego popular, hasta apa-
recer los campeonatos mundiales en s.XIX, ayer en poder de los
rusos y hoy en poder de las computadoras.


33
Nuevos desarrollos conceptuales crearon desde 1932 otras lgicas
no matemticas o booleanas, de tipo polivalente, como para las
teoras de los juegos de von Neumann y Morguenstern (segn un
criterio prudencial o realista maxi-min y mini-max para el oponente)
y para la teora de la decisin ante incertidumbre.

J. Nash en 1952 resolvi algunos casos de juegos sin solucin se-
gn N-M y posteriormente se le agregaron otras restricciones adi-
cionales para resolver estos y otros casos, en los cuales el criterio
es V F - Desconocido u otras restricciones adicionales (sobre es-
trategias, cooperacin, equilibrio y optimalidad diferentes, el orden
del juego, juegos repetidos con horizonte finito o infinito, reputacin
o creencias, informacin incompleta, jugador ficticio, juegos baye-
riano, etc)

En el captulo LI de Don Quijote (1605-1615), Sancho Panza co-
mo nuevo gobernador de la nsula Barataria, debi resolver un pro-
blema conceptual, por alguien que declar voy a morir ahorcado al
pasar el puente: si solo ahorcaban a los que mentan, sera una
contradiccin legal ejecutarlo (y la solucion introduciendo una res-
triccin adicional al planteo inicial bivalente: cuando la ley duda no
causes dao).

En 1954 la urna de Plya destruy el concepto tradicional tipo uni-
versal sobre probabilidad segn Laplace y Bayes: sucesivas ex-
tracciones de bolas con reposicin no guardan o tienden a la
proporcin roja - blanca que hay en la urna, sino que resultan
errticas!. Es este un concepto nuevo, claro (y posible de verificar
fcilmente con Excel) que aun actualmente distorsiona la compren-
sin o creencias de la mayora de la personas, educadas con la ra-
cionalidad estable segn Laplace y Bayes.

Sencillos programas en Excel permiten comprobar la existencia de
series errticas, no ergdicas, mediante modelos de simulacin co-

34
mo este o tambin como con la curva logstica de Lorenz a partir
del exponente 0,506127.

Igualmente la matemtica difusa de Zadeh abri nuevas explicacio-
nes diferentes a la matemtica tradicional y teora de los juegos.

Cada vez se estudian ms casos sobre teora de los juegos y otros
en los cuales no se cumple aquel comportamiento uniforme de la
naturaleza que se explicaba con el lgebra de Boole o las probabili-
dades segn Laplace y Bayes.

En este sentido, la economa como enfoque encuentro interdisci-
plinario recibe permanentemente aportes, desde la sicologa, la bio-
loga y as como tambin desde otras diferentes disciplinas.

Si bien hasta mediados del siglo XX prevaleci en economa la vi-
sin sicolgica racional aportada por A. Smith y J. Bentham (esca-
sez, egosmo, competencia), la economa del comportamiento o
conductal, present casos experimentalmente observados en los
que los agentes no presentaban conductas racionales (toma de
decisiones bajo riesgo o sicologa cognitiva, de Kahneman y
Tverski, 1979), explicando que los factores emocionales como el
sentimiento de injusticia o la falta de seguridad influyen en la toma
de decisiones con criterios no racionales.

Herbert Simon aport el concepto sicolgico de sufficing (sufi-
ciente, bastante, satisfactorio), explicando que la sicologa humana
suele optimizar el uso del tiempo y la toma de decisiones mediante
la primer solucin satisfactoria que se tiene a mano, en vez de
hacerlo mediante una maximizacin del beneficio en el sentido cl-
sico.

No obstante, Gary Becker fue galardonado con el premio Nobel, por
sus enfoques de economa extravagante o rara (freak), como so-
bre la economa del crimen, el trasplante de rganos, las relaciones

35
familiares y otros, en los que se aparta de la economa del compor-
tamiento (conductal), considerando que la racionalidad econmica
(tipo costo-beneficio) se aplica a stos y todos los rdenes de la
vida social.

Tambin el pensamiento evolutivo y la biologa hacen sus apor-
tes: T. Veblen public en 1898 un trabajo sobre porqu la econo-
ma no era una ciencia evolutiva; la idea la reprodujo J. A. Schum-
peter en su Teora del desarrollo (evolucin) econmico, con una
visin de falta de equilibrio, debido a los permanentes cambios tec-
nolgicos empresarios; y actualmente se avanz sobre esta idea
hacia las irreversibles concentraciones de mercados.

La economa ecolgica frente a la tradicional economa ambien-
tal: en el enfoque tradicional se consideraban cuestiones ambien-
tales, de asignacin de recursos, de externalidades y evaluacin de
proyectos en los que se enfatizaba su eficiencia y no su sostenibili-
dad; con una idea cronolgica lineal y reversible en vez de un tiem-
po histrico irreversible ecolgico; enfatizando clculos y resultados
monetarios en vez de cuestiones fsicas y biolgicas, etc.

Los ranking de universidades suministran cientos de instituciones,
pero no aporta precisin sobre sus estudios microeconmicos ni a
veces econmicos. Entre las instituciones top sobre economa figu-
ran algunas norteamericanas, otras inglesas y algunas europeas
(Suiza, Espaa, Holanda, etc) pero la dificultad es centrar el anlisis
en los estudios microeconmicos, ya que en general las institucio-
nes continan con el enfoque tradicional interdisciplinario y sin pre-
cisar la separacin entre la oikos microeconmica (de la casa
granja o empresa) y la economa poltica o macroeconmica, de la
polis.
La presentacin de Oxford ejemplifica estos tratamientos: The
course covers the standard theory of microeconomics through a series
of modules on Consumer & Producer Theory, Choice under Uncer-

36
tainty; Game Theory & IO; General Equilibrium & the Fundamental
Theorems of Welfare Economics; Bargains, Contracts, and Auctions;
Welfare Economics and Public Economics.
Tambin la Escuela de Economa de Londres LES-, que tiene co-
mo objetivos:
Intended Learning Outcomes. By the end of this course students
should:
be able to apply the theory of maximising agents to firms and con-
sumers
understand the working and applications of the standard general
equilibrium model
understand the basic elements of welfare economics
know how to apply elementary game theory to microeconomic
models of firms
be able to make economic application of equilibrium concepts in
multistage games
understand the basic role of uncertainty and imperfect information
in analyzing economic incentives
Coinciden en una constante, observada en instituciones norteameri-
canas, inglesas y europeas, sobre la presentacin de diferentes ni-
veles de estudios microeconmicos: principios introductorios, micro-
economa intermedia I, II y posteriores especializaciones sobre apli-
caciones a muy diversos casos.

En particular, el plan de estudios del Massachusetts Institute of
Technology MIT- para Microeconomic Theory III
desde 2001 a la fecha 2012 sigue siendo: The central topic of
this course is the theory of general equilibrium and its applications
and extensions. We will start with the basic theory including exist-
ence and optimality of equilibrium. We will then discuss the core;

37
Arrow's impossibility theorem; externalities and public goods; inter-
temporal competitive equilibrium and insurance; and incomplete
markets. We will consider some second-best issues.

Muchas universidades incluyen como Microeconoma II los nuevos
desarrollos no neoclsicos y a veces al menos algunas los enfocan
desde un punto de vista axiomtico, pero sin la prueba de fuego,
que implica una estructura realmente profesional: objetivar las expli-
caciones axiomticas incluyendo los desarrollos explicados paso a
paso e ilustrndolos con ejemplos resueltos y con sus conclusiones .

La lista de enfoques y anlisis interdisciplinarios es vasta y en cre-
cimiento; pero nadie podra pensar que uno de estos enfoques ais-
lado o un conjunto de ellos, puedan constituir una teora explicativa
de la empresa en reemplazo de la visin neoclsica actualizada
computacionalmente.

Por absurdo: por ms importantes que para algunas industrias sean
los anlisis sobre etologa econmica, hoy no explican el compor-
tamiento general empresario (etologa, subdisciplina de la psicobio-
loga que estudia la conducta espontnea de los animales en su
medio natural, buscando los mecanismos de adaptacin que influ-
yan en el xito reproductivo: el impriming /impresin, de K. Lorenz)

Es decir, estos conjuntos de aplicaciones atienden planteos particu-
lares pero no conforman un esquema general explicativo del com-
portamiento microeconmico: el accionar de la empresa en general
seguir siendo explicado mayormente con la microeconoma clsica,
aunque ahora reforzada con el instrumental computacional (por aho-
ra, especialmente con Excel).

Dara la impresin que fue esta falta de instrumental adecuado la
que hizo perder el horizonte a los propios clsicos (explicar el fun-
cionamiento ordinario en las empresas) y avanzaron mayormente
con planteos ambiguos sobre economa, sin distinguir precisamente

38
sus aspectos micro y macro, aunque apuntando preferentemente a
teoras sobre los macroeconmicos.

En los seis tomos de los Principios Econmicos de A. Marshall se
recopil en 1890 toda la micro y la macroeconoma clsica; pero
conforman un conjunto de anlisis, observaciones y mtodos, en los
cuales no se ve claramente individualizado esa finalidad empresa-
rial concreta (Keynes individualiz a la macroeconoma; pero el
recuento de Marshall no individualiz a la microeconoma)

Esta circunstancia podra comprenderse, dado que todava no po-
dan resolver por entonces problemas con ms de unas pocas va-
riables; mientras que la efectiva operatoria de la empresa suele im-
plicar mltiples variables (por ello hay quienes vieron que aquella
profusin de mtodos y principios era solo retrica inviable al mo-
mento de una concreta aplicacin empresarial).

Lo que no parece admisible es que en la actualidad se contine sin
entender y admitir que microeconoma es esencialmente economa
de la empresa. Esta idea surgi naturalmente despus de la apari-
cin de Lotus 123 en los 1980 y Excel en los 1990 para quien se
desempeaba en una siderrgica exportadora internacional y debi
recurrir a las aplicaciones informticas (en 1975 con una Compu-
corp) para concretar los principios microeconmicos en las reas de
pronstico de mercado, de optimizacin y de defensa de la compe-
tencia ante el dumping internacional y el antidumping en EEUU y en
la CEE (y tambin observaba las aplicaciones computacionales de
diversos principios en los departamentos de produccin para lami-
nadores y equipos, en compras, en contadura y finanzas, y en per-
sonal).

Las extensiones de los procesos estadsticos, de la econometra y
de la investigacin operativa eran ineficientes antes de la alternativa
computacional, debido a las dificultades para los procesos multiva-
riantes. Surgieron como extensiones o especializaciones de la mi-

39
croecoma; y (al igual que los enfoques contables y financieros) no
constituyen por si solas disciplinas cuyo objeto sea la economa de
la empresa, ni sustituyen en esto a la microeconoma.
MICROECONOMA CLASICA

Su contenido suele agruparse en funcin del objeto estudiado o
tambin segn los mtodos de demostracin. Como los mtodos
son compartidos para la explicacin de diferentes objetos de estudio
algunos textos tratan conjuntamente problemas del consumidor o la
demanda con problemas de la produccin u oferta y tipos de merca-
dos.

En este caso se opt por resumir el contenido de la microeconoma
segn el objeto de estudio, reseando sucesivamente las teoras
sobre el consumidor, luego las del productor y finalmente los mode-
los sobre varias formas de mercados (no obstante que metodolgi-
camente se puedan compartir mtodos segn escuelas o teoras).
Adicionalmente, otro captulo ms reciente de estudios est confor-
mado por un conjunto de anlisis diferentes, como el de la teora de
los juegos, que incorpora cada vez mayores contenidos, pero que
todava no constituyen un cuerpo explicativo tan completo como el
enfoque clsico.

Cuando Inglaterra perdi la gran colonia norteamericana en 1776,
Adam Smith public la Riqueza de las Naciones, promoviendo un
sistema econmico liberal, sobre la base del principio hednico (m-
ximo beneficio con mnimo esfuerzo), la propiedad privada, precios
sin intervenciones estatales (la mano invisible), libertad de comercio
y de contratacin, etc. Necesarios para penetrar en los mercados
europeos y del imperio espaol.

En 1817 su discpulo D. Ricardo perfeccionara esta teora del co-
mercio internacional agregndole la idea de la especializacin segn
las ventajas relativas y no absolutas.

40

F. Quesnay haba publicado en Pars 1754, su Tabla Econmica,
fijando la idea de circularidad econmica o circulacin permanente
de bienes, servicios e ingresos en cada comunidad. En 1803 J. B.
Say fij en Pars esta idea terica de un equilibrio econmico esta-
ble y con pleno empleo: la igualdad del conjunto de demandas y
ofertas, para n-1 mercados (ya que el mercado restante del dinero
solo cumplira un rol de intermediacin sin mayores consecuencias
que diferentes niveles de precios segn la emisin); luego esta rela-
cin fue as vista o considerada como una identidad (vlida para
todo nivel de precios o tasas de inters y no como una igualdad solo
vlida para un determinados nivel de estos).

Esa visin neutra del dinero se reafirm en 1835 agregndole la
discutida teora cuantitativa de la moneda segn el resumen de J.
S. Mill:
M = P ( T)

Si un gobierno aumentaba la emisin M permaneciendo constantes
las transacciones nacionales T, la nica consecuencia sera un
cambio de precios nominales P, pero el pleno empleo no sera afec-
tado (slo vinculacin directa entre emisin e inflacin).

Coincidentemente con la teora del valor trabajo, tanto de A. Smith
como en D. Ricardo, en 1848 K. Marx re-expuso en forma ms
cientfica la teora objetiva del valor, segn el trabajo incorporado en
los bienes; tambin la del beneficio o plusvala como una explota-
cin; y de ellas se extrapolaron luego consecuencias macroecon-
micas socialistas, tal como la propiedad estatal de los medios de
produccin, o el rgido control estatal del sistema de precios y del
comercio interior y exterior.

Las consecuencias de esas propuestas fueron advertidas inicial-
mente por H.H. Gossen (en Las Leyes del intercambio, 1854), por lo

41
que propuso replantear la teora liberal pero sobre la base de la de-
manda segn la utilidad, en dos clebres leyes:

La utilidad de las ultimas unidades adquiridas (idea posterior de uti-
lidad marginal decreciente) originaba la pendiente negativa de la
lnea de demanda de un bien; y para el caso de dos o ms bienes,
la eleccin surga al cumplir en todos las compras con la igual co-
ciente placer sobre precio y simultneamente ajustarse al o agotar el
presupuesto disponible (idea posterior del equilibrio del consumidor).
Estas ideas, rescatadas por K. Menger, S.Jevons, L. Walras en
1870-1874 y otros, fueron sintetizadas por A.Marshall en 1890 en el
libro Principios Econmicos, donde se complet esa teora subjetiva
del valor (en la satisfaccin de necesidades primarias, bajo un con-
texto de saturacin la utilidad total implica una utilidad marginal de-
creciente; posteriormente se agregaron las necesidades sociales o
culturales, con utilidad marginal constante o creciente) , tanto para el
anlisis de la demanda como tambin con una extensin del criterio
hacia la produccin, los costos y la contratacin.

Con solo papel y lpiz, el esquema de Marshall implicaba modelos
con solo una, dos o pocas variables reales y restricciones. Las sim-
plificaciones satisfacan conceptualmente, pero estaban lejos toda-
va de una aplicacin efectiva en las empresas por lo cual no se
preocuparon por la separar microeconoma de macroeconoma y las
trataban conjuntamente, sin saber precisamente bien para cuales
aplicaciones efectivamente reales.
DESDE LA GEOMETRIA PLANA DE EUCLIDES HACIA LA GEO-
METRIA ANALITICA

El avance conceptual surgi en 1630, con los ejes ortogonales de
Ren Descartes (las coordenadas de cada punto eran sumables) y
W. Pareto utiliz este esquema.
Sobre la base de los anlisis de Gossen y de Marshall, el ingeniero
W. Pareto expuso en 1930 el mismo equilibrio, pero innovando al

42
agregar un modelo geomtrico simplificador: grficos (utilidad solo
ordinal) con lneas de presupuesto y de indiferencia, ambas por de-
finicin con diferenciales totales nulos en todos sus puntos.

El punto de tangencia explicaba la demanda de dos bienes, maximi-
zando la utilidad y agotando el gasto del presupuesto: simplificando
trminos en ambos diferenciales queda en ese punto la TMS =
Px/Py . Ah se agota el gasto y se cumple que la tasa marginal de
sustitucin (gustos o cociente de las derivadas parciales) es coinci-
dente con los precios del mercado, en este punto que marca las
cantidades demandadas de ambos bienes.

Pronto el desarrollo matemtico de la poca permiti demostrar am-
bas teoras tanto con el anlisis diferencial elemental como con la
funcin combinada de Lagrange, que suma a la funcin de utili-
dad una restriccin de presupuesto. Las condiciones de primer or-
den, haciendo las primeras derivadas nulas (implican ubicarse en un
punto de giro, por analoga con una funcin de una variable); y las
de segundo orden confirman que ese punto era un mximo, mnimo
o inflexin (hessiano >0; <0; =0). Las teoras solo disentan en el
modelo (uno utilidad sicolgica; el otro grficos), pero compartan los
mtodos analticos.

De la primera condicin se podran despejar y obtener las cantida-
des demandadas, as como el valor de la tercera variable (interpre-
tada como la utilidad marginal del dinero de ese consumidor)

Hubo otros aportes adicionales, como el de R. Giffen para explicar
una paradoja en la demanda anmala de los bienes bsicos ante
alteraciones importantes; y otros sobre la clasificacin de los bienes
y sobre las elasticidades de la demanda etc.

Una tercera teora de la demanda intent explicar los cambios por la
inflacin, separando el efecto de un cambio de precio sobre la canti-
dad demandada en sustitucin y renta. En 1915 Yevgeni Slutsky

43
propuso una ecuacin que enriqueci conceptualmente este anlisis
desde el punto de vista metodolgico matemtico (en 1938 J. Hicks
utiliz los grficos de Pareto para simplificar ese mismo enfoque
conceptual).

Adicionalmente a aquellos valores de ambas demandas y a la utili-
dad marginal del dinero segn la funcin combinada de Lagrange,
Y. Slutsky dedujo su famosa ecuacin luego de simplificar en el
diferencial total del efecto total del cambio de un precio sobre la
demanda de ese bien.

El resultado se abrevi como la suma de dos efectos, uno por la
vieja ley de la demanda (efecto sustitucin) y otro por el efecto de la
inflacin (efecto renta), que era tanto ms notable si el bien cuyo
precio se modificaba participaba significativamente en el presupues-
to del consumidor.

Los mtodos de Gauss y Cramer le permitieron calcular ambos
efectos, ponderando un efecto por la influencia de la utilidad margi-
nal del dinero y ponderando el otro por la cuanta adquirida de este
bien: los efecto sustitucin y efecto renta influan en la demanda
final u ordinaria.

Suponiendo en los casos de subas de precios un subsidio (o un im-
puesto en los casos de bajas) para que el consumidor pudiera volver
a la canasta inicial, se le compensara la distorsin del precio y esa
demanda compensada sin el efecto renta sera ms rgida que la
ordinaria.

En 1938 J. Hicks explicara esto mismo mediante grficos de Pareto,
demostrando geomtricamente que el supuesto subsidio sera una
paralela a la nueva recta de presupuesto, tangente a la curva inicial
en otro punto diferente que el original: la demanda compensada de
Hicks, era as algo distinta que la de Slusky.


44
Dcadas despus se ampli este enfoque de Slutsky aplicndolo
tambin a la oferta individual del factor trabajo, retroascendente,
considerando el efecto renta-dotacin sobre la disponibilidad de
tiempo diario tambin para descanso.

En la ecuacin de Slutsky los efectos directos permitan clasificar a
los bienes en tpicos o atpicos, segn fuera el comportamiento del
efecto renta (el que adems indicaba si el bien estudiado era normal
o inferior).

Los efectos cruzados de la variacin del precio de un bien sobre la
demanda de otro bien permitan clasificar a los bienes como sustitu-
tos, complementarios o independientes, segn fuese el resultado
positivo o negativo y la naturaleza del producto de precio modifica-
do.

Esta ecuacin fue un avance conceptual terico y metodolgico; sin
embargo las conclusiones de esta teora de la preferencia revelada
(por los consumidores) se obtienen efectivamente con los estudios
de las variaciones de precios y de cantidades que permiten los n-
dices de precios de las oficinas de censos nacionales, segn publi-
caciones de ndices del nivel de vida, ndices de Laspayres, de
Paasche u otros combinados.

PRODUCCION, COSTOS, BENEFICIOS

El mismo anlisis diferencial era aplicado para explicar los ingresos,
la produccin, los costos y beneficios del productor (con solo
una o con dos variables).

La productividad marginal decreciente, los costos marginales cre-
cientes y su vinculacin con la lnea y funcin de oferta de la empre-
sa, permitieron conformar un conjunto completo para el equilibrio de
la empresa, que fue expuesto como una simplificacin de la realidad

45
con una o dos variables (bsicamente segn las relaciones entre el
concepto del total, el medio y el marginal).

Este enfoque tuvo mayor aceptacin acadmica que aplicacin efec-
tiva en las empresas:

Esta optimizacin con una variable, fue implementada a partir del
anlisis matemtico de A.A. Cournot (Pars, 1838): al ser el benefi-
cio la diferencia entre ingresos menos costos, haba mximo Benef i-
cio diferenciando con B= 0 y B<= 0, de donde surge que para el
caso general la optimizacin implica operar con ingreso marginal =
costo marginal (aunque en competencia pura con precio = costo
marginal o en largo plazo precio = costo medio).

Sin embargo, para el caso de la competencia perfecta se exageraba
el modelo basndolo en supuestos muy irreales, como libertad de
mercados (sin restricciones en el ingreso de bienes, empresas y
factores), con homogenidad, muchos compradores y vendedores;
los precios eran una constante dada por el mercado iguales para
todos (sin monopolios ni externalidades negativas en bienes pbli-
cos, polucin, etc.).

Al competir se genera una baja de precios y solo las empresas ef i-
cientes pueden sobrevivir, operando a largo plazo sin costos fijos las
empresas operan con ingreso marginal igual a precio y al costo me-
dio).

En la explicacin de otros mercados sobresalieron las modelos para
el monopolio, con sus precios mayores al costo marginal segn su
limitacin de la cantidad ofrecida; tambin su posible discriminacin
de precios o mercados y el criterio para producir en el caso multifac-
tora (optimizando con el criterio de Cournot e ingresos marginales
iguales a costos marginales conjuntos, respectivamente).


46
Cournot tambin explic maximizando el beneficio, con una variable,
el equilibrio en duopolio, con la oferta de cada uno segn funciones
de reaccin en las que la oferta de uno depende de lo que produzca
el otro. Bertrand (e Edgeworth) analizaron este caso bajo una perju-
dicial o inconsistente guerra de precios. Entre otros numerosos mo-
delos particulares hubo aportes de Hotelling para monopolio y para
competencia monoplica con diferenciacin de producto. Stackelber
expuso el accionar como empresa lider o seguidora; Sweezy el mo-
delo de la demanda quebrada; Sylos Labini, Bain y Modigliani casos
parecidos bajo limitaciones de acceso, etc. Tambin se plantearon
explicaciones para los casos de colusin (la cual ya se conoca
combatida por la legislacin de los EEUU desde el accionar de la
Standard Oil Co. y otras a fines del siglo IXX) solucionados como en
el monopolio multiplefactora y un reparto posterior de utilidades sin
explicacin.

En el anlisis microeconmico clsico se utilizaron funciones de
solo una, dos o tres variables, para explicar con esos escasos avan-
ces la teora del consumidor y por analoga, las teoras del produc-
tor, la de distribucin de ingresos y la teora del comercio internacio-
nal.

El criterio paretiano, segn los diferenciales totales nulos en la
tangencia del equilibrio con TMS = Px/Py, se fij como estndar pa-
ra demostrar que, cumpliendo sus premisas, se optimizaba la deci-
sin de compra, y por analoga las de produccin, la de contratacin
y distribucin de ingresos, as como la ventaja del comercio interna-
cional, que ya en 1885 haba anticipado Edgeworth con su esquema
de una caja (con dos grficos tipo paretianos contrapuestos).

En esa caja, los punto de tangencia de la curvas de utilidad de am-
bos pases eran puntos eficientes, mientras que por ejemplo una
interseccin de dos curvas era una combinacin ineficiente, ya que
trasladndose por una u otra de ellas al menos uno de los pases o
agentes mejoraba su bienestar y (en trminos absolutos) ninguno se

47
perjudicaba. Nada se explicaba en trminos relativos o sobre la
equidad de esta distribucin: nada se explicaba sobre alguna venta-
ja para ambos agentes o pases.

Los desarrollos de Euler tambin permitieron a Cobb y Douglas
(Nebraska) exponer las ventajas de representar la distribucin de
ingresos en la empresa o en un pas mediante funciones homog-
neas de un solo trmino; con rendimientos decrecientes si los expo-
nentes suman menos que uno, constantes si uno y crecientes si
mayores que uno. Estos exponentes tambin indicaban la participa-
cin o distribucin de lo producido entre ellos.

La gran crisis mundial de 1929 origin un replanteo sobre el esque-
ma clsico del equilibrio estable bajo competencia perfecta y su vi-
sin del pleno empleo permanente. En 1874 Walras haba expuesto
un sistema simplificado con N sectores productores (de bienes fina-
les); consideraba que el equilibrio entre demandas y ofertas depen-
da de todos los sectores incluyendo tambin al del dinero. No vea
una identidad tipo J. B. Say, con equilibrio y pleno empleo aun sin
considerar el dinero, sino que el equilibrio con pleno empleo era solo
posible para un determinado nivel de precios, en cada uno y en to-
dos los sectores, incluyendo al del dinero.

Pero en 1936 J. M. Keynes separ netamente la macroeconoma
del precedente ambiguo tratamiento conjunto micro y macroecon-
mico segn Marshall y dems. Expuso una explicacin diferente de
la crisis, segn la incertidumbre empresaria en la bolsa de valores
de Wall Street y tambin la necesidad de utilizar la poltica moneta-
ria y fiscal para atenuar las variaciones bruscas de la actividad ge-
neral. Esa dinamizacin mediante obras pblicas no necesariamente
generara inflacin descontrolada.
Adems de estos dos enfoques bsicos, walrasiano y keynesiano,
posteriores desarrollos avanzaron sobre otros aspectos de la eco-
noma del bienestar, entendindola sobre la base del cumplimiento
estricto de la competencia perfecta y del criterio paretiano, tanto en

48
el consumo, como en la produccin, en la distribucin y en el co-
mercio internacional, hacia un equilibrio general.

Los perjuicios de los monopolios, estudiados en 1938 por Hotelling y
muchos otros, confirmaban las ventajas de mayor cantidad y meno-
res precios a favor de la competencia.

Si se cumplieran las condiciones requeridas como supuestos nece-
sarios -sobre libre movilidad de empresas, de bienes y de factores,
control de monopolios y de las deseconomas por incumplimiento
en los controles de polucin, en los bienes pblicos y recursos natu-
rales etc.- la competencia perfecta garantizara el pleno empleo y
maximizara el bienestar general.

An ms, la comunidad acadmica tambin avanz con desarrollos
para demostrar la eficiencia de este mercado de competencia, por
ejemplo con A. Lerner y especialmente con K. Arrow y G.Debreu,
que expusieron analticamente sobre dos leyes de la economa del
bienestar: si las actividades son competitivas se estn cumpliendo
los criterios paretianos; la segunda es ms estricta o abarcativa: si
se cumple los criterios paretianos los mercados son competitivos (se
subestiman las objeciones sobre las distorsiones por efecto de los
monopolios, las externalidades, la naturaleza de los bienes pblicos,
la falta de equidad etc) y este modelo pas a ser la base de la legis-
lacin comercial domstica e internacional, ya que en teora la com-
petencia facilitaba el abastecimiento a bajos precios.

En la base de las creencias y conformidad sobre esta teora figura
el accionar bajo competencia y los mercados de competencia per-
fecta, que actuaran como supuestos justos planificadores, que se
encargaran de distribuir con equidad los logros alcanzados con la
eficiencia del criterio paretiano en todo mbito.

Tambin se avanz en la pretensin de obtener una modelacin
efectiva para el equilibrio general, ampliando una propuesta analtica

49
de L.Walras, al combinar sus sistemas NxN de bienes finales con la
nocin del principio paretiano para el equilibrio o distribucin y con la
visin de la necesaria existencia de un equilibrio (segn el principio
general o teorema del punto fijo de J. Brouwer, adaptado por De-
breu en 1959 a esta propuesta econmica: dadas unas dotaciones
iniciales, si la funciones de preferencias y de produccin son conve-
xas y renen las caractersticas paretianas, existir al menos un
conjunto de precios de equilibrio).

Si necesariamente tena que existir un equilibrio general, se lo expli-
caba axiomticamente (pero con sistemasde 2x2 solo supuestamen-
te) generalizables a NxN variables.

Las explicaciones clsicas sobre mercados y precios se basaron en
anlisis con coeficientes fijos de produccin, o sea, rendimientos
constantes, que Clark y Winsteed intentaron generalizar para el
caso de varios procesos alternativos. El equilibrio parcial o maxi-
mizacin del beneficio, considerado desde 1838 segn Cournot fue
posteriormente aplicado al caso de solo dos bienes con Pareto en
1909 y luego generalizado como un planteo (meramente axiomtico)
de equilibrio general, mediante el diagrama de la caja de Edgeworth
y el teorema de la agregacin de Hicks y Leontief. Cassel aport la
idea de diferentes mercados a partir del anlisis de dos productos
y dos factores. Leontief introdujo en 1941 el anlisis de productos y
de insumos; y finalmente, se intent demostrar la idea de la exis-
tencia (necesariamente hay) de un equilibrio general y la de su
unicidad (solo uno, para este enfoque axiomtico y contrario a lo
que siempre ocurre en la realidad) a travs de inviables anlisis de
Wald, que llevaron al creador de la teora de los juegos de suma
cero von Neumann a pensar en el uso del teorema del punto fijo
de Brouwer, replanteado por Kakutani y por Debreu. Tambin se
intent analizar la estabilidad (de este supuesto equilibrio nico,
general y meramente axiomtico) mediante anlisis de Hicks, de
Hotelling y de Samuelson que chocaron ante las inconsistencias
requeridas por un exceso de supuestos limitantes en el modelo de la

50
competencia (libre ingreso, gustos, racionalidad, tcnicas, externali-
dades, mercados futuros, incertidumbre, asimetras de informacin,
etc) y las dificultades de su extensin o generalizacin (unicidad y
estabilidad del equilibrio, etc).

Desde este punto de vista axiomtico cuando Arrow y Debreu ex-
pusieron las dos leyes fundamentales de esta teora del bienestar (
1) si hay competencia se cumple con el criterio paretiano. 2) si se
cumple con el criterio paretiano hay competencia y se garantiza el
mximo bienestar general), muchas opiniones llamaron la atencin
sobre lo irreal de esa visin, destacndose las posteriores objecio-
nes del propio Debreu y las de Sonneschein sobre la imposibilidad
de unicidad en la existencia de un equilibrio y por la irrealidad de
una modelacin con sistemas NxN, imposibles de concretar numri-
camente ni aun para representar a algn pequeo pas.

En la actual formalizacin simblica con lgebra, anlisis diferencial
o de conjuntos, cada grupo de smbolos tendra supuestamente su
correlato en algn sistema de ecuaciones o de matrices que permiti-
ran un nexo con la realidad econmica. Sin embargo, algunos ex-
cesos de formalizacin meramente simblica han conducido a es-
fuerzos sin resultados.

Frecuentemente se aceptaron representaciones abreviadas, que se
demostraban con aproximaciones conceptuales simplificadoras; por
ejemplo, punto fijo existente y estable, como el que unira un plano
con el centro de una esfera exterior que gire invariante sobre su eje;
y muchas otras explicaciones por mera analoga conceptual simplif i-
cadora, pero sin la necesaria contrastacin o verificacin emprica.
En este libro tambin se refut esa teora de Arrow y Debreu desde
el mismo punto de vista (no existen ni podrn asistir modelos
computacionales NxN suficientes) y adems desde otro punto de
vista, considerando al verdadero objeto y sujetos reales de la mi-
croeconoma.


51
Esa primera refutacin se formul aqu en el mbito de la exposi-
cin o re-exposicin de la microeconoma clsica computacional-
mente, pero segn la efectiva aplicacin prctica en las empresas y
considerando la generalizacin del uso de Excel.

La ltima refutacin surge de exponer cul es el rol profesional;
para qu estudia; y cul es el contenido cientfico de la microeco-
noma.

Finalmente y desde otro punto de vista, nuevos enfoques muy dife-
rentes se fueron agregando a la microeconoma clsica, aunque sin
conformar una nueva teora tan abarcativa y completa como la ante-
rior. Especialmente, las teoras de la utilidad esperada subjetiva
(SEU) y la teora de los juegos, que se inici en 1932 con los apor-
tes de von Neumann y Morguenstern para casos maxi-min y min-
max (criterio de W.Wald ) de suma nula

J. Nash en 1952 agreg varios anlisis con diferentes estrategias
mixtas; A. Tucker plante el dilema del prisionero y muchos otros
casos conformaron este enfoque con y sin colusin, pero siempre
bajo un contexto incierto e inestable (con y sin informacin comple-
ta, colusin, estticos o dinmicos, etc) y en el cual se persigue un
subptimo (o cuando lo bueno es enemigo de lo mejor por no ser
autorizado por el oponente).

Habiendo resumido aqu un panorama de la microeconoma clsica
(y expuesto que actualmente se han abandonado las pretensiones
microeconmicas de un equilibrio general, limitndose a solo anli-
sis de equilibrio parcial) cabe finalmente plantearse un interrogante:

Siendo el sujeto estudiado en la microeconoma el productor (la em-
presa) y su demandante (el consumidor); y si estas teoras fueron
solo enfoques parciales, pero tan solo para una, dos o tres variables
(o bien anlisis centrados en un fallido equilibrio general, macroeco-
nmico), Cmo se explicaba efectivamente el comportamiento

52
econmico de las empresas, en las cuales generalmente estn invo-
lucradas mltiples variables (mayormente cuantificables) y puede no
existir competencia perfecta?
ERRORES EN LA MICROECONOMA CLASICA

La comunidad econmica valora internacionalmente el paradigma
neoclsico que, como se rese arriba, enfatiza los anlisis sobre el
principio o criterio paretiano en el consumo, en la optimizacin em-
presaria y en la distribucin en la competencia perfecta, as como
tambin planteos con esquemas axiomticos sobre el equilibrio
general y la economa del bienestar (con las exposiciones de
Walras, Lerner, Pareto, Samuelson, Arrow y Debreu, etc).

Les son detalladamente conocidas, pero subestiman las inconsis-
tencias de estos esquemas cientficos, como ser aquellas en materia
de distribucin de los ingresos con equidad, las asimetras (el princi-
pio paretiano en la caja de Edgeworth demuestra que uno mejora,
pero no que los dos mejoran; tampoco dice quin mejora, ni como
esta se distribuye), o por efecto de las externalidades, bienes pbli-
cos, etc; y tal como se explicar, tambin las inconsistencias por el
equivocado objeto y sujeto que priorizan para esta disciplina, as
como tambin por la impracticabilidad de sus teoras.

Pero la competencia perfecta no es un modelo que se presente co-
rrientemente en los mercados. Algunas corrientes de pensamiento
criticaron a los tericos de la microeconoma, porque parecieran ser
funcionales a grupos empresarios y acadmicos (quienes finalmente
les sustentaran), en cuanto sus proposiciones se manifiestan con-
formando una defensa del sistema liberal financiero librecambista,
del que se deducen (con este esquema cientfico incompleto) con-
secuencias polticas sobre la libertad comercial y sobre el movimien-
to de capitales, ausencia de barreras comerciales, no aplicacin de
impuestos, bajo grado de intervencin del estado en materia eco-

53
nmica, etc., que tienen grandes repercusiones en la actividad eco-
nmica domstica e internacional de los pases.

Por otra parte, los errores de las teoras socialistas como doctrina
(en distribucin, ineficiencia, burocracia, etc) ya fueron histricamen-
te convalidados por sus fracasos en la aplicacin prcticas de estas
utopas durante el siglo XX.

Pero existe otra visin en Microeconoma con Excel (MCE): no se
puede identificar o confundir la teora con la realidad. Considerando
la realidad empresaria y las formulaciones tericas se advierten dos
errores en la teora tradicional: uno es enfocar los anlisis hacia
quien no es el destinatario masivo de los principios microeconmi-
cos; el otro es distorsionar el mtodo de estudio reducindolo a un
campo axiomtico meramente formal e inaplicable.
DESTINATARIOS DE LA MICROECONOMA

Constituye un error pensar que el destinatario de los anlisis eco-
nmicos sea aquel matemtico terico dedicado a la microecono-
ma, dado que el objetivo principal de la microeconoma es el fun-
cionamiento econmico de las empresas (incluyendo la estimacin
de la demanda, mercados, la optimizacin, etc) y surge en conse-
cuencia que el principal usuario y destinatario de estos anlisis es el
profesional y el tcnico que se desempean masivamente en las
diferentes rea de cada empresa.

Para aquel destinatario terico es natural y suficiente centrar los
anlisis en Pareto, la competencia perfecta y el equilibrio general.
Pero para este destinatario mayoritario y masivo, los anlisis nece-
sarios son principalmente la estimacin de funciones de demanda
(mercado y mltiples aplicaciones economtricas ms) y la optimi-
zacin o programacin empresaria (aplicaciones de la investigacin
operativa para las diversas reas de la empresa, bsicamente con

54
programacin lineal u otras; y con matrices), adems de otros as-
pectos sobre mercados y mtodos diversos.

Esta visin prctica y masiva fue la que dio origen al enfoque del
libro Microeconoma con Excel en Empresas (MCE), considerando
que ese utilitario para PC es de uso generalizado en todas las em-
presas y trae incorporadas y simplificadas la mayora de estas apli-
caciones necesarias.

POR QU ES INSUFICIENTE LA MICROECONOMA CLSICA
CON ENFOQUE SOLO FORMAL

En MCE se reconoce que el profesional en economa (contador,
ingeniero industrial o simplemente no graduado tcnico en algn
rea empresaria) tiene como principal mbito de desarrollo para su
actividad el desempeo en la generalidad en las empresas. Interesa
adems que la formacin microeconmica de un contador o un in-
geniero no incluye en su currculo bsico otras especializaciones
superiores en procesos especficos de investigacin operativa ni en
econometra.

Pero la generalidad de los textos no ha sido actualizada; y en las
universidades se continan dictando el enfoque tradicional terico
con sus inconsistencias, sin advertir que no es suficiente una capa-
citacin en modelacin meramente formal tradicional, sino que es
necesario llegar a la aplicacin concreta de los principios micro-
econmicos en las empresas.

Antes de la revolucin informtica, aproximadamente en 1980/90,
existan muy pocas posibilidades de clculo concreto en las perso-
nas y empresas, ante lo cual un enfoque solo formal axiomtico era
inevitable (salvo difciles y poco prcticas especializaciones adicio-
nales a la profesin).


55
Sin embargo, en MCE se demuestra que desde el uso generalizado
de las PC, la microeconoma dej de ser obsoleta e inaplicable para
la generalidad de los profesionales; y sus principios pasaron a ser
ahora de aplicacin efectiva en las empresas, en las reas de ven-
tas, compras, personal, finanzas o direccin general.

Esta dicotoma entre rigor formal e inaplicabilidad efectiva en la em-
presa tambin fue planteada en MCE, por ejemplo a travs del caso
integral sobre el clculo del equilibrio empresario empricamente;
segn el modelo clsico con una, dos o tres variables (abarcando
desde la estimacin y el clculo de ventas, produccin, ingresos,
costos y beneficio, mediante regresin simple precio-cantidad, ajus-
te parablico minimocuadrtico y maximizacin diferencial). Pero
esa solucin supuestamente integral (aunque digamos univariante)
no tiene aplicacin concreta en la generalidad de las empresas, en-
frentadas en la realidad a casos de mltiples variables.

Se plantearon dos cambios de paradigma: uno es el cambio tecno-
lgico, las PC, Excel e Internet. Otro es reconocer que la teora neo-
clsica sin las PC significaba solo una representacin simblica
elemental, una fantasa en cuanto a sistemasNxN y al equilibrio ge-
neral, en s limitados a solo dos o tres variables, que en la prctica
de la optimizacin y actividad empresaria son insuficientes y prcti-
camente inservibles.

Pero la PC potenci la aplicacin efectiva de los principios micro-
econmicos en diversas reas de la empresa. Hay todava sectores
interesados en mantener la vieja visin terica impracticable, que
se resisten a reconocer que los principios neoclsicos son una mera
simplificacin irreal si no se los clarifica y adems, si no se los aplica
efectivamente en la empresa mediante la computacin.

El conocimiento y la teora microeconmica anterior (digamos la
evolucin cientfica entre el siglo X y el XXI) no se detiene con las
versiones neoclsicas obsoletas, ya que el uso de PC en las ltimas

56
dcadas convierte a ese conocimiento histrico meramente terico
en efectivamente prctico. El aporte e ingenio neoclsico quizs no
supona (o s) que el avance tecnolgico permitira concretar sus
teoras.

Entonces, es necesario distinguir el atraso tecnolgico, que solo
contempla calcular hasta tres variables, frente a la necesidad de
calcular cientos o miles de variables (pero con simplicidad !) para la
efectiva optimizacin en la empresas; y en sntesis, se puede decir
que desde la difusin generalizada del Office al mbito de todas las
empresas (casi sin excepcin), los principios microeconmicos de-
jaron de ser solo enfoques formales y pasaron a ser ahora de fcil
aplicacin concreta en todas las reas de la empresa.

En los departamentos de ventas, es fcil estimar la demanda para el
prximo perodo mediante correlacin mltiple (con su imprescindi-
ble anlisis de la varianza estandarizado). En el departamento de
personal se pueden planificar fcilmente los horarios, turnos y va-
caciones mediante programacin lineal con Solver de Excel. En el
rea de finanzas se pueden utilizar las aplicaciones sobre VAN y
TIR de Excel. Este utilitario tambin permite modelos de simulacin
estticos y dinmicos en instantes. La programacin tambin facilita
determinar el inventario ptimo con ms de una variable; o precisar
la produccin ptima en la direccin de las empresas, incluyendo
casos de cientos o miles de variables. Ello, sin necesidad de reque-
rimientos profesionales especiales o superiores al currculo profe-
sional de un contador o ingeniero industrial (y quizs un tcnico no
profesional o no graduado en muchos casos de los usuarios masi-
vos).

57
APORTES DE MICROECONOMA CON EXCEL (MCE)

MCE no es ms de lo mismo, como los miles de textos disponibles.
El nuevo instrumental computacional permiti la prctica de algunos
enfoques diferentes y se los expuso en MCE en forma breve, sin
aceptar el enfoque o planteo neoclsicos meramente formales (por
su metodologa lgica solo axiomtica y por su matemtica limitada
a dos o tres variables, no obstante sus profusas referencias a siste-
masNxN y al equilibrio general), en cuanto eran inaplicables en la
prctica general de las empresas.

Por este motivo en MCE se incluyeron exposiciones simplificadas
sobre varios principios microeconmicos, que son de aplicacin
efectiva en las empresas pero no figuran en la bibliografa general
neoclsica:

1) Exposiciones simplificadas: por una parte, se exponen en for-
ma breve y simple numerosos principios y mtodos, que era usual
presentar innecesariamente en forma de tratados. La filosofa de
MCE fue hacer las cosas fciles, como modalidad didctica y se-
gn la ley de oro en cualquier disciplina (hacer las cosas fciles es
una mxima en la ciencia y como didctica). Por ejemplo contiene
una simplificacin de la enseanza de programacin lineal Simplex
en solo dos pginas; asimismo para sus formas estndar y cannica
o el problema dual.

Al igual que para los diversos mtodos y las aplicaciones incluidas
sobre la optimizacin o para la estimacin de funciones y otros, no
se requiere en general ms de una hora de estudio y prctica con
Excel (igual que con los muchos otros utilitarios alternativos aqu
presentados para estos tipos de anlisis). Didcticamente hay una
oposicin a la mera exposicin formal (a veces falaz), adoptando
una visin prctica, que ve en la simplificacin y en la presentacin

58
explicada de ejemplos resueltos una buena y mejor forma de objeti-
var el conocimiento prctico concreto.

Por otra parte, este enfoque simplificado se complement con la
decisin de editar el texto MCE va Internet, con acceso libre, sin
convertirlo en otro de los usuales proyectos editoriales de inters
pecuniario (crematstico). El orden de presentacin no convencional
es progresivo; y como tambin cambiaron los modos de estudio,
ahora con PC; conviene utilizar los buscadores de palabras (Ctrl +
F, o Ctrl + B) o con Google.

2) Seis mtodos equivalentes: mientras que la teora clsica enfa-
tizaba planteos con irreales sistemasNxN y sobre un tambin irreal
equilibrio general, con lenguaje slo formal, lgico o matemtico
simblico pero nunca referidos a casos realistas concretos (al no
poder resolver en forma manual problemas con ms de 3 4 varia-
bles), en MCE se presentaron sistemasde 2x2 (4 variables) genera-
lizables a cientos o miles de variables, resueltos con 6 mtodos:
diferenciales y operadores de Lagrange, programacin lineal por
mtodos grfico y Simplex o mediante matrices; adicionalmente a
estos, se avanz con programacin lineal y con matrices mediante
las aplicaciones simplificadas de Excel (porque es igualmente fcil
generalizar para cientos de variables), llegando en todos los ejem-
plos a similar resultado para los 6 mtodos (12 resultados iguales
con sus duales).

Esta simplificada exposicin de casos de 2x2 pero fcilmente gene-
ralizables a cientos o miles de variables conformaron parte de la
revolucin informtica, que permiti ir transformando la cosmovisin
terica tradicional al superar las limitaciones de los mtodos ma-
nuales de resolucin. La posibilidad de calcular rpidamente casos
de mltiples variables convirti hoy a la microeconoma en aplicable
concretamente a cualquier tipo de empresa; directamente por los
estudiantes, no graduados y por los graduados en general (contado-
res, licenciados o ingenieros industriales), sin ser ahora requerida

59
una especializacin adicional en econometra o en ingeniera de
procesos de investigacin operativa adicionales sobre estos temas;
esto en buena medida gracias al Office de Microsoft.

La importancia de agregar en estos 6 mtodos los procesos con
Excel, para Simplex y para matrices, fue que con ellos en el mismo
archivo puede el lector resolver por analoga cientos o miles de va-
riables, sin otros conocimientos ni aplicaciones adicionales, ya que
esto es lo usualmente requerido en las empresas (en ninguna em-
presa es posible la estimacin y la optimizacin general con solo
una, 2 3 variables).

Por otra parte, en MCE adems de ejemplos con Excel tambin se
presentan en forma simplificada las aplicaciones efectivas y concre-
tas sobre estos temas mediante otros diez utilitarios diferentes y
alternativos a Excel, o para su eventual control en casos necesarios.

3) Estimacin de funciones: desde 1995 es fcil mediante corre-
lacin mltiple de Excel, con 4, 10 15 variables, e incluyendo el
anlisis de la varianza, simplificado por Excel y tambin segn lo
explicado en MCE.

La estimacin de funciones est incluida en los programas de mi-
croeconoma, pero ningn texto la explica efectivamente (salvo en
forma trivial para dos variables lo cual es inaplicable en las empre-
sas), en MCE se encara este tema, que es el ms importante en
muchas empresas, explicando la estimacin por correlacin mltiple
en forma concreta y efectiva; e incluyendo el imprescindible y fun-
damental anova (hasta Microsoft lo incluy en su Office con un
ejemplo de aplicacin sencilla y accesible para no profesionales,
referido a la estimacin de la demanda de helados con cuatro varia-
bles, que permite la aplicacin y evaluacin anova concretas; y
adems es generalizable a mltiples variables independientes, faci-
litando as las tres acosas involucradas en una estimacin: la obten-
cin de la funcin de ajuste, el anova y el posterior pronstico en s).

60

4) Programacin con cientos de variables: en MCE se facilita la
programacin lineal para 50 cientos de variables con Solver y
otros, cuando la generalidad de los textos solo utilizan tablas Sim-
plex con hasta 5 variables.

5) Matrices con Excel: en MCE se expone el uso de matrices con
Excel y otros para cientos de variables (en otros textos no hay ma-
trices mayores a 4x4; pero algn ejemplo en Excel contiene aqu
1700 variables).
En los aos 90 solo se utilizaba en algunos medios el programa
TSP (para DOS, hoy Eviews) como control de los clculos manuales
o del reciente Excel cuando existan inquietudes al respecto.

6) Otros 10 utilitarios: en MCE se introdujo la posibilidad efectiva
de controlar eventuales fallos en los clculos con matrices, progra-
macin lineal o estimacin de funciones con Excel, al facilitar estas
aplicaciones mediante efectivas simplificaciones con otros 10 utilita-
rios diferentes a Excel (SPSS, Eviews, Gams, Tora, Findgraph,
Matlab, WinQSP, Lindo, Lingo, Stata); simplificando la enseanza
para procesar cientos o miles de variables en breves prrafos para
cada uno (y orientando sobre su adquisicin gratuita en la web).

Cuando en las universidades solo se utilizaban en microeconoma
tablas Simplex manualmente; y mientras el Optimizing de Lotus y
tambin el TSP para DOS (hoy Eviews) eran todava poco conoci-
dos, en MCE se facilit y promovi el uso de Solver y de matrices
con Excel y con otros.

La necesidad de contrastar los procedimientos con varios utilitarios
es ineludible en los casos reales de mltiples variables. Los anlisis
clsicos con una, dos o tres variables podran ser controlados ma-
nualmente mediante los diversos mtodos analticos, por ejemplo
para asegurarse de que una solucin fuese realmente optimizante.


61
Ms all de las meras simplificaciones axiomticas, el cerebro hu-
mano contina siendo el principal instrumento para estas implemen-
taciones prcticas pero no es suficiente. Resultaba importante en
primer lugar asegurar la inclusin en cada problema de todas las
restricciones necesarias para concluir una optimizacin y finalmente
disponer del utilitario necesario.

Para este nivel introductorio en el anlisis cientfico, el tratamiento
comparativo de los problemas con los 6 mtodos alternativos segn
MCE puede ayudar a iniciar estos razonamientos.
Pero cuando se presentan mayores cantidades de variables, es ms
difcil estar seguro de que una solucin encontrada sea maximizan-
te; y lamentablemente, todava no disponemos de una ayuda al res-
pecto en Microsoft u otras empresas.

Si las restricciones no estn bien planteadas, por ejemplo las dife-
rencias observadas en la optimizacin con Solver y con Matrices
Excel (y quizs en otras estimaciones economtricas), pueden lle-
gar a superar el 50%; de modo que no pueden pasar desapercibi-
das.

Se descarta como aplicable para estos asuntos y anlisis empresa-
rios la teora del sufficing segn H. Simon (las empresas no operan
con la primer solucin satisfactoria que tengan a mano, sino que
procuran maximizar y optimizar sus recursos y resultados).

En las empresas seran inviables errores por esa cuanta, por lo que
se intent prever los medios para evitarlos comparado tambin con
diversos utilitarios para estos estudios de mltiples variables, impo-
sibles de controlar mediante clculos manuales.

7) Empresa sobredimensionada: en MCE se expone el modelo de
la Empresa industrial sobredimensionada en pases en desarrollo,
segn el caso efectivamente utilizado ante la ITC y la FTC de los

62
EEUU para defender durante 15 aos exportaciones competitivas de
chapas de acero de la argentina SOMISA.

Para posibilitar la continuidad y mantenimiento de exportaciones
siderrgicas entre 1980 y 1993 se debi explicar en varias oportuni-
dades ante la ITT y la FTC del Dep.of Commerce el funcionamiento
competitivo de la Empresa industrial necesariamente sobredimen-
sionada, por cuestiones de tecnologa de pases desarrollados
aplicada para pases en desarrollo con mercados insuficientes y que
entonces necesitan competir en el mercado internacional (con fun-
ciones con costo medio hiperblico y legales descuentos de precio
segn cantidades, elaboradas con los breves datos legales de las
usuales memoria y balance; ms las adicionales y consecuentes
inspecciones de costos y facturacin por funcionarios de los
EEUU).

8) Casos de antidumping y countervailing duty: otro aporte de
MCE (diferente del modelo anterior para sobredimensionadas) es el
uso de casos reales de antidumping y/o countervailing duty, como
ejemplos de aplicacin efectiva de los principios de microeconoma
para la aplicacin real de las normas de competencia en la empresa:
denuncias de dumping ante la S.Comercio Exterior, con resultado en
ocasiones afirmativo contra importaciones dumping y/o subsidiadas
que lesionaba la competencia; tambin la defensas de denuncias
presentadas por los EEUU y la CEE); la construccin de tablas de
extras de precio competitivas, no objetables por discriminacin de
precios; y simplificar la obtencin de los datos numricos requeridos
legalmente para demostrar la competitividad sin discriminacin.

9) Cuatro contextos econmicos: en MCE se estructuraron las
exposiciones bajo cuatro contextos (cierto, aleatorio, hostil e incier-
to). El tratamiento de la incertidumbre era plateado tradicionalmente
como anlisis aleatorios o probabilsticos. En el mbito microeco-
nmico clsico la exposicin se centraba en al anlisis sobre segu-
ros o casos anlogos, valorados segn el criterio de Bayes para el

63
contexto aleatorio, con alguna ponderacin personal diferente segn
la aversin o aficin al riesgo del sujeto.

En los aos 30 Keynes haba introducido la consideracin masiva
del tema de la incertidumbre empresaria; y tambin Neumann y
Morgenstern plantearon su teora de los juegos, que fue ampliada
en 1950 con el anlisis de J. Nash sobre estrategias mixtas. Y des-
de ese ao fueron aumentando las exposiciones de otros casos,
incluso bajo contextos inciertos no tradicionales, en los cuales la
naturaleza no se comporta uniformemente en el mbito econmico.
La urna de Plya (G.Plya, 1954 Stanford Un.) fue otro llamado de
atencin, que ampli la consideracin de la incertidumbre: se com-
probaba que mediante extracciones con reposicin en una urna no
era cierto esperar resultados proporcionales a la dotacin inicial
(segn la fsica, la matemtica y lgebra, la lgica y el clculo de
probabilidades de Laplace, Boole, etc) sino resultados absoluta-
mente azarosos.

El economista y matemtico Lorenz aport por entonces (1961) su
rara funcin logstica, la cual ejecutada reiteradamente con aquellos
incipientes ordenadores de su poca le permiti comprobar que para
una aproximacin con 3 decimales en el exponente la evolucin era
potencial en el sentido tradicional esperado. Pero aumentando a
cuatro decimales (0,5061) la funcin se bifurcaba con un compor-
tamiento raro semideterminista (con fractales simtricos, autorre-
producibles entre dos extremos o atractores) y luego pasaba a una
evolucin totalmente azarosa, absolutamente catica, para valores
del exponente desde o mayores a 0,506127.

L. Zadeh en 1965 (Berkeley) tambin expuso sobre una lgica fuzzy
(matemtica difusa) mediante planteos con criterios de verdad multi-
valentes, como para el ejemplo de la contratacin de jugadores, en
la cual bajo el concepto lgico y matemtico tradicional booleano
(elegir los altos y con muchos goles) se exclua a uno no alto, de

64
estatura mediana pero que haba calificado con todos los goles de la
prueba.

Varios de estos casos tambin se ejemplificaron en Excel como mo-
delos de simulacin y/o dinmicos.

10) Elasticidad media: la economa clsica estudi detalladamente
el comportamiento de la demanda y la clasificacin de los bienes
segn sus elasticidades, que A. Marshall sintetiz en sus Principios
Econmicos. Giffen ampli este tema con la consideracin de los
bienes bsicos de demanda atpica y Slutsky plante este anlisis
matemticamente diferente, para considerar los efectos de la infla-
cin (efecto sustitucin y renta, que en Varian se ampli con el efec-
to renta-dotacin, para explicar por ejemplo el caso de la oferta labo-
ral).

Pero en los textos se centran estos anlisis en mediciones puntua-
les, que no permiten obtener conclusiones en las empresas. En
MCE este tema se trata como elasticidad media o promedio, simpli-
ficando con la realizacin de un ajuste lineal precio-cantidad en un
perodo prolongado para obtener conclusiones ms firmes que con
elasticidades puntuales.

11) Es prcticamente til la ecuacin Slutsky?
Desde un punto de vista de la prctica empresaria se desprende de
estas observaciones anteriores, que las formulaciones y consecuen-
cias obtenibles con la ecuacin de Slutsky no son de aplicacin
prctica en las empresas. La ecuacin sirve para clasificar a los bie-
nes (y separar los efectos en sustitucin, renta y renta-dotacin),
pero no sirve para medir las elasticidades de las demanda de los
bienes.


65
En una maximizacin de la utilidad, considerando una demanda
marshaliana que dependa de dos precios y una renta, se resuelve
el lagrangiano y en las condiciones de primer orden se aslan los
trminos con variables en el primer miembro, para resolver el siste-
ma por el mtodo de Cramer, de modo que figuren los adjuntos del
determinante en el numerador de tres trminos. Uno de estos ser
nulo al momento de calcular el efecto de la variacin de algn precio
sobre la demanda del bien estudiado, quedarn as las expresiones
con los dos conocidos efectos de la ecuacin, sustitucin y renta.

Con ellos se pueden explicar los efectos de las variaciones de pre-
cios sobre las demanda de bienes y concluir una clasificacin de los
bienes, en tpicos o de la paradoja Giffen; normales o inferiores
(efectos directos); y en sustitutos o complementarios (efectos cruza-
dos).

Siguiendo a Varian, la ecuacin tambin se puede aplicar para aislar
el efecto renta-dotacin, que es til para explicar conceptualmente la
oferta y demanda laboral, o para explicar los criterios en una elec-
cin intertemporal consumo-ingreso.

Pero, debido a estas mediciones puntuales de la ecuacin, no es
posible aplicar este esquema para calcular las elasticidades de la
demanda de bienes (ya que requieren la continuidad que dan los
promedios en perodos prolongados), debido a esto sus aplicaciones
empresarias son muy limitadas.

Medir las elasticidades segn el efecto total, del caso directo o cru-
zado, o tambin medir la elasticidad renta segn el segundo trmino
resultara en valores puntuales sin sentido econmico para las deci-
siones empresarias, las cuales suelen adoptarse a partir de medi-
ciones con el criterio estadstico de elasticidad media o promedio.

Por otra parte, J. Hicks aport un procedimiento analtico y geom-
trico ms intuitivo y fcil de aplicar en las empresas para separar

66
conceptualmente los dos primeros efectos y para estas clasificacio-
nes de los bienes.

12) Como obtener funciones y grficos desde series y vicever-
sa: la simplificacin de estos temas implic comenzar en MCE por
ilustrar como obtener las funciones, pero adems hacerlo partiendo
desde series (y graficarlas) y continuar con utilizar funciones para
obtener series. La exposicin con papel y lpiz no implica necesa-
riamente una capacidad para el tratamiento efectivo de series y de
funciones en la empresa y est simple prctica en Excel resulta tan
imprescindible como la correlacin mltiple.

13) Funciones muy complejas: en MCE se expone en forma sim-
plificada (realmente simplificada) como obtener funciones muy com-
plejas y con precisin millonsima, mediante Findgraph (y algunas
con Excel), cuando solo se dispone de unos pocos valores concre-
tos reales pero es necesario formular una ley de formacin o evolu-
cin.

14) Anlisis dinmico: el anlisis intertemporal en microeconoma,
introduciendo retardos en el ajuste de las variables, de modo que el
valor actual de una variable dependa de los valores pasados de la
misma y/o de otras variables se plantea no solamente para el mode-
lo de la telaraa, sino que tambin se ven varios ejemplos de proce-
sos estocsticos (aleatorios), de Markov con variaciones discretas a
lo largo del tiempo, as como un conjunto de herramientas para la
creacin de rutinas o simulaciones del comportamiento dinmico en
los procesos de ajuste, que van desde el anlisis Newton- Raphson
hasta el uso de la tecla de reajuste F9, las macros bucle o las itera-
ciones con Excel

15) Modelo de la Telaraa y su nmero de perodos: en MCE se
expone el modelo de la telaraa pero incluyendo adems la medi-
cin concreta del nmero de periodos hasta el ajuste. Los textos de
microeconoma incluyen el modelo de la telaraa y mencionan algn

67
ejemplo de su aplicacin y cmo las diferentes elasticidades influyen
en la velocidad del ajuste: Pero ningn texto explica ni calcul algu-
na vez el modo de determinar el nmero concreto de fases necesa-
rio para el ajuste hasta el nuevo equilibrio. En MCE se cuantifica
fcilmente el nmero o cantidad concreta de fases necesarias en
este modelo dinmico, que pasa as a ser ms efectivamente apli-
cable en la empresa (para explicar la evolucin en los mercados de
granos, viviendas, jamones, commodities en general u otros con
ajuste retardado).

16) Modelos de simulacin: en MCE se presentan aplicaciones
concretas de estos enfoques mediante fciles ejemplos en Excel y
otros, ilustrando sobre la realizacin y comprobacin de modelos de
simulacin mediante simples funciones de Excel como =aleatorio( )
y =Si( ; ; ) y otras.

Los modelos de simulacin, tanto estticos (como el anlisis de la
coyuntura de la actividad econmica) como dinmicos, son fciles
de implementar en Excel. En diferentes ejemplos se ilustran casos
elaborados con solo instrucciones en simples hojas de clculo; para
otros casos se utilizan recursos elementales de Excel, como la posi-
bilidad de iterar celdas o repetir en bucle indefinidamente; y en
otros se utilizan aplicaciones de Excel, como iterar, =aleatorio, =si( )
y funciones o distribuciones diversas. Existen numerosos programas
especializados para econometra y afines, pero Excel tambin per-
mite adems la elaboracin de muchos programas complejos me-
diante la creacin de macros automticas, cuya mecnica tambin
se resume aqu (y est detallada en el propio utilitario de Microsoft).

17) El problema de identificacin: en la microeconoma neoclsica
es frecuente plantear el problema de la falta de identif icacin de las
causas de algn problema (E. J. Working, Philadelphia 1927 ). Antes
de que ocurra un hecho o un accidente que se ve inminente es po-
sible tener una explicacin clara de lo que luego ocurra. Pero si no

68
se dispone de esa visin previa resulta ms difcil encontrar o identi-
ficar las causas del hecho.

As por ejemplo, en materia estimacin de funciones, simplificando
aqu el anlisis de la varianza y la eleccin de la funcin de ajuste y
de sus variables independientes; igualmente sobre el tema del equi-
librio general, o al menos del equilibrio empresario con muchas va-
riables: en MCE se exponen casos simples y metdicamente gene-
ralizables. No se confunde al lector mediante ejemplos con 30 varia-
bles como para solo ejercitarlo y que se desgaste en el problema de
identificacin, cuando en realidad los ejemplos fueron prefabricados
mediante tanteos y sucesivas pruebas y error, que aparenten su-
puesta complejidad de tratamiento conceptual, aunque solo sean en
realidad elaboraciones artificiosas sin mtodo explicativo posible.

Tal sera el caso de resolver un problema empresario con 30 varia-
bles, partiendo de un sistema de 2x2 (que es fcilmente optimizable)
para luego ir agregndole sucesivamente restricciones macroeco-
nmicas, que se puedan resolver mentalmente y luego solucionarlas
tambin con Solver (mediante tediosas sesiones de pruebas en
hojas de clculo Excel ms Solver, sumaproducto etc) pero que
carecen de un mtodo explicable econmicamente o con el Office.

Por el contrario, en MCE se utilizan y resuelven sistemasde este tipo
pero facilitando y simplificando con ejemplos los mtodos de resolu-
cin. En definitiva, se explica la modelacin para optimizar siste-
mascon mltiples variables (incluso con diferentes utilitarios) expo-
niendo paso a paso los mtodos para programacin con Solver, en
sus varias alternativas o formas de uso.

Adicionalmente, tambin se facilit la resolucin mediante otros 10
programas alternativos, que son asequibles en la web libres y solo
requieren una hora de dedicacin (al igual que para estimar funcio-
nes con mltiples variables).


69
Con un claro objetivo cientfico: refutar y desmetaforizar la micro-
economa meramente (falsamente) axiomtica, que desde hace d-
cadas est impidiendo el progreso cientfico (por no ser contrasta-
ble).

La complejidad cientfica existe a otros niveles de abstraccin no
microeconmicos y se trata en programacin, en matemticas y en
economa, generalmente en forma axiomtica y excediendo los re-
querimientos de la microeconoma como economa de de la empre-
sa.

An as se observan inconsistencias entre los mtodos de progra-
macin lineal, matrices y de insumo-producto que son evidentes en
Excel, en numerosos casos simples fciles de corroborar, porque
presentan en Excel diferente resultado segn la herramienta que se
adopte; pero por ahora no tienen solucin con Excel en estas incon-
sistencias.

Esto tambin evidencia la imposibilidad de corroborar la consisten-
cia de los planteos macroeconmicos y de enfoques de equilibrio
general axiomticos (lamentablemente, solo fantasas).

18 Mtodos cientficos: se hace en general mucha referencia a los
mtodos, pero solo ocasionalmente se aclara sobre mtodos para
qu. En MCE se trata el tema, separndolos en

A) mtodos para estudiar: un muy breve comentario sobre la pro-
puesta de Descartes en su Discurso del Mtodo, que en sntesis
consiste en recolectar, listar, dividir y analizar los componentes de
un tema para luego resumirlo en una sntesis (que para estudiantes
se sugiri agregando a libro cerrado).

B) mtodos para informar: identificando las cinco componentes de
un informe profesional como identificacin; introduccin y supuestos;

70
desarrollo detallado explicando los pasos analticos y su vinculacin
con la realidad; conclusin sinttica; fuentes de informacin.

C) mtodos para demostracin cientfica en economa, reseando
los mtodos bsicos de la deduccin y de la induccin y los dems
complementarios con detalle bien efectivo.

19) Un error en la microeconoma clsica, el sujeto: se observa
en general que muchos ven a la microeconoma como una de estas
dos cosas: o bien teora de la competencia perfecta y del equilibrio
general; o bien para otros que piensan que pasa actualmente a ser
teora de los juegos, incertidumbre, etc.

En MCE se entiende que ambos puntos de vista se olvidan de la
importancia de la investigacin operativa y de la econometra como
componentes de la microeconoma en el mbito mayoritario de apli-
cacin, la empresa.

La corriente de pensamiento que sigue a Walras, Pareto, Lerner,
Arrow y Debreu (sin la crtica de Sonnenschein y otros por las irrea-
les funciones de demanda y produccin del modelo) enfatiza la im-
portancia de la ley 2 y la ley 1 de la teora del bienestar, pero sin
resolver la distribucin de los beneficios (la Caja de Edgeworth solo
explica que uno mejora, pero no puede decirlo sobre los dos, ni
quien mejora), ni los problemas por las imperfecciones del mercado,
por los bienes pblicos, la polucin, depredacin de recursos natura-
les, etc.

Con Arrow y Debreu y el principio paretiano se insiste en demostrar
la ventaja del comercio bajo libre competencia; y detrs de esto se
viene en apoyo de la doctrina y polticas librecambistas as como en
la de apertura comercial internacional a cualquier precio, costo y
desempleo locales; contrarias a la defensa de la industrializacin y
de las actividades mano de obra intensivas. Presuponen, errnea-
mente, que la competencia perfecta est siempre presente y enton-

71
ces el sistema se encarga de actuar como un justo planificador que
siempre distribuye con equidad los beneficios de la eficiencia tcnica
paretiana.

Se oculta que ese modelo es solo esto, una idealizacin terica ba-
sada en supuestos fuertemente irreales; el modelo (exclusivamente)
terico solo demuestra que hay una mejora con aplicacin del prin-
cipio paretiano, pero que no demuestra si ambas partes mejoran
con el comercio, quin mejora, ni si siempre corresponde la mejora
a una de las partes, excluyendo a la otra de las ventajas de ese co-
mercio, dado que en la realidad no existe tal justo planificador co-
mentado (Amartya Sen y otros aportan sobre la distribucin asim-
trica del 90% los recursos para el 10% de la poblacin y el 10% de
los recursos para el 90% de la poblacin; impidiendo el efecto loco-
motora de una distribucin ms equitativa).

Sin embargo, tambin se puede tomar como otro aporte en MCE el
haber insistido sobre estos enfoques contrarios a la cosmovisin
centrada en el principio paretiano y el equilibrio general o siste-
masNxN. Especialmente importante fue disentir sobre el destinata-
rio principal de los estudios microeconmicos, que no es precisa-
mente aquel matemtico terico dedicado a la microeconoma axio-
mtica sino el profesional y el tcnico no profesional que actan
mayoritariamente en las empresas.

Como una refutacin, la microeconoma es vista as como econo-
ma de la empresa pero en su esfera real, separada de los enfo-
ques financiero contables y tambin de los modelos efectivamente
impracticables. Y es por esto que la investigacin operativa y la
econometra simplificadas deben ser el centro de atencin de la
microeconoma en la empresa, tal como se estructur MCE.

20) Otro error en la microeconoma clsica, las generalizacio-
nes sobre sistemasNxN: igualmente insiste el paradigma neoclsi-
co con los anlisis tericos del equilibrio general y en modelos so-

72
bre sistemasNxN, pero no se reconoce que ni aun con los super-
computadores de 2011 existe siquiera un modelo de este tipo en
algn pas o regin, EEUU, la UE, China, Rusia o Japn.. Se limita
esta teora a sistemascon cuatro o pocas variables, que no tienen
aplicacin microeconmica ni macroeconmica.

El paradigma neoclsico, se refiere a metforas no cuantificables;
no es mucho ms que lenguaje simblico (matricial, de la lgica de
conjuntos, del anlisis aritmtico, geomtrico o diferencial, etc) pero
que se agota en generalidades, limitadas a cuantificaciones de solo
4 variables, que nunca se formularon ni concretaron para un sistema
real de algn pas grande o pequeo.

Es otra refutacin reconocer que tampoco existen equipos informti-
cos capaces de efectuar esta tarea ni son anticipados para un futuro
prximo en ningn continente: La UE apoy su propaganda anticri-
sis a fines del 2011 con un proyecto de programacin por 1000 mi-
llones de euros que incluye 200 equipos de investigacin. Pero en
los hechos los supercomputadores y la robtica hasta el presente
solo tuvieron cabida participando en las crisis de las bolsas de valo-
res con sus masivas operaciones casi instantneas (High Frequency
Trading o HFT, utilizados por brokers en Chicago, Kansas City y
Austin). Tampoco entra en la categora el famoso programa conoci-
do como modelo Black-Scholes-Merton, utilizado por dcadas por
los especuladores para la valoracin de derivados financieros (op-
ciones, forwards, futuros y swaps).

Es decir que en materia microeconmica, la programacin seguir
por ahora limitada al mbito de la optimizacin empresaria (equilibrio
parcial).

Para Argentina, tanto el sistema internacional CIIU como el sistema
comercial e industrial argentino NCM, contemplan un nomenclador
de actividades y transacciones (la NCM es compatible con el siste-
ma armonizado internacional) agregado en 96 captulos, que inclu-

73
yen un promedio de 100 industrias cada uno: unas 10.000 indus-
trias, con miles de transacciones diarias, que inducen a pensar en
100.000 variables solo para los sectores reales de algn proyecto
de sistema de equilibrio general concreto (sin considerar otros con-
dicionamientos reales de las entregas, mercados de futuros e in-
fluencia del azar, etc) . Hasta la fecha estos sistemassiguen inexis-
tentes en el mbito local as como en el internacional (solo existen
algunas matrices de insumo producto, con agregacin muy limitada;
120 sectores en un caso argentino).

No obstante lo expuesto, no se le resta mrito al enfoque clsico
tradicional, por cuanto (acorde al estado del desarrollo instrumental
de su poca) ha permitido histricamente elaborar varios cientos de
principios exitosos para explicar el funcionamiento empresario. De
hecho, el enfoque de Microeconoma con Excel (MCE), solo consti-
tuye una actualizacin prctica computacional de esta teora, para
corregir sus distorsiones por identificar teora con realidad.

21) Visin de la microeconoma como la economa de
la empresa: en el origen griego de la economa figuraba etimol-
gicamente la economa domstica, de la casa del ciudadano griego
con sus tierras y esclavos, etc., es decir la empresa de aquella po-
ca; pero la ambigedad de tratamiento micro y macroeconmico
persisti durante 25 siglos (y se le agrega hoy la ambigedad de
considerar como casa a la residencia del consumidor). No hubo ex-
plicaciones acadmicas especificando el tema. Tampoco la estads-
tica, la econometra o la investigacin operativa reclamaron tal esta-
tus; solo convivieron como extensiones o especializaciones. En al-
gn momento se utiliz inadecuadamente este nombre de economa
de la empresa para los enfoques contables y financieros, aunque
excluan lo ms importante, la esfera de lo real y lo fsico microeco-
nmicos.

El esquema keynesiano otorg en 1936 autonoma a la macroeco-
noma como disciplina independiente del esquema conjunto y mi-

74
croeconmico. En cuanto a la microeconoma, el enfoque explicado
en MCE muestra que tambin la microeconoma adquiri esta ca-
racterstica autnoma a partir de los aos 1980/90, gracias al enf o-
que computacional generalizado en cualquier empresa.

Las causas de esta omisin en el enfoque de A. Marshall y dems
clsicos fueron aqu comentadas, bsicamente su imposibilidad o
dificultad de resolver sistemascon ms de tres o cuatro variables,
frente a los requerimientos multivariantes en los departamentos de
las empresas. Esta fue la visin que origin en los 1990 Microeco-
noma con Excel en Empresas (MCE) como enfoque para el dictado
de cursos en la UBA: presentaciones simplificadas con facilidades
computacionales, con captacin o asimilacin abreviada para los
tcnicos que se desempean en los departamentos empresariales.

22) Simplificacin de la Teora de los Juegos, del
S.XXI: Cooperativos con TU y efectiva aplicacin prctica de los
ndices de Shapey y Banzhaf con Excel y otros utilitarios; licitaciones
/subastas. Optimizacin Simplex del oligopolio con 3 a 9 empresas.
Optimizacin multiobjetivo y multicriterio con Excel y otros utilitarios.
Desmitificacin de los misteriosos algoritmos Pareto-eficientes me-
diante programacin concreta al alcance de un curso general de
microeconoma.
23) Omisin tradicional en el MIT, LSE, OXFORD Y
SALAMANCA
En estas consideraciones introductorias previas al resumen sobre la
microeconoma clsica se expusieron los principales contenidos
microeconmicos segn los programas en las instituciones ms
prestigiosas.

Pero, cmo es posible que disponiendo de los conocimientos ne-
cesarios no decidieran las principales instituciones ordenar y simpli-

75
ficar el tratamiento de la microeconoma, aislndola de otros aspec-
tos macroeconmicos francamente no vinculados?.

Los hechos orientan a concluir directamente que por motivos co-
merciales (crematsticos) no abandonaron el tratamiento ambiguo
micro y macroeconmico, ni simplificaron la microeconoma bsica
como economa de la empresa (oikos).

Adems, como la mayora de las instituciones mundiales copian los
programas de las universidades lderes, tambin perderan su posi-
cin lder en el ranking de instituciones culturales prestigiosas si
otras instituciones pasaran a capacitar fcilmente y en forma barata
sobre economa de la empresa.

Como ya se coment, hasta 1950 no era viable para los economis-
tas resolver problemas con ms de tres o cuatro variables; y cuando
aparecieron los primeros ordenadores, solamente algunas institu-
ciones y empresas lderes tenan acceso a equipos informticos con
sus programas economtricos o de investigacin operativa. Enton-
ces, las instituciones encontraron un nuevo rubro de prestigio y ne-
gocios con el dictado de cursos, carreras y maestras adicionales
sobre estos enfoques y aplicaciones.

Desde la aparicin de Lotus 123, Qpro y luego Excel, as como tan-
tos otros programas y paquetes estadsticos y economtricos, Tam-
bin se ampli el panorama sobre cursos, carreras, maestras y afi-
nes; y las instituciones prestigiosas no renunciaron a esto. Parecera
directamente, que no progres ningn cambio de esquema ni en sus
currculas acadmicas, orientado a ordenar y simplificar el trata-
miento microeconmico, porque actuaran en contra de sus intere-
ses comerciales y de manejo del ranking.

El MIT y universidades de Massachusetts y otras de EEUU, se im-
pusieron como el centro de las nuevas ideas culturales. Un ejemplo
es el reciente enfoque de la Teora de la Negociacin en el MIT,

76
para licitaciones y otros casos de la teora de los juegos, pero im-
plementndolos computacionalmente y con axiomatizacin mediante
una compleja teora de conjuntos en una forma no del todo abierta,
que quizs tambin tendra algo que ver con los buenos negocios
que se originaron en muchsimos pases para algunos sectores em-
presarios prestadores de crecientes servicios pblicos.

En este ltimo sentido, los planes de estudio de esta poca tambin
parecieran estar respondiendo, en algunos de sus aspectos, a orien-
taciones impulsadas en la dcada de 1980 en el mbito de la OMC y
del Banco Mundial, sobre el tratamiento de la educacin como un
bien transable; as como a los planteamientos del denominado Con-
senso de Washington, formulado en 1989 por un ex economista del
MIT, John Williamson; que finalmente fue extendido desde Latinoa-
mrica hacia el resto del mundo, e incluso internamente en los
EEUU luego de la reciente gran crisis financiera:

24) Brecha entre modelacin y realidad:

Es necesario reconocer que las universidades de Massachusetts
son en el s.XXI las mejores del mundo, tanto por la calidad como por
la cantidad de los trabajos que all se emiten. Sin embargo, esto no
quiere decir que solamente sea correcto todo lo que all se dice, ni
solo lo que all se dice.

En este sentido se llama la atencin sobre una carencia generaliza-
da en la formacin y en los textos microeconmicos: los enfoques
tericos presentan para los estudiantes una inexplicacin o falta de
nexo entre las teoras y la realidad empresaria. Cualquier estudiante
puede sentir esta dificultad, al estar imposibilitado para imaginarse
como se aplicaran en forma efectiva los conceptos tericos clsicos
en una empresa.


77
Nuevamente est aqu presente, la comentada falta de objetividad
en la identificacin del destinatario del anlisis microeconmicos: no
se tiene todava claro que la microeconoma es bsicamente eco-
noma de la empresa y los textos no explican esta carencia o tema
ausente. En las empresas no se produce solo uno ni solo dos pro-
ductos, pero las teoras enfocan las soluciones con solo una o dos
variables, segn las soluciones de Cournot, Marshall, Pareto, La-
grange, etc. y la vinculacin con la realidad no es as directa ni evi-
dente para el estudiante.

Por otra parte, la programacin segn Dantzing, Kantorovich y otros
facilit la optimizacin con cientos o miles de variables, pero an
con Excel se obtienen solamente cantidades de una mezcla ptima
y en todo caso el beneficio aportado segn los coeficientes y un
funcional precalculados. Surge aqu un vaco o falta de nexo entre
esta mezcla ptima y los anlisis clsicos con solo una o dos varia-
bles, sobre ingresos, costos, beneficios o produccin y segn sean
los tipos de mercados competitivos u oligoplicos.

Pero, si la clave de esta modelacin no estuviera en las propuestas
de estos autores, quin o cmo se explicara el funcionamiento de la
empresa?. Simplemente, est faltando una explicacin sobre cmo
se cierra el circuito conceptual entre estos esquemas y su aplica-
cin efectiva empresaria.

El profesional prctico de una empresa debi razonar sobre este
nexo; pero un joven estudiante no encuentra en los textos usuales
( Henderson y Q., Baumol, Dorfman S. Solow, Varian, etc) una
orientacin concreta sobre el nexo entre teora y prctica. Falta en
los textos este broche de oro, que una la teora clsica con la pro-
gramacin y con la realidad concreta; y en este trabajo MCE y cur-
sos se aclara sobre esta vinculacin terco-prctica y sobre todo,
se ofrecen ejemplos reales y concretos sobre ello.


78
25) MONOPSONIO OLIGOPSONIO CON MS PRECI-
SION

Segn la demanda rgida del monopsonio optimiza contratan-
do al nivel de un mnimo costo marginal en el bien o factor.
Los textos simplifican la oferta laboral con pendiente positiva
(segn la teora retroascendente), pero debieran modelarla
como la oferta de cualquier otro bien o servicio, eludiendo la
contratacin a niveles de gasto ascendentes si la empresa
optimiza.

CONSENSO DE WASHINGTON

Disciplina presupuestaria (los presupuestos pblicos no pueden
tener dficit)
Reordenamiento de las prioridades del gasto pblico de reas co-
mo subsidios (especialmente subsidios indiscriminados) hacia secto-
res que favorezcan el crecimiento, y servicios para los pobres, como
educacin, salud pblica, investigacin e infraestructuras.
Reforma Impositiva (buscar bases imponibles amplias y tipos mar-
ginales moderados)
Liberalizacin financiera, especialmente de los tipos de inters
Un tipo de cambio de la moneda competitivo
Liberalizacin del comercio internacional (trade liberalization y dis-
minucin de barreras aduaneras)
Eliminacin de las barreras a las inversiones extranjeras directas
Privatizacin (venta de las empresas pblicas y de los monopolios
estatales)
Desregulacin de los mercados
Proteccin de la propiedad privada.


79
DISGRESIN MACROECONMICA

La inclusin en los programas de microeconoma de una resea
macroeconmica es fundamental, dado que las decisiones empresa-
riales son muy sensibles a los cambios de tendencias o dependen
del entorno general.

Sin embargo, algunos enfoques tericos han avanzado mucho ms
all que esto y cuestionan la separacin entre lo macroeconoma y
la microeconoma, e incluso pretenden aplicar el principio de eficien-
cia paretiano y la simplificacin del modelo competitivo con sus
irreales y tericos supuestos asignndole validez general nacional e
internacional (en este ltimo caso a travs del comercio exterior,
explicado con la ingenuidad de la Caja de Edgeworth).

Si las transacciones guardan el bsico y elemental criterio paretiano
se est cumpliendo con la maximizacin del bienestar general, con
la eficiencia y ptima determinacin y asignacin en el consumo,
produccin, distribucin de ingresos y comercio internacional; bajo la
estabilidad y pleno empleo del modelo de la competencia perfecta
(aunque supone como requisitos fundamentales la atomizacin,
libre movilidad de bienes, empresas y factores, ausencia de mono-
polios y externalidades negativas en materia de polucin, recursos
naturales, uso de bienes pblico, etc.).

Nadie puede dudar de la rigurosidad lgica y validez formal deducti-
va de este enfoque y principios, ya que sus defensores insisten en
que se refieren al modelo de la competencia y no a la realidad de la
poltica econmica o de la microeconoma, macroeconmica o eco-
noma internacional.

Sin embargo, esto adems de ser falaz es incorrecto cientficamen-
te en forma absoluta, segn las aclaraciones formales que brinda la
filosofa del conocimiento cientfico: la lgica y la matemtica pura
no son economa. La economa es una ciencia emprica y requiere

80
que sus principios cumplan ineludiblemente con el criterio de verifi-
cabilidad y/o contrastacin emprica (Nagel, Popper, Khun), que
precisamente no est presente en el cumplimiento de esos supues-
tos fundamentales en el modelo terico.

Desde el punto de las polticas econmicas, es de conocimiento
pblico que esos supuestos no se cumplen (prohibiciones comercia-
les generalizadas, tanto para bienes como para factores; polucin;
depredacin de recursos naturales etc). Desde el punto de vista
cientfico, no es sostenible defender el modelo terico en cuanto tal
sin su verificabilidad o contrastabilidad.

Sin embargo, esta doctrina microeconmica eficientista tiene una
amplia trayectoria. La idea del tomo estaba presente en la antige-
dad griega y fue necesario esperar al siglo XX para concretarla y
manipularlo. Por este mismo motivo se insiste en una visin del
equilibrio general competitivo paretiano: llegar el da en que todos
los gobiernos pueden controlar a los monopolio y las externalida-
des; esta modificacin de la realidad conducir a una situacin apli-
cable segn el modelo terico. Adems, algn da existiran unida-
des computacionales capaces de procesar los necesarios sistemas-
de ecuaciones NxN, abarcando lo miles de millones de variables
necesarias, racionales, ergdicas o no.

Este pareciera ser un planteo legtimo. Pero la refutacin que se
precisa aqu sobre este tema es otra: este enfoque no es microeco-
noma, sino una digresin macroeconmica por exagerada exten-
sin del objeto estudiado y de los supuestos requeridos. Al menos
por mucho tiempo ms, el objeto de estudio de la microeconoma
continuar siendo bsicamente la unidad individual de produccin,
la empresa; y el equilibrio general debe ser considerado en micro-
economa solo como el anlisis de la influencia de las polticas ma-
croeconmicas, sin abarcar la demostracin de la eficiencia y equi-
dad del comercio internacional ni del pleno empleo y bienestar gene-
ral.

81

El equilibrio de la empresa y de la unidad consumidora en dif erentes
mercados y bajo contextos ciertos y no ergdicos es el objeto de
estudio de la microeconoma: La microeconoma clsica brinda m-
todos y suficientes explicaciones generales, abarcando sistema NxN
pero para cientos o miles de variables, que alcanzan a satisfacer las
exigencias de la mayora de las empresas (solo casos de equilibrio
parcial)

Adems, la tradicional programacin monousuario (con DBase,
Clipper y otros bajo DOS) permite elaborar modelos y programas
ms complicados, como para trfico, para semforos y similares.
Pero para la generalidad empresaria, los paquetes computacionales
como Excel (y otros 15 que se researon y explican en Microeco-
noma con Excel) estandarizaron la econometra y la investigacin
operativa que hoy se requiere para una fcil aplicacin concreta de
la microeconoma en la empresa. Esto es microeconoma y no aque-
llos sistemas NxN nacionales o internacionales del bienestar, que
solo son digresiones, utopas por ahora irreales y adems de ndole
macroeconmico, que resulta necesario y conveniente conocer y
refutar, as como no confundirlas con microeconoma.

USO DE FUNCIONES

Se utilizan en microeconoma funciones de consumo, demanda,
produccin, costos, beneficios, etc. pero en ningn texto figura con-
cretamente como se obtienen dicha funciones, no obstante ser un
procedimiento asequible en pocos minutos u horas.

El origen de esta distorsin reside en que la mayor parte de los eco-
nomistas escritores no alcanz a participar de las ventajas de la
innovacin computacional, que desde 1990 est disponible para
tcnicos y profesionales de toda empresa; y en forma manual no es

82
posible efectuar esta obtencin de funciones, salvo en sus versiones
primarias por mnimos cuadrados simples que son insuficientes.

Excel (y 15 otros que se exponen en Microeconoma con Excel) ex-
plican y tienen estandarizada la correlacin mltiple con el corres-
pondiente anlisis de la varianza (anova) o bondad del ajustamiento
con mltiple variables independientes. El procedimiento es asimila-
ble en una hora.

Pero la visin tradicional, sin posibilidades computacionales limitada
a solo dos variables, consista en suponer que existen tcnicas eco-
nomtricas oscuras para especialistas, que seran quienes obten-
dran estas funciones que usaran los profesionales en microecono-
ma (contadores, licenciados, ingenieros industriales) que son los
que efectivamente se desempearn en las empresas.

Pareciera algo como que quien no tiene un rol se lo autofabrica por
escondimiento: esa obsoleta visin tradicional tambin recurri a
distorsionar el contenido de la microeconoma, subrogndolo por
una extensin macroeconmica para graduados supuestamente
encargados de una modelacin solo conceptual y sin vinculacin
con la realidad econmica efectiva. Pero su extensin axiomtica
fue tan importante, que no puede estar ausente en el contenido de
la disciplina.

Sin embargo, la realidad indica que la generalidad de los contado-
res, licenciados o ingenieros industriales debe desempear su fun-
cin en la actividad empresarial; salvo crear una disciplina nueva o
con otro nombre que explique el funcionamiento de la unidad de
produccin o empresa en su esfera real (que no es estadstica, eco-
nometra ni investigacin operativa, solo ampliaciones para anlisis
especficos).

Una asignatura microeconoma abarca todo el campo requerido por
la explicacin operativa y economtrica para las empresas. Incluye

83
la modelacin simblica (representaciones abreviadas que recurren
a la analoga y rigidez formal de la matemtica respetando las reglas
de la geometra, del anlisis diferencial, del lgebra de matrices o de
la teora de conjuntos); tambin estimacin de funciones de deman-
da y otras (usual por mnimos cuadrados mltiple o por simulaciones
de la oferta y demanda globales u otras); tambin investigacin ope-
rativa para la optimizacin mltiples variables (programacin lineal y
otras); diversos mercados; y nuevos mtodos no tradicionales sobre
algunos juegos aislados (Neumann-Morgenstern, Nash, Tucker, etc)
y algunos enfoques aislados bajo incertidumbre tradicional (La Pla-
ce, Bayes) y no ergdica (Plya, Lorenz, Zadeh, etc)

La optimizacin conceptualmente y con birome era todo lo posible
que se poda hacer antes, ya que un limitado procesador de mesa
en 1970 costaba aqu 5000 dlares, aproximadamente como su
equivalente pequeo mainframe IBM 360 (ms un costossimo man-
tenimiento), algo como comprar entonces un FIAT 600.

Las condiciones de segundo orden, especificadas analgicamente
con la concavidad paretiana (referida al requerimiento de curvas de
gustos con pendiente negativa o tasa marginal de sustitucin decre-
ciente) o expresadas algebraicamente con el hessiano positivo o por
las condiciones Khun y Tucker, etc, conformando un conjunto de
confusas alternativas (tan solo para explicar los casos de las pocas
variables manejables manualmente) que super la aparicin de los
clones con el Lotus123, Qpro y ahora Excel y otros para cientos o
miles de variables, que recin permiten la optimizacin efectiva en el
mbito microeconmico empresario (con exclusin aqu de las di-
gresiones macroeconmicas y globales de la economa del bienes-
tar general, inviables o inalcanzables ).


84
TRES POSIBLES ENFOQUES MICROECONOMICOS:

1) ASIGNATURA INTRODUCCION A LA ECONOMIA:
En las asignaturas de introduccin a la economa es usual algn
enfoque basado en demostraciones deductivas, limitadas a plan-
teos geomtricos marshallianos y paretianos, sin concretar mediante
los correspondientes clculos analticos de estas deducciones; ni
incluir el otro mtodo cientfico bsico de la induccin estadstica.
Estos conocimientos aportan ayudas conceptuales pero no habilitan
para efectuar las cuantificaciones de la operatoria usual en las em-
presas.

2) MICROECONOMA INTERMEDIA:
En las asignaturas de microeconoma a nivel intermedio, el enfoque
marshalliano y paretiano se completa con el de otras teoras y diver-
sos mtodos, incluyendo en todos los principios la cuantificacin
especfica mediante la metodologa matemtica existente: el clculo
matemtico diferencial, el de Lagrange, con lgebra matricial, con
programacin lineal y otras que son de uso general no muy especia-
lizado; as como con otros numerosos anlisis puntuales sobre
teoras de juegos y de la incertidumbre, teora espacial, etc.. Este
enfoque intermedio con su versin computacional conforma en con-
junto un marco aplicable a la cuantificacin efectiva diaria en las
empresas.

3) ENFOQUE AXIOMATICO, MICROECONOMA SUPERIOR:
Recurre a la simbologa matemtica de la teora de los conjuntos,
que como lenguaje lgico permitira un rigor para las generalizacio-
nes en algunos sistemas particulares y en otros supuestamente
generales, de tipo NxN variables (globales para millones de varia-
bles), utilizando supuestos irreales o ilgicos como especialmente el

85
de ser solo anlisis formales, sin abarcar o referirse a alguna reali-
dad econmica concreta. Sus planteos pueden ser as formalmente
lgicos, pero son en lo econmico cientficamente inconsistentes,
por ser meramente ideales, in verificables e incontrastables.

Pueden ser incluidos captulos sobre teora de los juegos, con anli-
sis complejos para algunos casos aislados, que por s no conforman
una teora general. Tambin se suelen incluir estimacin y modela-
cin con mltiples variables mediante programacin informtica.

Pero las teoras implican un lenguaje lgico, que puede ser solo
axiomtico en el caso de las disciplinas puras no aplicadas a la
realidad emprica (como la lgica y la matemtica en tanto pura) y
que para ser cientficas, en el caso de las disciplinas empricas co-
mo la economa deben de ser verificables o contrastables adems
de formalmente lgicas. Tambin incluyen modelos (ecuaciones,
ideas o metforas definidoras de alguna propuesta, incluso grficos
o maquetas como la hidrulica para referirse a la circularidad y equi-
librio econmico.

Una visin cree que la economa debe priorizar la modelacin de
situaciones, pero incluso an a costa de introducir irreales supues-
tos relevantes, que convierten sus propuestas en no econmicas y
no cientficas. Impregnan los textos econmicos clsicos; basan sus
enfoques en la lgica y la matemtica puras, sin vinculacin con la
realidad ni la economa; desvirtuando el contenido de la economa.
Este enfoque tiene su razn de ser en el lento avance del conoci-
miento cientfico, que hasta fines del siglo XX impeda resolver pro-
blemas con ms dos o pocas variables en las empresas.

La formalizacin de teoras es necesaria e imprescindible, pero cui-
dando no confundirse: siempre debe corresponder a teoras econ-
micas que, para ser tales y cientficas, necesitan superar la prueba
de la verificabilidad o contrastacin empricas (en los trminos de R.
Karnap, T.Nagel, K.Popper o T.Khun). No hay economa formal;

86
hay lgica y hay matemtica, pero en cuanto aplicadas a la econo-
ma, pasan a ser empricas y necesitan esa prueba de la verificabili-
dad o contrastacin.

TEMAS FUNDAMENTALES PARA UN CURSO GENERAL DE
MICROECONOMA

Al menos se deberan abarcar:
1) sistema econmico (teoras y realidad histrica); circulari-
dad econmica (clsicos, keynesianos).
2) Elasticidad segn tipos de bienes (incluyendo elasticidad
media con Excel); ingresos con sus 8 conceptos previos ne-
cesarios (Relaciones Total-medio-y marginal, mximo y m-
nimo, doble pendiente del ingreso marginal, tangente y pen-
diente, recta por 2 puntos, elasticidad y precios, A-Robinson,
costo nulo a cortsimo plazo).
3) estabilidad esttica y dinmica, modelos de simulacin de la
Of.yDemanda global para estimar la demanda; estimacin de
funciones por correlacin mltiple con N variables indepen-
dientes con anova.
4) programacin lineal simplex y con Solver de Excel para N
variables.
5) tres teoras de la demanda, con mtodos diferencial, combi-
nada de Lagrange, con Slutsky; nmeros ndice de nivel de
vida, Laspayres y Paasche.
6) produccin y costos con 1 y con 2 variables (relaciones en-
tre el Total, el medio y el marginal); matrices NxN con Excel;

87
equilibrio y diversos objetivos; inventarios; tipos de acciones;
van y tir con Excel; 6 mtodos equivalentes en una hoja Ex-
cel (2x2 con Lagrange, mtodo grfico, Simplex, matrices,
Solver y matrices con Excel)
7) competencia, monopolio puro, discriminador, multiplefacto-
ra, 3 casos de duopolio, Sweezy, Stackelberg, cartel, casos
de Hotelling, Bain, Sylos Lavini o Modigliani; von Thnen;
empresa Sobredimensionada exportadora.
8) criterio de distribucin en competencia, monopsonio, mono-
polio y bilateral.
9) teora de los juegos de suma cero, estrategias mixtas sin y
con colusin (Prisionero y Stackelberg), juegos repetidos con
clculo de dominancia y con programacin lineal Simplex.
10) Matriz I-P; modelo de 2x2 y NxN; Ley de Say y de Walras,
Equilibrio parcial vs. general, Caja de Edgeworth y Dos leyes
Arrow y Debreu, junto con sus crticas; Sonneschein y
Amartya Sen, ESR.
Pero, cmo hacer para dictar tanto y para tomar exmenes conclu-
yentes (y estudiar) en tan poco tiempo? Son necesarios sin duda
algunos atajos, que brinda la prctica, como utilizar conjuntamente
mtodos similares para el consumo, produccin y otros, como sinte-
tizar esquemas y utilizar paralelamente herramental computacional
estandarizado, etc.

Estas dudas y consultas son legtimas. Tambin cuando alguien
propone enfatizar alguna teora en demasa de tratamiento, que el
tiempo limitado no permite a profesores ni a alumnos dedicar con
dicha intensidad para el resto de los temas del programa (salvo
abandono de alguno, lo cual resulta inaceptable).

88

Una solucin prctica debera considerar cuales son hoy los reque-
rimientos empresariales bsicos.

PARA QU SE ESTUDIA MICROECONOMA

Algunas experiencias en la actividad empresarial suministran ejem-
plos de aplicacin concreta de la microeconoma a nivel intermedio:

Estudio del mercado y pronstico de demanda por producto, bsi-
camente mediante correlacin mltiple con anova.

Pronosticar la demanda propia mediante modelos de simulacin de
la oferta y demanda globales y anlisis de la coyuntura sobre los
sectores demandantes.

Optimizacin en cada lnea de produccin de bienes as como en el
conjunto o equilibrio de la empresa, mediante matrices y programa-
cin lineal u otras (incluyendo la actualizada y simplificada teora de
los juegos computacional del s.XXI).

Seguimiento peridico de los costos por producto, sus precios y su
contribucin marginal

Planificacin de inventarios ptimos.

Evaluacin financiera de nuevos proyectos en productos o insumos
(quizs incluyendo la de empresas).

Seguimiento de precios y de costos de la competencia local y exter-
na, como vigilancia sobre la defensa de la competencia, la discrimi-
nacin de precios o mercados y el dumping /subsidios. Igualmente,
defensa ante investigaciones o denuncias por exportaciones compe-
titivas.

89

Elaboracin del modelo competitivo de la empresa o sector, como
ser para empresas sobredimensionadas que acten competitiva-
mente en el mercado exterior sin bloqueos antidumping.

Seguimiento (con Boletn Oficial y otros) del efecto de cada disposi-
cin legal sobre las diversas reas de la empresa (precios, comer-
cial, laboral, seguros, tarifas, etc) y eventuales reclamos a travs de
las cmara sectoriales, bajo la ptica de la legislacin internacional
(OMC) segn el modelo competitivo tratado en esta asignatura.

Representacin de la empresa ante las obligatorias cmaras respec-
tivas, en materia comercial, estadstica, laboral, comercio exterior,
etc. manteniendo un modelo competitivo integral.

OTRO PROGRAMA ACTUALIZADO DE MICROECONOMA

Al final de este libro se present un anlisis, resumido como
una ausencia de un broche de oro. Considerando esa falen-
cia fundamental en los enfoques acadmicos, otro posible or-
denamiento y prioridades algo diferentes que los usuales, po-
dran surgir de la microeconoma que se practicaba en SOMI-
SA.

Las etapas del proceso empresario se resuman (habra que
hacer una distincin entre una empresa ya establecida y otra
que se estuviera iniciando), segn aquella experiencia adquiri-
da y practicada como sigue:

a) Si la empresa est establecida ya conoce el rubro al cual se
est dedicando y en este caso, la secuencia pudiera ser pro-
nstico de demanda para el perodo, anlisis de existencias de
insumos y productos, compra de materias primas y otros, pro-
duccin, venta y marketing.

90

b) Si la empresa fuera nueva, el proceso debera anteponer a
lo anterior una etapa previa de seleccin, mediante la pro-
gramacin lineal o afines, para determinar la mezcla ptima o
el producto relevante y luego continuar con esas etapas del
proceso.

La secuencia pudiera variar segn el rubro de actividad indus-
trial, comercial; tipo de bienes de consumo perecedero, dura-
ble, insumos diversos, servicios tangibles o intangibles, etc.; o
si la firma dependiera de un proveedor principal o de un cliente
principal cautivo.

Pero la direccin de la empresa necesita disponer de un plan
de accin, por ejemplo mediante diagramas de Gantt para
controlar las fechas y el cumplimiento de las etapas.

En este sentido, un programa de enseanza universitaria de
microeconoma podra seguir este ordenamiento y prioridades:
comenzara con programacin lineal y afines (matrices, simu-
laciones, etc); seguira con pronsticos de demanda y estudios
de mercado (regresiones y correlaciones lineales y mltiples,
simulaciones); luego inventarios ptimos; compras, produc-
cin, ventas y marketing.

Una visin actualizada quizs debiera dedicarle menor intensi-
dad al enfoque tradicional clsico sobre demanda, sin profu-
sin de enfoques analticos, geomtricos, axiomticos y con
mayor nfasis en la programacin lineal y simulaciones. Una
vez que con la programacin lineal u otras se determin cual
es el rubro que conviene producir, resultar imprescindible
continuar desarrollando algn anlisis con una y dos variables

91
clsicos (sobre ingresos, costos, produccin, beneficios), sufi-
cientes para poder resumir y precisar el proyecto empresario a
la direccin. Y este enfoque tradicional puede ser complemen-
tado con la teora de los juegos, para precisar mejor alguna
situacin competitiva, segn sean los tipos de mercados.

Al menos, para un estudiante, que necesita comprender como
el conjunto del panorama terico refleja la realidad, pudiera ser
ms interesante presentar este ejemplo de ordenamiento con-
ceptual sobre el contenido microeconmico concreto, frente a
las presentaciones usuales, con varios tipos de anlisis alter-
nativos, que enfatizan diversos enfoques analticos, axiomti-
cos, de conjuntos u otros, pero para explicar siempre lo mismo
(generalmente solo enfoques parciales con una o dos varia-
bles) y no siempre con mucha conexin directa con lo requeri-
do en la empresa.

92

CAPTULO 1
SERIES Y FUNCIONES EN LA EMPRESA

ORIENTACIN Y CONTENIDO

El lenguaje cientfico puede ser a veces difcil e inadecuado. Puede
ser imprescindible para generar conocimientos, pero la excesiva
abstraccin o un exceso de smbolos no imprescindibles resultan
inadecuados como mtodo de promover y ampliar el conocimiento
cientfico.

No hay contradiccin: para el objetivo de ampliar la captacin y el
uso de los mtodos cientficos en microeconoma y estadstica apli-
cada en las empresas, los tratados tradicionales pueden ser invia-
bles para la generalidad de los tcnicos que necesitan aplicar estos
mtodos en las oficinas de Investigacin o Ventas de las empresas.

Algo similar ocurre con los estudiantes de microeconoma y de esta-
dstica, quienes, todava carentes de base emprica, no captan la
aplicacin concreta de los mtodos y modelos abstractos.

Cuanto menos grandes sean las empresas importantes y en aque-
llas medianas o en las ms pequeas, pueden llegar a carecer de
oficinas especializadas en investigacin econmica y comercial. Sin
embargo, todas ellas efectan estudios de mercado y demanda y
sobre otras formas diversas de toma de decisiones.

En todas se estima y estudia la demanda; pero la intensidad de es-
tos estudios depende precisamente de las dificultadas de interpretar
el lenguaje cientfico.


93
Simultneamente, desde hace dos dcadas, no existen empresas
en las que dejen de utilizarse PC y hoy Excel de Microsoft, para ml-
tiples aplicaciones administrativas. Esta hoja de clculo incluye nu-
merosas funciones economtricas, con cierta ayuda conceptual pri-
maria, aunque insuficiente para aplicarlas por la generalidad de los
tcnicos y usuarios.

Haca falta un manual microeconmico con ejemplos en Excel para
estas aplicaciones, resumiendo las teoras cientficas en casos con-
cretos y abreviados en pocos pasos.

Se consult en Internet y a las principales libreras o editoriales, as
como a Microsoft y no fue posible encontrar algn manual o CD con
ejemplos Excel sobre estas cuestiones no contables (en ingls o
castellano). Debido a ello se procedi a editar este trabajo, que re-
sume el conjunto de ejemplos explicados en el curso de microeco-
noma I en la facultad.

En la empresa se adoptan continuamente decisiones, generalmente
de tipo cuantitativo, que exceden las posibilidades de clculo mental
o manual inmediato y Excel es til e imprescindible.

Adems, la microeconoma estudia modelos de comportamiento
terico para numerosas actividades en la empresa y Excel facilita su
implementacin prctica mediante un amplio paquete de funciones
incorporadas: decisiones sobre demanda, oferta, personal, produc-
cin ptima, mximo beneficio / mnimo costo, evaluacin de pro-
yectos, control de la produccin, conducta competitiva en el merca-
do, etc.

HASTA DNDE MICROECONOMA Y HASTA DNDE ESTA-
DSTICA?


94
Para estudiar microeconoma siguiendo alguna lgica, podra resu-
mirse su contenido en funcin del objeto estudiado: a) teora de la
demanda (su naturaleza, la estimacin, etc.) b) teora de la empresa
(produccin, costos, optimizacin, planificacin, etc.) c) teora de los
mercados (modelo competitivo u otros, como monopolio, empresa
lder, cartel, etc.) Adems podra agregarse una parte d) que hiciera
referencia a los mtodos utilizados en estos captulos (diferencia-
cin; matrices; Programacin lineal; juegos; probabilidades bajo in-
certidumbre; etc.).

En cuanto a la lgica de estudiar las series y estadstica en general
se podra resumir su contenido en: a) series simples, series de fre-
cuencias, series cronolgicas b) nmeros ndice c) correlacin d)
probabilidad y distribuciones.

Existe entonces una gran interaccin entre el contenido de la micro-
economa y el de la estadstica. Para estudiar y pronosticar la de-
manda se utilizan mtodos estadsticos, como series simples, de
frecuencia y cronolgicas; tambin se utilizan encuestas, muestras y
diversas distribuciones, as como correlaciones simples o mltiples.
Igualmente, en otros temas microeconmicos, como control y plani-
ficacin de la produccin tambin son utilizadas stas y otras herra-
mientas estadsticas.

Son usualmente conocidos los aportes de Excel para facilitar la ges-
tin contable y la toma de decisiones en la esfera financiera en las
empresas. Pero Excel tambin brinda adems numerosas herramien-
tas para el anlisis microeconmico y para la estimacin de funciones
vinculadas con los anlisis de la esfera, no monetaria sino, real de la
economa empresaria a los cuales se hace referencia inicialmente.
Mediante ejemplos sencillos se intentar aqu explicarlas.

El tema bsico ser estudiar la demanda (en la esfera real), porque
es el punto principal en la economa empresaria: conocer los deseos
(gustos, demandas) de los compradores para luego adoptar la inge-

95
niera y procesos de produccin necesarios, as como los mtodos
contables y financieros que permitan ajustar las transacciones mo-
netarias que implique esta esfera real optimizando.

En este trabajo sobre el aporte de Excel para estos anlisis de de-
manda y otros -de la comentada esfera no monetaria- ser imple-
mentado utilizando un avance progresivo, avanzando desde una
introduccin a los temas econmicos continuada por casos vincula-
dos de aplicaciones estadsticas.

ESTUDIAR LA DEMANDA

Dado que uno de los principales objetivos de la empresa es la opti-
mizacin de su actividad para generar ingresos y beneficios, se des-
taca como importante el tema de la estimacin del mercado parti-
cularmente la demanda- y su estudio se efecta mediante mltiples
enfoques.

Para su anlisis se identifica a la demanda con funciones y ecua-
ciones; y la matemtica aporta numerosos procedimientos, que con
Excel se pueden concretar fcilmente, sin necesidad de limitarse a
utilizar ejemplos con pocas variables al resolver sistemasde ecua-
ciones, y correlaciones simples o mltiples, lineales o no.

Adems, la demanda es en realidad algn bien o servicio -unidades,
kilos, metros cuadrados, etc. de algo concreto- por lo cual, ms all
de las funciones o ecuaciones tericas existen otros procedimientos
de estudio alternativos y/o complementarios, que tambin se ven
simplificados por el aporte de Excel: programacin lineal, juegos,
simulaciones, incertidumbre.

Estas aplicaciones estn disponibles en Excel en :
a) Herramientas > Complementos > Anlisis (y/o Solver), as
como en

96
b) el listado de funciones al cual se accede picando sobre el
icono de la barra superior, que abre el siguiente cuadro :

DESDE SERIES OBTENER ECUACIONES Y GRFICOS

Antes de avanzar, es importante ver la facilidad de Excel para grafi-
car series, incluyendo adems en el grfico la funcin de ajuste:

Icono de grficos>Dispersin > Siguiente y pintar el rango de datos
> Siguiente y poner ttulos > Siguiente y elegir en la hoja >Finalizar.

Finalmente, con doble clic sobre la lnea de tendencia se abre una
ventana para su formato, dentro de cuyas opciones figura presentar
la ecuacin y el R
2
en el grfico.


97
DESDE ECUACIONES OBTENER SERIES Y GRFICOS

Excel permite escribir cualquier frmula y representarla con pocos
pasos. En el siguiente ejemplo se plantea una ecuacin y se calcu-
lan sus valores y el grfico (igualmente con cualquier otra ecuacin
ms compleja).

En A3:A11 se escriben los valores de X ; la ecuacin Y = 3 (X2)
se escribe en B3, copindola hasta B11.

Se grafica pintando el rango A3:B11 y pulsando el icono de Grfico;
se elige Dispersin; finalmente pide ttulo, nombre para los ejes y
lugar para guardarlo.

FUNCIN DE DEMANDA LINEAL

Por razones didcticas o conceptuales es usual utilizar funciones
para explicar demandas, costos, producciones, etc. Con Excel resul-
ta fcil escribir, obtener los valores y graficar funciones de demanda
u otras.

98

Para una demanda lineal obsrvese que el precio se escribi a la
derecha, en B2:B10. La frmula explcita X = 49 0,8P se escribi
a la izquierda, en A2, copindola hasta A10.

Para graficar se pint todo el rango A2:B10; > icono de grficos >
Dispersin > Ttulo > Ttulo de ejes> Imprimir en la misma hoja >
Aceptar.

FUNCIN DE DEMANDA TERICA (HIPERBLICA)

En este caso, la funcin en la forma implcita P = 12 / X
2
se escribe a
la derecha, en B2 y se la copia hasta B10; los valores de X se ano-
tan en A2:A10.


99

Se pinta el rango A2:B10; icono de grficos > Dispersin > Ttulo >
Titulo de ejes > Lugar de impresin >Aceptar.

ESTUDIOS DE DEMANDA EN LAS EMPRESAS y
TIPOS DE BIENES

Vanse ms adelante los casos prcticos de obtencin y de prons-
tico de la demanda, a travs de los ejemplos Excel de correlacin
lineal simple preciocantidad.

Tambin con el ejemplo de correlacin mltiple con varias variables
independientes y otros mtodos.

Los mtodos son aplicables segn se trate de bienes de consumo
perecedero; bienes durables (que se conforman con demanda de
reposicin y demanda nueva, diferentes); insumos y bienes de capi-
tal (demandas derivadas, proyectadas tambin con simulaciones de
coyuntura, etc.), casos analizables preferentemente bajo contexto
cierto.


100
Servicios reales, servicios financieros, nuevos productos (con mues-
treos; promocionales, etc), son analizables preferentemente bajo
contexto aleatorio.

EQUILIBRIO EN MERCADOS COMPETITIVOS

Se escriben las funciones en la forma implcita en un hoja Excel, con
la cantidad X a la izquierda y a la derecha la demanda y oferta (es-
cribiendo como muestra la celda C4 y copiadas hacia abajo).

Se pinta el rango A4:C7; icono de grficos > Dispersin > ttulos >
etc.

MERCADO COMPETITIVO CON IMPUESTOS

Suponiendo un impuesto de $2 por unidad vendida, la oferta inicial
se traslada hacia arriba por esta suba de costo adicional. La cantidad
vendida baja y el precio sube, ya que la demanda esta invariante.


101

Se escriben las cantidades y las funciones implcitas en el orden del
cuadro (segn ilustra D5).

Se pinta el rango A5:D10 > Icono de grficos > Dispersin > ttulos,
etc. (si se lo desea, picando en una lnea aparece la ventana For-
mato Lnea de Tendencia > Opciones > Presentar Ecuacin en el
Grfico >... permite incluir la ecuacin en el grfico.)

Si se presentara la oferta en la forma explcita el efecto de este im-
puesto de $2 por unidad sera X = 200 (p - 2), expresin equivalente
a la que aparece en la columna D al despejar p.


102
DEMANDA, INGRESO TOTAL Y MARGINAL

El anlisis terico puede suponer a veces que el costo sea nulo y el
objetivo empresario sera as transitoriamente maximizar ingresos
totales (primer derivada nula y segunda negativa).

En este caso, igualando a cero el ingreso marginal surge la cantidad
X = 2,2 y los dems valores para ingresos totales y medios o de-
manda (la segunda derivada del IT sera -100, negativa).

Se nota que la pendiente del ingreso marginal (-100) es siempre el
doble que la de la demanda (-50), por el 2 que multiplica al derivar el
cuadrado en el ingreso total.

Ms detalladamente aparecern estos valores si se anotan las fun-
ciones segn ilustra la celda B6, pero con un rango para X en deci-
males tan amplio como lo se desee:

EXTENDER CLCULOS EN EXCEL

Para ello Excel facilita la tarea, escribiendo solamente dos valores
para X y para cada funcin; luego se pintan las dos filas y picando

103
en el ngulo inferior derecho se extiende (arrastra) y se copian hacia
abajo todo lo deseado (de este modo aparecen al graficar curvas del
tipo funciones continuas en vez de estos ejemplos breves).

ESTUDIOS DE DEMANDA Y MERCADO BAJO CUATRO CON-
TEXTOS

En microeconoma suelen comenzar estos estudios con el concepto
de elasticidad de la demanda, respecto al precio (-%cantidad /
%precio) clasificndolos en bienes tpicos o atpicos; tambin res-
pecto al ingreso (normales o inferiores) y respecto al precio de otro
bien (sustitutos, complementarios, independientes), facilitando su
caracterizacin en bienes de consumo perecedero; bienes de con-
sumo durable; servicios reales y personales; insumos; equipos in-
dustriales.

TIPOS DE BIENES, CONTEXTOS Y MTODOS

El estudio de mercado y demanda de estos tipos de bienes y servi-
cios es variado, pero podran agruparse sus tcnicas segn el con-
texto de referencia preferente:
- contexto cierto (determinstico), para bienes de consumo, insumos
y equipos
- contexto aleatorio /probabilstico), para servicios, nuevos productos
de consumo
- contexto hostil, para la competencia monopolista
- contexto incierto, si rigen contingencias, como en seguros u otras.

Este criterio diferenciando contextos facilita la utilizacin de algunas
de las herramientas para casos de demandas bajo diferentes con-
textos, as como para otros temas diferentes a estudios de mercado:
produccin, stocks, duopolio, seguros y otros sobre toma de decisio-
nes en la empresa.

104

La estadstica y otros aportan gran variedad de mtodos para el
anlisis bajo estos contextos. Excel rene buena parte de ellos en
funciones prediseadas, pero simplificando la aplicacin de cada
funcin o distribucin segn el caso, con ayudas incorporadas.

El enfoque analtico tradicional, riguroso (en cuanto es mayormente
simblico) pero tan limitado e insuficiente al momento de llevar a la
prctica los estudios en la empresa si no existen ordenadores, se ve
ahora complementado con estas herramientas, que desde el plano
instrumental permiten concretar los anlisis a usuarios poco ms
que iniciados en estos temas.


105
CAPTULO 2 -
CONTEXTO CIERTO

Se analizarn las variaciones en series individuales y la correlacin
(simple y mltiple) entre ellas.

En las series individuales se estudian las series simples y las de
frecuencias, para determinar sus principales medidas de posicin y
de dispersin (y los momentos absolutos y centrados).

Adems, en las series cronolgicas interesa encontrar una funcin
de tendencia, luego de depurarlas de componentes estacionales, c-
clicos y aleatorios.
ANLISIS DE VARIABLES INDIVIDUALES
SERIES SIMPLES

Para el anlisis de las series simples y de frecuencia se utilizar
aqu como ejemplo hipottico, un supuesto estudio de mercado de
fletes. Para esto se efecta un anlisis estadstico de las operacio-
nes comerciales de importacin argentina de soda custica, durante
los doce ltimos meses previos a abril 2003, analizando el mercado
de transporte por camin para la firma Transportes Rutazul S. A.

Esta empresa necesita evaluar la logstica para atender el trf ico de
sus clientes entre el puerto de Buenos Aires y las empresas importa-
doras de soda custica, ubicadas en el rea metropolitana e interior
de la provincia de Buenos Aires.

La flota camionera a utilizar (cantidad de unidades chicas, medianas
y/o grandes) dependera del nivel de los despachos involucrados,

106
as como de la fluidez del movimiento y diversidad en magnitud de
cada uno de estos envos.

Los datos fueron obtenidos en el INDEC hasta diciembre 2002 y en
la Direccin Nacional de Aduanas para el lapso enero/marzo 2003,
correspondiendo a la estadstica del volumen de importacin por la
posicin 2815.11.00 (soda custica) del nomenclador de comercio
exterior.

Se estudian las medidas de posicin y las de dispersin, conside-
rando los datos como series simples.

A continuacin tambin se analizan esos mismos datos conforman-
do series de frecuencias al separarlos en tramos segn el peso a
transportar, incluyendo las medidas de posicin y de dispersin as
como los momentos absolutos y momentos centrados hasta cuarto
orden.

Paralelamente se utilizan diversas funciones prediseadas de Excel
confirmando las mediciones estadsticas; y se grafican cuadros que
facilitan la toma de decisiones para la empresa de transportes.

Los datos figuran en el siguiente cuadro (al cual se le han ocultado las
filas 5 hasta 98 para simplificar esta presentacin): nombre del impor-
tador y kilos importados en cada despacho en las columnas A y B.


107

MEDIDAS DE POSICIN. MEDIA ARITMTICA:
sumatoria sobre n; el cursor ubicado sobre la media aritmtica
muestra el clculo en la solapa superior (=suma(B3:B100) / 100).

MEDIA GEOMTRICA: raz ensima del producto de n nmeros.
Ante nmeros desiguales positivos resulta un promedio inferior a la
media aritmtica. Por ejemplo, con los nmeros 2, 4 y 8 sera la raz
cbica de 64 = 4 (menor que el promedio aritmtico 4,67).

Calculada con logaritmos o con Excel puede ser una medida intere-
sante en algunos problemas, no obstante que aqu carece de sentido.


108

MEDIA ARMNICA: es la recproca de la media aritmtica de los
recprocos: aqu 3 / (1/2 + 1/4 +1/8) = 3,43. Esta medida podra ser
til para comparar las medias de esta muestra con, por ejemplo,
otras de aos anteriores. Excel la calcula mediante la funcin predi-
seada que muestra la solapa.


109

Otro ejemplo para PROMEDIOS Y MEDIDAS DE POSICIN:

Excel tiene en incorporadas alfabticamente funciones para
calcular la moda (valor ms frecuente); la mediana (el valor o fre-
cuencia intermedia de una serie ordenada) y para la media aritm-
tica (promedio).

La media aritmtica es una medida afectada por el valor de sus
datos extremos y tambin se utilizan otros promedios, como la me-
dia geomtrica y la media armnica, siendo sus RELACIN es:
media armnica < media geomtrica < media aritmtica

En los casos de datos que se agrupan segn una curva de frecuen-
cia normal unimodal se cumple:
media moda = 3(media mediana)

Al escribir lo que aparece en B5 y anotar o pintar el rango de datos
calcular la media, la moda, e igualmente para otras funciones:
=percentil(valores;percentil) etc.


110
RELACIN ENTRE MEDIAS: La media geomtrica de una serie de
nmeros positivos es menor o igual que su media aritmtica, pero es
mayor o igual que su media armnica.

MEDIANA: En una serie ordenada de mayor a menor la mediana es
el valor intermedio, el central (o la mitad de los dos centrales si la
serie fuera par). Si por ejemplo, en otro caso fuera bueno que la se-
rie variara uniformemente, la mediana indicara si coincide con el va-
lor intermedio; aunque aqu tiene poco significado.

En este ejemplo hay varios valores centrales as como la mediana
con 25000 kilos. Adems Excel confirma esta observacin con la
funcin prediseada =mediana(B5:B102).

MODA(O): Es el valor con mayor frecuencia: en este caso 25000 a-
parece 23 veces, mientras que el siguiente en frecuencia es 10000,
que solo aparece 20 veces. Excel confirma esta observacin con su
funcin prediseada =moda(B3:B102).


111
MEDIDAS DE DISPERSIN - VARIANZA:

Es el cuadrado de la diferencia entre cada dato y la media, que se
calcula en la columna D (al lado, en C, se muestra el clculo). La
media aritmtica se calcul en C111. La diferencia entre cada dato y
esa media figura en la columna D elevada al cuadrado. La varianza
es la suma, en D103.

Excel tiene la funcin prediseada para calcularla con
=varp(B3"B102).

Si no fuera una poblacin sino solo una muestra Excel utiliza
=var(B3:B102) que omite los valores lgicos y el texto.

Para incluir los valores lgicos y de texto en una muestra Excel utili-
za =vara(B3:B102), que asigna 0 a los valores lgicos y el texto
Falso y asigna 1 a los valores lgicos y el texto Verdadero.


112
DESVIO ESTNDAR

En una poblacin es la raz cuadrada de la varianza / n, o sea, la ra-
z de (D105 /n).

Excel utiliza la funcin prediseada =desvestp(B3:B102) que omite
los valores lgicos y el texto. Los incluye con =desvestpa(B3:B102).

Para una muestra Excel utiliza =desvest(B3:B102), que omite los
valores lgicos y el texto. Para considerar estos ltimos utiliza
=desvesta(B3:B102), que asigna 0 a los valores lgicos y texto Fal-
so y asigna 1 a stos cuando tienen valor Verdadero.

En este ejemplo se observ que siendo la media aritmtica 40986,9
hay el gran desvo por 40119. Esto orientara a pensar que, al ser un
estudio es para una empresa de transporte de soda custica desde
el Puerto hasta los depsitos en establecimientos, se debera prever
camiones muy chicos y simultneamente otros muy grandes, a fin
de optimizar su logstica, ya que hay gran desvo en el tamao de
los despachos. Si hubiera sido pequeo correspondera prever ca-

113
miones uniformes, para el tamao que indicara el modo(a), ya que
todos los despachos seran parecidos en tamao.

DESVIACIN ESTNDAR- EN UNA POBLACIN:

Como otros ejemplos sobre dispersin de los datos, luego de calcu-
lada la media, interesa la desviacin de los datos entre cuartiles.
Tambin puede interesar conocer la desviacin media o promedio
(sin signo, en %) de los datos luego de conocida la media.

La desviacin estndar o tpica s (kilos o unidades), cuyo
clculo es parecido en una poblacin y en una muestra (con en
vez de s). Se utiliza la raz y el cuadrado: varianza s
2
(
2
en mu-
estras), tambin en kilos o unidades.

El coeficiente de variacin expresa esto en %. La desviacin media
es = 4/5 de la desviacin tpica. El rango semicuartlico es = 2/3 de
la desviacin tpica.


114
La media y desviacin tpica de esta poblacin se calculan con Ex-
cel segn se lee en este cuadro:

Estas y otras funciones afines, disponibles con , tambin se
las aplica al estudiar ms adelante la "relacin" entre dos o ms
variables.

SERIES DE FRECUENCIAS

El anlisis mediante series de frecuencias confirmar las observa-
ciones con series simples. Se estudian las medidas de posicin y de
dispersin; tambin se efecta un anlisis mediante momentos ab-
solutos y centrados.

Ordenando la serie en forma creciente de kilos se pueden seleccio-
nar intervalos de diversa amplitud, por ejemplo aqu de 11.440 kilos,
para registrar en cada uno de estos deciles la cantidad de despa-
chos, como frecuencia absoluta en (A) y en (B) la cantidad acumula-
da de stos sumndolos.


115

Ambas frecuencias pueden ser graficadas, en forma de barras unas
(histograma o funcin de frecuencias) y en forma de curva continua
o discreta pero creciente las otras (polgono de frecuencias acumu-
ladas o funcin de distribucin).

MEDIA ARITMTICA: El siguiente cuadro muestra como calcular la
media efectuando las operaciones con una hoja de clculo.

116

MEDIA GEOMTRICA: Igualmente, Excel muestra en la solapa el
clculo correspondiente, no obstante que en el ejemplo actual esta
medida no sea significativa:

117

MEDIA ARMNICA:

MEDIANA:


118
MODA(O):

MEDIDAS DE ORDEN - "CUANTILES"

CUARTILES: cada uno de los 4 intervalos en que fracciono la serie;
se calculan como indica el cuadro:

DECILES: Cada uno de los 10 intervalos en que divido la serie, se-
gn se indica:


119

PERCENTILES: Cada uno de los 100 intervalos en que divido la
serie, segn el siguiente ejemplo:

MEDIDAS DE DISPERSIN

DESVIO ESTNDAR Y VARIANZA:


120

ASIMETRA Y CURTOSIS

Ms adelante, al tratar funciones, se agregarn otras medidas de
dispersin, como la asimetra (para indicar si una curva es o no si-
mtrica respecto a un eje central) y la curtosis (para indicar la forma
de una curva real ms o menos achatada frente a una curva normal
u otra funcin terica).

MOMENTOS ABSOLUTOS HASTA SU CUARTO GRADO:

MOMENTO 0:


121

MOMENTO 1:


122
MOMENTO 2:

MOMENTO 3:


123
MOMENTO 4:

MOMENTOS CENTRADOS HASTA CUARTO ORDEN

MOMENTO 1


124
MOMENTO 2

MOMENTO 3


125
MOMENTO 4

DESVO CUARTLICO


126
VARIANZA MEDIANTE MOMENTOS

CONCLUSIN

Es usual incluir alguna conclusin tras un anlisis de las series. En
este caso se podra que los valores de media y varianza tambin
muestran con series de frecuencias la elevada dispersin del tamao
de los embarques o despachos de soda custica a transportar.

El estudio de cuantiles -cuartiles, deciles y percentiles- confirma la
distribucin atomizada en los primeros cuantiles, y gran concentra-
cin en los ltimos.

Mediante el anlisis de los momentos tambin se confirm la gran
varianza de los despachos. La atomizacin simultnea a una gran
concentracin de despachos en usuarios masivos se confirma tambin
mediante la gran asimetra que indica el momento central tres M3.

Asimismo, el momento centrado cuatro M4 muestra la elevada cur-
tosis, indicando que la distribucin leptocrtica de estos despachos
responde a una ley que difiere profundamente de una distribucin

127
campanular normal tipo de Gauss, orientando hacia la decisin de
prever simultneamente un parque de unidades de transporte de
tamao reducido adicional a otras grandes para el trfico masivo.

ANLISIS DE UNA SERIE CRONOLGICA

Series de datos histricos, empricos (discretos, discontinuos) cuya
evolucin puede incluir o no componentes aleatorios, efectos coyun-
turales y efectos peridicos, adems de una tendencia.

Una vez depurada la serie de los datos aleatorios y los efectos co-
yunturales y peridicos, su tendencia puede estimarse con el anli-
sis de regresin de Excel, desarrollado ms adelante.

La variacin peridica (horaria, semanal, estacional, etc.) suele re-
presentarse con ndices base 100, dividiendo las medias peridicas
por la media aritmtica.

Una variacin coyuntural o cclica es aquella que puede repetirse
pero con duracin y forma diferentes a la estacional; se detectan
luego de dividir por los valores de tendencia y de la estacionalidad.

Puede haber adems variaciones aleatorias, no explicadas por los
ajustes anteriores; si no indicaran algo, podran ser eliminables me-
diante una media flexible.

Mtodo de los promedios mviles: este mtodo es recomendable
para trabajar con la estacionalidad, aunque tambin se lo utiliza para
averiguar la tendencia. Los promedios mviles son sucesivos y pue-
den ser o no ponderados.


128

Dada una serie y (t), con t variando en perodos mensuales de N
aos se escriben los valores encolumnados y se forman promedios
mviles de doce meses. Luego:
Se divide cada valor original por el promedio mvil correspon-
diente.
Se forman los promedios de los meses. No existen variaciones
cclicas o aleatorias ya que stos se compensan.
Se expresan los valores obtenidos en porcentajes del promedio
de los doce meses.
Se representan los valores grficamente de E(t) resultando la
curva que expresa la variacin estacional.


129

Es conveniente trabajar con una cantidad par de aos. Una vez ob-
tenida la cantidad de aos se repite la operacin corriendo los su-
mandos y se vuelve a atribuir cada valor al valor del centro.

Finalmente se obtienen los coeficientes de estacionalidad de cada
bimestre: I=1.004; II=0,959; III=1.003; IV=0,991; V=1,102; etc.

Tiene como propiedad que no existen variaciones estacionales y ade-
ms que no altera los valores extremos, ya que suaviza lo central.

CICLOS

Mtodo de los nueve puntos: Tiene por objeto aislar la componen-
te cclica de una serie de tiempo con datos mensuales cuando se
trata en ciclos cortos de 3 4 aos.

130
Los valores de la serie original se deflactan de la componente es-
tacional por el mtodo de los promedios mviles en doce meses.
Los datos sin componente estacional se dibujan tratando de es-
tablecer en el dibujo las ondas cclicas, para lo cual se sealan
los puntos mnimos y mximos relativos destacados, segn se
van encontrando al recorrer la serie. Las ondas se delimitan to-
mando valores mnimos consecutivos. Se asimila a una funcin
sinusoidal.
En cada onda se expresan los valores mensuales en porcentaje
del promedio correspondiente a los valores de toda la onda.
Cada onda se divide en nueve partes.
En cada onda se promedian los valores correspondientes a cada
una de las nueve partes resultando nueve los resultados repre-
sentativos.
Se promedian los valores correspondientes a cada onda de los
valores de x y de y.
Las ondas del ciclo promedio se dibujan conjuntamente con las
originales para poder comparar los datos reales con los del ciclo
promedio
Se lo utiliza para perodos de 40 meses.

Cada onda est compuesta por las siguientes partes:

1. son los tres meses centrados en el primer mnimo de la onda
5. son los tres meses centrados en el mximo de la onda.
9. son los tres meses centrados en el valle de la onda
2,3,4. son sucesivos tercios del perodo de expansin comprendi-
dos entre 1 y 5.
6,7,8. son sucesivos tercios del perodo de contraccin entre 5 y 9.


131

RELACIN ENTRE VARIABLES - SIMPLE (DOS VARIABLES)
AJUSTAMIENTOS

Mtodo de los mnimos cuadrados: se lo utiliza para averiguar la
tendencia obteniendo los coeficientes a y b de una recta de regre-
sin lineal.

Dada una serie cronolgica y(t), con t=1,2,3...N, se trata de determi-
na entre todas las rectas del plano y = at + b aquella que mejor ajus-
te la serie de valores empricos. Es decir, determinar a y b de ma-
nera que se cumpla la condicin.

(a,b) = ((y(t) at b)) mnimo

Se deriva parcialmente (regla de la cadena) en funcin de a y de b:

/ a = -2 (y(t) - a t - b)*t = 0

/ b = -2 (y(t) a t - b) = 0 ; por lo cual

2 2
t t N
y(t) t y(t) t N
a

2 2
t t N
t y(t) t y(t) t
b
Si se tomaran valores centrados la sumatoria de t sera igual a cero.
Entonces a y b quedara como:

2
t
y(t) t
a
N
y(t)
b

132

As, Y = at + b = t
t
y(t) t
2
+
N
y(t)

Al estudiar las series de frecuencias interesa especialmente conocer
su media y su dispersin, las cuales son calculables mediante mo-
mentos obsoletos, con el mtodo largo o el mtodo corto o abrevia-
do, centrando las series para facilitar el clculo y trabajar solo con
valores enteros y sus potencias, lo cual es especialmente til cuan-
do hay ms de 100 datos.

COVARIANZA

La covarianza es el momento mixto centrado de primer orden. Es la
sumatoria del producto de las x menos su media multiplicado las y
menos su media; es decir que es el producto de los desvos multipli-
cados de las dos series.

(x - mx) (y-my) = xy

DOS RECTAS DE REGRESION

Se obtienen utilizando el mtodo de los mnimos cuadrados:

con
2
t
y(t) t
a
N
y(t)
b
Y= a x + b primer recta de regresin

X= a y + b segunda recta de regresin

Las variables cambian en las ecuaciones cuando se aplica el despe-
je en funcin de una o la otra, luego de aplicar el mtodo de los m-

133
nimos cuadrados. Puede ser que no ambas tengan sentido, por
ejemplo para alguna relacin precio-cantidad demandada; pero en
otros anlisis ambas lo tienen.

COEFICIENTE DE CORRELACIN

El cociente entre la variacin explicada a la variacin total se llama
coeficiente de DETERMINACIN. Si la variacin explicada es igual
a cero, es decir, la variacin total es toda no explicada, este cociente
es cero. Si la variacin no explicada es cero, es decir, la variacin
total es toda explicada, el cociente es uno.

En los dems casos el cociente se encuentra entre cero y uno; r
2
es
siempre no negativa y se calcula como:

2
2
y - y
y y
explicada no variacin
explicada variacin
r
2

Su raz cuadrada, el coeficiente de correlacin r vara entre 1 y 1,
con signos + o - que se utilizan para la correlacin lineal positiva y la
correlacin lineal negativa respectivamente. Ntese que r es una
cantidad sin dimensiones, es decir no depende de las unidades em-
pleadas.

Si se supone una relacin lineal entre dos variables, el coef iciente
de correlacin es:

2 / 1
y y x x
y y x x
r

sta frmula da el signo adecuado de r; se llama frmula producto-
momento y muestra claramente la simetra entre x e y.

134
Un r = 0,973 cercano a 1 permitira decir que muestra una relacin
funcional perfecta directa (ambas series varan en igual sentido). Los
datos representan lo que se estudia y a mediada que se cumple una
de las variables la otra lo hace en el mismo sentido y proporcin.

ELASTICIDAD MEDIA O PROMEDIO

El concepto terico de elasticidad de la demanda tiene aplicacin
prctica en la empresa, calculado como promedio serial.

Tericamente se estudia este cociente puntualmente (una cantidad
y un precio), pero la toma de decisiones empresarias se basa en
promedios calculados durante algn lapso razonable.

Excel aporta aqu su ayuda: la elasticidad media se calcula estadsti-
camente como el producto de la pendiente de la lnea de ajuste mul-
tiplicada por el cociente suma de precios/suma de cantidades: E
media = b P/Q.

La pendiente del ajuste es el coeficiente angular b de la lnea de
correlacin precio-cantidad durante el perodo: 1,008 en el grfico
siguiente; o segn el coeficiente b emitido por Excel al hacer el ajus-
te o correlacin PyQ (en realidad, observando la frmula de elastici-
dad dQ/dP(P/Q) y este producto dP/dQ(P/Q) va a ser necesario
aplicar la inversa de uno de esos dos factores en este)

CORRELACIN EN UNA POBLACIN

El coeficiente r de Pearson est incorporado en Excel; indica valores
entre 0 y +1 1 para medir la relacin entre una variable depen-
diente y dos (o ms) variables independientes.


135
Excel calcula la matriz de correlacin y (si fueran varias) permite
elegir los pares que presentan la correlacin ms alta mediante el
anlisis de regresin.

Excel dispone de varias funciones alternativas para calcular la fun-
cin de ajuste que minimiza los desvos: correlacin, tendencia, pro-
yeccin, regresin, accesibles mediante su ayuda F1 o con el icono
.

Por ejemplo, con los datos de este cuadro:
Herramientas >Complementos > Anlisis de datos >Regresin

Alternativamente, para utilizar separadamente algunas de las funcio-
nes (incorporadas en ) sera suficiente consultar ese listado y lue-
go escribirla simplemente despus del signo igual:

"=pendiente(rango datos)",
"=interseccion.eje(...)",
"=coeficiente.R2(...)"

para obtener los coeficientes de la lnea de ajuste o correlacin, que
incluyen el coeficiente angular -1.008 que interesa para calcular la
elasticidad media: -(-1.008 (36/35,9))=+1.01 (los rangos estn indi-
cados en la imagen sobre demanda de Y)

DEMANDA COMO CORRELACIN PRECIO-CANTIDAD

Obsrvese en este ejemplo de la imagen que la variable indepen-
diente (precio) figura a la izquierda de la variable dependiente (can-
tidad) y ello corresponde al orden de las celdas del rango
(B3:B10;C3:C10), as como al grfico con cantidades en la abscisa y
precios en la ordenada, usualmente aceptado.


136

En casos de correlacin sin trmino independiente por el origen-
pudieran presentarse imprecisiones, por la resta del trmino de co-
rreccin, en el clculo de la determinacin R
2
.

CORRELACIN - EN MUESTRAS

Cuando se estudie la correlacin en una muestra con estos mismas
funciones Excel es necesario comprobar su representatividad esta-
dstica mediante la prueba "t". Vanse los ejemplos posteriores.

Ya que los mismos instrumentos pueden ser utilizables bajo distintos
contextos, en el enfoque progresivo de esta exposicin se intenta
explicar cada herramienta relevante presentndola conforme coinci-
da con el ejemplo y cuadro especficos segn el avance conceptual.

137
EVALUACIN DE EXMENES

Supnganse la siguiente cantidad de aciertos en una evaluacin,
clasificados en funcin del grado de instruccin de cada consultado:

4
gra-
do
6
grado
3
secunda-
rio
Secunda-
rio
Completo

1 5 8 9
3 7 6 11
4 6 9 8
5 3 5 7
1 9 7 7
4 7 4 -
- 4 4 -
- 2 - -

N
=
6 8 7 5
n=26
T
=
18 43 43 42
T=146
X
=
3 5.38 6.14 8.4
X
2
/n=146
2
/26=819.8
5

X
2
=
68 269 287 364
X
2
=988
T
2
/
n=
54 213.1
3
267.14 352.80
T
2
/n =902.07


138
ANLISIS DE VARIANZA Y COVARIANZA:

Sumatoria de cuadrados X
2
- X
2
/n (desvo medias) = 988
819.85 = 168.15.
Suma de cuadrados intragrupos X
2
- T
2
/n = 988 902.07 = 85.93.
Suma de cuadrados intergrupos T
2
/n - X
2
= 902.07 819.85 =
= 82.22.

Resumen:
Suma Grados Variancia F Snedecor
Cuadrados libertad ................ ....................
Intergrupos: 82.22 3 82.22/3=27.41 27.41
Intragrupos: 85.93 22 85.93/22=3.91 3.91
Finalmente, 27.41 / 3.91 = 7.01

En la Tabla Distribucin F, para 3grados de libertad horizontal (nu-
merador) y 22 grados de libertad vertical (denominador; varianza
menor) al 1% de significatividad indica 4,82, sensiblemente menor
que 7,01 de la muestra.

Se concluye que las diferencias educativas son relevantes en las
respuestas de los encuestados y no surgen de alguna influencia
ocasional entre ellos (copia, colinealidad).


139
REGRESIN MLTIPLE

ESTIMACIN DE DEMANDA POR CORRELACIN MLTIPLE -
PRONSTICOS:

La demanda de un bien suele tener como condicionantes a los gus-
tos, cambios en el ingreso disponible, en el precio o en los precios
de otros bienes complementarios o sustitutos.

Cuando ya existen pronsticos sobre esas u otras variables inde-
pendientes (calor; lluvia, turistas) es usual utilizarlos para estimar la
demanda del bien en estudio (variable dependiente, venta de hela-
dos) efectuando una correlacin lineal mltiple entre aquellas y la
demanda que se desea estimar (vase ms adelante con Estima-
cin Lineal)

DISCOS DE FRENO PARA AUTOS

Igualmente con la demanda de discos de freno (Y) para autos, cuya
demanda podra depender de la produccin (y reparacin) de autos,
el nivel de los salarios y el del PBI (las X).

Una vez anotados los datos histricos en B8:E16 Excel calcula la
correlacin con

Herramientas >Complementos > Anlisis de datos >Regresin

Pide el rango para la variable Y; luego el rango para las otras varia-
bles; tambin pide una celda conde comenzar a emitir los resulta-
dos hacia abajo.


140
En este ejemplo se le indic A25 y los coeficientes del ajuste figuran
en B39:B42.

Esos coeficientes multiplican cada variable independiente (pronsti-
cos conocidos) segn la frmula de la celda B18 (que tambin se in-
dica en F17).


141
ANLISIS DE VARIANZA

Hay suficiente correlacin entre las variables? Sern todas las
variables independientes suficientemente explicativas o influyentes?

Excel calcula el estadstico F (104,5) y tambin su valor crtico. En
este ejemplo el estadstico es mayor que su valor crtico, lo cual
asegura que el resultado 97% implica una varianza intergrupos e
intragrupos parcialmente aceptable y que el ajuste no es aleatorio
o manifieste coalineacin.
Por otra parte, la tabla de distribucin t Student para 6 grados de
libertad y 95% de aproximacin (5% error) muestra el coeficiente
1,94, que es menor que el valor indicado por Excel para la variable
independiente X1 (3,099), asegurando que esta variable es significati-
va en la formacin de la demanda de discos de freno de este ejemplo.

El coeficiente de determinacin R
2
indica en las regresiones simples
el % de variabilidad explicada por la variable independiente.


142
R
2
ajustado se utiliza en las regresiones mltiples.

El error tpico o estndar es la raz cuadrada del cociente entre la
suma de residuos al cuadrado y sus grados de libertad (T-v-1).

ANLISIS DE REGRESIN

Se utiliza el anlisis de regresin y de varianza-covarianza para ele-
gir con Excel cuales de las variables independientes son ms ade-
cuadas y mejoraran la precisin del ajuste entre la ecuacin y los
datos empricos.

Se busca evitar posibles errores por la existencia de eventuales vin-
culaciones entre algunas de las variables independientes entre s
(colinealidad).

Conviene comenzar seleccionando las regresiones entre las varia-
bles que se sabe estn ms vinculadas e ir introduciendo otras que
mejoren la regresin mltiple.


143
ANOVA (en ingls ANLISIS DE VARIANZA)

Existen dificultades importantes para detectar la existencia de esa
relacin lineal molesta entre las variables independientes.

Interesa asegurar la independencia o no asociacin entre los atri-
butos: dos grupos difieren entre s cuando la varianza intergrupos
es mayor que la varianza intragrupo (si no hay colinealidad).

La proporcin de estas dos medidas es la F de Snedecor .

Comparando con el valor de la tabla de F por azar se observa si el
F obtenido en el ANOVA es mayor, lo que indicara que hay una
diferencia entre grupos que es adecuadamente significativa.

La tabla de la distribucin F valora segn los grados de libertad
horizontal (numerador) y los grados de libertad vertical (denomina-
dor) para distintos % de significacin; esto ya lo indican los coef i-
cientes que calcula Excel simplificando as el anlisis de varianza y
covarianza.

Los estadsticos T DE STUDENT calculados por Excel demuestran
el TEST DE HIPOTESIS: comparando este ejemplo con la tabla de
distribucin Student para 95% de confianza se observa la significati-
vidad del coeficiente de cada variable, conforme su t sea mayor
que el valor de tabla, tal como se explic en este ejemplo para el
3,099 de la variable X1, aunque para otras variables es menor, indi-
cando dificultades.

144
MULTICOLINEALIDAD - FIV

En resumen, hemos visto varios indicadores para determinar la exis-
tencia de un alto grado perturbador de correlacin entre las varia-
bles independientes. En los textos es usual la referencia a:

- El mtodo de la relacin entre t y R
2
, que consiste en observar
las razones t y si no fueran significativas -y adems el R
2
es alto
(mayor a 0,8)- indicaran multicolinealidad molesta.

- El mtodo de la prueba F: haciendo regresiones de cada variable
con las dems y observando si la relacin entre F y R
2
es mayor
que en la tabla indicara multicolinealidad.

F I V

EL factor de inflacin de la varianza (FIV) y la tolerancia T tambin
permiten detectar la colinealidad indeseable.

El FIV es medido como la inversa del complemento del R2.

En este ejemplo, si hay un FIV >10 y el T < 0.1 estara indicando
problemas de colinealidad indeseable (generalmente cuando hay un
R^2ajustado > 0.9)

2
1
1
j
j
FIV
R
2
2
( 1)
j b
j
x
j
S n SE
FIV
S
1
T
FIV

145
- El mtodo de la matriz de correlacin, formada por los coefi-
cientes de cada variable respecto a las dems. El valor de su deter-
minante es entre 0 y 1; cuando se acerca 1 indica poca multicolinea-
lidad.

- El mtodo de los valores propios e ndice de Condicin, que tam-
bin implica frmulas que no son necesarias en este resumen prc-
tico, luego de la claridad y facilidad de los ejemplos aqu expuestos.

ESTADISTICA DESCRIPTIVA EXCEL

Junto con el men de Anlisis de Datos en Excel figura el de la Es-
tadstica Descriptiva, que entrega un conjunto de mediciones para
cada variable independiente, que se puede imprimir a continuacin
de los datos de la regresin.

Datos / Anlisis de Datos / Estadstica Descriptiva


146


147
ESTIMACIN LINEAL (MLTIPLE) - VENTA DE HELADOS

Excel incluye la funcin "estimacion.lineal" que tambin permite
ajustar una serie dependiente de una o varias variables indepen-
dientes. Ejemplo, pronosticar la venta de helados, dependiendo de
las estimaciones de temperatura, cantidad de lluvia y arribo de mni-
bus con turistas para el prximo perodo.

Se trata de encolumnar los datos histricos sobre ventas de helados
y a su derecha las tres variables independientes. Luego pintar en
otro lugar cuatro celdas para imprimir cada coeficiente ms la cons-
tante y escribir "estimacion.lineal (rango helados; rango variables in-
dependientes)" y Ctrl+SIAT+Entre.

Con los cuatro coeficientes se controla o compara la aproximacin
del ajuste, armando la ecuacin con F4 para los coeficientes y co-
pindola incluso hasta el rango de pronstico F2:F14. En la ayuda
F1 incluye Excel las caractersticas de este ajuste en detalle, pareci-
das a la regresin mltiple anterior.


148


149
MULTICOLINEALIDAD -

MATRIZ DE CORRELACION CON EXCEL

Otra forma ms fcil de observar la presencia de excesiva colineali-
dad entre las variables independientes es construir su matriz de co-
rrelacin, preparando manualmente el cuadro con las variables in-
dependientes como filas y columnas: se completa la diagonal con 1
y en cada celda de la mitad inferior se calcula la correlacin utilizan-
do Insertar Funcin ( ) :

El cursor est ubicado para calcular la correlacin entre las variables
Y y X1, seleccionando entre las funciones: Estadsticas
/Coef.de.Correl.

150

Al aceptar presenta el cuadro para elegir las columnas con los datos
de X1 y X2 pulsando en el icono de Matriz1 y Matriz2 respectiva-
mente.


151

Es el mismo procedimiento para completar las restantes celdas:

En este ejemplo improvisado se observa una gran colinealidad (alta
correlacin positiva y negativa), por ejemplo del 93% entre las varia-
bles X1 y X3, etc. Finalmente, ser la experiencia de cada profesio-
nal sobre la naturaleza de las series de su propio sector la que indi-
car si corresponde o no asignarle importancia a este tema de even-
tual excesiva colinealidad

Para otros casos ms extensos es posible implementar esta rutina
manual mediante una macro de Excel; o bien simplemente utilizando
las aplicaciones para copiar y referencia absoluta (F4). Por otra par-
te, tambin es posible obtener esta matriz de correlacin con
EVIEWS y con otros de los utilitarios aqu presentados.


152
MATRIZ DE COVARIANCIA

Las medidas de variancia y covariancia, se tratan de una simple
transformacin de la dispersin entre los datos y su promedio (o su
lnea de tendencia en el caso intraserial); y covarianza mide lo mis-
mo pero entre dos series (interserial).
Con Excel se puede construir fcilmente la matriz de covariancia,
que adems de orientar sobre la bondad de un ajuste tambin es
otra forma de observar la presencia de excesiva colinealidad entre
variables independientes.


153
MATRIZ DE COVARIANCIA CON EXCEL:

Se trata de hacer un cuadro con las variables, aqu del ejemplo He-
lados, como filas y como columnas:

Al ubicar el cursor en una celda vaca de la diagonal principal hacia
abajo es posible ir al Frmulas y pulsar en el icono de funciones
para insertar la funcin covarianza (Covariance.P), que se elige en-
tre las de tipo Estadsticas al abrirse el cuadro:

154

Al elegir se abrir otra ventana que en Matriz1 y Matriz2 permite
seleccionar las series a correlacionar: cada una respecto de s mis-
mo y tambin con respecto a las dems, en esta matriz simtrica
que aqu cubrimos en su parte inferior.

No sera frecuente la correlacin mltiple con cientos o miles de
variables independientes, por lo que completar la matriz de cova-

155
rianza no es demasiado trabajoso; su puede recurrir a las aplicacio-
nes de copiar y referencia absoluta (F4) para abreviar la tarea; tam-
bin se pueden utilizar las otras aplicaciones ilustradas ms adelan-
te .

El resultado de esta tarea indica la variancia y covariancia de cada
serie respecto a si misma y a las dems.

Si la covariancia interserial (entre dos series Y y X) es mayor que la
intraserie (adentro de la variable Y dependiente) alejara la presun-
cin de tener variables independientes que sean colineales (no se-
ran stas simples mltiplos entre s, que obligaran a cambiar por
otra realmente independiente).


156
ECONOMIA NO ES MEDICINA NI ES MECNICA

En economa los clculos economtricos (estimar funciones mlti-
ples) y los de investigacin operativa (equilibrio multiproducto) son
ms simples que en medicina o en mecnica etc. y estn al alcance
de un curso general de microeconoma (empresaria), que constitu-
yen todo el contenido incluido en la currcula de un contador, licen-
ciado o ingeniero industrial.

En medicina un 3% de error es inviable porque se arriesgan vidas
humanas, pero en economa este porcentaje es generalmente acep-
table y ello reduce la necesidad a utilizar solo pocos entre la enorme
variedad de anlisis alternativos existentes, simplificndolos para el
caso de las correlaciones mltiples a la medicin del R
2
ajustado, el
test F y los t, o a la observacin de excesiva colinealidad median-
te la matriz de correlacin.

Igualmente en la investigacin operativa, tal como simplificaban los
clsicos al limitarse a problemas con dos variables positivas del pri-
mer cuadrante, para indicar que no se consideran funciones que se
desarrollan en los otros cuadrantes (por no tener sentido, en princi-
pio, producciones o consumos negativos). Adems, los tipos de fun-
ciones as como los sistemas de ecuaciones o restricciones se im-
plementan necesaria y efectivamente con programacin lineal Sol-
ver de Excel o con Matrices de Excel (o de otros utilitarios aqu pre-
sentados). Esto conduce a que la consistencias axiomtica de los
sistemas se simplifique y reduzca a los trminos prcticos del lge-
bra de matrices para los sistemasfinitos empresarios y para la matriz
insumo-producto, comentados en este capitulo ms adelante y en el
captulo 8 con el equilibrio multiproducto.


157

CORRELACIN MULTIPLE Y ANOVA CON SPSS (IBM)

Si se deseara contrastar el ajuste hecho con Excel mediante otros
utilitarios se podran utilizar SPSS, STATA o Eviews.
En este caso, con SPSS 18, se introdujeron los datos de las cuatro
variables del ejemplo helados en la ventana principal y en la solapa
de Edicin se puls en Analizar /Regresin / Lineales.

Luego se seleccion en Estadsticos y en su cuadro se tild Estima-
cin / Ajuste del Modelo y/ Diagnstico de Colinealidad.
Luego de pulsar Continuar / Aceptar aparecern los resultados a
continuacin de los anteriores solicitados para la regresin.


158
El ndice de condicin (IC) dado por SPSS 18 permite interpretar los
resultados. Si el IC esta entre 10 y 30 la multicolinealidad ser entre
moderada y fuerte. Si el IC excede 30 la multicolinealidad ser seve-
ra.

En este caso se observa la dimensin 4 (la fila 4) y considerando la
proporcin de las descomposiciones de las varianzas muy elevadas
(cercano a 1) indica que existe multicolinealidad indeseable en esa
variable independiente (alguna siempre existir, dado que todas las
variables independientes estn de alguna manera vinculadas con la
variable dependiente). Se podra eliminarla, reemplazndola por otra
que muestre menor FIV (factor inflacin varianza).
.

159

CORRELACION CON EVIEWS (ex TSP)

Se ejecuta Eviews en el comando File / New-Workfile /

y en Workfile Structure Type se seleccionar Unstructered / Unda-
ted; tambin se anota el nmero de observaciones que se van a
copiar desde una Hoja Excel, por ejemplo Rows 474.


160

Para copiar los datos desde la hoja Excel es necesario pintarlos
todos (incluso ttulos si se pulsa la celda continua a A1) y copiarlos
al portapapeles.
Luego se pulsa en Eviews Quick / Empty Group (Edit Series) y se
abre una ventana para pegar los datos.
Para pegarlos debe antes pulsarle Shift + (flecha de direccin) para
que se copien incluyendo las leyendas de campos que vienen de la
hoja Excel.
En el cuadro principal de resultados aparecer una lista con los
nombres de los campos copiados, a efectos de pintar con Cntrl
aquellos que se desea correlacionar (por ejemplo, CI, salaini, sala-
rio).
Luego se obtiene la matriz de correlacin mediante Quick / Group-
Statistics / Correlations / OK.


161

En la primer columna muestra que el CI no est muy relacionado
con el salario 0,2491% ni con el salario inicial 0,4336. En la segun-
da muestra que el salario actual est 88% relacionado con el salario
inicial.

Finalmente, con View / Covariance Analysis / se tilda Correlacin
y tambin Probatility (t)


162

Surgiendo la matriz para el anlisis de la covarianza entre variables,
que en este caso estara diciendo en cada primer rengln que por
ejemplo el CI no estara muy relacionado con el salario inicial ni el
salario actual; y segn cada segundo rengln muestra que el salario
inicial est muy relacionado con el salario actual y ste con el inicial.


163

CORRELACION MLTIPLE CON STATA

Damodar N. Gujarati, Econometra (Un. West Point) propone utilizar
Stata para efectuar anlisis economtricos sobre series, muestras y
pronsticos.

Abrir la hoja Excel con los datos y copiarlos, incluyendo el nombre
de las variables (dependiente Y= helados; e independientes
(X1=Calor, X2=lluvia, X3=turistas)

y x1 x2 x3
654 139 100,0 181
524 262 94,5 227

164
684 342 93,2 253
818 409 93,8 270
810 405 98 272
840 420 92,4 280
1070 450 93,1 300
1078 460 93,4 315
1022 450 94,1 325
1041 450 100 335
1061 450 94,1 345

Luego abrir Stata y pulsar en el botn Edit para pegarlos con Paste
(icono tildado Data Editor de la segunda lnea).

Stata preguntar si la primera fila contiene los ttulos.


165

Los datos aparecern cargados en Stata, mostrando los nombres
de las variables en el cuadro inferior izquierdo y las series en inferior
derecho.


166

A continuacin se escriben la sentencia de ingreso de instrucciones
para que Stata guarde este archivo con el nombre helados:
log using helados

(automticamente se abre el cuadro Comand para ello). Tambin
aparecer luego en el cuadro superior izquierdo y en el derecho con
su extensin; no se pueden repetir nombres de archivo.


167

Ahora es posible solicitar a Stata diversos informes estadsticos
sobre los datos guardados en el archivo helados.smc1, que luego
aparecern en la ventana o cuadro Results.

Nos interesa en este ejemplo simplificado pedirle un informe
preliminar con summarize

y mostrar los valores bsicos de las variables.

168

Luego escribimos para que Stata estime los parmetros de un
modelo de correlacin mltiple mediante:
regress y x1 x2 x3

Al ejecutar aparecen los coeficientes para armar un ajuste del tipo
Y = a +bX1+cX2 +dX3 en la ventana de resultados (en este caso
mostr a= -364.53, b= 0.999, c=3.322, d=2.307 en la segunda
columna).

Con esta funcin estimada (ajuste) por correlacin mltiple es
posible efectuar estimaciones de la demanda de helados para el
prximo ao, siempre y cuando las autoridades metereolgicas y de
turismo (o los analistas especializados) nos pronostiquen
previamente cuales seran en el ao prximo los datos para calor,
lluvia y turistas.


169

Stata tambin muestra la desviacin tpica, Std.Err; y el estadstico t.
P>|t| es el p-valor, la probabilidad que deja a la derecha el valor
estimado. [95%Conf.Interval] es el intervalo de confianza al 95%; el
centro del intervalo siempre coincide con el coeficiente.

R squared o r2 es el coeficiente de determinacin y el similar Ajus-
tado para estos casos mltiples Adj R-squared. El nmero de obser-
vaciones 11 y los grados de libertad, 11 -3 -1 =7. El estadstico F es
la significacin conjunta de todas las variables explicativas del mo-
delo. La Prob>F indica la probabilidad que queda a la derecha del
valor estimado.

Se pueden imprimir estos resultados con File / Print Result-.

170


171
ESTIMACION DE FUNCIONES (REGRESION)

Hemos visto antes estimacin de funciones para casos de correla-
cin entre variables, simple (la teora bsica orientativa) y mltiple
(demanda de helados). En este caso, haba una correlacin entre
la demanda de helados y el calor, la lluvia y los turistas, registrada
por ejemplo en 30 perodos. Si el gobierno o los tcnicos nos pro-
nosticaban para el prximo perodo cual sera el calor, la lluvia y los
turistas, Excel poda calcula en pocos pasos cual sera la prxima
demanda de helados (por correlacin mltiple, incluyendo el anli-
sis de la varianza (ANOVA) y otras medidas para ver la bondad del
ajuste.
Pero hay otros casos, por ejemplo cuando proyectamos observando
solamente la evolucin histrica de algo (sea por ejemplo esta mis-
ma produccin de helados) y segn sea la tendencia registrada (re-
gresin) en los ltimos aos tambin se intenta estimar cual puede
ser la produccin para el prximo perodo. El anlisis de series es
muy variado: tendencia, estacionalidad, ciclos, autocorrelacin me-
diante promedios mviles, Box-Jenkins, ARIMA, ARMA, ARMARO,
etc.
Supongamos un caso de anlisis de la tendencia (regresin) que
pueda haber dado como resultado algunas observaciones muy fre-
cuentes, como ser, este breve conjunto de cuatro ocurrencias prefe-
rentes sobre el par variables precio y cantidad, o fecha y cantidad,
o cualquier otro par: 130 y 2.9; 160 y 3.8; 200 y 4.6; 230 y 5.2 (don-
de 130 es el precio o la fecha y 2.9 es la produccin, etc.).
Para pronosticar la produccin (o lo que sea) disponiendo solo de
estas pocas observaciones relevantes puede ser til o necesario
disponer de una funcin o ecuacin que ajuste adecuadamente a
este breve conjunto de datos. Entonces vamos a estimar una fun-
cin partiendo de solo algunos datos; luego se debera comparar los
datos con lo que surja de la estimacin, siendo generalmente sufi-
ciente ver a simple vista si el ajuste es perfecto, o bien recurrir al
anlisis paramtrico que proporciona la estadstica.

172

Dibuje los datos para elegir el tipo de funcin; haga varios ajusta-
mientos para elegir el mejor; o bien busque ud.el mejor ajustamien-
to como se indica ms adelante.
Excel incluye seis tipos de funciones: se pintan esos pares de da-
tos; se Inserta un grfico; de Dispersin. Con el botn derecho so-
bre los puntos graficados se puede Agregar lnea de tendencia y
tildar Presentar la ecuacin en el grfico (aparecen ah 6 las fun-
ciones Excel para elegir: exponencial, lineal, logartmica, polinmi-
ca, potencial, media mvil).


173
AJUSTAMIENTO EXPONENCIAL CON EXCEL

Comparando Y con la estimacin Y* se observa demasiada diferen-
cia, porque los datos no responden a una evolucin exponencial
(observe que aqu e es el nmero natural o neperiano
2,7182818... (o de Euler, que se utiliza en la descripcin de movi-
mientos amortiguados, porque e
x
es similar a su derivada )


174
AJUSTAMIENTO LINEAL CON EXCEL

Comparando Y con la estimacin Y* se observa demasiada diferen-
cia, porque los datos no responden a una evolucin lineal (cero o
una constante ms otro nmero multiplicado por la variable a la
potencia uno); es necesario probar con otro tipo de ajustamiento.


175
AJUSTAMIENTO LOGARITMICA CON EXCEL

Este ajustamiento con una funcin logartmica (logaritmo natural o
neperiano) aproxima bastante, pero an se ven diferencias impor-
tantes entre Y e Y*; conviene buscar otra funcin que ajuste mejor.


176
AJUSTAMIENTO POTENCIAL CON EXCEL

El ajustamiento potencial muestra mucha diferencia ntrelos datos
reales Y y los ajustados Y*; conviene buscar otro ajustamiento.


177
AJUSTAMIENTO MEDIA MOVIL CON EXCEL

Excel permite determinar el orden de los promedios, pero para el
anterior ejemplo con tan pocos perodos no es posible o adecuado
aplicarlo. Lo sera teniendo una serie ms larga.


178
AJUSTAMIENTO POLINOMICA CON EXCEL

Este polinomio no ajusta bien y es necesario buscar otro ajusta-
miento. Entonces, como los modelos de Excel no son adecuados se
busc cual sera el mejor ajustamiento preguntndole a Findgraph.


179
MEJOR AJUSTAMIENTO CON FINDGRAPH

Si fuera el caso (como aqu) que este breve conjunto de solo cuatro
observaciones histricas no quedara bien ajustado con alguna de
esas seis funciones incluidas en Excel. Se vio al comparar estas
observaciones histricas Y con las surgidas de las funciones esti-
madas Y* que no hubo una gran aproximacin. Es entonces nece-
sario recurrir a un programa estadstico ms especializado que Ex-
cel para que l encuentre el mejor ajustamiento .
Existen docenas de ellos (Eviews, SSPS, Matlab, Derive, etc). En
este caso se prob con un trial del FindGraph (que dice incluir 500
tipos de funciones) y el ajuste result perfecto, fcil y en pocos mi-
nutos, tanto para instalar el trial como para procesar la funcin (gra-
cias a su archivo de ayuda).

Desde Excel se Pint y Copi el rango con los pares de datos, in-
cluyendo los ttulos X e Y (utilizar punto y no coma). Abrir el utilitario
FIndgraph y pegar esos datos con Edit y con Paste. Luego 4 veces
Siguiente. A la izquierda seleccionar el crculo verde Data From

180
(cambia a blanco); arriba elegir Fit; luego Best Function. Luego 3
veces Siguiente y tildar todas las funciones deseadas o disponibles;
luego Siguiente. Luego con Star calcula la funcin.

Funcin:

Copiarla a Excel como Y*para compararla con los datos histricos
(corregirle comas por puntos; eliminarle espacios; reemplazar la
notacin computacional e-005 e-007 por su equivalente 10 ele-
vado a la -5 y 10 a la -7; o sea 10^-5 y 10^-7; que hacen referencia
al nmero natural e=2.7182818).


181

Con esta funcin ajustada Y* en la columna D se calcularon datos
que son prcticamente iguales a los reales de la columna C (con
millonsimos de aproximacin en cada parmetro; de modo que no
es necesario algn otro anlisis paramtrico para confirmar la bon-
dad del ajuste. Al menos mientras se mantengan las condiciones
generales sin cambios drsticos, esta ecuacin servira para calcular
nuevas producciones, copiando abajo los nuevos datos X y esa
funcin Y* (col.D).


182

CAPTULO 3 -
PROYECCIN Y PROGRAMACIN

CON SERIES, CON ECUACIONES, MATRICES O CON PRO-
GRAMACIN LINEAL?

Hemos encontrado la correlacin mltiple con varias variables inde-
pendientes, eludiendo las dificultades por elegir alguna inadecuada
entre stas.

Encontramos una ecuacin, una funcin adecuada, que podemos
utilizar para proyectar la demanda (pero ... solo si previamente al-
guien nos adivinara la futura magnitud de cada una de estas varia-
bles independientes).

A un nivel terico sera como resolver un sistema de ecuaciones
identificables en la forma homognea, en el cual no existan varia-
bles repetidas entre las ecuaciones.

Una solucin puede obtenerse a travs de sucesivos multiplicadores
de Lagrange; o tambin mediante la matriz inversa segn Gauss.

Otra forma alternativa sera plantear el problema de la correlacin
mltiple como una programacin lineal Simplex.

Excel tambin facilita todos esto anlisis (sistemas de ecuaciones,
matrices, Simplex / Solver) pero el ms prctico y utilizado suele ser
el aqu comentado para correlacin mltiple.

183

PARA QU PROYECTAR CON CORRELACIONES?

Ante tantas dificultades, alguien puede adems preguntarse: para
qu tantas teoras (con sus problemas propios)?;

por qu no estimar directamente las unidades demandadas en el
prximo periodo, en vez de hacerlo dificultosamente a travs de la
indirecta estimacin de varias otras cosas?

En realidad as suele ocurrir en la empresa. Se estima la cantidad,
demanda emprica (lo real) sin teoras: directamente; tambin utili-
zando modelos de simulacin de la demanda y oferta global
(con ponderaciones surgidas de las ventas histricas por sector de-
mandante y la evolucin probable segn el anlisis macroeconmico
coyuntural).

Tambin se estima la demanda emprica por analoga con la de
otras localidades o pases, por ejemplo al intentar imponer un nuevo
producto en un mercado.

Especialmente en los planes de inversin o pronsticos de largo
plazo se suelen incluir varios de estos tipos de estudios simult-
neamente (tanto empricos como tericos), para sumar opiniones y
comparar alternativas o estudios razonables posibles.

ANLISIS DE COYUNTURA PARA PRONSTICOS

El anlisis macroeconmico de coyuntura suele ser muy utilizado en
las estimaciones de demanda de las empresas, tanto para sus pro-
nsticos de corto plazo como para justificar planes de expansin o
inversin.


184

Suponiendo, aqu, que el bien producido por una empresa se distri-
buye directamente en proporcin igual hacia los sectores que con-
forman el producto interno bruto-PBI- (caso contrario se modifican
las ponderaciones), la estimacin de la demanda depende de las
evolucin prevista para cada sector de actividad

En D3 se observa la ponderacin del porcentaje previsto para 2003
y la participacin relativa del sector agro. Con similar criterio para
todos los sectores demandantes y del PBI involucrados puede obte-
nerse la variacin estimada de la actividad y demanda de este bien,
como un promedio ponderado (4,01% de aumento para 2003, en el
ejemplo ilustrativo).


185
Existen algunos analistas de coyuntura y revistas especializados en
pronsticos para cada rama industrial y sectores de actividad, de la
oferta y demanda globales. Sus conclusiones resumidas suelen pu-
blicarse en la prensa; y en detalle se obtienen por suscripcin, con-
formando uno de los instrumentos bsicos de la estimacin de de-
manda para las empresas (en forma paralela con otras formas de
estimacin y proyeccin comentadas).

El instituto INDEC o Bureau of Census de cada pas publica men-
sualmente y trimestralmente las variaciones reales por subsector,
permitiendo analizar y proyectar con cierta seguridad. Sus informes
sin desagregacin estn disponibles en algunos pases por Internet
y pueden comprarse all otros con datos ms desagregados.

MODELOS DE SIMULACION DE LA OFERTA Y DEMANDA GLO-
BAL PARA ESTIMAR LA DEMANDA DE CHAPA DE SOMISA:

Con referencia al tema de las predicciones y los modelos de la
oferta y demanda, cabe tener en cuenta que para los pronsticos
de mercado empresariales, adems de utilizarse programacin li-
neal y/o procesos estadsticos de estimacin de funciones por corre-
lacin mltiple, tambin es usual efectuar paralelamente pronsticos
de ventas mediante estos modelos de simulacin.

En un curso de microeconoma se orienta a los alumnos principian-
tes mediante esta secuencia informal de ideas orientativas de las
etapas de un proceso productivo en la empresa, a fin de presentar
los elementos involucrados y la finalidad de los modelo de simula-
cin:

1) Se dispone en un cuadro la estructura de las ventas de la
empresa en los ltimos aos.

186
2) Se dispone de la estructura de la oferta y demanda global
argentina de INDEC, incluyendo la apertura en los subsecto-
res industriales.
3) Los analistas de la coyuntura econmica efectan pronsti-
cos de la actividad para el prximo ao sector por sector
(Tendencias Econmicas; los estudios de M. A. Broda, de
Bein y pocos otros suelen ser los usuales).
4) Con estos porcentajes estimados en cada subsector tambin
es posible aplicarlos en el cuadro de la estructura de ventas
de la empresa, ponderando para obtener un porcentaje pro-
medio de variacin de las ventas en el prximo ao.
5) Con el porcentaje ponderado total de variacin y el volumen
resultante que implique para el ao puede la empresa calcu-
lar luego la produccin necesaria; tendr en cuenta las exis-
tencias de productos terminados o en curso de elaboracin y
por diferencia le surgir la idea sobre la compra de materias
primas e insumos necesarios para el perodo.
Un grfico de Gantt con estas etapas mencionadas y sus
plazos crticos ayuda en la coordinacin de las actividades,
que comienzan con esta estimacin de la demanda, siguen
con el plan de compras, plan de produccin y continuarn
con los planes de ventas, de expedicin o logstica y marke-
ting (paralelamente con la coordinacin de flujo financiero y
aspectos impositivos, contables, etc).

1.- En los ltimos aos la estructura sectorial de las ventas de chapa
de Somisa fue la siguiente:


187

2.- Por otra parte, las estadsticas sobre cuentas nacionales estn
disponibles en el sitio web del INDEC (www.indec.gov.ar ) y para el
estudio o anlisis de la coyuntura y de estos modelos de simula-
cin suele ser til la siguiente presentacin de la oferta y demanda
globales, conformada con los cuadros INDEC del PIB, los de la O y
D global, y algunos con estructuras industriales.

Como una identificacin aproximada puede identificarse estas esta-
dsticas actuales del PIB en miles de millones de $ de 1993, como si
fueran equivalentes a dlares (en aquel momento el tipo de cambio
estaba 1 a 1 con el peso y sirve esta simplificacin).

La estructura sectorial ha ido cambiando en las ltimas dcadas,
resumiendo este cambio como una gran reduccin del producto in-
dustrial y un gran aumento en los sectores generadores de servi-
cios. Una aproximacin a 2011 es la siguiente:


188

Esta estructura actual de la actividad econmica es necesario repre-
sentarla en trminos porcentuales (columna B), para proceder al
anlisis de la coyuntura.

189

3.- ANALISIS DE COYUNTURA

El objetivo buscado con este modelo de simulacin es pronosticar
las ventas de la empresa en 2012. El mtodo consiste en averiguar
cules son los pronsticos para cada subsector de actividad econ-
mica, en lo que suele denominarse como anlisis de coyuntura. Las
empresas grandes suelen adquirir servicios especializados en el
anlisis de coyuntura, como las resumidas antes en el punto 3); y
con sus pronsticos nacionales es posible armar las columnas C) y
G) del cuadro siguiente.


190

En cada lnea de un sector econmico se multiplica el dato de la
columna B por la variacin de C para obtener su ponderacin en D.
La suma de todas estas ponderaciones figura en D34 (divida por
100 para compensar el producto por la columna B que tambin su-
ma 100).

Otra simplificacin es considerar la evolucin de los sectores pro-
ductores de servicios (la mayora) como reflejo del comportamiento

191
que tengan los sectores productores de bienes (fsicamente pronos-
ticables mediante diversas pautas e indicadores sobre produccin,
venta y consumo de bienes diversos, que permiten anticipar con
sobre bases reales el comportamiento de la demanda, frente al ma-
yor retardo de las estadsticas oficiales sobre el producto nacional).

En este caso aproximado, 4,4% sera el crecimiento esperado en la
economa nacional (que tambin se correspondera con similar ex-
pansin de la demanda global en consumo, inversin y exportacio-
nes.

4.- Una vez que los analistas de coyuntura consideran aceptable
este pronstico nacional, es posible utilizar algunos de estos por-
centajes para utilizarlos tambin en el cuadro de ventas de Somi-
sa (columna c):


192
El prximo paso es multiplicar, en cada lnea de sector de ventas de
chapa de Somisa, el dato de la columna B por el C para obtener su
ponderacin en D. La suma de todas estas ponderaciones figura en
D58 (divida por 100 para compensar la multiplicacin por la colum-
na B que tambin suma 100).

De este modo, el modelo de simulacin de la oferta y demanda glo-
bal ha facilitado porcentajes sectoriales, que volcados en la estructu-
ra de ventas de la empresa permitieron estimar que la ventas de
Somisa en 2012 aumentaran en conjunto 3,9%.

En cuanto a la distribucin de este porcentaje entre todos los pro-
ductos a fabricar por la empresa tambin se tendrn en cuenta las
pautas disponibles sobre pedidos, prioridades segn la rentabilidad
de cada producto, limitaciones de equipos, etc.

Por ejemplo, los precios locales son generalmente ms rentables
que la exportacin y la demanda local sera as prioritaria sobre la
exportacin (en ese caso solo complementaria, hasta agotar la ca-
pacidad).

5- ETAPAS DEL PROCESO PRODUCTIVO

Finalmente, con esta estimacin de la demanda, ser posible im-
plementar las etapas del proceso productivo y efectuar en la em-
presa un plan de compras de insumos, el plan de produccin y fi-
nalmente los planes de ventas, expedicin o logstica y marketing
(paralelamente con la coordinacin del flujo financiero y aspectos
impositivos, contables, etc).

Para esta gestin global suelen utilizarse grficos de Gant, con
anotaciones en la barra de cada lnea de actividad de las fechas de
inicio y entrega de cada tarea (segn el campo calendario vertical).


193

Un escaso solapamiento vertical de barras horizontales o fechas
entre algunas lneas, sera una orientacin sobre sensibilidad ante
eventuales contingencias. A veces se complementa esto mediante
controles con el mtodo PERT (program evaluation and review te-
chnique).

Por otra parte, es usual simplificar las estadsticas globales de las
empresas refrindolas en pocas cantidades y precios, agrupando en
productos representativos. Las empresas suelen producir y ven-
der un numeroso conjunto de productos, pero se suele adoptar co-
mo una simplificacin para comparaciones y seguimientos, la repre-
sentacin en precio y cantidad con un producto principal, identifica-
torio del conjunto, como un promedio de la familia de productos (o el
modelo ms frecuente, etc).

Esto es lo usual para comparaciones con la evolucin histrica y/o
con la competencia (por ejemplo aqu, bobinas de chapa laminada
en caliente de 3,2 mm de espesor en calidad comercial) y tambin
para el seguimiento con las publicaciones locales e internacionales,
que informan permanentemente los precios de cada producto tes-
tigo en los mercados (generalmente FOB en dlares por unidad,
tonelada, etc; ocasionalmente en libras). Por su parte, las memorias
y balances que se publican en las bolsas, tambin contienen un con-
junto muy reducido de datos de venta y de costos y suele ser nece-
saria esta simplificacin para identificar y comparar la evolucin con
los indicadores en publicaciones del mercado.

194

PROGRAMACIN NO LINEAL O LINEAL -
CON SOLVER DE EXCEL

La herramienta Solver de Excel en un simple y potente mecanismo
de programacin, tanto lineal como no lineal (segn se elija tildar en
sus Opciones).

Supngase un ejemplo para optimizar una inversin en 3 ttulos o
acciones, que tienen las siguientes caractersticas:

Precio Rendimiento Inversin
$ anual $/acc. posible

Acciones A 20 5 6000
Acciones B 12 2 2000
Acciones C 10 2 3000
El importe a invertir y optimizar es $10000.

El planteo como programacin lineal consistira en maximizar la fun-
cin objetivo sujeta a las restriccin:

Max. Z = 5(X
1
) + 2(X
2
) + 2(X
3
)
(precio por cantidad de cada accin)
sujeto a:

20X
1
+ 12X
2
+ 10X
3
10000
20 X
1
6000
12 x
2
2000
10 X
3
3000
(siendo X
i
0)


195

En una hoja Excel se escribe el modelo separando cada importe y
precio en celdas, para que la macro Solver pueda identificarlos:

Es decir, una fila para las cantidades a comprar; otra para los ren-
dimientos de cada accin; y cuatro ms para los precios y las res-
tricciones.

En la columna E, en E3, se ubicar la frmula para la funcin objeti-
vo: =sumaproducto($B$2:$D$2;B3:D3) que hace referencia a las
acciones B2:D2 que estimar Solver y multiplicar por los rendi-
mientos B3:D3. Esa frmula se copia hacia abajo en E5:E8.

La columna F es para la restriccin de inversin y de cada accin.
Conviene salvar la hoja.

Con Herramientas > Solver> se abre esta ventana. Pulsando el
icono que hay en Celda objetivo permite arrastrar o anotar E3;
igualmente con Cambiando celdas B2:D2.


196

Para las celdas de "Sujetas a las siguientes restricciones" pulsar
agregar y se abrir una pequea ventana para que anote o arrastre
a la izquierda una celda o rango; en el centro elija = o etc. y a la
derecha anotar 0 o la celda restriccin:

Luego, con Opciones.... tildar Adoptar Modelo Lineal > y Aceptar
para volver a la ventana principal Parmetros de Solver.


197

Pulsar Resolver > Utilizar Solucin de Solver > Aceptar.
Solver calculo ah el rendimiento mximo $2267 (comprando 300
acciones A; 83 B y 300 C).

SENSIBILIDAD

Adems Solver brinda en la ltima pantalla, en Informes, la posibi-
lidad de un anlisis adicional de sensibilidad, que permite obser-
var si quedan recursos ociosos, precios sombra, costos de opor-
tunidad y otros.

Al activar Respuestas, o Sensibilidad y Lmites guarda estos in-
formes en hojas adicionales fciles de interpretar.

198

PROGRAMACIN LINEAL SIMPLEX

Tpico ejemplo para maximizar los beneficios o la produccin de
una empresa: la inyectora de plstico Zonda, que produce mesas y
sillas, en 3 talleres -carpintera, tapizado y empaque- con las si-
guientes restricciones:

X
1
3
X
2
6 (... con X
1
; X
2
0 )
6X
1
+ 4X
2
36 FO: Maximizar B
j
= 8X
1
+ 3X
2

(dnde $8 y $3 son los beneficios en ambos productos)

1) Transformar a ecuaciones, agregando las variables de holgura
(capacidad ociosa en cada seccin)

1X
1
+ 0X
2
+ 1X
3
+ 0X
4
+ 0X
5
= 3
0X
1
+ 1X
2
+ 0X
3
+ 1X
4
+ 0X
5
=

6
6X
1
+ 4X
2
+ 0X
3
+ 0X
4
+ 1X
5
= 36

2) Tabla 0: la primer lnea de ttulos es comn para todas las tablas,
con estas 9 columnas -Funcional (F); Variable (X); Recursos (R);

199
X
1
...
5
;Variable Saliente (VS)- y puede omitirse en las siguientes
tablas o pasos del clculo si se ponen seguidas.

3) Conviene anotar los coeficientes de la funcin objetivo (F.O) o
funcional, arriba de cada X
j
de la primera lnea encabezamiento,
como una ayuda para calcular el punto 9.

4) En la columna X anotar las variables bsicas que intervienen en
cada clculo o tabla. La primera solucin (en el origen) solo incluye
las variables de holgura (con nada producido todo son excedentes).
Se suponen variables continuas, fraccionables.
5) En la columna Funcional van los coeficientes de las variables
bsicas en la F.O.. El valor que tiene en el funcional.

6) En la columna Recursos se anotan los recursos iniciales. Es el
valor de cada variable X en este paso (tabla) del clculo Simplex. En
las prximas tablas irn los recursos utilizados para esa etapa (o
solucin de la frontera acodada).

7) En X
1 ... 5
se anotan inicialmente los coeficientes del sistema de
ecuaciones; i filas, j columnas.

Cada Xij indica cunto disminuye el valor de la variables Xi por ca-
da unidad de Xj que decida fabricar (o que sobre, si j fuera un insu-
mo). O sea, cunto disminuye el valor de Xi por cada unidad con
que j entre valiendo a la base.

8) Conviene trazar rayas: tras la columna Recursos; tras la columna
X
5;
y otra inferior.

9) Agregar una ltima fila, calculando cada X como:
( F
i
X
i
) B
j


200
10) Variable que entra: el mayor negativo en la fila inferior (sealar-
lo). Se toma el mayor negativo porque mejora el funcional (mayor en
valor absoluto).

11) Calcular la ltima columna VS como R / cada coeficiente en la
columna de la variable que entra.

12) Variable que sale: el menor positivo en VS (sealarlo), ya que
indica el valor con que la variable entra a la base y sale el menor
(las variables no pueden ser nulas o negativas).

13) Pivote: interseccin entre ambas seales. Remarcar el pivote:

201

TABLA 0: 8 3 0 0 0
F X R X
1
X
2
X
3
X
4
X
5
VS
0 X
3
3 1 0 1 0 0 3 <
0 X
4
6 0 1 0 1 0 -
0 X
5
36 6 4 0 0 1 6
-8 -3 0 0 0
TABLA 1
8 X
1
3 1 0 1 0 0 -
0 X
4
6 0 1 0 1 0 6
0 X
5
18 0 4 -6 0 1 4,5<
0 -3 8 0 0
TABLA 2
8 X
1
3 1 0 1 0 0
0 X
4
1,5 0 0 1,5 1 -1/4
3 X
2
4,5 0 1 -1,5 0 1/4
37,50 0 0 3,5 0 0,75

TABLA 1:
14) En la columna X cambiar la variable que sale por la variable que
entra.

15) Anotar en la columna F el valor que tiene cada variable en el
funcional.

16) Calcular la nueva lnea del pivote como = lnea pivote anterior
/ pivote.
17) En la columna del pivote completar con ceros (salvo el 1 del pi-
vote).

18) Para calcular cada elemento restante observar los extremos del
cuadrado con diagonal en el pivote: al nmero en la tabla anterior
restarle la otra diagonal dividida por el pivote.

19) Calcula la ltima fila segn (9).

202

20) Calcular la columna VS segn (11).

21) Marcar la variable que entra (segn 10) y la variable que sale
(segn 12); circular su interseccin como nuevo pivote:

TABLA 2:
22) Repetir el clculo para la Tabla 1. Se llega al ptimo cuando una
tabla tiene todo positivo en la ltima fila.

23) Los coeficientes R indicarn ah las producciones; puede quedar
algn recurso ocioso. El valor mximo B se puede anotar al final
bajo R ( B = 8(3) + 3(4,5) = $37,50 ) y sobran 1,5 del recurso 2.

Contribucin marginal (precios sombra) o mximo a pagar por
otra unidad: 3,5 y 0,75 para estos dos insumos que estn en la lti-
ma lnea.

Costo de oportunidad: si hubiera quedado alguna cifra abajo en
las columnas de los productos X
1
X
2
(indicaran que no se produ-
ce ese bien) sera el costo o prdida si se decidiera producir lo que
no conviene.

203
Minimizar el costo de produccin:

En los casos de minimizacin, el origen de coordenadas no puede
ser el paso inicial y se suponen costos muy altos para los insumos al
solo efecto del paso / tabla inicial.

Adems de las variables reales y las slag (aqu con signo -) se
agregarn las nuevas variables, artificiales (+) en el funcional y co-
mo columnas en las tablas para considerar esos altos costos.

En la columna F de la tabla 0 inicial se anotan esos altos costos (por
ej. M), continuando el proceso hasta obtener el precio de cada in-
sumo que minimiza lo requerido para la produccin de bienes dada,
cuando todos los valores de la ltima fila sean positivos.

Sin embargo, es ms fcil calcular el primal, o sea, el dual del mni-
mo.

DUALIDAD

Todo caso normal de maximizacin implica uno de minimizacin y
viceversa.

Como los clculos para minimizar son mayores que para maximizar,
debido a esos agregados comentados, es posible calcular el dual de
un mnimo convirtindolo en un caso de mximo, al considerar los
recursos disponibles como los coeficientes de las variables de un
nuevo funcional y tomando los coeficientes de las filas del sistema
de restricciones del mnimo como columnas para el sistema del m-
ximo.

Es decir, el dual tiene una variable por cada restriccin del primal (y
tiene tantas restricciones como variables hay en el primal). Solo se

204
trata de que el funcional pasen a ser trminos independientes y po-
ner las filas como columnas (las desigualdades tendrn sentido in-
verso).

Esto vale igualmente cuando en el primal hay mezcladas desigual-
dades contrarias: si alguna es negativa se le agregara una variable
artificial tal como se dijo)

Ejemplo:

Min Z = 5X
1
+ 9X
2
sujeto a -3X
1
- 2X
2
-6
5X
1
+ X
2
10
X
1
+ 10X
2
9
( con X
1
; X
2
0)
Su dual es:
Max. B = -6Y
1
+ 10Y
2
+ 9Y
3

Sujeto a: -3Y
1
+ 5Y
2
+ Y
3
5
-2Y
1
+ Y
2
+ 10Y
3
9
(con Y
1
; Y
2
0)

2 variables y 3 restricciones pasan a ser 3 variables y 2 restriccio-
nes...

Vase en cualquier texto, pero precaucin- no los mezcle, ya que
si bien son equivalentes, cambian los pasos y su consideracin de
los signos.


205
PROGRAMACIN LINEAL SIMPLEX CON SOLVER DE EXCEL

FBRICA DE MESAS Y SILLAS ZONDA

Este mismo ejemplo est planteado en esta hoja Excel: se anotan
las relaciones bsicas, por ejemplo B7 = B5 por B6; C7=C5 por C6;
D7=B7 ms C7, D2 segn indica la solapa, etc.

Luego Herramientas >Complementos> Solver > y se abrir este
cuadro, que pide la celda objetivo D7, las celdas cambiantes B5:C5
y Agregar ...restricciones (orienta como agregar una a una en se-
gundos).


206

Finalmente Resolver y calcula la solucin $37,5 de ingreso o bene-
ficio o produccin de 3 mesas y 4,5 sillas (es usual trabajar con be-
neficios en vez de ingresos menos costos).

Adems de Resolver, Excel ofrece ah 3 informes adicionales:

Respuestas (1,5 de capacidad ociosa en el Sector B).

Sensibilidad (cuanto representara una unidad ms en las secciones
A y C totalmente ocupadas).

Lmites (suponiendo alternativas).


207
PRODUCCIN DE TV, ESTREOS Y ALTAVOCES

En el Office de Microsoft se incluye un archivo Excel, Muestras.xls,
que incluye cinco ejemplos de aplicacin de Solver en casos de pro-
gramacin lineal Simplex.

En el primero se trata de optimizar o maximizar la produccin de tele-
visores, estreos y altavoces/parlantes, en funcin de los beneficios
que genera cada uno y las existencias de materiales en depsito.

Ejecutando Herramientas > Solver> se abre una ventana que ya
tiene incorporadas las celdas objetivo, cambiantes y de restriccio-
nes (segn se detall anteriormente). Con Resolver > Utilizar la so-
lucin de Solver calcula los valores que aparecen en pantalla, 160
televisores, 200 estreos y 80 altavoces, totalizando en D18
$14917 de beneficio mximo.


208

PROBLEMA DE TRANSPORTE

La segunda muestra de Solver es sobre optimizar la distribucin o
transporte minimizando los costos, en funcin de las demanda de
almacenes en cinco ciudades y las existencias en tres plantas re-
gionales.


209

En C8 a G10 estn las celdas a cambiar anotando las demandas de
cada ciudad (o pidindole a Solver que lo resuelva) y a su izquierda
la suma total, que se compara con las existencias de B16:B18.

Con Herramientas > Solver > se introducen las celdas que indica la
imagen (tal como en los primeros ejemplos - Fbrica de Mesas y
Sillas Zonda) y luego Resolver > Utilizar la solucin de Solver (tam-
bin se pueden pedir ah los informes sobre Respuestas, Sensibili-
dad y Lmites, comentados anteriormente).


210


211
PROGRAMACION CON PRESENTACIONES MATRICIALES
PLANIFICACIN DEL PERSONAL DE UN PARQUE DE DIVER-
SIONES

Otro formato ms complejo est planteado en el archivo Mues-
tras.xls del Office, hoja con el ejemplo de optimizar los horarios del
personal de un parque de diversiones.

Ilustra cmo utilizar la hoja de clculo con una presentacin matricial
que facilite la presentacin de cada restriccin; en este caso que
cada empleado trabaja 5 das seguidos y descansa dos.

La celda objetivo D20 indica el mnimo coste (con $40 diarios de
salario). En las celdas cambiantes D7:D13 Solver determina la can-
tidad de empleados que minimiza el costo cumpliendo con las res-

212
tricciones de cubrir las diferentes necesidades de personal, segn
las cantidades necesarias de la lnea 17.

Con Herramientas > Solver > se puede pedir que optimice la dispo-
nibilidad, minimizando el costo. Las celdas objetivo, cambiantes y
para restricciones se cargan segn muestra la siguiente imagen. La
operatoria es similar a lo detallado en los primeros ejemplos y en
Fbrica de Mesas y Sillas Zonda.


213

Para otros casos ser necesario plantear en la hoja este cuadro
de formato matricial cada restriccin de mayor, igual y/o menor
segn sea necesario, guindose por el planteo formal segn las
inecuaciones del Simplex (o sujeto a aqu).

Considerando que el producto de una matriz cuadrada por un vector
columna origina otro vector columna con el resultado, a veces tam-
bin puede ser necesario hacer tambin uso de la funcin traspo-
ner los datos de filas a columna o viceversa. Igualmente otras fun-
ciones usuales para armar en la hoja una solucin son las funcio-
nes =sumaproducto( ; ) =mmult.( ; ), = si( ; ) etc. otras de Excel.

MAXIMIZAR UNA INVERSIN EN BONOS

La ayuda que trae Excel en esta muestras dice lo siguiente: Deter-
minar cmo invertir los excedentes de efectivo en certificados de
depsito a plazo fijo de 1, 3 y 6 meses, de modo que se aumenten

214
los ingresos por intereses al tiempo que se conservan fondos suf i-
cientes para cubrir los gastos (ms un margen de seguridad).

Una de las funciones de un directivo gerente financiero es el manejo
de dinero lquido y de las inversiones a corto plazo de forma que se
maximicen los ingresos por intereses, a la vez que se mantienen
fondos disponibles para poder hacer frente a los gastos. Es preferi-
ble la flexibilidad que proporcionan las inversiones a largo plazo que
las altas tasas de inters de las inversiones a corto plazo.

En este modelo se calcula la liquidez final en base a la liquidez ini-
cial (del mes anterior), la entrada de flujo financiero debida a los
plazos de los certificados de depsito, la salida de flujo financiero
motivada por la compra de nuevos certificados de depsito y el dine-
ro necesario para las operaciones mensuales de la organizacin.

Puede tomar hasta nueve decisiones: las cantidades a invertir en
certificados a un mes entre los meses 1 al 6, las cantidades a inver-
tir en certificados a tres meses entre los meses 1 al 4 y las cantida-
des a invertir en certificados a seis meses en el mes 1.


215

Nuevamente, la optimizacin se consigue con Herramientas > Sol-
ver > identificar las celdas objetivo, cambiantes y para restricciones
como muestra la siguiente imagen. Luego Resolver > Utilizar la so-
lucin de Solver (tambin se pueden pedir en este ltimo paso los
tres informes sobre Respuestas; Sensibilidad; Limites)

La operacin bsica se detall anteriormente y en Fbrica de Me-
sas y Sillas Zonda.

216

OPTIMIZAR UNA CARTERA DE VALORES-ACCIONES

El ejemplo de Excel propone hallar la ponderacin de acciones en
una cartera de valores rentable que permita incrementar la rentabili-
dad para un determinado nivel de riesgo. En esta hoja se utiliza el
modelo de ndice simple de Sharpe. Tambin se puede utilizar el
mtodo de Markowitz si existen trminos de covarianza.

Uno de los principios bsicos en la gestin de inversiones es la di-
versificacin. Con una cartera de valores variada, por ejemplo, pue-
de obtener una tasa de inters que represente la media de los flujos
financieros de los valores individuales, a la vez que se reduce el
riesgo de que un valor en concreto d un mal resultado.

Al utilizar este modelo, puede utilizar Solver para obtener la dotacin
de fondos en valores que minimice el riesgo de la cartera de valores

217
para una tasa de flujo financiero dada o que maximice la tasa de
flujo financiero para un tipo de riesgo conocido.
Esta hoja de clculo contiene los nmeros (riesgo relativo al merca-
do) y la varianza residual de cuatro valores distintos.

Adems, la cartera de valores incluye inversiones en Deuda del Te-
soro, para las que se asume un riesgo de flujo financiero y de va-
rianza de 0. Inicialmente, cantidades iguales (20 por ciento de la
cartera de valores) se invierten en cada valor del mercado.

Utilice Solver para probar las diferentes dotaciones de fondos en los
valores y Deuda del Tesoro para maximizar el flujo financiero de la
cartera de valores para un nivel especfico de riesgo o para minimi-
zar el riesgo para una tasa de flujo financiero especfica. Con la do-
tacin inicial del 20 por ciento, la cartera de valores devuelve un
16.4 por ciento y la varianza es del 7.1 por ciento.

Con el procedimiento detallado en los ejemplos iniciales aparece la
ventana para ubicar las celdas objetivo, cambiantes y para restric-

218
ciones, como en los dems casos; pero la ayuda Excel es explcita,
abriendo el archivo muestra.xls o (muestras.xls), incluido en el CD
del Office.

VALOR DE RESISTENCIA PARA UN CIRCUITO ELCTRICO

Finalmente, la sexta muestra que incluye este archivo de Excel se
refiere a un caso tcnico, de otra ndole:

Hallar el valor de la resistencia en un circuito elctrico que emitir
una descarga equivalente al uno por ciento de su valor inicial en una
vigsima de segundo desde el momento en que se mueve el inte-
rruptor.

219

Este modelo presenta un circuito elctrico que contiene una batera,
un interruptor, un condensador, una resistencia y un inductor. Con
el interruptor en la posicin de la izquierda, la batera conecta con el
condensador. Con el interruptor a la derecha, el condensador conec-
ta con el inductor y la resistencia, los cuales consumen la energa
elctrica.

Por medio de la segunda ley de Kirchhoff se puede formular y resol-
ver una ecuacin diferencial para determinar cmo la carga en el
condensador vara con el tiempo. La frmula relaciona la carga q[t]
con el tiempo t, con la induccin L, la resistencia R y la condensa-
cin C de los elementos del circuito.

Utilice Solver para escoger un valor apropiado para la resistencia R
(dados los valores del inductor L y el condensador C) que emitirn la
carga a un uno por ciento del valor inicial en una vigsima parte de
segundo despus de haberse presionado el interruptor.


220

La operatoria bsica del Solver y opciones es similar que lo ya expli-
cado en los ejemplos iniciales y en Fbrica de Mesas y Sillas Zonda.

Cabe aclarar que si bien la razn de este trabajo fue suplir la ausen-
cia de ejemplos resueltos con Excel para las mltiples aplicaciones
microeconmicas; pero no es el caso de estos seis ejemplos de Sol-
ver, suficientemente explicativos en el archivo muestra que ya inclu-
ye Excel.


221
MATRICES Y DETERMINANTES:

En el captulo de la produccin se presentan 6 mtodos equivalen-
tes para la solucin de algunos problemas de optimizacin micro-
econmica (en la empresa) y se hace una introduccin breve en
uno de estos, al lgebra matricial
.
El mtodo de resolucin de sistemas de ecuaciones mediante matri-
ces nos interesa en virtud de su gran amplitud para miles de varia-
bles. Lo presentamos all resolviendo un sistema de 2x2, o sea de
cuatro variables; por ejemplo para optimizar en una empresa la pro-
duccin alternativa de dos bienes mediante dos recursos (cuatro
variables), obteniendo as la produccin total: si fuera esto una sim-
plificacin de un pas con dos sectores (vistos como productores y
como consumidores), se obtendra la produccin nacional.

A nivel macroeconmico tambin se puede aplicar matrices. Sin
embargo, debido a la repeticin de operaciones o transacciones
intersectoriales en las economas reales, las matrices de insumo-
producto disponibles en algunos pases no estudian la produccin
nacional sino el producto nacional (neteando las transacciones in-
termedias, para aislar solo las producciones finales o su equivalente
el valor agregado).

Esta distincin se plantea con la matriz insumo-producto, mediante
el simple recurso de resolver el sistema matricial usando la matriz
inversa, pero en vez de utilizar la matriz de coeficientes C se invierte
la matriz complemento o resta 1- C:
MATRIZ INSUMO-PRODUCTO

La inversin de matrices es utilizada para calcular la repercusin
total del proceso de relaciones intersectoriales en un grupo empre-
sario (al igual que en un pas).


222
Supongamos un grupo empresario que produce acero y autos.

Para hacer acero son necesarios autos y viceversa, para hacer au-
tos hace falta parte de ese acero (incluso hace falta acero para ha-
cer acero y autos para hacer autos), por lo que estos requerimientos
intermedios aumentarn los valores finales a producir ms all de lo
que se pretenda vender al exterior de acero y de autos.

El mtodo de Gauss-Jordan permitira invertir esa matriz fcilmente
si fuera de 2x2 y con Excel se pueden resolver miles de variables.

Para averiguar la produccin total se invierte la matriz de coeficien-
tes C; pero para optimizar neto de las relaciones intersectoriales, es
necesario invertir la matriz resta 1-C.

Manualmente se trata de acoplar a su derecha otra matriz unidad o
unitaria y mediante operaciones elementales se la traslada hacia la
izquierda, de modo que la matriz de coeficientes directos se trans-
form as en otra, que multiplicada por los recursos finales, generan
el producto final.

La venta externa, recursos o demanda final es aqu 360 acero y 110
autos.

La produccin total es el producto de la demanda externa o final por
la matriz inversa de esos coeficientes intersectoriales, o requeri-
mientos (600 acero y 180 autos; un producto de 780 si los precios
fueran unitarios)

Excel permite trabajar sin limitaciones de rango y rpidamente: en
G2:H3 se restaron ordenadamente los coeficientes a la matriz iden-
tidad.


223
En A6:B7 se calcul la matriz inversa de esa resta: pintando el ran-
go A6:B7 y escribiendo =minversa(G2:H3) y pulsando
Cntrl+Shift+Enter por ser un rango.
Igualmente para multiplicar eso por la demanda externa: se pinta el
rango G6:G7 y se escribe Mult.(A6:B7;E6:E7) y se pulsa
Cntrl+Shift+Enter.

Queda ah la produccin total a obtener para los requerimientos di-
rectos externos ms los indirectos intersectoriales.

(o sea, se obtiene la matriz de los complementos y luego se la in-
vierte; pero ms adelante se har una observacin sobre este breve
ejemplo como inadecuado en otros aspectos imput-output). En el
captulo 7 de la produccin, se vuelve a estudiar estas matrices y su
inversin, para calcular la produccin total de la firma, invirtiendo los
coeficientes tcnicos directamente (sin la resta complemento de la
unidad antes comentada)
MATRIZ DETERMINANTE


224
Por otra parte, Excel tambin tiene incorporada la funcin mde-
term(A1:C3) que calcula el determinante de la matriz NxN, simple-
mente anotando esta expresin en una celda y el rango del determi-
nante:

NO SIRVE CUALQUIER MATRIZ

Sin embargo, no cualquier matriz tiene solucin o representa un
sistema de ecuaciones en la optimizacin empresaria; ni tampoco
cualquiera representa un sistema de insumo-producto. Por ejemplo,
uno de los requisitos exigidos en los sistemas es que no exista ex-
cesiva colinealidad entre las condiciones (en las variables en un
problema de estimacin): si una restriccin es un simple mltiplo de
otra se reducira en uno el orden del sistema. Otro condicin nece-
saria es que el determinante de los coeficientes no sea nulo, etc.

El lgebra de matrices, que aqu se presenta progresivamente se-
gn las necesidades, se ampla segn sea el nivel de abstraccin,
especialmente para el tratamiento de la matriz insumo-producto.
Conviene identificar a las matrices:
Diagonal: con valores no nulos en la diagonal principal y el resto
ceros.
Dimensin: segn el nmero de filas y columnas
Rango: segn el nmero de columnas linealmente independientes
(o sea, si mediante operaciones elementales por fila puede reducir-
se una fila a ceros bajara el rango en uno)
Cuadrada: NxN; no cuadrada NxM.

225
Nula: todos ceros;
Unidad, I: unos en la diagonal principal y el resto ceros.
Triangular: ceros debajo de la diagonal principal.
Transpuesta: intercambiando filas por columna.
Inversa: matriz cuadrada que multiplicada por la original son igual a
la matriz unitaria.
Invertible: si la dimensin coincide con el rango (no tiene ceros en
alguna fila)
Simtrica: si es igual a su transpuesta (coinciden las filas con las
columnas).
Antisimtrica: tienen ceros en la diagonal principal.
Mgica, de suma k: sus filas, columnas y diagonales suman k (exis-
tan en Asia antes de Cristo; nada aportan al conocimiento; todava).
De orden NxM: N filas por M columnas.
Ortogonal: su traspuesta es igual a su inversa.
Involutiva: coincide con su inversa.
Idempotente: es igual a su cuadrado.
Nilpotente, de orden k: matriz cuadrada que elevada a la k es igual a
cero.

APLICACIN MICROECONOMICA

Si bien estas matrices I-P son una cuestin macroeconmica, sus
publicaciones por los gobiernos de pases constituyen una til fuente
de informacin, al menos para las empresas bsicas.

Sus datos son limitados a solo grandes agregados industriales (na-
da tienen que ver con los anlisis axiomticos tericos de Arrow-
Debreu sobre equilibrio general) y solo representan una imagen
aproximada de la situacin de un pas en un determinado ao cen-
sal.

Pero pueden ser tiles en la empresa para observar las repercusio-
nes directas y las indirectas de la actividad de alguna industria y por
ejemplo, construir la funcin de demanda sectorial de una industria

226
y/o gran empresa bsica; tambin para observar las repercusiones
de una inversin adicional de esa industria y conseguir financiamien-
to; o para calcular los efectos sobre la demanda anual empresaria
proveniente de alguna expansin o promocin sectorial; etc.
IMPUT-OUTPUT

Es de especial inters para las matrices tipo insumo-producto ase-
gurar la existencia de solucin: est garantizada si se cumplen las
condiciones Hawkins-Simon: a) todos los menores principales de la
matriz de coeficientes tcnicos deben ser positivos. b) para obtener
una produccin neta positiva cada coeficiente debe ser menor a uno
(sumar 1 cada columna.). c) el determinante de la matriz I-P deber
ser positivo (en David Hawkins & Herber Simon: Note - Some Con-
ditions of Macroeconomic Stability (Econometrica vol 17, jul-oct 1949
pag 245/248. J.M.Henderson -R.E. Quandt: Teora Microeconmica:
cap.10-Temas sobre el equilibrio del multimercado. Dorfman, Sa-
muelson y Solow: Programacin Lineal y Anlisis Econmico, cap.9-
2-2).

En este ejemplo anterior usual en los textos, no se cumple la condi-
cin b); sirvi aqu para presentar fcilmente la tcnica de inversin
de matrices I-P (se invierten los complementos de los coeficientes a
la matriz unitaria); pero este caso particular no es realmente de in-
sumo-producto (ya que se obtienen repercusiones directas e indirec-
ta que sumaran menos produccin que la repercusin directa ini-
cial).
En el prximo ejemplo para el enfoque terico sobre equilibrio gene-
ral se utiliza una matriz de coeficientes que cumple con las exigen-
cias Hawkins-Simon para los anlisis insumo-producto.


227

EQUILIBRIO GENERAL DE PRODUCCIN-INTERCAMBIO

Suponga un modelo de dos sectores de produccin, caracterizado
por las relaciones intesectoriales segn la siguiente matriz de insu-
mo-producto:

6 / 2 6 / 1
6 / 2 6 / 4
A
En la cual los requerimiento de factores capital y trabajo para produ-
cir dos bienes son: X= mn(C, T) e Y = min(1/6C, 1/2T).

Las dotaciones de la economa son 260 unidades de capital C y
120 unidades de trabajo T.

La funcin de utilidad es del tipo multiplicativo, indicando las prefe-
rencias similares por el consumo final de ambos bienes: U = xy.
La produccin de ambos bienes deber satisfacer las demanda fina-
les x e y, as como los requerimientos intersectoriales intermedios,
segn la matriz de coeficientes tcnicos que indica la matriz insumo-
producto inicial.

Restando la matriz A inicial a la matriz unitaria se obtiene la matriz
"I-A" que figura en E6:F7; la matriz inversa de sta se calcula como
lo indica la imagen en H6:I7.


228

Dada la funcin U=xy se definen intercambios por M=$120. Resol-
viendo las condiciones de primero (punto de giro, igualando a cero
las primeras derivadas) y segundo grado (determinante Hes-
siano=36, positivo) indican demandas finales por x=10 e y=10, que
en funcin de los precios para ambos bienes totalizan ese importe.

Multiplicando la matriz inversa por las demandas finales (o externas)
se obtienen las producciones globales necesarias para cada bien
(consumo final ms intermedio) X = 60 e Y = 30.


229

Multiplicando las restricciones H3:I4 por las producciones finales
C13:C14 se obtienen los requerimientos de factores utilizados (y
comparando con las dotaciones se observa que T=120 est plena-
mente ocupado, mientas que C=240 implica 20 ociosos.

230


231

MATRIZ INSUMO-PRODUCTO ARGENTINA 1997

La MIP permite cuantificar el incremento de la produccin de todos
los sectores, derivado del aumento en la demanda final de uno de
ellos en particular. Ofrece una descripcin detallada de la ruta que
siguen los bienes y servicios hasta llegar a la demanda final.

La MIP brinda a los empresarios la posibilidad de evaluar la partici-
pacin relativa de su empresa en el total de una determinada rama
de actividad, con sus consecuentes posibilidades de expansin de
mercado.

Adems, las empresas conocen cual es la distribucin sectorial de
sus ventas normales y ponderando, pueden cuantificar los impactos
directos e indirectos en la produccin como consecuencia de cam-
bios en la demanda final de cualquier sector, tanto sean expansio-
nes o reducciones de empleo.

Conforma as la MIP un preciso instrumento para la proyeccin de
su demanda y anlisis de mercado (que en Argentina es ahora posi-
ble incluir dentro del conjunto de las herramientas consideradas en
este trabajo inicialmente).


232

INDEC public en 2003/04 la MIP 1997 que registra la estructura
productiva argentina actualizada a los cambios de poltica econmi-
ca aperturista de los aos 90 (el otro estudio, hecho por el Banco
Central R.A. 30 aos antes corresponda a otra tendencia econmi-
ca, desarrollista pero todava con incipiente expansin industrial)

Las empresas suelen utilizar para sus proyecciones de demanda
diversas valiosas encuestas y estudios parciales publicados por IN-
DEC y al comparar con esta MIP les otorga un marco de consisten-
cia que permite encuadrarlos y corregirlos

Pero adems del pronstico de demanda y anlisis de mercados, la
MIP tambin posibilita estudios diversos, como por ejemplo medir

233
las consecuencias de cambios en las reducciones de desempleo por
expansiones en la actividad de la construccin de obras pblicas o
privadas.

Tambin es til para evaluar las repercusiones de alteraciones en el
comercio exterior, midiendo la demanda directa e indirecta de impor-
taciones de todos los sectores. Tambin permite el anlisis del tipo
de insumos que requerir la expansin de exportaciones en algn
sector.

La MIP tambin permite determinar el efecto en el nivel general de
precios como consecuencia de la modificacin de algunos de los
precios sectoriales o de sus tasas tributarias.

Para el anlisis energtico de cada sector la MIP permite calcular
los contenidos directos e indirectos de los diferentes productos o
sectores. Asimismo es posible el anlisis del medio ambiente al
relacionar las fuentes de contaminacin y datos sobre emisiones en
trminos fsicos con los cuadros insumo-producto, calculando el
contenido de contaminacin de la demanda final.


234
Los estudiantes de microeconoma tienen a su disposicin esta MIP
1997 en el INDEC, pero tambin pueden utilizar sus cuadros desde
los site del curso.

Matriz Insumo Producto 1997 - ARGENTINA
CONTENIDO
Matriz Insumo Producto 1997 (Publicacin completa formato PDF)
Matriz Insumo Producto 1997 (Matrices Reducidas formato XLS)
Matriz Insumo Producto 1997 (Matrices Reducidas formato PDF)
Clasificador de Actividades
Clasificador de Productos
Matriz de oferta a precios bsicos
Matriz de utilizacin a precios de comprador
Matriz de utilizacin a precios bsicos
Matriz de importaciones a precios de CIF
Matriz de gastos de nacionalizacin de las importaciones
Matriz de mrgenes de comercio minorista de los productos importados
Matriz de mrgenes de transporte de carga de los productos importados
Matriz de impuestos netos de subsidios sobre los productos importados
Matriz de mrgenes de comercio minorista de los productos nacionales
Matriz de mrgenes de transporte de los productos nacionales
Matriz de impuestos netos de subsidios sobre los productos nacionales
Matriz simtrica de insumo producto
Matriz de coeficientes de requerimientos directos (o de coeficientes tcni-
cos)
Matriz de coeficientes de requerimientos directos e indirectos de produc-
cin
Matriz de requerimientos directos e indirectos y multiplicadores de empleo
Matriz de generacin del ingreso y puestos de trabajo
INDEC


235
METODO SIMPLEX, EN FORMA ESTANDAR Y CANONICA

Se expuso antes la forma simplificada del mtodo Simplex tabular
para programacin lineal, que se elabor a partir de los trabajos
iniciales de Dantzing (Michigan,1936), terminando el secreto blico y
tras las publicaciones de 1947.

En cuanto a la forma cannica se refiere simplemente a la presen-
tacin del sistema de restricciones como <= para casos de mxi-
mos; o de >= para los casos de mnimos.

La forma estndar del Simplex presenta las variables bsicas ms
las de holgura (slack u ociosidad) como igualdades (=, para ubicar el
sistema en la frontera acodada de las posibilidades de produccin (o
puntos extremos del permetro del polgono exclusivamente convexo
que forman los ejes cartesianos y las restricciones); adems solo
incluye variables no negativas; y los trminos independientes (recur-
sos) son positivos (si fueran negativos se multiplica la fila por -1).

Dado un problema expresable en relaciones lineales, como por
ejemplo la produccin de la carpintera Zonda,

Mesas Sillas Recursos
Restriccin 1 1 0 3
Restriccin 2 0 1 6
Restriccin 3 6 4 36
Beneficio/u. $8 $3 -

Optimizar este sistema implica los siguientes pasos:

1) presentar la matriz del sistema con las variables bsicas ms
las variables de holgura, ampliado con los trminos indepen-
dientes (o viable saliente)
2) Sobre la lnea de ttulos o encabezados se anotan los coefi-
cientes de la F.O. para cada variable bsica y slag (lnea Cj )

236
Cj= 8 3 0 0 0
X1 X2 X3 X4 X5 VS

0 X3 1 0 1 0 0 3 3
0 X4 0 1 0 1 0 6 -
0 X5 6 4 0 0 1 36 6
Cj Zj= 8 3 0 0 0

3) En la tabla inicial se le agregan a la izquierda una columna
para las variables que intervienen en este paso del clculo y
otra para los coeficientes que ellas tengan en el funcional (
F.O.)
4) Se calcula una ltima fila Cj-Zj como la resta del respectivo
Cj menos la Zj o suma producto de los coeficientes del paso
anterior por los respectivos coeficiente de cada columna.
5) En esta ltima fila se seleccionar el mayor positivo, para in-
dicar la variable entrante en la prxima tabla.
6) Se agrega una ltima columna calculndola por divisin de
los coeficientes de la VS / variable entrante. El menor positi-
vo resultante indicar la variable saliente en la prxima tabla.
7) La interseccin de la fila y columnas saliente y entrante se
toma como pivote para calcular la prxima tabla (se seala
aqu con corchetes )

8) Se vuelve a tomar el sistema de variables bsicas ms de
holgura ampliado con los t.i. para modificarlo mediante ope-
raciones elementales por fila (o triangulacin), para logar que
el pivote sea uno y el resto de esa columna sean ceros.

1 0 1 0 0 3
0 1 0 1 0 6
0 4 -6 0 1 18


237

9) En la prxima tabla se reemplaza la variable saliente por la
entrante (con sus respectivos coeficientes de la F.O.)

Cj= 8 3 0 0 0
X1 X2 X3 X4 X5 VS

8 X1 1 0 1 0 0 3 -
0 X4 0 1 0 1 0 6 6
0 X5 0 4 -6 0 1 18 4,5
Cj Zj= 0 3 -8 0 0

10) Tal como en 4) se calcula la ltima fila Cj Zj como la resta
del coeficiente Cj por la sumaproducto del coeficiente del
funcional por el coeficiente de la respectiva columna. La
nueva variante entrante ser el mayor positivo.
11) Se calcula la ltima columna tal como en 6), tambin la va-
riable saliente y por interseccin de fila y columna el nuevo
pivote para calcular la prxima tabla.
12) Si es necesario se repiten las operaciones por fila de 8) para
convertir el ultimo pivote en uno y en ceros el resto de esa
columna

1 0 1 0 0 3
0 0 1,5 1 -1/4 1.5
0 1 -1.5 0 1/4 4.5

Tambin se calcula la prxima tabla reemplazando la varia-
ble saliente por la entrante (y su coeficiente en la FO)


238

Cj= 8 3 0 0 0
X1 X2 X3 X4 X5 VS

8 X1 1 0 1 0 0 3
0 X4 0 0 1.5 1 -1/4 1.5
3 X2 0 1 -1.5 0 1/4 4.5
Cj Zj= 0 0 -3.5 0 -3/4

La solucin ptima surgir en la columna VS cuando en la l-
tima fila hay solo ceros o negativos.

En este caso la produccin ptima y mximo Beneficio ser
=$8(3 mesas) +$3(4,5 sillas) = $37,50 y queda capacidad
ociosa por 1,5 en la segunda restriccin. Los precios sombra
(remuneraciones) son 3,5 y para las dos restricciones ago-
tadas, para estos casos de sistemas no cuadrados NxM (va-
riables y restricciones).

SIMPLEX MATRICIAL

Sea optimizar la produccin de autos y motos, maximizando
el beneficio de este funcional Z =$2,5(X1) +$2(X2), sujeto a:

Autos Motos Recursos
Hs.hombre 1 2 <= 8000
Hs.maquina 3 2 <=9000

Para los sistemasNxN el proceso Simplex matricial consiste
en ubicar una matriz unitaria a la derecha de la de los coefi-
cientes tcnicos (equivale a completar el sistema con las va-
riables de holgura en la presentacin algebraica); tambin se

239
agrega otra columna con los trminos independientes (o re-
cursos).

Luego se efectan operaciones aritmticas elementales por
lnea hasta que esta matriz unitaria quede a la izquierda (con
unos en la diagonal principal y ceros abajo y arriba de ella).

X1 X2 X3 X4 V.S.
Hs/h 1 2 1 0 8000
Hs/m 3 2 0 1 9000
2,5 2,0 0 0 Z

En este caso ya es 1 el elemento de la fija 1 y columna1
(elemento 1 1) y solo se deben ubicar ceros debajo de este
elemento.

Restando a la anterior fila 2 la fila1 por3 surge la segunda fila
de la prxima tabla. Restando a la anterior fila 3 la fila 1 por
2,5 surge la tercera lnea de esta prxima tabla:

1 2 1 0 8000
0 -4 -3 1 -15000
0 -3 -2,5 0 Z-20000

El prximo paso es conseguir 1 en el elemento 2 2 (multipli-
cando la vieja fila 2 por 1/4) y ceros arriba y debajo de l.

A la anterior fila 1 se le suma la fila 2 por ; y a la anterior fi-
la 3 se le resta la fila 2 por , segn muestra la siguiente ta-
bla.

1 0 -1/2 500
0 1 -1/4 3750
0 0 -1/4 -3/4 Z-8750

240

Esta tabla ya muestra la solucin del sistema, porque las va-
riables reales muestran ceros en la ltima fila y solo hay
elementos cero o negativos en esta ltima fila.

En la columna de los recursos figuran las cantidades optimi-
zantes: X1= 500 autos; X2= 3750 motos; con beneficios por
$8750.

Bajo las columnas X3 y X4 quedaron los precios sombra o
contribucin marginal / remuneracin de ambos recursos
/factores productivos.


241
INVESTIGACION OPERATIVA CON EXCEL, WINQSB; GAMS,
LINDO, TORA, OTROS

Al igual que con los estudios economtricos aqu incluidos, tambin
es usual efectuar la investigacin de operaciones mediante aplica-
ciones de Excel (con Solver y con matrices inversa, matriz multipli-
car y matriz determinante).
Sin embargo, en la generalidad de los casos no es posible controlar
manualmente los clculos, debido a la intervencin de mltiples va-
riables.
Para asegurar la precisin de los resultados de un anlisis hecho
con Excel puede resultar conveniente complementar o contrastarlos
efectundolos tambin con otros utilitarios, como por ejemplo con
los aqu enunciados.

PROGRAMACIN LINEAL CON WINQSB

La ventana principal muestra varias alternativas para los anlisis
empresariales: un mdulo de programacin lineal otro de progra-
macin no lineal , rbol de decisiones, inventarios , el mtodo para
la ruta /camino critico (CPM ) y el diagrama PERT entre otras apli-
caciones.


242

En este caso se elige Linear and Integer Programamming (progra-
macin lineal y entera) y en la siguiente ventana se anotan el nme-
ro de variables y el de restricciones; tildando maximizar para este
caso de la carpintera Zonda.


243

En la prxima ventana se anotarn los datos del problema de opti-
mizacin de la carpintera Zonda: maximizar el beneficio de producir
mesas y sillas B= $8(x1) + $3(x2), sujeto a las restricciones de re-
querimientos y disponibilidades en los talleres de carpintera, tapiza-
do y expedicin que se muestran en el cuadro, encolumnando los
datos para la variable X1, luego para la columna X2 y finalmente
para los trminos independientes.


244

Para terminar, se pedir a WinQsb los resultados pulsando en el
men superior sobre Solve and Analize y Tambin en Solve the
Problem, para que aparezcan los resultado en la ventana final.

Los resultados son los mismos que se obtienen con Solver de Excel:
se maximiza el beneficio con B= $8(3 mesas)+ $3 (4,5 sillas)=
$37,50.


245

El cuadro muestra los precios sombra (Sahdow Price) y los valores
sobre la sensibilidad del proyecto (cambios en los coeficientes de la
F.O. y del lado derecho de las restricciones, o sea los recursos, sin
afectar al resultado final).

METODO GRAFICO CON WINQSB

La solucin segn el mtodo grfico de programacin lineal es tam-
bin muy simple con WinQsb. Segn lo comentado anteriormente,
se trata de elegir ahora Grafic Method, como muestra la imagen.


246

Se acepta en la prxima ventana con OK lo establecido como de-
fault para las variables que van en la abscisa y en la ordenada.


247
El grfico final muestra las tres restricciones graficadas en verde;
tambin la funcin objetivo graficada en rojo. WinQsb no grafic la
familia de lneas de la funcin objetivo, sino solamente la del mxi-
mo beneficio (aqu con abscisa 4,5) y que es tangente a la frontera
acodada de las posibilidades de produccin segn las tres restric-
ciones, para marcar la solucin como punto de mximo beneficio
(con coordenadas 3 sillas (X1) y 4,5 mesas (X2).

A la derecha imprime el objetivo $37,50 y esas cantidades produci-
das


248
(la restriccin carpintera es X1= 3; la restriccin tapizado es X2=
4.5; la restriccin expedicin es X1= 6 y X2=9).

PROGRAMACION LINEAL CON GAMS

El lenguaje matemtico genrico es til para la programacin y solu-
cin de problemas, pero resulta imprctico para casos efectivos de
la realidad empresarial concreta.

Tiene limitaciones para resolver manualmente casos con ms de 4
5 variables y se hace imprescindible recurrir a utilitarios como GAMS
u otros, que permiten cientos y miles de variables, en sistemas efec-
tivamente NxN y otros NxM con programacin lineal.

En la pantalla inicial de trabajo de GAMS pueden escribirse los blo-
ques necesarios. Si se antepone en cada lnea un* (asterisco) sern
texto solo orientativo (o bien ubicndolos entre $ontext.. y $off-
text).

Por ejemplo, optimizar la produccin de mesas y sillas en la Carpin-
tera ZONDA, Max B = $8(X1) + $3(X2),
X1 <= 3
Sujeto a: X2 <= 4,5

249
6X1+4X2<= 36

Los datos de trabajo conforman otro breve bloque directamente a
continuacin.

A continuacin se pulsa sobre File / y Run y GAMS imprime una
larga lista con los pasos efectuados, observaciones y resultados.

Esta lista puede consultase abriendo con File / Open el archivo ge-
nerado (en este caso untitle_1.lst).


250

...
GAMS Rev 145 x86/MS Windows 06/24/11 14:02:34 Page
1
G e n e r a l A l g e b r a i c M o d e l i n g S y s t e m
C o m p i l a t i o n
1 VARIABLES
2 X1, X2, F;
3 POSITIVE VARIABLES
4 X1, X2;
5
6 EQUATIONS
7 OBJ, R1, R2, R3;
8
9 OBJ.. F=G= 8*X1+3*X2;
10 R1.. X1=E= 3;
11 R2.. X2=E= 4.5;
12 R3.. 6*X1+4*X2=E= 36;
13
14 MODEL LINEAL /OBJ, R1, R2, R3/;
15 SOLVE LINEAL USING LP MAXIMIZING F;

251
(conviene repasar los trminos numricos, ya que GAMS no
puede detectar errores de tipeo de este tipo)
COMPILATION TIME = 0.000 SECONDS 2 Mb WIN222-145 Apr 21, 2006
GAMS Rev 145 x86/MS Windows 06/24/11 14:02:34 Page 2
Equation Listing SOLVE LINEAL Using LP From line 15
---- OBJ =G= ( =G= o >=, mximos)
OBJ.. - 8*X1 - 3*X2 + F =G= 0 ; (LHS = 0) ---- R1 =E=
R1.. X1 =E= 3 ; (LHS = 0, INFES = 3 ***)
(el lado izquierdo LHS comienza con 0 segn la restriccin >=)
---- R2 =E=
R2.. X2 =E= 4.5 ; (LHS = 0, INFES = 4.5 ***)
---- R3 =E=
R3.. 6*X1 + 4*X2 =E= 36 ; (LHS = 0, INFES = 36 ***)
Column Listing SOLVE LINEAL Using LP From line 15
---- X1 (GAMS encolumna los coeficientes de cada variable
en la FO y restricciones; pone los de la FO en el primer miembro
con signo negativo)
X1
(.LO, .L, .UP = 0, 0, +INF)
-8 OBJ
1 R1
6 R3
---- X2
X2
(.LO, .L, .UP = 0, 0, +INF)
-3 OBJ
1 R2
4 R3
---- F
F
(.LO, .L, .UP = -INF, 0, +INF)
1 OBJ
Model Statistics SOLVE LINEAL Using LP From line 15
MODEL STATISTICS
BLOCKS OF EQUATIONS 4 SINGLE EQUATIONS 4
BLOCKS OF VARIABLES 3 SINGLE VARIABLES 3
NON ZERO ELEMENTS 7
GENERATION TIME = 0.031 SECONDS 3 Mb WIN222-145 Apr 21, 2006
EXECUTION TIME = 0.047 SECONDS 3 Mb WIN222-145 Apr 21, 2006
Solution Report SOLVE LINEAL Using LP From line 15

252

S O L V E S U M M A R Y
MODEL LINEAL OBJECTIVE F
TYPE LP DIRECTION MAXIMIZE
SOLVER CPLEX FROM LINE 15
**** SOLVER STATUS 1 NORMAL COMPLETION
**** MODEL STATUS 3 UNBOUNDED
**** OBJECTIVE VALUE 37.5000
RESOURCE USAGE, LIMIT 0.078 1000.000
ITERATION COUNT, LIMIT 0 10000
GAMS/Cplex Apr 21, 2006 WIN.CP.NA 22.2 031.034.041.VIS For Cplex 10.0
Cplex 10.0.1, GAMS Link 31
Presolve found the problem infeasible or unbounded.
Rerunning with presolve turned off.
Dual infeasible or unbounded. Switching to primal to aid diagnosis.
Model has an unbounded ray.
**** ERRORS/WARNINGS IN EQUATION OBJ
1 error(s): 1 Unbounded equation (slack variable)
LOWER LEVEL UPPER MARGINAL
---- EQU OBJ . . +INF 1.000 UNBND
---- EQU R1 3.000 3.000 3.000 .
---- EQU R2 4.500 4.500 4.500 -2.333
---- EQU R3 36.000 36.000 36.000 1.333
LOWER LEVEL UPPER MARGINAL
---- VAR X1 . 3.000 +INF .
---- VAR X2 . 4.500 +INF .
---- VAR F -INF 37.500 +INF .
**** REPORT SUMMARY : 0 NONOPT
0 INFEASIBLE
1 UNBOUNDED (UNBND)
EXECUTION TIME = 0.016 SECONDS 2 Mb WIN222-145 Apr 21, 2006
USER: GAMS Development Corporation, Washington, DC G871201/0000CA-ANY
Free Demo, 202-342-0180, sales@gams.com, www.gams.com DC0000
**** FILE SUMMARY
Input E:\Mis documentos\gamsdir\Untitled_2.gms
Output E:\Mis documentos\gamsdir\Untitled_2.lst.


253
PROGRAMACION LINEAL CON TORA

Handy A.Taha, I. O,. propone utilizar tambin el programa Tora para
contrastar problemas de programacin lnea hechos con otras apli-
caciones

Sin embargo, la versin disponible en la red sin cargo no presenta la
posibilidad de adaptacin a problemas de programacin lineal no
entera y los resultado del problema de la carpintera Zonda con esta
restriccin adicional son as enteros, 3 mesas y solo 4 sillas (no 4,5
sillas), con un beneficio de solo $36 en vez de los $ 37.50 con Excel
y otros.

Este utilitario es de manejo intuitivo sencillo para los casos que trae
prediseados.

En el men principal se anotan los datos del problema y se guardan
los datos en un archivo.txt


254

Se pulsa luego en Solver y permite elegir la solucin grfica o la
solucin algebraica. En esta se pueden ver la iteraciones o la solu-
cin final:

La salida de resultados muestras esta solucin bajo programacin
entera:


255
Y para este caso de programacin entera la salida como grf ico
muestra esta salida:


256
PROGRAMACION LINEAL CON LINDO

Ejemplo de la carpintera Zonda con Lindo Systems

Handy A. Taha, Investigacin Operativa ( Un. Arkansas), propone
utilizar el programa de Lingo Sistems Lindo (y Lingo).

En la automtica ventana auxiliar (untitled) de Lindo 6 se debe ano-
tar, separando con espacios los coeficientes de sus variables (y
tambin de las instrucciones, en este caso MAX; y Subjet To (o
simplemente ST aqu); y terminar con END.

Lindo admite cientos de variables (y Lingo miles); estn diseados
para procesar escribindoles como aqu solamente la funcin objeti-
vo; Subjet To (o ST); las restricciones de >= y/o <=; y terminado con
END:

MAX 8 X1 + 3 X2
ST
2) X1 <=3
3) X2 <= 4.5
4) 6 X1 + 4 X2 <= 36
END


257

Finalmente, se pulsa Solve en el marco superior de Lindo; y luego
se tilda Sensitivity para que imprima el rango de sensibilidad, mos-
trando estos resultados:

LP OPTIMUM FOUND AT STEP 2

OBJECTIVE FUNCTION VALUE
1) 37.50000

VARIABLE VALUE REDUCED COST
X1 3.000000 0.000000
X2 4.500000 0.000000

ROW SLACK OR SURPLUS DUAL PRICES
2) 0.000000 3.500000
3) 0.000000 0.000000
4) 0.000000 0.750000
No. ITERATIONS= 2

RANGES IN WHICH THE BASIS IS UNCHANGED:
OBJ COEFFICIENT RANGES

VARIABLE CURRENT ALLOWABLE ALLOWABLE
COEF INCREASE DECREASE
X1 8.000000 INFINITY 3.500000
X2 3.000000 2.333333 3.000000

RIGHTHAND SIDE RANGES
ROW CURRENT ALLOWABLE ALLOWABLE
RHS INCREASE DECREASE


258
2 3.000000 3.000000 0.000000
3 4.500000 INFINITY 0.000000
4 36.000000 0.000000 18.000000

Interpretacin de estos INFORMES DE RESULTADOS:

La funcin objetivo muestra como resultado =$ 37,50, segn la solu-
cin ptima de producir X1= 3; X2= 4,5 unidades.
Los precios sobra (remuneraciones o precios duales) para los re-
cursos agotados en la primer y tercer restricciones son $3,50 y 0,75
respectivamente.
Holguras: quedan ociosos recursos de la segunda restriccin por 4,5
unidades.


259
El Anlisis de sensibilidad se muestra en estos dos cuadros ante-
riores:
a) para los coeficientes de las variables de la funcin objetivo
(OBJECT COEF) y
b) para los lados derechos de las restricciones (RHS).

En a) se muestra el coeficiente y la cantidad de crecimiento y
de decrecimiento permitidos para la funcin objetivo (dentro de los
cuales la solucin seguir siendo la misma), que se obtienen su-
mando y restando respectivamente esas cifras al coeficiente co-
rrespondiente.
En b) se muestra las cantidades de crecimiento y decreci-
mientos permitidas (dentro de las cuales la solucin seguir siendo
la misma) para cada lado derechos de las restricciones. Para deter-
minar el rango dentro del cual la solucin seguir siendo la misma,
se deben sumar y restar respectivamente al lado derechos que ten-
ga la cada restriccin.


260
SISTEMAS CON 1700 VARIABLES

SISTEMASDE ECUACIONES NxN

Excel dispone de la macro Solver que permite diferentes planteos
para resolver problemas, como es el caso de los sistemas de ecua-
ciones.
Utilizaremos un ejemplo de 2 3 ecuaciones, con solo 4 o 6 varia-
bles y/o restricciones, para simplificar lo que estas herramientas
permiten para cientos de variables.

SISTEMAS NxN CON SOLVER DE EXCEL

Supongamos el siguiente sistema con los coeficientes de las varia-
bles X, Y, Z y los trminos independientes S (por ej. los recursos,
capacidades, condiciones, requerimientos, etc)
X Y Z S
1 -2 0 = -13
0 3 2 = 19
3 4 -1 = 9

Elegimos un formato de celda de tipo Nmero (con 2 decimales),
mediante Inicio /Formato.

261

En las celdas C1:C3 escribimos cada ecuacin en su forma homo-
gnea (observe el cursor que muestra la tercera en C3).
En E1 escribimos la funcin objetivo (FO), en este caso como =C1^2
+C2^2 +C3^2 o suma de los cuadrados de cada ecuacin (que el
sistema utiliza para minimizar desvos sin que se anulen).
Se abre Solver en Datos / Solver/ y se tilda la opcin Valores
de.0.


262

En Cambiando las celdas: se anota o introduce H1:H3, que ser la
zona donde Solver anotar las 3 soluciones del sistema con Resol-
ver.

El proceso con Solver es similar para casos con muchas variables.

SISTEMASDE ECUACIONES NxN CON EXCEL, STATA, EVIEWS,
MATLAB, SPSS

Suele ser necesario verificar comparando las soluciones de siste-
mas obtenidas con algn utilitario mediante lo obtenido con otros.

METODO DE DETERMINANTES:

Los utilitarios STATA, Eviews Matlab resuelven sistemas de ecua-
ciones mediante el mtodo de determinantes. Calculan el de-
terminante de los coeficientes (S) y tambin otro determinante para
cada variable Xi (i= X, Y, Z, ) en el cual se reemplaza la columna
de la variable por la de los trminos independientes (las restriccio-
nes, capacidades, condiciones, requerimientos, etc)
Finalmente los valores de cada variable que solucionan el sistema
surgen por divisin del determinante de cada variable Xi por el de
los coeficientes.S (x1 = X / S, etc).

Estos determinantes S y Xi se preparan fcilmente en una hoja Ex-
cel, con suficientes copias del S a las que se le pegan los trminos
independientes en la respectiva columna del Xi. Luego se copiarn
todos ellos hacia el utilitario SPSS, STATA o Eviews.


263
SISTEMASNXN CON DETERMINANTES EN EXCEL

En la hoja del siguiente cuadro se utiliz =mdeterm( ) para calcular
en la columna D el determinante de los coeficientes tcnicos de
A2:C4 y otros tres ms abajo.

.

En tres copias de los coeficientes ms abajo, se reemplaz una co-
lumna por copia de los trminos independientes E2:E4 (en amarillo)

264
pegndolas en la primer columna de A6:A8 para calcular X, en la
segunda de B10:B12 para calcular Y y en la tercera de C14:C16
para calcular Z.

Se encontraron en la columna F los valores de la solucin del siste-
ma, por simple divisin de esos determinantes, X= -3, Y= , Z= 2

SISTEMASDE ECUACIONES NxN CON STATA

Resolvemos el mismo sistema de 3x3 tambin mediante Stata 10.1,
apuntando a que todos estos utilitarios permiten resolver con igual
simplicidad sistemas con cientos de variables.

1 2 0
0 3 2
3 4 1
S

Conviene anotar la matriz de los coeficientes en una hoja Excel, y
hacerle ah tantas copias como variables a resolver, a efectos de
copiarle el vector columna de los trminos independientes reempla-
zndoles la columna de la variable respectiva.

13 2 0
19 3 2
9 4 1
X

1 13 0
0 19 2
3 9 1
Y

1 2 13
0 3 19
3 4 9
Z

Estas matrices sern luego copiadas y pegadas al Stata (u otro utili-
tario estadstico) para calcular los valores de la solucin.

Se ejecuta el programa Stata y se pulsa Data / Matrix / Imput matrix
by hand / y en la siguiente ventana Matrix input se anota o pega la
matriz de los coeficientes; se le anota el nombre S (mayscula); la
dimensin 3 x 3 en este caso abreviado y OK.


265

Se procede en forma similar para la matriz de cada variable X, Y, Z,
etc. (con su respectiva nombre en maysculas)

Como se ha definido en el stata que el sistema es de 3x3, si uno
comete algn paso errneo se deber recomenzar el proceso (por
esto se recomienda tener las matrices preparadas en una hoja Ex-
cel).

Hasta aqu Stata simplemente calcul el valor de cada matriz y para
calcular los valores de las variables en la solucin del sistema se
pulsa en Data / Other Utilities / Han calculator / Create / Matrix y
con clic en Det( ) y en / se introduce en el marco Expression builder
la expresin Det(X)/Det(S)

266

Click en OK y nuevamente en OK, de modo que en el cuadro de
resultados aparecer el valor de X = -3.

De manera similar se obtienen los valores de las otras variables Y =
5 , Z= 2, etc.

Si se necesita borrar todas las matrices se usa Data / Matices / Drop
matrices / OK.


267
SISTEMAS DE ECUACIONES NxN CON EVIEWS

Ejecutar el programa y picar en File / New / Workfile; luego en
Workfile Structure Type seleccionar Unstructered-Undated; y en
Observations anotar 3 (o la cantidad de variables que sea) / y
OK.

En Objet / New Objet / Type of Objet seleccionar Matrix Vector
Coef. / OK; en Name for Objet / S en maysculas / y OK; en
Rows / 3; columns / 3 (o la cantidad de variables que sea). Este
nombre S corresponde al determinante de los coeficientes.


268


269

En la nueva ventana picar en Edit+/- y permitir pegar este determi-
nante S que copiemos desde una hoja Excel, segn lo sugerido
unos prrafos antes.

En el cuadro de resultados (aqu a la izquierda) aparecer una ref e-
rencia a los objetos creados: c; resid; y esta matriz determinante S.

Se repite este proceso para crear objetos a fin de copiar y pegar
justo con cada nuevo objeto el terminante de cada variable; e irn
apareciendo en el cuadro de resultados sus referencias (aqu a la
izquierda muestra hasta la matriz Z que tambin aparece pegada en
el marco derecho).


270

Finalmente, se procede a calcular los valores de la solucin de cada
Xi tipeando en el marco superior una leyenda parecida para cada
una (en minsculas):
scalar x1=@det(X)/@det(S) para la variable X; al pulsar sobre el
icono del clculo #x se mostr el valor respectivo.


271

En forma similar se procede para las dems variables:
scalar y1 =@det(Y)/@det(S) para la variable Y, etc.

Con doble clic sobre #x1; #y1 #z1 mostr el resultado de cada
variable solucin del sistema.(aqu #z1 escalar figura como 2,00000)


272

SISTEMAS DE ECUACIONES Y MATRICES CON MATLAB

La operatoria con Matlab en entorno Windows es bastante intuitiva;
tambin requiere comandos particulares, que pueden consultarse
con la ayuda del marco superior (Help), o con >>helpwin (o >>look-
for matrix, por ejemplo).

Es posible modificar las sentencias escritas y retroceder o avanzar
utilizando las techas de direccin (arriba, abajo) y se las puede se-
parar con coma ( , ) o bien cambiar de lnea poniendo triple punto al
final ().

Anteponiendo % se escriben comentarios solo texto aclaratorio no
operativos.

273
Se pueden definir variables con hasta 19 caracteres alfanumricos.
Con >>who (o >>whos) se rescatar las variables en uso.
Si los clculos son largos se pueden ocultar de la pantalla poniendo
punto y coma ( ; ) al final de la sentencia y solo mostrar as el resul-
tado.

Para borrar variables se utiliza >>clear o bien >>clear, para borrar-
las todas.

MATRICES:
Se escriben entre corchetes y se separan sus filas con punto
y coma ( ; )
>>A=[1 -2 0; 0 3 2; 3 4 -1]
1 -2 0
Mostrar A= 0 3 2
3 4 -1

>>inv(A) es la matriz inversa de A (o sea, A
-1
)
>>det(A) calcular el determinante de la matriz A
(respondiendo en este caso: ans= -23 )

>>A^3 eleva la matriz A a la potencia 3.
>>eye(n) escribe la matriz unitaria de orden n
(ceros, salvo la diagonal principal con unos).

En los ejemplos anteriores se resuelve un sistemasde 3x3 por el
mtodo de los determinantes y por el de la matriz inversa.

Con Matlab se ejemplifica aqu con el de la matriz inversa, multipli-
cando la inversa de los coeficientes por el vector de los trminos
independientes.

En la pantalla de Matlab aparece definida la matriz A; luego se cal-
cul la inversa de A; y al final se defini el vector columna o deter-
minante de los trminos independientes.

274

DE-
TERMI-
NAN-
TES:
Un vec-
tor fila
se escri-
be
>>x=[3;
4; -0.7]
o bien
>> X= 5:
2: -0.7
Un vec-
tor co-
lumna
>>X=[1;
0; 3]
El vector
tras-
puesto
es >>x
>>D=A*x
es el
produc-
to (D) de
una ma-
tiz A por
un vector x, previamente definidos.
En este ejemplo Matlab muestra el resultado esperado: X= -3; Y= -5;
Z= 2.


275
En la pantalla final se resuelve el sistema del ejemplo de 3x3, multi-
plicando la matriz inversa de A por el vector de los trminos inde-
pendientes (S) como Q; y muestra el resultado esperado X= -3; Y= -
5; Z= 2.

(al final de la pantalla tambin figura una matriz unitaria de orden n).

Matlab es un utilitario de operaciones matemticas, que permite
adems grficos muy detallados.

276


277
SISTEMASNxN CON SPSS

Damodar N. Gujarati tambin propone en Econometra usar SPSS
para los anlisis; en este caso con SPSS de IBM.

Ejecutando el Pasw Statistics 18 se presenta la ventana para abrir
un documento existente o bien pasar a la siguiente ventana de tra-
bajo.

.

278

En la ventana de trabajo incorporamos como datos (pestaa inferior
Vista de Datos) la matriz de coeficientes tcnicos y tambin sendas
copias, que tenga cada una reemplazada la columna de una varia-
ble por el vector columna de los trminos independientes.


279
En este ejemplo de dos variables figuran as seis columna de datos,
pero pulsando en la pestaa inferior Variables se pueden agregar
ms variables.

En este ejemplo de dos variables figuran as seis columna de datos,
pero pulsando en la pestaa inferior Variables se pueden agregar
ms variables.

280

Al ejecutar pulsando en el botn verde aparecern los resultado en
la ventana de resultados

281


282
CAPTULO 4 -
CONTEXTO ALEATORIO
TEORA DE LA PROBABILIDAD

Segn Pierre de Laplace, la teora matemtica de la probabilidad no
es ms que el sentido comn aplicado a los clculos, en situaciones
que no son conocidas con certeza, o que slo responden a una opi-
nin o asercin con reserva.

Inicialmente la teora se desarroll en conexin con la solucin a
problemas de los juegos de azar, pero luego se aplic al anlisis de
los problemas demogrficos, econmicos y estadsticos en general.

Es usual leer que las primeras nociones relevantes sobre la teora
de la probabilidad correspondieron a los matemticos Pascal y Fer-
mat, no obstante que en aquel momento el filsofo francs Compte
(1798-1857) consider como "una vergonzosa aberracin cientfica"
aquellos anlisis "no determinsticos" para resolver problemas de
cuestionables juegos de azar.

Sin embargo, posteriores aportaciones de Gauss cimentaron estos
conocimientos conformando una slida rama de la "ciencia del
azar"; con importantes aplicaciones a los fenmenos econmicos,
adems de a la biometra, a la astronoma y a la estadstica en ge-
neral, despus de los aportes de Santiago Bernoulli (1654-1705),
que desarrollo un clebre teorema que permiti estructurar el clculo
de probabilidades como una disciplina orgnica.

A principios del XIX varios trabajos de Laplace completaron los an-
lisis de Bernoulli, impulsando la estructuracin definitiva de esta dis-
ciplina, a la que se sumaron luego aportaciones de Possion, Gauss

283
y otros, vinculando esta teora con los diversos campos de la ciencia
comentados inicialmente.

PROBABILIDAD DE DISTRIBUCIONES

Un aspecto fundamental de la metodologa estadstica reside en
determinar si una distribucin de observaciones se debe al azar o
no. Por ello resulta interesante conocer determinados modelos esto-
csticos/probabilsticos, construidos a priori: distribuciones.

Interesa explicar cmo se plantean y qu son las pruebas de signi-
ficacin, con significacin en sentido opuesto al azar; tal que si una
prueba resulta significativa implica que el resultado de la misma es
muy poco probable que se haya dado por azar, y viceversa.

Un planteo presupone que las observaciones correspondientes a
cada una de las variables son "independientes" entre s, es decir,
que no se afectan mutuamente para presentarse en las experiencias
(puede ocurrir un hecho ocurriendo o no el otro)

Se precisa el concepto de probabilidad con tres criterios:
- se define el valor numrico de probabilidad -siempre entre
cero y uno- como la frecuencia relativa de ocurrencia: o sea, la fre-
cuencia absoluta sobre cantidad total de observaciones. Se obtienen
conclusiones empricas, basadas en las observaciones.

- un segundo criterio considera la probabilidad como el co-
ciente entre los casos favorables sobre los posibles; siendo este
punto de vista muy til para obtener leyes a priori, tal como la pro-
babilidad de sacar cara o cruz con una moneda.
- el tercer criterio apunta a verificar un modelo a priori o a
construir un modelo emprico. Si N es una cantidad numerosa de
observaciones de una variable y f es el conjunto de observaciones
pertenecientes a una misma categora, se define el valor numrico

284
de la probabilidad de obtener una observacin perteneciente a esa
categora en el conjunto de observaciones de la variables como la
frecuencia relativa "a la larga" de las observaciones que pertenecen
a una categora dada. Es decir que no suministra un valor exacto
sino solo un valor aproximado del mismo.

Laplace aport tres leyes que definen las propiedades matemticas
de la probabilidad:
- Haciendo N ensayos no es posible tener menos de 0 xitos
ni ms de N xitos, entonces la probabilidad tiene necesariamente
un valor numrico que oscila entre 0 y 1.
- Probabilidad simple (suma). Si dos hechos A y B no pueden
ocurrir simultneamente, la probabilidad de obtener A o B es igual a
la probabilidad de obtener A ms la probabilidad de obtener B (la
probabilidad de obtener 3 o 5 con un dato es 1/6 + 1/6 = 1/3)
- Probabilidad compuesta (multiplicacin). Dos o ms hechos
que se presentan juntos: la probabilidad de obtener A y B es el pro-
ducto de la probabilidad de uno por la de probabilidad condicionada
de obtener el otro:
P(A) = P(A) P(B/A) = P(B) P(A/B)

Las distribuciones son construcciones a priori que se utilizan para
interpretar si los hechos concretos de la realidad se deben o no al
azar. Entre estos modelos estocsticos o probabilsticos se desta-
can la distribucin binomial y la distribucin normal.

DISTRIBUCIN BINOMIAL

Suponiendo un universo con la variable en observacin clasificada
en dos categoras y se considera favorable (r) la obtencin de una
de ellas, que a priori tiene una probabilidad p dada. Si adems in-
teresa formar conjuntos de N elementos, en los cuales la probabili-
dad de obtencin favorable vara entre 0 y N, es posible formar un
modelo estocstico a priori que informa la p(r) segn J. Bernouilli:

285

P(r) = N! /r!(N - r)! . P
r
.q
N-r

ESPERANZA MATEMTICA

Si la variable aleatoria solo puede tomar un conjunto finito de valo-
res enteros -como el nmero de hijos de una familia por ejemplo, o
caras de un dado, etc.- es una variable discreta, no continua. En
estos casos la distribucin de frecuencias puede trasformare en una
distribucin de probabilidad.

La media aritmtica de una distribucin de probabilidad es la espe-
ranza matemtica: el valor esperado E(x) que se obtiene sumando
el producto de cada uno de los valores en que puede darse la varia-
ble por su probabilidad (en una lotera de 1000 nmeros a $1 que
ofrece un premio de $750, la esperanza es E(x) = 0,749 - 0,999 =
= -0,25: un mal negocio para un jugador).

DESVIACIN TPICA

El equivalente de la desviacin Standard o de la variancia para una
distribucin de probabilidad es = [ E(x
1/2
) - (E(X))
1/2
]
1/2
.

DISTRIBUCIN NORMAL

Cuando N tiende a infinito la grfica de las ocurrencias deja de verse
como de barras y toma la apariencia de una variable continua (cam-
pana), representada por una funcin matemtica desarrollada en
1773 por De Moivre y paralelamente por Laplace y Gauss:


286
y =
2
M
2
1
2
1
x
e

que vara entre 0 y 1, siendo e y pi constantes conocidas.

DESVO REDUCIDO

Utilizando x (minscula) para indicar la transformacin del origen
corrido hacia la media de la distribucin, tal que la media original se
transforma en 0 y adems se expresan todas las medidas con des-
vos respecto a su media, o sea, x = X-X (X sombrero o media)

As la unidad de medida se transforma en trminos de desviacin
Standard, o puntaje Standard, denominado "desvo reducido" y sim-
bolizado con z en muestras grandes:

Z = X - X / = x /

DISTRIBUCIN NORMAL ACUMULADA

Es la suma de casos de cada intervalo ms todos aquellos que es-
tn por debajo del mismo: una distribucin de frecuencias acumula-
das. Cuando se usan clases de intervalo muy numerosas y de m-
dulo chico, con la frecuencia de estos intervalos como valores acu-
mulados se obtiene una funcin constantemente creciente de x: una
curva en forma de S conocida como ojiva (la integral de la curva de
distribucin normal).

USO DE TABLAS Y DE LAS FUNCIONES INCORPO-
RADAS EN EXCEL


287
Cuando se conoce N, la media X y para una distribucin es posi-
ble calcular por ejemplo, la cantidad o porcentaje de individuos loca-
les entre dos puntajes, o por encima, o por debajo de un puntaje
dado de esa distribucin.

No es necesario realizar todos los clculos en cada caso; basta
consultar las tablas o bien utilizar las funciones incorporadas en Ex-
cel. En la tabla de distribucin normal interesa la primer columna y
la primer fila, con los valores de puntaje reducidos de x en la fila y
las dos primeras cifras de ese puntaje en la columna; la fila la se-
gunda y tercera del mismo.

Aplicaciones usuales de estas tablas son por ejemplo, determinar el
porcentaje de casos que caen entre dos lmites dados en una distri-
bucin normal. Tambin, encontrar los lmites de cualquier distribu-
cin normal que incluyan un porcentaje determinado de casos (pro-
blema inverso al anterior). Otro ejemplo de aplicacin es clasificar
un grupo total en subgrupos de acuerdo con el aprendizaje o la apti-
tud para una materia; tambin determinar la dificultad relativa de las
preguntas de un examen o de los tem de un test; etc.

Excel trae ayudas incorporadas para stas y muchas otras distribu-
ciones (aproximadamente 10 15 ms); si bien no presenta ejem-
plos para su interpretacin concreta de cada caso, tal como figuran
en los textos tcnicos, resultan un complemento perfecto para la
aplicacin prctica de este anlisis.

REGLA O TEOREMA DE BAYES

Supnganse 6 cajas conteniendo 100 unidades cada una. En 4 hay
8 unidades falladas en cada una; en las otras 2 hay 20 falladas en
cada una.


288
Elegir una unidad implica bastante riesgo de que sea fallada (calcu-
lable, pero con resultado aleatorio).

Por una parte, si hay 4 cajas con 8 falladas, el primer clculo indica
una probabilidad de 4/6 ( 66%) de obtener una de ellas; pero se
corre el riesgo de sacar de una caja peor con 20 falladas, cuya pro-
babilidad es 2/6, 33%.

Sin embargo, este riesgo de elegir una unidad fallada podra redu-
cirse algo si existiera la posibilidad de poder extraer y ver una uni-
dad de una caja, ya que las fallas en una de las convenientes son
8/100):

La probabilidad compuesta de elegir una caja con 8 se multiplicara
por la de elegir una unidad fallada esa caja.

Casos favorables sobre casos posibles:

P = 4/6 (8/100) / [ 4/6 (8/1000) + 2/6 (50/100) ] =

0,053 / 0,053 + 0,166 = 0,24 (el 33% se redujo a 24% de riesgo
que salga fallada).


289

Excel calcula probabilidades seleccionando con el icono o
bien, escribiendo directamente:

=probabilidad(fallas;probabilidad;lmite inferior;lmite superior)
ANLISIS COMBINATORIO. Reglas de conteo

Para el clculo de la probabilidad puede ser difcil efectuar el conteo
de los casos favorables y del nmero total de casos posibles.

Regla de conteo 1: si cualquiera de los k eventos mutuamente ex-
clusivos y colectivamente exhaustivos, diferentes, puede ocurrir en
cada uno de los n ensayos, el nmero de resultados posibles es K
n
.
Lanzando una moneda 4 veces el nmero de resultados es 24 = 16;
lanzando un dado 2 veces el nmero de resultados diferentes sera
6
2
= 36.


290

Regla de conteo 2: si hay k
1
eventos en el primer ensayo, k
2
en el
segundo, ... y k
n
en el n=simo ensayo el nmero de resultados po-
sibles es (k
1
) (k
2
) ... (k
n
). Si la patente de los autos fuera compuesta
por tres dgitos seguidos por dos letras el nmero total de patentes
sera (10) (10) (10) (26) (26) = 676000.

Regla de conteo 3: Los arreglos de diferentes formas en que se
pueden ordenar n objetos es factorial de n (n!); se define 0! como 1.
El nmero de formas en que se pueden ordenar 4 objetos es 4! = (4)
(3) (2) (1) = 24.

Regla de conteo 4: Las permutaciones posibles al ordenar X obje-
tos extrados del conjunto Y, aunque se repitan en otro orden, es:
Y! / (Y - X)!

291

Utilizando la funcin factorial de Excel se calculan las permutaciones
posibles al ordenar 3 objetos extrados de un conjunto de 4 son:
4! / (4 - 3)! = 24.

PERMUTACIONES

Excel tambin incluye la funcin permutaciones: los subconjuntos de
2 objetos que pueden obtenerse contando con 4 son 12 (aunque se
repitan en otro orden, tal como 43 y 34, etc.).

Regla de conteo 5: las combinaciones posibles para ordenar X
objetos tomados del conjunto, tal que no se repitan en otro orden al
tomarlos, es igual a Y! / X! (Y-X)!

Las combinaciones posibles para ordenar 4 objetos tomados de a 3,
tal que no se repitan en otro orden, son: 4! / 3!(4-3)! = 4


292

COMBINACIONES

Las combinaciones diferentes de 4 elementos tomados de a 2, sin
repeticiones, tambin pueden calcularse con la funcin "combinat"
de Excel:

DISTRIBUCIN BINOMIAL

En contexto aleatorio tambin se estudia la media ( ), la varianza
(
2
) y la desviacin tpica ( ) , adems de la curtosis, sesgo y la
desviacin media.

La distribucin binomial (Bernoulli) se utiliza en los casos en que los
ensayos son independientes y solo puede haber la posibilidad de
xito o fracaso, la probabilidad de xito es constante en todo el ex-
perimento (caso contrario se utilizara la distribucin acumulada) y
un nmero fijo de pruebas.


293
Por ejemplo, para calcular la probabilidad de obtener 4 caras al lan-
zar una moneda 8 veces: en un lanzamiento la probabilidad de xito
sera 0,5 (50%); entonces Excel la calcula para 8 veces en 27,3%
activando esta funcin al escribir en A1 =distr.binom.(4;8;0,5;falso):

La notacin falso corresponde a la densidad de probabilidad y no
acumulada.

DISTRIBUCIN NORMAL (SERIES GRANDES)

Calcula la probabilidad de un valor aleatorio dado en series grandes.
Cuando N es grande y la probabilidad de xito p y la de fracaso q no
estn prximas a cero entonces coincide la distribucin binomial con
la normal de Gauss
(...con Np y Nq > 5)

Excel incluye varias funciones para estudiar esta distribucin.

Un suceso que se distribuye normalmente con una media 25 y dis-
persin 8 tiene una campana ubicada en el primer cuadrante, cen-
trada en la abscisa 25.(abarcando desde 0 y 50) y ordenada 1.

La funcin distribucin normal indicar la probabilidad de que la
campana abarque cualquier valor igual o inferior al deseado.

Para el valor de abscisa 40 la probabilidad del rea para todo valor
hasta 40 es 96,9%.

294

ESTIMACIN DE UNA DEMANDA MAYOR A 40 UNIDADES:
la probabilidad es solo 3,04%; (1 - 0,9696 = 3.04%).

Una campana de Gauss con media 0 est centrada en la ordenada.
Si la abscisa abarca aprox. entre 3 y +3, para un desvo de 1 el
rea acumulada a la izquierda de 1 es 84,13%; para un desvo de 2
el rea es 97.72% y si el desvo es 3 el rea a la izquierda (o pro-
babilidad acumulativa) es 99.86%)

PRUEBA Z


295
La prueba z indica la probabilidad de que un valor pertenezca a una
poblacin: se calcula mediante la tabla de distribucin normal o bien
con Excel, anotando el rango de las muestras de esa poblacin, el
valor a averiguar y el desvo estndar (aunque si se lo omite Excel
toma los el desvo estndar de los valores del rango de las mues-
tras).
La prueba Z devuelve el valor P de dos colas de la distribucin nor-
mal y permite evaluar la probabilidad de que una observacin de-
terminada provenga de una poblacin especfica.
Su sintaxis es PRUEBA.Z(matriz;x;sigma), donde Matriz es la matriz
o rango de datos frente a los que se ha de comprobar x; X es el
valor a comprobar; sigma es la desviacin estndar (conocida) de
la poblacin. Si se omite, se utiliza la desviacin estndar de la
muestra.

La Distribucin Norma de Gauss considera comportamientos cons-
tantes, con poca probabilidad al principio y hacia el final: la distribu-
cin tipo campana simtrica:
VIDA TIL DE UN PRODUCTO

La vida til de un producto est calculada en 700 horas, segn la
distribucin normal con un desvo estndar de 185.
Para averiguar la posibilidad de que falle dentro de las 900 a 800
horas de uso el clculo de la probabilidad acumulada con Excel
sera:

296
=distr.norm(900;700;185;verdadero) e indicar 86%.
=distr.norm(800;700;185;verdadero) e indicar 71%.

La diferencia 86% 75% = 11% es la probabilidad de fallar si al pro-
ducto se lo utiliza entre 900 y 800 horas (la notacin verdadero co-
rresponde a la probabilidad acumulada).

En las muestras mayores de 30 grados de libertad tambin se utili-
za la distribucin normal o de Gauss (en las muestras grandes coin-
cidira la distribucin de Student con la normal).

MUESTRA DE 200 ARANDELAS

Ejemplo: una muestra de 200 arandelas tiene dimetro 0,502 mm,
con desviacin tpica 0,005mm. El estndar de rechazo es de 0.496
a 0.508mm

Cul es el % de rechazadas si la produccin se distribuye normal-
mente?

z= (0.496-0.502)/0.005 = -1,2; y
z= (0.508-0.502)/0.005 =+1,2

El rea de la curva normal tipificada en z entre 1,2 y +1,2 es
dos veces el rea z=0 y z=1,2, o sea: 2(0,3849) = 0.7898 = 77%.
Hay el 23% de defectuosas.


297
Los valores pueden consultarse en las tablas de distribucin normal
o directamente escribir en Excel las funciones correspondientes que
figuran en estas imgenes (o utilizar la ayuda para seleccionar en
Funciones Estadsticas).

MUESTRA DE 100 TUBOS FLUORESCENTES

En otro ejemplo, la duracin media de una muestra de 100 tubos
fluorescentes es 1570 horas, con una desviacin tpica en la mues-
tra de 120 horas.

Si la duracin media de todos los tubos producidos por esta empre-
sa es =1600 horas (con desconocida) se busca comprobar la
hiptesis nula que los tubos de la muestra difieren de la produccin
normal de esta fbrica, con una significacin del 95% y del 99%.

Corresponde un ensayo bilateral, ya que intervienen valores mayo-
res y menores que 1600 horas y se utiliza la curva normal, tipifica-
da en z.

Z se estima como: z = (1570-1600)/ (aqu desconocida)


298
Se adopta el criterio de suponer como aproximacin que la mues-
tral [igual a 120/(100)
1/2
=12] sea como la de la poblacin, de modo
que z= (1570-1600)/12 = -2,5 por lo que se rechaza la hiptesis
nula ya que la z de la media muestral esta fuera del rango 1,96 a
+1,96.

TEORA DE LAS COLAS

Casos como los de atencin en mostrador, en los cuales la disposi-
cin de servicios implica tanto un costo como posibles beneficios,
por evitar desercin de clientes ante tiempos excesivos de espera.

La decisin depende de:
- la aleatoriedad en la llegada de clientes
- la aleatoriedad del tiempo requerido para la atencin de
cada uno.
-
Si no hay ninguna constante y las llegadas son aleatorias se utiliza
la distribucin de POISSON para determinar la probabilidad rara
de desatencin.


299
DISTRIBUCIN DE POISSON

En cuanto al tiempo requerido para la atencin de cada uno, se sue-
le utilizar la distribucin exponencial porque es conceptualmente
coincidente con la anterior.


300
SIMULACIN DE MONTECARLO

Un revendedor de aparatos sabe que tendr fluctuantes suministros
y clientela; supngaselos segn las siguientes probabilidades de
recepcin y venta, por lo cual necesita diagramar sus instalaciones y
accionar futuro:

a) Suministro mensual de equipos para la venta previsto:
Cantidad de equipos mensual: 1 2 3 4 5
Probabilidad de recepcin: 0.04 0.23 0.3 0.23 0.2
En una urna se preparan 100 papeles, anotando los nmeros 1 a 5
en esa proporcin anterior: 4 con 1; 23 con 2; 30 con 3, etc.

Eligiendo 12 al azar se obtendra uno para cada mes del ao, y po-
dra tomarse como el suministro para la venta:

E F M A M J J A S O N D
1 3 2 3 1 3 4 3 5 1 1 2

La seleccin al azar con urnas es laboriosa. Excel simplifica esta
tarea mediante Herramientas > Anlisis de Datos > Generacin de
Nmeros Aleatorios > Discreta e indicando que seleccione un nme-
ro del rango A2:B6 indicado para los 12 meses necesarios en
C2:C13, segn se ve en la imagen:

luego, Herramientas > Anlisis de datos >GENERACIN DE N-
MEROS ALEATORIOS


301

b) Por otra parte, la empresa sabe que recibira mensualmente la
siguiente cantidad de clientes segn estas probabilidades:

N de compradores: 0 1 2 3 4 5 6
Probabilidad: 0.1 0.1 0.15 0.3 0.15 0.1 0.1

Utilizando el Anlisis de Datos Excel > Generacin de Nmeros
Aleatorios, etc. (o bien poniendo en una urna 100 papeles con estos
nmeros de compradores segn esas probabilidades) se podran
obtener 12 para la recepcin mensual de clientes:

E F M A M J J A S O N D
2 3 6 0 5 3 4 1 3 0 4 3

c) La empresa tambin tiene registrada la probabilidad de que un
cliente compre efectivamente:

N de clientes que compran: 0 1 2 3
Probabilidad: 0.4 0.3 0.25 0.05


302
Con este mismo Anlisis de Datos de Excel (o repitiendo en una
urna con 100 papeles con las cantidades que compran segn estos
porcentajes) se podra obtener al azar las posibles compras para
cada uno de los posibles cliente de cada mes segn b):

E 1)2 2)0
F 1)0 2)1 3)1
M 1)2 2)0 3)1 4)3 5)0 6)1
A -----
M 1)1 2)2 3)0 4)2 5)1
J 1)1 2)1 3)0
J 1)1 2)0 3)2 4)3
A 1)2
S 1)0 2)2 3)1
O ---
N 1)2 2)0 3)1 4)1
D 1)2 2)0 3)1

Por consiguiente, segn las pruebas al azar, calculadas en el mto-
do de Montecarlo con Excel (o con las urnas), el resultado sera:

a) Suministro c) Ventas Saldo

E 1 2 -1
F 3 2 1
M 2 7 -5
A 3 0 -3
M 1 6 -5
J 3 2 1
J 4 6 -2
A 3 2 1
S 5 3 2
O 1 0 1
N 1 4 -3
D 2 3 -1

303
TOTAL29 37 -8

En esta simulacin habra un saldo de 8 (suministro insuficiente).
Surgi del rigor de una seleccin al azar. Sin embargo, hay que
aclarar que si se repite la simulacin con nuevas pruebas al azar
seguramente el resultado sera otro.

Una posibilidad es entonces efectuar numerosas pruebas al azar
(con Excel) y observar los resultados posibles hasta que se estabili-
cen, para luego adoptar alguna decisin sobre las instalaciones y
facilidades necesarias.

Excel facilita esta larga tarea: es necesario armar una planilla ano-
tando los 100 nmeros, repitiendo cada uno las veces que corres-
ponda en un cuadro de 10 por 10. Luego se encolumnan en A1 has-
ta A100. En B1 se escribe la frmula =aleatorio(), copindola hasta
B100 con una macro que elija solo en el rango A1: A100.
Seguidamente desde B1 se ordena la lista de la columna B utilizan-
do el icono del botn A-Z.

Cada vez que se apriete el botn A-Z, el nmero que ocupe la celda
A1 ser el elegido al azar por Excel, respetando la proporcin ne-
cesaria para la simulacin; igualmente para los nmeros para los 12
meses del ao, etc.


304

TAMAO DE LA MUESTRA

Una forma tcnica de calcular el tamao n de la muestra (30 simu-
laciones necesarias?) sera calcular la varianza del resultado para
una cantidad de, por ejemplo 1000 simulaciones, y medir la varian-
za. Si la distribucin es normal y con un nivel de confianza de orden
del 5%, se calcula la prueba Z de la distribucin normal; y con el
error absoluto (e) que se admita aceptable se calcula el tamao de
la muestra (n)
n = Z
2
(
2
) / e
2

De todos modos, con posterioridad a los estudios y a lo que se im-
plemente, la realidad seguramente ser otra. Pero una planificacin
como esta puede representar alguna ventaja racional en aquellos
casos en que no existe otra frmula posible de previsin.

305

PROGRAMACIN DINMICA
CADENAS DE MARKOV

Procesos estocsticos (aleatorios) con variaciones discretas a lo
largo del tiempo. Supngase un estudio de dos marcas, tendiente a
establecer la penetracin del mercado con cada una, conociendo las
proporciones actuales de cada marca A 60% y B 40%, as como
cuntos clientes estaran dispuestos a cambiar hacia la otra marca:

El producto A tiene 90% de clientes firmes y 10% estara dispuesto
a cambiar hacia B; en el producto B hay 95% de clientes fieles y 5%
de clientes que estaran dispuestos a pasarse hacia A.

Estas proporciones pueden disponerse en forma de una matriz [C]
de fidelidad, en la cual A11 es la posibilidad de que un cliente de A
contine en A; A12 es la posibilidad de que un cliente de A se pase
a B; B22 son los clientes de B que continan en B; y B21 los clientes
de B que se pasaran hacia A.


306

En H3 se muestra el producto de la participacin inicial de clientes A
60% y B 40% por la matriz de fidelidad, de modo que al final del
primer ao la participacin ha cambiado hacia A 56% y B 44%. Se
utiliz la funcin "=MMULT(PARTICIPACIN;FIDELIDAD)"

Para establecer el proceso dinmico es necesario efectuar el pro-
ducto {[0,60 0,40] [C]}
n
en los aos posteriores.

Repitiendo este producto con los nuevos clientes de cada ao por la
misma matriz de fidelidad (obsrvese en H3 que fue fijada como
referencia absoluta con $D$2:$E$3 mediante F4) se copia hacia
abajo durante n perodos, hasta que las proporciones se estabilizan
en 1/3 y 2/3 (en este caso A) 0.34 y B 0.66 desde el ao 21.

Cadenas de Markov absorbentes

Un laboratorio estudia casos excluyentes de salud o muerte (E y F)
despus de una serie de tratamientos sucesivos y peridicos, para

307
una muestra con 60% de enfermos leves y 40% de enfermos gra-
ves.

Se observaron los resultados en el primer y siguientes perodos,
segn este resumen:

E F 1 2
E 1 0 0 0
F 0 1 0 0
Grupo 1 0.2 0.1 0.6 0.1
Grupo 2 0.05 0.15 0.15 0.65
Tratamiento Tratamientos
Inicial siguientes

Estado inicial [P Q] = [0.60 0.40]

La probabilidad final de enfermos curados despus de un tiempo
indefinido de tratamiento es:

40 . 0 60 . 0 * [I - A]
-1
*

05 . 0
20 . 0

Siendo "l" matriz unitaria; y A =
65 . 0 15 . 0
10 . 0 60 . 0
;

entonces [I - A] =
35 . 0 15 . 0
10 . 0 40 . 0
;

con la proporcin de curados en el primer ao 0,20 y 0,05;

de modo que [0.60 0.40] * [I - A] *
05 . 0
20 . 0
= 0.52

308
(se esperan 52% de pacientes sanos, luego de los tratamientos su-
cesivos y peridicos).

En una hoja Excel se anotan los datos en A2 hasta G3; en I2:J3 se
resta la matriz unitaria menos la matriz A, ordenadamente celda a
celda; en L2:M3 se calcula la matriz inversa pintando las cuatro cel-
das y escribiendo con Ctrl+Shift+Enter lo que indica el visor (cuando
est pintado un rango de celdas la mquina agrega a la frmula una
llave inicial y otra final "{...}" ).

En la fila 3 se anot el concepto de fondo: multiplicar la muestra por
la matriz inversa de los tratamientos por el vector de cura inicial.
Pero procedemos en dos partes: en la primera multiplicamos la
muestra por la matriz inversa de tratamientos, segn se ve en D6
(previo pintar las cuatro celdas).

En segundo lugar, multiplicamos el producto anterior por el vector de
cura inicial, como se indica en el visor de G6.


309

El 52% de pacientes de la muestra sern curados, despus de
los tratamientos.


310
CAPTULO 5 -
MUESTREO
Mediante muestras es posible la estimacin estadstica de la media
y la varianza de la poblacin.
Esta estimacin ser insesgada o no segn que la media y varianza
de la muestra sean iguales a las de la poblacin.

Si dos muestras tienen iguales media y una tiene menor varianza
que la otra se dice que sta es un estimacin ms eficiente.

Las pruebas de significacin usuales son: hiptesis de nulidad;
prueba estadstica; nivel de significacin; distribucin muestral; zona
de rechazo; decisin sobre la prueba.

Conviene distinguir la estimacin en estima de puntos y estima de
intervalos. La estima de puntos dir que el peso es 4 kilos. La esti-
ma de intervalos dir 4 kilos + o 0,1, o sea, peso entre 3,9 y 4,1
kilos.

Hiptesis nula (Ho): por ejemplo, que un mtodo o algo, no es mejor
que otra cosa. Se distingue el error de tipo uno (rechazar algo ver-
dadero) del error de tipo dos (aceptar algo errneo).

En cuanto a la significacin de los ensayos admitiendo algn por-
centaje de error, se explica -al 95% o al 99%- que entre las mues-
tras y la poblacin no difieren las medias ni las proporciones o des-
viacin tpica.
Existen varios tipos de muestreo: al azar simple; al azar sistemtico;
estratificado (al azar, proporcional o no proporcional); conglomera-
dos al azar; no probabilstico o directo, etc. Interesa la seleccin de
la muestra, su tamao y la varianza de las muestras y de la pobla-
cin.


311
ENSAYOS CON UNA Y DOS COLAS

Con una cola es para cuando se compara si un proceso es mejor
que otro. De dos colas es para cuando se pregunta si el proceso es
mejor o peor que el otro.

El tipo de muestreo ms importante es el muestreo aleatorio. Se
numeran los elementos de la poblacin.

Se extrae solo uno, elegido al azar, i; se conforma una muestra eli-
giendo los elementos que ocupen los lugares i; i+K; i+2k; etc. to-
mndolos de k en k (con alguna correccin si casualmente existiera
una periodicidad constante k en la poblacin)

Los resultado se someten a error muestral e intervalos de confianza,
que varan de muestra a muestra y segn se calculen al principio o
al final.

La diferencia entre un estadstico muestral (los de posicin y de
dispersin vistos) y su parmetro poblacional correspondiente dan
la idea del valor que se obtendra con un censo en vez de con las
muestras.

El tamao de la muestra depender del tipo de muestreo, del par-
metro a estimar, del error admisible, de la varianza poblacional y del
nivel de confianza del caso.

Las poblaciones homogneas tienen poca varianza y necesitan
muestras menores.

El error muestral es la diferencia entre el parmetro o medida sobre
la poblacin y el estadstico o medida en la muestra.
El nivel de confianza es la probabilidad de que la estimacin se ajus-
te a la realidad, siguiendo una distribucin normal o bien de Stu-
dent, segn el caso.

312

NMEROS ALEATORIOS

Excel tiene funciones para aplicar al anlisis aleatorio. En el cuadro
figuran el clculo de nmeros aleatorios: escribiendo en A1
=aleatorio( ) los entrega como decimales cada vez que se recalcu-
la con F9.

Si se desea calcular nmeros aleatorio entre 700 y 800 se escribir
en A2 =aleatorio.entre(700;800) y los calcular cada vez que se
recalcule con F9.


313
PEQUEAS MUESTRAS
DISTRIBUCIN STUDENT
Esta distribucin es aplicable para muestras pequeas (entre 3 y 30
grados de libertad) cuando no se conoce la desviacin estndar de
la poblacin pero s la de una muestra.
En vez del z de la distribucin normal se utiliza t; y en vez del se
utiliza el .
La prueba t indica la probabilidad de que dos muestras sean de po-
blaciones con igual media.
Cuando el valor calculado para los grados de libertad y % de con-
fianza del caso- es menor que el de la tabla bilateral se concluye
que la diferencia entre medias es por azar, no significativa.

MUESTRA DE 10 ARANDELAS

Una mquina produce arandelas de 0,050mm de dimetro prome-
dio. En una muestra de 10 hubo 0,053mm de promedio, con una
desviacin tpica de 0,003mm.

Ensayar la hiptesis de que la mquina funciona bien para un 97,5%
de significacin.

Se trata de un ensayo bilateral, con t = (x-)/s (N-1)1/2
t = (0.053 0.050)/ (10-1)1/2 = 3
valor que es mayor al 2,26 que aparece en la tabla de distribucin
Student para 9 grados de libertad y 97,5% de significacin, por lo
que se acepta la Ho; de modo que se concluye que la mquina est
funcionando mal.

ESTIMACIN DE UNA DEMANDA DE UNIDADES CON MS
DE 0,053 mm: si fuera el caso de clientes de este dimetro
habra al menos 97.5% de probabilidad de esta demanda.

314

Comprobamos con Excel, modificando los valores de la muestra, en
la imagen cercanos a 0,053 en promedio; tambin ponemos en la
segunda fila producciones normales de la maquina como 0,053 en
todos los casos.

Es evidente que el resultado debe ser que la muestra indique que la
maquina funciona bien (ya que casi todos los valores son parecidos
a 0,053...).

En la celda A3 hacemos la prueba t con Excel: muestra que hay un
79,76% de probabilidad favorable:

A3 con =prueba.t(rangomuestra1; rango 2muestra;2 colas;tipo3
(el tipo 3 corresponde a muestras con distinta varianza; tipo 2 si son
muestras con igual varianza; tipo 1 si es sobre observaciones de
pares).

PRUEBA X
2
(DE ASOCIACIN ENTRE DOS VARIABLES Y DOS
O MS MUESTRAS)

Mide el promedio de la diferencia cuadrtica relativa entre la fre-
cuencia observada y la frecuencia terica esperada.


315
La prueba

X
2
permite observar el % de confiabilidad de que una se-
rie terica sea como otra real, escribiendo en B11 lo que figura en
esta imagen; un alto porcentaje indica que el ajuste terico es ade-
cuado para representar los datos empricos (o una muestra repre-
senta a una poblacin, etc.)

La prueba CHI.INV(probabilidad;grados) compara los resultados
observados con los esperados (muestra con poblacin) para ver si
la hiptesis original es vlida.

Comparando el valor calculado con el de la tabla X
2
-para los grados
de libertad y el % de significacin del caso- se puede observar que
las variables no son independientes cuando el valor calculado sea
mayor que el de tabla.

Ejemplos:


316
MUESTRA DE 16 PIEZAS TORNEADAS
cuya altura tiene 2,4mm de desviacin tpica.

Toda la produccin tiene esa desviacin respecto del promedio?

No se tiene la desviacin tpica de la poblacin, pero s la de la
muestra, entonces se usa chi
2
:

Con 95% de confiabilidad, los lmites izquierdo y derecho de la dis-
tribucin chi
2
son: 2,4 (16/28.8)
1/2
= 1,83, izquierdo; y 2,4(16/6.9)
1/2
=
3,84, derecho.

Para esa confiabilidad con lmites 97,5% y 2,5% -y con 16 grados de
libertad- la tabla muestra el cuadrado de 5,24 y de 2,5 -28,8 y 6,9-
(igual que en Excel, anotando como se ve en A11 y B11):

Entonces, la produccin habitual tendra una desviacin tpica en su
altura media de 1,83mm a 3,84mm, segn un nivel de confianza del
95%.

ESTIMACION DE UNA DEMANDA CON DESVIACION TIPI-
CA ENTRE 1,83 Y 3,84: si fuera el caso se estimara esta de-
manda con 95% de probabilidad.


317
MUESTRA DE 200 BOMBITAS
que tienen una desviacin tpica de 100 hs. en su duracin.

Ser esta la desviacin tpica en la duracin promedio de toda la
produccin?

Si la tabla no mostrara 199 grados de libertad se utiliza Excel:

Medimos los extremos con 95% de confiabilidad:
izquierdo: 100(200/161)
1/2
= 111.3 hs
derecho: 100 (200/240)
1/2
= 91.2 hs.
(Excel muestra los cuadrados de 12,7 y 15,5 respectivamente: 161,8
y 240, en A16 y B16).

ESTIMACION DE UNA DEMANDA CON DESVIACION TIPI-
CA HASTA 100 HS: si fuera el caso de estimar una demanda
para clientes hasta esta desviacin tpica habra una probabili-
dad del 95% en este rango, con no ms de 111,3 ni menos de
91.2 hs de desvo, segn surge de la prueba Chi
2
sobre esta
muestra (por ejemplo, rango sobre una media de 6000 hs.con
desviacin tpica con extremos en 6111,3 hs. y 5908,8 hs).

Igualmente si se trabajara con una confiabilidad del 99%:

318
Izquierdo: 100(200/254)
1/2
= 88,9 horas.
Derecho: 100(200/151)
1/2
= 115,9 horas

(Excel muestra los cuadrados de 12,2 y 15,9 respectivamente: 151,4
y 254,1 en A20 y B20)

Se puede afirmar con 99% de confiabilidad que la produccin nor-
mal de bombillas en esta fbrica tiene una desviacin tpica entre
88,9 y 115,9 horas respecto al promedio.

SALIERON 115 CARAS y 85 CRUCES

se observ luego de lanzar 200 veces una moneda.

Se puede afirmar que la moneda est bien hecha?

La distribucin X
2
se puede calcular como la sumatoria del
cuadrado de lo observado menos lo esperado, sobre lo espe-
rado:
X
2
= (O E )
2
/ E

X
2
= (115-100)
2
/ 100 + (85-100)
2
/100 = 2,25 + 2,25 = 4,5

La tabla chi
2
para k-1 grados de libertad (2-1=1) y 95% de significa-
cin indica 3,84 (o ver con Excel en A25).

Como 4,5 es mayor que 3,84 no puede afirmarse que la moneda
este mal hecha.

Pero al 99% de significacin la tabla indica 6,63 (con Excel ver B25),
que es mayor que 4,5. Entonces, no puede afirmarse con gran segu-
ridad que la moneda est bien construida, ya que probablemente
este mal hecha.

319

ESTIMACION DE DEMANDA: si estos hubieran sido los gustos
de una poblacin, habra una probabilidad del 95% de obtener com-
pradores para el producto con este rango de desvo tpico.

EL KILO DE GUISANTES DE MENDEL

fueron clasificados y en su muestra de 556 se encontr: 315 lisos
amarillos; 108 lisos verdes; 101 rugosos amarillos; 32 rugosos ver-
des.

Concluy en la idea que ese ao la cosecha posiblemente guarda-
ra la proporcin 9+3+3+1=36, algo diferente (y que para 556 repre-
sentara 104.25; 104.25; 104.25 y 34.75 respectivamente).

Es razonable aceptar la idea de Mendel para la cosecha?

Para k-1=3 grados de libertad y al 95% de significacin la tabla X
2

indica 7,81; mientras que al 99% de significacin indica 11,3.

Segn los valores de la muestra se tiene:


320
X
2
(315-312.75)
2
/ 312.75 + (108-104.25)
2
/104.25 + (101-104.25)
2

/104.25 + (32-34.75)
2
/ 34.75 = 0,492

Como 0,492 es menor que 11,3 y 7,81 no se puede rechazar su idea
(sin embargo, dado que la tabla al 5% indica 0,352, menor que
0,492, cabe aclarar que hay cierta influencia de error muestral).

ESTIMACIN DE LA DEMANDA DE GUISANTES: si hubiera
sido el caso de los gustos de consumidores, esta sera la proporcin
demanda con probabilidad al 95%

BONDAD DE UN AJUSTE

Lanzando una moneda1000 series de 5 veces se registraron las
siguientes presentaciones de cara en cada serie: 38:0 (38 veces de
canto); 144:1 (144 veces una cara); 321:2; 287:3; 164:4 y 25:5.

Un ajuste binomial estableci la siguiente ley de formacin:

Caras p{x caras
Frecuencia
esperada
Frecuencia
observada
0 0.0332 33 38
1 0.1619 162 144
2 0.3162 376 342

321
3 0.3087 309 280
4 0.1507 151 164
5 0.0294 29 25

Para efectuar la bondad del ajuste se calcula X
2
:

X
2
= (38-33.2)
2
/33.2 + (144-161.9)
2
/161.9 + (342-316)
2
/316 + (287-
308.7)
2
/308.7 + (164-150.7)
2
/150.7 + (25-29.4)
2
/29.4 = 7,54

Comparando con la tabla para 4 grados de libertad (6-1-1) indica
9,49 al 95%, o sea, un ajuste muy bueno (pero indica 0,102 al 5%,
un ajuste malo).


322
CAPTULO 6 -
TEORA DE LA DEMANDA

Teoras de la demanda y sistemas econmicos

Las empresas estudian la demanda, bsicamente la demanda de las
personas. Pero para ello es necesario explicar la naturaleza de este
acto; y existen tres teoras econmicas que lo intentan, abarcando la
filosofa del comportamiento humano individual, social, poltico y de
la propia organizacin de los estados y sus gobiernos.

Durante milenios hasta el presente, las naciones de todos los conti-
nentes han tenido diversos sistemas polticos; pero sus sistemas
econmicos presentaron numerosas constantes:

Existencias de leyes, un estado encargado de mantener el orden so-
cial y administrar lo necesario para el bienestar general: efectuar
actividades bsicas como caminos, puentes, hospitales, escuelas,
defensa territorial, seguridad de las personas y defensa del derecho
de propiedad privada, asegurar el abastecimiento y normalidad en
los mercados, cobrar impuestos, regular y garantizar un balance de
divisas que asegurara el poder de importaciones, etc.

Aristteles en el S III a.c. escribi sobre los precios del mercado,
reconociendo que dependan de las necesidades del comprador y
de los costos del productor.

Santo Toms de Aquino, en el S XII (Summa Theolgica y Summa
para Gentiles) tradujo ese estado natural de cosas segn Aristteles
en uno de los postulados del cristianismo: justicia conmutativa (justo
precio para las transacciones en el mercado) y justicia retributiva
(justo salario para el trabajador).

323

Pero a mediados del siglo XVIII ocurre en Inglaterra la revolucin
industrial: el maquinismo, la revolucin de los cercados, campesinos
desposedos que forman la naciente clase asalariada, etc. surgiendo
la formacin de excedentes exportables de productos industriales,
para ubicarlos en las ciudades europeas, americanas, etc.

Poltica, ardides, corrupcin, invasiones; cortarle un dedo a los nios
hindes para que no compitieran hilando, etc. fueron diversos ins-
trumentos utilizados para conseguir mercados. Pero interesa co-
mentar aqu el importante aporte de contar con unas nuevas ideas
para ayudar esos esfuerzos: las "teoras" (en rigor, cualquier cosa
que ayude a convencer).

La escuela moral escocesa pens una nueva filosofa para explicar
la conducta humana, econmica y el bienestar general, oponindola
a la idea cristiana de la justicia conmutativa y distributiva.

Para A. Smith, J. Benthan, D. Ricardo y otros escoceses, todos las
personas actuaran guiados por el egosmo. El principio hednico
-procurar siempre el mximo beneficio con el mnimo esfuerzo- ga-
rantiza que una especie de mano invisible (los precios libres) man-
tenga los mercados competitivos y en equilibrio, conduciendo al m-
ximo bienestar general, ya que el Estado evita la formacin de mo-
nopolios y conductas no transparentes.

La propiedad privada es una idea natural en los sistemas econmi-
cos de la humanidad; pero el libre comercio en los mercados era
una nueva idea (una teora, que no coincida con el orden natural
tradicional).

Algunos pensadores de la poca ya vieron que esta idea terica
puede no ser realista si el estado no evita eficientemente esas con-
ductas no transparentes. Sobre todo, en 1848 el austriaco C. Marx

324
escribi El Capital, alertando que la libre competencia lleva en s el
germen del monopolio.

Agreg adems que el beneficio empresario o plusvala, era en el
fondo un salario pretrito del trabajador y corresponda entonces la
propiedad estatal de los medios de produccin, con planificacin
estatal de las actividades y mercados (otra nueva teora, totalmente
contraria al orden natural tradicional).

Los economistas reconocen que competencia y monopolio son dos
modelos tericos extremos, mientras que en la realidad los merca-
dos se desenvuelven en una gama intermedia de competencia, im-
perfecta.

Situaciones de competencia incontrolada pueden llevar a excesos
(Argentina, Rusia, en los aos 1990). Tambin un estatismo a ul-
tranza conducira al fracaso de la URSS (si bien cabe tener en cuen-
tas que Gorbachov, en la Perestroika persegua particularmente una
"transparencia poltica", ms que econmica, para terminar con la
ola de asesinatos polticos en aquel rgimen).

En resumen, tenemos tres ideas de sistema econmico relevantes
(el histricamente tradicional mundial, el liberal y el marxista).

Al nivel de teoras econmicas, dos relevantes: la marxista, novedo-
sa, contraria a la historia mundial sobre la propiedad privada; y la
liberal, a fin con la historia sobre la propiedad privada, pero no as
en su idea del libre comercio, salvo con su clusula terica de un
estado fuerte que controle efectivamente la formacin de monopo-
lios y conductas no transparentes que lesionen la competencia pura.

Bajo la evolucin del pensamiento econmico en aquella poca,
explicar la naturaleza de los precios de mercado implicaba conside-
rar la demanda y la oferta.


325
Pero liberales y Marx admitan una gran influencia del costo de pro-
duccin en la determinacin de los precios. Estos clsicos prestaban
poca importancia a la escasez, las necesidades y la demanda.

Sin embargo, esta coincidencia de pensamientos era molesta a los
clsicos liberales. En 1854 el austriaco Gossen escribi un libro (del
que habra algunos ejemplares en Oxford) con dos clebres leyes,
que explicaban los precios de manera distinta y ms favorable a la
teora liberal, ya que sobre todo, fundamentaban la legitimidad del
beneficio extraordinario para la empresa.

Gossen se habra suicidado porque no lo entendieron en su momen-
to; pero alcanzo a escribir cartas a varios economistas con estas
ideas, los cuales 20 aos despus publicaron trabajos y Marshall los
reuni como una sntesis en su libro de Principios econmicos, con
esta primer teora.

PRIMERA TEORA DE LA DEMANDA: sicolgico-utilitaria

Bsicamente las dos leyes de Gossen conformaron la primer teora
de la demanda, sicolgico-utilitaria.

La ley 1) fue sintetizada por A. Marshall (escocs, 1890, Principios
de Economa) as: conforme dispone de ms unidades el consumi-
dor siente menor utilidad con cada una (utilidad marginal decrecien-
te) y las va valorando menos: paga menos por cada nueva unidad
consumida; esto explica la pendiente negativa de la curva de de-
manda.

La ley 2) explica el consumo de 2 o ms bienes: a) el consumido
encuentra su equilibrio (y entonces demanda, compra) con igual
relacin placer sobre precio en todas sus compras: igualdad de las
utilidades marginales ponderadas por sus precios (UMgx / Px =
= UMgy / Py = etc...

326

Simultneamente deba cumplirse b) gastar todo el presupuesto M
(o sea, Px (X) + Py (Y) = M.

Se explica matemticamente as el mximo condicionado para dos o
ms variables:
a) U'x / U'y = Px / Py con b) Px (X) + Py (Y) =M

(El mximo, mnimo para una variable era: U' = 0 con U'' <0 mxi-
mo; y mnimo si es >0; o punto de inflexin si es tambin =0 la se-
gunda derivada.

Es decir, ponerse en un punto de giro /cambio con la primera deri-
vada =0 y luego ver si la nueva derivada (incremento) cae o sube,
explican el mximo o mnimo, etc.

Con estas ideas de Gossen, los neoliberales (K.Menger, DL 1970;
S. Jevons, UK 1972; L. Walras, Fr 1874; A. Marshall, UK 1890) per-
feccionaban la teora liberal y se diferenciaban de la teora de Marx
sobre los precios.

El precio no es como decan los clsicos liberales y Marx, segn el
costo medio, sino que depende de la utilidad marginal.

Explicaron la teora sobre el sistema econmico y en particular la
teora sobre los precios y la demanda.

Distinguen la utilidad total (solo tiene sentido econmico mientras
es creciente, hasta la saturacin; es as solo positiva, en el primer
cuadrante; crece (primer derivada o incremento positiva) pero antes
de la saturacin el crecimiento es cada vez menor (segunda deriva-
da negativa); hay un mximo (que coincide con la utilidad marginal
nula) y si no se consume no hay utilidad.


327
La primer derivada es la utilidad marginal (cociente incremental dU /
dX). Tiene sentido econmico si es positiva, pero es decreciente
(primer cuadrante con pendiente negativa); es nula en la saturacin.

Avances posteriores permitirn explicar la utilidad con necesidades
no primarias.

SEGUNDA TEORA DE LA DEMANDA: curvas de indiferencia
del ingeniero W. Pareto, Miln 1910

En 1880 el ingls Edgeworth ide las curvas de indiferencia para
explicar el comercio entre Inglaterra y Argentina (en los programas
de economa se estudia la Caja de Edgeworth). Pareto las utilizo
para una nueva teora sobre la demanda.

Las canastas sobre una curva son indiferentes. Curvas ms aleja-
das indican canastas mayores, preferidas. Hay un presupuesto para
gastar; la recta de presupuesto ms alejada indica mayor gasto.

Los precios relativos del mercado se indican con la pendiente de
esta recta: gastando todo en uno u otro bien se grafican los extre-
mos de la recta y su pendiente.

La demanda aparece si hay equilibrio: tangencia de la recta de pre-
supuesto con la curva de indiferencia ms alta. Incluso se puede
medir la utilidad total, que ser aqu de tipo ordinal (mayor o menor;
por oposicin a la idea de medicin cardinal en Marshall).

Deben cumplirse las dos condiciones matemticas:
a) TMS = Px / Py (tasa marginal de sustitucin igual al
cociente de precios relativos del mercado); y
b) agotar el presupuesto Px (X) + Py (Y) = M

Geomtricamente la TMS = dY / dX es la pendiente de la c.i.

328

Por otra parte, en la c.i. el diferencial total entre sus puntos es ne-
cesariamente nulo: U'x dX + U'y dY = 0 lo que puede expresarse
como U'x / U'y = dY / dX (cociente de las derivadas igual a la pen-
diente).

Adems, la pendiente de la recta de presupuesto tambin est pre-
sente en el punto de equilibrio. En toda esta recta hay el mismo pre-
supuesto, de modo que al cambiar entre dos de sus puntos necesaria-
mente (dY) Py debe ser igual a (dX) Px (cantidades por precios que
indican igual monto de variacin, porque ambas canastas valen M).

As, geomtricamente, coinciden las pendientes de la funcin de
utilidad o gustos y de los precios de mercado, explicando el equili-
brio.

Matemticamente se calcula el equilibrio como a) U'x / U'y = Px / Py;
con b) Px (X) + Py (Y) = M (igual que con Marshall, pero con un mo-
delo distinto: geomtrico-matemtico y no sicolgico/utilitario-mate-
mtico).

CURVA DE INDIFERENCIA Y RECTA DE PRESUPUESTO

Siendo los gustos U = X Y, el presupuesto M= $100 y los precios
en el mercado Px=$1 Py=$2.

a) el cociente de las derivadas igualado al de los precios es
Y / X = 1 / 2 de donde la relacin de intercambio # es 2Y = X
b) agotar el presupuesto: M = 1(X) + 2(Y) = 100
reemplazando # es: M = X + X = 100; o sea, X= 50; e Y = 25 segn
#, resultando una utilidad cardinal U=XY= 1250 unidades.


329
Esto se calcula en la siguiente hoja Excel: la ecuacin de la curva de
indiferencia es Y = U/X = 1250/X; la ecuacin de la recta de presu-
puesto es M = Px(X) +Py(Y), o sea, Y = 100/Py -Px/Py (X).

El equilibrio del consumidor surge cuando se igualan sus gustos con
los precios relativos del mercado; y gasta $100, demandando X=50
e Y=25.

TERCERA TEORA DE LA DEMANDA: PREFERENCIA REVELA-
DA

El anlisis distinguiendo los efectos sustitucin y renta cuando cam-
bia un precio permitieron presentar una tercer explicacin sobre las
razones de la demanda.
Se desarrolla bajo el anlisis de la ecuacin de Slutsky y con el del
efecto ingreso y sustitucin segn Hicks.

Slutsky, Hicks, Samuelson explicaron que adems de la vieja ley de
la demanda tambin influa el menor poder adquisitivo si un aumen-
to en el precio de algn bien importante deteriora el valor adquisitivo
real del presupuesto disponible para demandar. Agregan las conse-

330
cuencias de la inflacin: al viejo efecto sustitucin le agregan el nue-
vo efecto renta.

Lo de preferencia revelada surge porque cuando, por ejemplo, el
Instituto de Estadsticas y Censos mide mensualmente los ndices
de precios al por menor y otros, est obteniendo informacin objeti-
va (no contingencias sino hechos) de las preferencias reveladas
(manifestadas) por los consumidores sobre la demanda, segn sus
gustos, su dinero y los precios de todos los bienes.

Su abundancia de datos mensuales permite efectuar con Excel co-
rrelaciones, con valores homogneos netos de inflacin, y explicar
las demandas mediante sus ndices de consumo y gasto (para una
gran cantidad de bienes individuales anotados mes a mes, en pre-
cios y cantidades consumidas).

Esta teora se justifica con dos axiomas: dbil (si una canasta le es
mejor que otra, ese consumidor no puede decir racionalmente lo
opuesto) y fuerte (si prefiere la canasta 1 a la 2 y tambin la 2 a la
3, entonces prefiere la 1 a la 3).

Vase el ejemplo: a precio similar compraron ms caf de la marca
1 que de la 2. Igualmente comparando las marcas 2 y 3. Entonces,
indirectamente prefiere la marca 1 a la 3 (salvo en la cafetera H,
segn muestra la celda i9 con la funcin lgica =Y( ; )).


331


332
NMEROS NDICE

El aporte de Excel no es solo por las funciones de correlacin ml-
tiple incorporadas sino adems por las facilidades de la propia hoja
de clculo Excel para elaborar y trabajar con ndices.

Los complejos clculos de Laspeyres o Paasche y otros se facilitan
en minutos copiando celdas y relacionndolas mediante operacio-
nes elementales (vase ms en detalle al final de este captulo).

EQUILIBIO DEL CONSUMIDOR: DEMANDA DERIVADA

La teora del consumidor (cardinal u ordinal) maximiza la utilidad
por consumir bienes X e Y gastando el presupuesto M, dados cier-
tos gustos (funcin de utilidad) y precios en el mercado.

Con las condiciones a) el cociente de las derivadas igualado al de
los precios del mercado; junto con b) gastar todo el dinero disponi-
ble, se satisfacen las dos condiciones de mximo para funciones de
dos variables (coinciden las posibilidades y gustos del consumidor
con las pretensiones del mercado)

MAXIMIZACIN SEGN LA UTILIDAD MARGINAL
(A. MARSHALL)

U= 0,2XY + 8 con Px=$1; Py=$4; M=$70

a) se resuelve con: U
X
/ U
y
= Px / Py

0.2Y / 0.2X = 1/4 o sea, X=4Y #


333
b) Px(X) + Py(Y)=70 o bien reemplazando 4Y+4Y =70 Y=8,75
por lo cual X=35 (segn #)

La utilidad mxima es U=0.2(35)(8,75) + 8 = 69,25 unidades
Excel tambin facilita la resolucin de estos problemas con funcio-
nes no lineales, utilizando su macro Solver, pero cuidando no elegir
en Opciones Adoptar el modelo lineal (tal como cuando se hace
programacin lineal).

Se anotan los pocos datos tal como aparecen en la siguiente ima-
gen y se abre Solver en Herramientas.


334

Solver pregunta cul ser la celda objetivo (a maximizar); cuales las
celdas a cambiar para calcular en ellas las cantidades de X e Y;
tambin pregunta por las restricciones (en este caso el presupuesto
$70).

Al pulsar Agregar en la opcin Sujeta a las siguientes restriccio-
nes se abre la pequea ventana para anotar a la izquierda D4; en
el centro <=; y a la derecha =70 y Aceptar. Vuelve a la ventana
Solver, se pulsa Resolver y luego Aceptar la solucin Solver.

Con Solver no hay limitacin para el tipo de funciones de utilidad,
sean lineales o no lineales.

PROBLEMA DUAL:

MNIMO GASTO PARA OBTENER CIERTAS DEMANDAS CON
UTILIDAD DE SOLO 32 UNIDADES?

Aqu la funcin a) ser la de presupuesto Px(X) + Py(Y) = M, mien-
tras que la restriccin b) es la funcin de utilidad igualada a 32:

U = 0,2XY +8 = 32


335
a) 0,2XY +8 =32 mantenindose los precios relativos en el
mercado X=4Y #
por lo cual 0,2(4Y) Y +8 =32 con 0,8Y
2
= 24 e Y
2
=30
o bien Y=5,48 X=4(5,48)=21,92 segn #
b) El gasto necesaria ser: M= $1 (21,92) + $4 (5,48) = $43,82

Con Solver de Excel se escriben los datos, incluyendo la funcin de
utilidad en B5. Se abre en Herramientas Solver y se elige Minimizar.
La celda objetivo es ahora D4 y las celda cambiantes siguen siendo
B2 y C2.

Sujeto a las siguientes restricciones y Agregar permite anotar ahora
B5=32. Luego Resolver y Aceptar la solucin de Solver.


336

(nuevamente los precios deben ser >0 y adems, se ha evitado ele-
gir en Opciones Adoptar la solucin lineal, ya que la funcin es de
segundo grado).

MAXIMIZACIN SEGN LA INDIFERENCIA DE W. PARETO
(Y LAGRANGE)

El mismo caso anterior se explica con la teora de las curvas de indi-
ferencia de W. Pareto: gustos y presupuesto coincidentes con los
requerimientos del mercado, mediante:

TMS = P
x
/ P
y

Segn el diferencial total nulo en la curva de indiferencia y en la rec-
ta de presupuesto, en el punto de equilibrio (con igual pendiente por
ser tangentes) se cumple


337
U
x
/ U
y
= P
x
/ P
y

Como en el caso anterior segn Marshall, pero adoptando el mtodo
de Lagrange:

Funcin combinada L = U + (Px(X) +Py(Y)

L = 0,2XY +8 + [(1(X) + 4(Y) 70]

I) Ux = 0,2Y + = 0
Uy = 0,2X + 4 = 0
U = X + 4Y - 70 = 0

Segn U
x
resulta = 0,2(8,75)= 1,75: utilidad marginal de este
dinero del presupuesto. Si se gastara $1 ms ($71) la utilidad total
sera: 69,25 +1,75 = 70.99 unidades de utilidad.

II) El Hessiano con las segundas derivadas:

H =
0 4 1
4 0 2 . 0
1 2 . 0 0
= + 1.6 (>0)

con el mismo clculo prctico para las dos teoras (Marshall y Pare-
to), ya sea con ecuaciones diferenciales, con Lagrange, o con la
programacin Solver no lineal en este caso (no obstante que una
use el modelo sicolgico de la utilidad marginal y otra el modelo
geomtrico de las curvas de indiferencia).


338

Y

8,75 E

ci U = 69,25 u .u.

35 X

DETERMINANTES

Sin limitaciones de orden, Excel calcula estos determinantes, sim-
plemente anotando en una celda =mdeterm(A1:C3) como se ve en
la imagen (reemplazando antes = 1,75):


339
EFECTO INGRESO-SUSTITUCIN SEGN HICKS

A) EQUILIBRIO DEL CONSUMIDOR

Supngase un consumidor con gustos U=Y(X+5) y presupuesto
M=Px(X) +Py(Y)= $110; en el mercado los precios son Px=$2 y
Py=$1.

Las relaciones necesarias estn indicadas en la hoja, en A1 hasta
A12. EN A7 y A8 se calculan las derivadas pero anotndolas como
frmulas: en A7 ir =A2 (tal como indican las referencias de la co-
lumna B) y en A8 ir =A1+5; en A9 el cociente A7/A8; en A10 ir
A5/A5; en A11 ir 2*A1+10; en A12 ir A4*A1+A5*A2.

El equilibrio inicial se calcula con Herramientas > Solver > poniendo
como celda objetivo maximizar la utilidad A3; celdas cambiantes
A1:A2 (las cantidades de bien X e Y).

Como "Sujeto a las relaciones" se anota que el cociente de las pri-
meras derivadas sea igual al cociente de los precios del mercado
(A9=A10) y que el presupuesto sea igual a 110 (A12=A6).

Con Resolver y Aceptar Solver calcula la mxima utilidad 1800 uni-
dades ordinales, as como la demanda de ambos bienes: X=25 uni-
dades e Y=60 unidades.


340

Excel tambin ayuda en la grfica necesaria: en D1 hasta F15 se
repite: la variable X (abscisa) y las ordenadas, que se reescriben
como funciones: de utilidad (Y=U/(X+5)) y de presupuesto (Y=M/Py -
Px/Py(X)).

Conviene elegir el rango con incrementos en 4 para que sea un gr-
fico visible: en D2 y D3 se anota X=1 y X=5 y se copian las dos fun-
ciones en la lnea 3. Se pinta las 6 celdas y se arrastra hacia abajo
la esquina inferior derecha.

Pintando el rango D2:F15 se pulsa en el icono de grficos > Disper-
sin > etc. Y para que el grfico sea bien visible conviene activarlo
(picarlo) de modo que recuadre el rango de datos: as se podr
arrastrar este rango achicndolo algo hasta que queden las lneas
bien visibles (como en esta imagen).


341

B) CAMBIO EN EL PRECIO DEL BIEN X

Suponiendo luego un aumento a Px=$5,10 y las dems condiciones
constantes, se recalcula el equilibrio segn a), simplemente cam-
biando ese precio y volviendo a ejecutar Solver.

Bajo los nuevos precios relativos la utilidad total pasa a ser U=900 y
la demanda son X=8,28 e Y=67,8. Subi el precio de X, se consume

342
menos de X, pero ms de Y (Y sustituye a X); y hay menor utilidad
total.

Antes la demanda de X era 25, ahora solo 8,3. Esta reduccin de
16,7 unidades se explica segn Hicks por dos motivos: no solo por
la vieja ley de la demanda de Marshall (efecto sustitucin), sino
tambin por el efecto renta (o deterioro del poder adquisitivo, por
inflacin)

C) SEPARACIN DE EFECTO RENTA Y SUSTITUCIN

Para calcular cunto es cada efecto en esa disminucin de X Hicks
supone un imaginario subsidio al consumidor que le permitiera vol-
ver a la curva de indiferencia inicial U=1800.

La recta de presupuesto imaginaria tocara al curva U=1800 en un
punto S, distinto del equilibrio inicial E. Las coordenadas de este
punto S se pueden calcular igualando las pendientes de la curva de
indiferencia inicial con la pendiente de la recta de presupuesto ima-
ginaria.

Las pendientes (cateto opuesto sobre cateto adyacente) se pueden
calcular como las primeras derivadas de cada lnea: curva de indife-
rencia inicial U=Y(X=5)=1800, o bien Y=1800/(X+5), que tiene como
derivada: Y'=1800(X+5)
-2
.

La recta de presupuesto imaginaria (todava no calculada) es parale-
la a la segunda recta (bajo la situacin B): M=5.1(X) + 1(Y)=110, o
bien Y=110/5.1 -5.1X; su pendiente es Y'= -5,1.

Igualando pendientes -5.1 = -1800/(X+5)
2
y resolviendo esta cuadr-
tica surgirn las coordenadas de S, en particular X=13.8, que per-
mite dividir la diferencia entre la demanda inicial y posterior de X en
dos partes: en A) era X=25; en B) era X=8,28. Desde 8.28 hasta

343
13.8 hay 5,5 de disminucin por efecto renta; desde13.8 hasta 25
hay 11,2 de disminucin de demanda por efecto sustitucin.


344
FUNCIN COMBINADA DE LAGRANGE

Supngase un consumidor con la siguiente funcin de gustos: U=
28X +28Y - 2X
2
-3XY -2Y
2
, un presupuesto M=$12 y precios en el
mercado Px=$1, Py=$6.

Lagrange conforma una funcin combinada "L", compuesta de la
suma de dos trminos: uno la funcin U; el otro la restriccin de pre-
supuesto multiplicada por una variable auxiliar (Px(X)+Py(Y)-M),
entonces:
L= 28X +28Y - 2X
2
-3XY -2Y
2
+ (1X +6Y -12)

a) La primera condicin ser ubicarse en un punto de giro de la
funcin, igualando a cero las primeras derivadas de L; la segunda
ser averiguar si es un punto de inflexin, de mximo o de mnimo,
segn que el Hessiano H sea nulo, positivo o negativo.

Las primeras derivadas de L son :

0 12 - 6Y X L
0 6 4Y - 3X - 28 L
0 Y 3 X 4 28 L
'
y
'
x

Igualamos el trmino en de las dos primeras multiplicando la pri-
mera por 6, quedando 168 -24X -18Y = 28 -3X -4Y; o sea, Y= 10 -
3/2X. (#)

Reemplazando esta relacin (#) en la tercer derivada se obtiene X +
6(10 +3/2X) = 12, de donde surge X=6; y por consiguiente Y= 1 se-
gn (#).

345
SIGNIFICADO Y VALOR DE :

Segn L'x es: 28 -4(6) -3(1) = - ; o sea, - = 1 (o = -1)
Se interpreta como la utilidad marginal de dinero de este presu-
puesto, ya que gastando un peso ms en los bienes la utilidad total
variara en -1. Por ejemplo, si el peso se gasta en consumir una uni-
dad ms de X la utilidad total sera lo que indica la funcin U con
X=7 (en vez de los 6 iniciales), e Y=1 y totalizara 103 en vez de
104 inicialmente (ya que X es un bien inferior, cae la utilidad total).

b) La Segunda condicin es conformar el Hessiano con las deriva-
das segundas:
H =
0 6 1
6 4 3
1 3 4
" " "
" " "
" " "
L L L
L L L
L L L
y x
y yy yx
x xy xx

Excel calcula este determinan con solo anotarlo y en D2 escribir
"=mdeterm(A1:C3)" y pulsar Enter.

(para estas anotaciones resulta cmodo disponer de caracteres
griegos, disponibles en el Microsoft Office, insertando los smbolos
deseados, ...).


346

ECUACIN DE SLUTSKY

J. Hicks explica en Valor y Capital, que cuando el consumidor pasa
desde un equilibrio inicial E hacia otro final F consumira menos de
algn(os) bien(es) debido a un aumento de Px.

Suponiendo un subsidio que le compensara este deterioro volvera a
la utilidad inicial U1, pero consumira ahora segn una canasta S
diferente a E: el subsidio trasladara su recta de presupuesto mn2
hasta ser tangente con U1 en S (a diferencia de Slutsky, si la parale-
la a mn2 y pasara por E en vez de ser tangente sera secante a U1).


347
Y
m

S

E U
2

F U
0

U
1

n
2
n
1
X
ER ES

Calculando las coordenadas de S se obtendra una ordenada que
dividira en dos partes la prdida de consumo de X entre E y F: a la
izquierda el efecto renta (segn el supuesto subsidio) y a la derecha
el efecto sustitucin o vieja ley de la demanda.

La demanda compensada (efecto sustitucin o perdida de X entre E
y S)) segn Hicks es algo diferente que segn Slutsky, ya que la
recta de presupuesto que pasara por E alcanzara a una curva de
utilidad U
3
superior.

En la ecuacin de Slutsky estos dos efectos se presentan en el se-
gundo miembro con otro orden: primero el efecto sustitucin y luego
el efecto renta.

Estos efectos sustitucin y renta as separados en dos partes, se
miden calculando la cada de demanda ponderando en un caso por
la utilidad marginal del dinero constante (con - ); y en el otro ponde-
rando por lo gastado en el bien cuyo precio cambi.

348

EFECTO DEL CAMBIO DEL PRECIO DEL BIEN X SOBRE LA
DEMANDA DEL BIEN X:
Conviene escribirlo en el orden del lenguaje matemtico, tal como si
fuera una derivada o cociente incremental (si cambia el denomina-
dor cunto cambiara el numerador?):

dX / dPx = - xx / H -X x / H =
= 1 (-36/112) - 6 (-14/112) = 0,4

El pasaje desde la situacin inicial hacia la final se explica con dos
partes, cuyo resultado muestran: el efecto sustitucin puro ( -0.3) y
efecto renta (0.8), totalizando +0.4; por lo que el bien X es atpico,
algo inelstico respecto a su precio, segn su demanda ordinaria.

Aunque el -0,3 de su demanda compensada del efecto renta indi-
caba que era tpico, X es tipo Giffen (como el pan, sube su precio y
su cantidad vendida); adems, el factor -14/112 negativo indica que
X es un bien inferior): en los bienes Giffen el efecto renta supera
al efecto sustitucin.

PARADOJA GIFFEN
En principio, todos los bienes son bsicamente o en general tpicos;
pero algunos bienes pueden actuar ocasionalmente bajo la paradoja
Giffen: aumenta su demanda no obstante aumentar su precio.
La ecuacin de Slutsky nos ayuda a interpretar esta observacin:
segn sea el signo de sus dos trminos, el efecto sustitucin (ES,
que es siempre negativo), al que se le resta el efecto renta (ER).

Si por alguna circunstancia este efecto renta fuera negativo (est
restando) y es adems grande o mayor que el ES, entonces el re-
sultado final indicara que la funcin de demanda del bien estudiado
tendra pendiente positiva

349

Paradoja: subira el precio y tambin subira el consumo de este
bien; por ejemplo, porque un consumidor que depende de un ali-
mento bsico y viera subir su precio, comprara ms para suplir can-
tidades de otros bienes que ya no pueda consumir conjuntamente.

BIENES SUNTUARIOS

Por otra parte, todos los bienes son normales para algunos niveles
de ingreso, no obstante, puede haber bienes que para algn con-
sumidor sean suntuarios, en funcin de su abundante dotacin de
ingresos: ms all de las comprobaciones estadsticas, en teora, un
bien sera suntuario si su elasticidad ingreso fuera mayor que uno:
dXi /dY ( Y / Xi ) > 1.

ADJUNTOS

Cada elemento del Hessiano tiene un adjunto, o menor complemen-
tario, conformado con las dems filas y columnas. Excel calcula los
adjuntos necesarios 11, 31, 12, 32, 21, 31, 32 como
se muestra en D11, pero es necesario complementarlos con la regla
de los signos para este anlisis: anteponer un signo menos a los
adjunto impares D12, D32 y D21.


350
EFECTO DEL CAMBIO DEL PRECIO DE X SOBRE LA DEMANDA
DEL BIEN Y:

dY / dPx = - 12 / H - 6 32 / H =
= 1 (6 / 112) - 6 (21 / 112) = 0.05 - 1.1 = -1

si sube el precio de X comprara menos X (se compra ms por ser
Giffen) y menos Y (-1 <0); Y es complementario de X; el trmino
21/112 positivo indica que Y es un bien normal (carne). El efecto
sustitucin neto es positivo e indica que Y es sustituto de X, no obs-
tante que el efecto total sea complementario bruto.

EFECTO DEL CAMBIO DEL PRECIO DE Y SOBRE LA DEMANDA
DE X:

dX / dPy = - 21 / H -X 31 / H =
= 1 (6 / 112) - 1 (-12 / 112) = 0.05 + .013 = 0,18

si sube el precio de Y se compra menos bien Y pero ms X; X es
sustituto de Y (pan sustituto de carne). Segn el efecto sustitucin
neto positivo X es sustituto neto de Y; el efecto total tambin indica
que es sustituto bruto.

EFECTO DEL CAMBIO DEL PRECIO DE Y SOBRE LA DEMANDA
DE Y:

dY / dPy = - 22 / H -Y32 /H =
= 1 (-1 / 112) - 1 (21 / 112) = -0.01 - 0.18 = -0,2

cuando sube el precio de Y se compra menos Y (bien tpico, con
demanda muy inelstica); el efecto sustitucin puro siempre es ne-
gativo (-0,01); el cociente 21/112 positivo indica que Y es un bien
normal no suntuario; la demanda compensada del efecto renta cae-
ra muy poco, solo en la proporcin -0,01, pero la demanda ordinaria
cae segn -0,2.

351

DEDUCCION DE LA ECUACION DE SLUTSKY

El conocimiento matemtico acumulado a principios del siglo XX
permiti explicar el equilibrio del consumidor (o cantidades deman-
dadas de dos bienes) mediante la funcin combinada de Lagrange:
L = funcin de utilidad + restriccin de presupuesto
(con sus dos condiciones: First order condition) o punto de giro, con
primeras derivadas nulas; y Second o.c.) solo ser un mximo si el
determinante con las segundas derivadas es positivo).

Sea un consumidor que maximiza la utilidad de demandar o con-
sumir con U(x;y), sujeto a la restriccin de agotar el gasto de su pre-
supuesto segn los precios en el mercado R=Px(X) +Py(Y).

Su funcin combinada es: L = U(XY) + (R -PxX PyY), creando
una variable matemtica auxiliar para la restriccin.

F.o.c.) L`x = 0 o sea, Ux + Px = 0
Ly = 0 Uy Py = 0
L = 0 R PxX PyY = 0

S.o.c.)
L
xx
L
xy
L
x

El determinante hessiano es: H = L
yx
L
yy
L
y

L
x
L
y
L

(los subndices ya ilustran sobre las derivacin primera y segunda,
por lo que se omitirn los tildes)

Considerando los precios del mercado y el presupuesto concreto, en
vez de resolver el sistema de la F.o.c. por sustitucin u otros, se
calcular el diferencial total de estas expresiones simblicas de la
f.o.c., para estudiar luego los resultados:

352

Uxx dx + Uxy dy Px d dPx = 0
Uyx dx + Uyy dy Py d + dPy = 0
dR Px dx Py dy XdPx YdPy = 0

Dejando las incgnitas en el primer miembro se pasan los datos de
las variaciones ocurridas al segundo:

Uxx dx + Uxy dy Px d = dPx
Uyx dx + Uyy dy Py d = dPy
Px dx Py dy = dR XdPx YdPy
(*)

Se expone este sistema en forma matricial y quedara: la matriz de
coeficientes por el vector de las variables igual al vector columna de
los trminos independientes:

( Uxx Uxy -Px ) ( X ) ( dPx )
( Uyx Uyy -Py ) ( Y ) = ( dPy )
( -Px -Py 0 ) ( ) ( dR + X dPx + Y dPy )

Para resolver este sistema por determinantes segn Cramer y
calcular sus tres incgnitas se hacen sendos cocientes de hessia-
nos H /H, pero reemplazando en el del numerador la columna de la
variable a resolver por los trminos independientes.

Resolvemos aqu solamente para X:

( dPx Uxy -Px )
( dPy Uyy -Py )
dX = ( -dR +XdPx + YdPy -Py 0 ) =
----------------------------------------------------------
H


353
El determinante del numerador se resuelve, por ejemplo, agregn-
dole las dos primeras filas, para sumar los productos de las diagona-
les descendentes y restarle los productos de las diagonales ascen-
dentes.

[ dPx (Uyy) (0)] + [ dPy ( -Py) ( -Px)] + [(-dR + X dPx + Y dPy )
(Uxy) ( -Py)] - [-Px (Uyy) ( -dR +X dPx +Y dPy)] -[-Py ( -Py) ) (
dPx)] - [(0) (Ux ) ( dPy)]
= --------------------------------------------------------------------------------------
H

Simplificando y reordenando:

- Py2 dPx + dPy Py Px + ( -dR + X dPx + Y dPy) ( Px
Uxx Uxy Py)
dX = ---------------------------------------------------------------------------- =
H

Por otra parte, cada elemento del determinante orlado (hessiano H)
contiene sendos determinantes adjuntos (o menores complemen-
tarios Dij) al eliminar los elementos de dicha fila y columna.

Por lo que tambin se puede ver que ese numerador se puede ex-
presar con adjuntos:

Dxx dPx + Dyx dPy + Dx ( -dR + XdPx +
YdPy) (#)
dX = -------------------------------------------------------------------
H

Ahora, interesa ver aqu (como ejemplo) el efecto directo de la va-
riacin del Px sobre la demanda de X (aunque tambin se puede
estudiar el otro bien y los efectos cruzados):

dX Dxx X Dx

354
----- = ------- + --------
Px H H
(ya que el otro trmino desapareci por nulo para este caso)

Es decir, = Efecto sustitucin + Efecto Renta = Efecto total del
cambio de ese precio.

Falta ahora demostrar porque estos dos trminos son as los efectos
sustitucin y renta:

a) El primer trmino de la ecuacin de Slutsky es el efecto susti-
tucin por lo siguiente:
En el equilibrio paretiano es nulo el diferencial total para cualquier
cambio de canasta sobre esa curva de indiferencia: Ux dX + Uy dY
= 0 . Tambin lo es nulo para cambios en la lnea de presupuesto
por ese punto: Px dx + Py dy = 0.

Tangentes en ese punto de equilibrio, si se les simplifican los dx y
dy en ambos, queda que la tasa marginal de sustitucin entre bienes
coincide con el cociente de precios relativos del mercado: TMS =
Px /Py , conceptualmente; ( o bien, Ux /Uy = Px /Py en la forma
diferencial)

Observando la tercer lnea del sistema (*) y el concepto del diferen-
cial total nulo hacen que sea nulo el segundo miembro de (*), por lo
cual tambin debe ser nulo el tercer trmino de (#).

Adems, si se est buscando el efecto del cambio de Px sobre la
demanda de X tambin debe ser nulo el segundo trmino de (#),
quedando solo el primero.

Por otra parte, dX ) Dxx
---- ) = -------
dPx )
dU=0
H


355
Si no tiene que variar la utilidad inicial ante el cambio del Px , este
trmino que mide el efecto sustitucin, se expresa en la forma dife-
rencial (con el subndice dU=0 ) y coincide con su medida en la
forma matricial:

b) El segn trmino de la ecuacin de Slutsky es el efecto renta
por lo siguiente.

El cambio de la cantidad demanda de X ante un cambio en la renta
se expresa en la forma diferencial como dX /dR multiplicado por la
cantidad de X.

Al considerar esto en (#) todos los trminos que no tiene dR son
nulos y para explicar el efecto del cambio de la renta solo queda
-Dx /H, que se debe multiplicar por la cantidad demandada de X.

Observaciones:
Nuevamente est en este enfoque una simplificacin a solo dos bie-
nes. Varian y otros generalizan este enfoque axiomtico a una can-
tidad n de bienes, en aquellas pocas en las que n no poda ser
mayor a unas pocas variables calculables manualmente. Pero la
informtica permitira medio siglo despus concretar estas operacio-
nes siendo n bastante mayor.
Finalmente, adems de los dos efectos directos y los dos cruzados,
para clasificar a ambos bienes, tambin se ha utilizado el enfoque
de la ecuacin de Slutsky para analizar la oferta de trabajo (y expli-
car su evolucin retroascendente ante aumentos considerables de
salarios, debido a la mayor renta generada o efecto renta dotacin).
Tambin se ha utilizado esta anlisis para estudiar el consumo a
travs del tiempo, o eleccin del consumo intertemporal, entre dos
perodos, presente y futuro.


356
INDICES DE PRECIOS Y LOS INSTITUTOS DE ESTADISTICAS Y
CENSOS (INDEC)

En la prctica, los institutos de estadsticas como el INDEC suelen
aplicar ndices modificados, debido a la dificultad material de consi-
derar ndices que no distorsionen las comparaciones, segn trans-
curren los aos y los cambios en los precios y en los consumos
dejan desactualizada la canasta base frente a la canasta actual.

Por ejemplo, el ndice de Laspayres L = P
1
X
0
/P
0
X
0

Laspayres mide la canasta base E a los precios actuales (mn
2
). Su-
poniendo que sube el precio de X, la nueva recta de presupuesto
pasa de man
1
a mn
2
: el equilibrio y consumos pasan del E a F, en la
curvas de indiferencia U
1
y U
2
respectivamente.

Si se compensa la renta inicial P
0
X
0
por la suba de precios hasta
volver a la canasta inicial, una lnea de presupuesto sera paralela a
mn
2
por el punto E inicial:

P
0
X
0
(P
1
X
0
/P
0
X
0
) = P
1
X
0

Pero esta lnea de presupuesto sera tangente con una curva de
consumo U
3
mayor que la utilidad inicial U
1
, evidenciando que el
ndice de Laspayres sobrestima el consumo o bienestar (en la
medida de la diferencia con la lnea de presupuesto paralela que
pasa por F
2,
tangente a U
1
en una canasta distinta a E).

357

Y
m

F
2
F
3

F E U
3

F
2
U
1

U
2

n
2
n
1
X

Lo opuesto ocurre con el ndice de Paasche P = P
1
X
1
/ P
0
X
1

Paasche Mide la canasta actual F a los precios base (mn
1
). Si la
renta base P
0
X
0
se compensa con este ndice:
P
0
X
0
(P
1
X
1
/P
0
X
1
) = canasta en F
2

La lnea de presupuesto paralela a mn
1
es tangente a U
2
en F
2
, que
es una canasta inferior a F: el ndice de Paasche subestima los
consumos o nivel de vida.

Las modificaciones que introducen los institutos de censos a estos
ndices para medir el nivel o costo de vida, responden mayormente
al gran costo que implica la medicin de consumos de los aos ba-
se, frente al menor gasto en las encuestas o mediciones mensuales
de precios y cantidades; por lo que las bases se mantiene por 10
ms aos (los censos econmicos en los aos terminados en 4,
seran aprovechados aqu para estos cambios).

358

TEORA ESTADSTICA DE LOS NMEROS NDICE

Desde el punto de vista de la teora estadstica el anlisis de los
nmeros ndices es amplio. Siguiendo a F. Toranzos se exponen
aqu los 12 ndices, de precios y sus simultneos 12 de cantidades.
Unos tendrn sentido aplicados a algn problema especfico, otros
lo tendrn aplicados en casos diferentes.

Como ejemplo, se supuso la realizacin de un estudio sobre la evo-
lucin del nivel de vida de algn sector de la poblacin, caracteriza-
do por el consumo de bienes importados. La primera tarea sera
obtener la informacin.

En el Instituto Indec se recopilan mensualmente muchos precios y
cantidades de bienes, que utilizan para estimar consolidados sobre
1) ndices de precios al por menor; 2) ndice de precios mayoristas;
3) ndice del costo de la construccin; 4) estadsticas de importacio-
nes mensuales; 5) estadsticas de exportaciones mensuales; 6)
otros ndices sectoriales diversos y tambin niveles de actividad del
Producto Interno Bruto Nacional.

Luego de averiguar cules bienes importados serian representativos
(con poca produccin local) se defini un conjunto de 8 productos,
conformado por bines de consumo perecedero (bananas y palmitos
y diarios), bienes de consumo durables (sbanas, abrigos/camperas
para mujer, lavarropas, aire acondicionado) y bienes de uso inter-
medio (PC y automviles- en realidad, sus autopartes-).
Para cada familia de productos se investig cual era el bien particu-
lar con mayor volumen importado a fin de elegir aquel ms importan-
te de cada categora, definiendo as 8 bienes, que INDEC y Aduana
identifican con sendos nmeros de nomenclador arancelario de 8
dgitos. Se adquiri una estadstica anual con cantidades y valores

359
importados en el quinquenio 1998/2002 para los 8 productos identi-
ficados por nomenclatura.

Se volcaron luego a una hoja de clculo las cantidades y los valores
de cada bien. Una vez dispuestos los conjuntos de cifras encolum-
nados en la hoja de clculo se procede a calcular los 12 ndices de
precios y los 12 de cantidades, as como las variaciones anuales,
que permitiran emitir finalmente unas breves conclusiones econ-
micas sobre lo observado y (cerrando este ejemplo) opinar cmo
evolucion la calidad, estndar o nivel de vida de este grupo argen-
tinos (a juzgar por esta muestra tan limitada de solo 8 productos
seleccionados)

1. ndice agregativo aritmtico simple, de precios y de cantida-
des:

Este ndice es algo primario y no posee la circularidad / reversibili-
dad de otros ndices posteriores, Aun as, permite observar en este
ejemplo algunas conclusiones econmicas generales (deterioro en
los consumos de este grupo social en 2001 y 2002 y que cuando los
precios son altos baja el consumo y viceversa).


360

El ndice aritmtico simple para precios tiene el inconveniente que
pondera por los precios de todos los bienes, los cuales son aqu
muy dismiles. En las conclusiones finales se hace referencia a este
tema, al estudiar la evolucin de los precios en dlares (solo visibles
utilizando una escala logartmica, para poder observar precios de
centavos por unidad con otros de cientos de dlares por unidad).
Igualmente el de cantidades, aqu muy dismiles.

2. ndice promedio aritmtico de relativos:

Estos ndices tampoco ponderan la distinta magnitud absoluta de
los diferentes bienes y/o la de sus precios, respectivamente. Ade-
ms, estadsticamente no presentan la reversibilidad de otros ndi-
ces: no es posible tener idea del valor y magnitud de los consumos
(canastas) de 1998 y 2002 aplicando el ndice de precios o el de
cantidades sobre ambas bases, debido a que no pondera por los
cambios de cantidades consumidas. No obstante, permiten ver las
conclusiones generales que confirman otros ndices ms elabora-
dos: precios altos en los aos iniciales y bajos en 2002, junto con
consumos deprimidos en este ao 2002.


361

3. ndice promedio geomtrico de relativos

Estos ndices tampoco ponderan la distinta magnitud absoluta de los
precios y las cantidades de los distintos bienes (respectivamente
dismiles en el conjunto de cada ao). Sin embargo, es un ndice
reversible y aplicndolo a precios y cantidades es posible reproducir
los valores y consumos de otros perodos. Para el presente caso,
permite observar las conclusiones generales que confirman los de-
ms ndices: baja de precios en 1999 y 2001, con una correspon-
diente suba de las cantidades consumidas (lo cual es razonable
segn la ley de la demanda).


362
4. ndice mediana de relativos

Es un ndice ordinal, pero tiene la ventaja de que no es afectado por
los valores muy chicos (nulos o negativos) ni por los muy grandes.
No tiene la circularidad de los ndices reversibles, pero resulta til
para casos como el presente, en el cual tanto la canasta de bienes
con los valores de los precios incluyen cifras muy altas junto con
otras muy bajas para algunos bienes. Aplicado a precios y a canti-
dades confirma las conclusiones econmicas generales: cierta baja
de precios constantes (en dlares) y mayores consumo en los aos
2000 y 2001 que en el inicio del perodo y en 2002.

5. ndice promedio aritmtico ponderado de relativos

Estos ndices ponderan las magnitudes absolutas de precios y de
cantidades, respectivamente, aunque estos ndices se ven afecta-
dos por los valores muy grandes, distorsionando las conclusiones
econmicas en el presente caso (casi desaparece el consumo en
2002, exagerado la cada real producida).


363

6. ndice promedio geomtrico ponderado de relativos

Estos ndices elevan la variacin de precios o cantidades a la res-
pectiva cantidad o precio y luego sacan la raz del orden que com-
pensa esos productos. Si bien es un ndice ponderado, presenta el
inconveniente de que resulta afectado por los valores muy chicos (y
nulos o negativos); justamente en el presente caso surgen inconve-
nientes al aplicarlo a precios, ya que muestra valores nulos. Igual-
mente, tambin distorsiona las conclusiones al aplicarlo a cantida-
des, ya que subestima el consumo en 2002 (casi desaparece, lo
cual es irreal: baja mucho pero no tanto; no desaparece totalmente).


364
7. ndice de Laspeyres

Aplicado sobre precios, muestra la variacin de precios actual ante
la base multiplicada por el consumo base: sera como el costo actual
de la canasta base... Sin embargo, no muestra as los cambios ha-
bidos en las canastas actuales frente a la base. Aunque se conoz-
can los precios actuales, si no se puede censar y no se conocen las
cantidades actuales, este ndice no resultara adecuado.

Estos ndices de precios o de cantidades no son reversibles en el
tiempo (por desconocer esas variaciones de las canastas actuales)
El ndice aplicado a precios muestra valores algo aumentados ini-
cialmente, si bien confirma a tendencia a la baja de precios y con-
sumos de cantidades altos en 2002-2001, frente a los aos extre-
mos, especialmente en 2002.

8. ndice de Paasche

El ndice de Paasche muestra el valor de la canasta actual sobre la
canasta actual a precios bases. Aplicado a precios sirve para indicar

365
algo as como la variacin del costo de vida o importe monetario de
los consumos de hoy frente a los precios de la canasta vieja.

Como no pondera los cambios de consumos no es perfecto; no es
reversible en el tiempo. Orienta a concluir que los precios han baja-
do moderadamente mientras que las cantidades consumidas fueron
altas en el bienio central 2000-2001.

9. ndice Ideal de Fisher, aplicado a precios y a cantidades

Aplicado a precios muestra el valor de la canasta base a precios
actuales sobre la canasta base a precios base, por la cantidad ac-
tual a aprecio actual sobre la cantidad actual por precios base (y
recprocamente para cantidades).

Resulta ser as un promedio de aplicar Laspeyres y Paasche: la me-
dia geomtrica del producto de ambos ndices. Observando el resul-
tado en este caso se aprecia que influye bastante el ndice de Las-
peyres.

Este ndice ideal de Fisher es reversible en el tiempo, ya que es un
ndice combinado de los dos anteriores: respeta el criterio de circula-

366
ridad ya que aplicndolo resulta igual la canasta base por la variacin
de precios como la canasta actual por la variacin de precios en ese
perodo, consecuencia de la ponderacin completa que utiliza.

Este ndice ideal es homogneo y proporcional: respeta ambas ca-
ractersticas, aunque cambien las canastas o los relativos de precios
(satisface las condiciones estadsticas referidas por F. Toranzos).
En este ejemplo mostr una leve cada de precios en dlares junto
con otra cada de consumos en 2002.

10. ndice de Edgeworth-Marshall para precios y cantidades

Aplicado a precios toma el precio actual por el promedio de la ca-
nasta base ms la actual dividiendo esto por el precio base por simi-
lar promedio de canasta base ms actual.

Aplicado a cantidades usa el promedio de ambos precios por la can-
tidad actual dividiendo por ese promedio por la cantidad base.

Mostr en este caso una leve cada de precios en dlares y una muy
marcada cada de consumos en 2002 (coincide con la ley general

367
observada sobre la demanda, salvo en 2002, ya que bajan los pre-
cios y tambin los consumos (orientando a explicar esta situacin
desde otro punto de vista, por el retroceso en los ingresos y produc-
ciones locales generalizadas durante ese ao 2002).

11. ndice de Walch para precios y a cantidades

Aplicado a precios muestra el precio actual por el promedio de la
canasta base y actual dividido por el precio base por similar prome-
dio de canasta base y actual.

Implica conocer no solo los precios sino las cantidades actuales, lo
cual define su aplicacin para casos en los que se dispone de estos
datos (no es el caso del Indec cuando elabora su ndice de precios
al por mayor, ya que los censos nacionales con cantidades produci-
das, consumidas, etc. no se hacen mensualmente sino cada 10
aos; los aos terminados en 4...).


368

12. ndice de Drovish-Bowley para precios y cantidades

Resulta ser el promedio simple o aritmtico de Laspeyres y Paas-
che. En nuestro caso, el valor de la canasta base es mayor que el
de la canasta 2002, evidenciando que cayeron los consumos (un
deterioro del nivel o estndar de vida, ante la paralizacin de pro-
ducciones y merma de ingresos).


369
A modo de ejemplo de informe final sobre este anlisis puede decir-
se que el estudio se refiri a la evolucin del estndar o nivel de vida
de un grupo social dado en 1998-2002.

Se observaron variaciones en los precios y en las cantidades con-
sumidas ao a ao. Los datos son originarios del Indec y la Admi-
nistracin Nacional de Aduanas, tanto en las canastas consumidas
como los importes monetarios en pesos, los cuales se convirtieron a
dlares utilizando el tipo de cambio vendedor Banco Nacin.

Si bien casi todos los ndices confirman la ley de la demanda -bajos
consumos en perodos de altos precios- los ndices combinados de
Fisher y otros muestran tambin una cada muy importante del con-
sumo 2002, que se explicara por la retraccin general de la activi-
dad nacional.


370
Adicionalmente se grafic la distribucin anual de bienes consumi-
dos, destacndose las franjas correspondientes a 2000 y 2001 como
las ms amplias (mejores).

Tambin se dispuso en otro grfico la composicin de la canasta de
vida ao por ao, mostrando que se han mantenido (o aumentaron
relativamente) las cantidades de productos perecederos (bananas,
palmitos) en desmedro de otros productos durables cuyos consu-
mos bajaron abruptamente.


371

Finalmente, se grafic en escala logartmica la evolucin de precios
absolutos en el quinquenio, observando tendencia a la baja en cin-
co de ellos y mantenimiento o leve alza en solo un bien.


372
CAPTULO 7 -
TEORA DEL EQUILIBRIO DE LA EMPRESA

MAXIMIZACIN DE LA PRODUCCIN

Siendo la funcin de produccin Q = 2L
2
C
2
, si se dispone de un pre-
supuesto M=$60 y los costos de los factores X e Y en el mercado
son P
L
=$1 y P
C
= $2, se calcula la produccin mxima de un bien
final Q en unidades con la misma herramienta conceptual que en el
enfoque de la demanda (ya sea con derivadas o utilizando la combi-
nada de Lagrange).

Tanto en Marshall como en Pareto el mtodo matemtico es el mis-
mo en ambos enfoques, por ejemplo: Q'
L
/ Q'
C
= P
L
/P
C
y con M=60.

a) 4LC
2
/ 4L
2
C = 1/2; o bien 8C = 4L; o sea, C = 1/2L #
b) adems debe ser P
l
(L) + P
c
(C) = M: L + 2C = 60

y segn # resulta L+2(1/2L) = 60, con: L=30; C=15 y Q=405.000
kilos.

Igualmente con la aplicacin Solver, pero para funciones "no" linea-
les. Se presentan los datos bsicos en una hoja Excel, con celdas
para los requerimientos de ambos factores; para sus precios o cos-
tos; lo gastado en cada uno y para la produccin mxima: la celda
objetivo B5 contiene la frmula con la funcin de produccin. En D4
estar el gasto total en factores B4 + C4.

En Herramientas > Solver> se anota la celda objetivo; se elige Maxi-
mizar; las celdas cambiantes B2yC2 en las que Solver calcular los
requerimientos de factores. Sujeta a las siguientes restricciones >

373
Agregar y presenta una pequea ventana que permite anotar D4 a
la izquierda; en el centro y =60 a la derecha (el presupuesto).

Finalmente, luego de aceptar se abre la ventana final para Utilizar la
solucin de Solver y Aceptar

Al no haber entrado en Opciones para modificar se contina traba-
jando en Solver sin Adoptar el modelo lineal, ya que esta funcin de
produccin no es lineal.


374

C

15 E

Q = 405.000 kilos

30 L

DUALIDAD
MNIMO COSTO PARA OBTENER UNA PRODUCCIN DE
200.000 KILOS

Manteniendo la tcnica y los costos de los factores en el mercado,
se busca saber cul sera el mnimo costo para producir exactamen-
te Q=200.000 kilos del bien final:


375
Q = 2L
2
C
2
= 200.000 y siendo # C = 1/2L resulta 2L
2
(1/2)
2
L
2
=
= 200.000; de donde 1/4L
4
= 200.000, o sea, L=25,15 de modo que
C=12,6 segn la relacin # vigente.

El costo de esta produccin ser M= $1(25,5) +$2(12,6)=$50,30.

Con Excel, se escriben los datos con la misma disposicin en un
hoja de clculo. Al abrir Herramientas > Solver se elige la celda ob-
jetivo, ahora D4 y seguidamente se pulsa en Minimizar; luego las
mismas celdas cambiantes B2 y C2.

En Sujeta a las restricciones > se Agrega la restriccin ahora de
produccin (antes de presupuesto): B5 = 200000

Con Resolver y Utilizar la solucin de Solver, se calcula el presu-
puesto mnimo necesario para esa produccin de 200.000 kilos (as
como las cantidades de las demandas derivadas de factores produc-
tivos L y C).

Obsrvese que para producir la mitad que antes el presupuesto no
baj a la mitad, debido a que la funcin de produccin no tiene ren-
dimientos constantes sino crecientes (segn la suma de exponentes
de la funcin de produccin mayor que uno), de modo que al bajar el

376
ritmo productivo el gasto no se reduce proporcionalmente (no es
programacin "lineal").


377
TEORA DE LOS COSTOS CON EXCEL

En una hoja de clculo se introducen las frmulas de cada concepto
de costo en la lnea 2, como se muestra en el ejemplo. Se copian
hacia abajo y surgen evidentes los puntos relevantes: mnimo costo
medio E6; mnimo costo medio variable F4; costo medio igual a cos-
to marginal con X=4,6 (costo marginal o aumento del costo total por
producir una unidad ms de X; la derivada del CT= CT').

La grfica se obtiene con: Icono de grficos > Dispersin > etc. y si
se prefiere, eligiendo en Formato de Ejes la escala logartmica para
la ordenada.

MINIMIZACIN DE COSTOS CON SOLVER

A partir de esos datos es posible pedirle a Herramientas > Solver>
que minimice, eligiendo como celda objetivo alguna celda del costo
medio, por ejemplo E7; celda cambiante la correspondiente de las
X, A7; tildar Mnimo; en Sujeta a las siguientes restricciones A7>=0,
y que el costo medio sea igual al costo marginal, E7=H7; con Resol-

378
ver y Aceptar calcular el valor exacto X=4,65871 que minimiza el
costo medio total (nivel ptimo de explotacin en el largo plazo; o en
el corto plazo punto crtico, por ser el umbral de prdidas si los pre-
cios llegaran a bajar de ese importe).

RESTRICCIONES ADICIONALES CON MATRICES

DOS SOFAS SIMPLES MS UNO TRIPLE

Una fbrica de muebles vende juegos de sofs. Sus costos de pro-
duccin para sofs simples son $ 70 variables ms $60 fijos; para
los sofs triples son $ 200 variables ms $ 150 fijos; y su capital de
trabajo son $10.000.

Necesita minimizar el costo de producir la mxima cantidad posible
de juegos. La restriccin adicional es, en este caso, respetar la pro-

379
porcin dos simples ms uno triple (-2+1= 0 es la restriccin plan-
teada segn la fila 3 de la hoja Excel). La otra restriccin es el capi-
tal de trabajo para insumos: 10.000 menos costos fijos = 9.730, dis-
ponibles para costos variables, segn la proporcin mencionada,
que se muestra en la fila 2 de la hoja Excel.

La funcin Excel para matriz inversa ayuda a resolver el problema:
se pinta desde A5 hasta B6 y se escribe MINVERSA(A2:B3) pul-
sando luego Ctrl+Shift+Enter como muestra la imagen.

Seguidamente se multiplica la matriz inversa por el vector de las dis-
ponibilidades: se pinta D5 y D6 y se escribe mmult(A5:B6;D5:D6) y
Excel calcula la proporcin mxima de juegos de sofs, 29 triples
ms 57 simples, que es posible producir con los recursos disponi-
bles.


380
PROGRAMACION ENTERA DE UNA DIETA

En una dieta alimenticia interesan los costos, los requerimientos
mnimos y el nivel de caloras. Se sabe que para mantener el peso
adecuado alguien debe consumir 1350 kcaloras y un mnimo de
500 mgr de vitamina A, 350 mgr de calcio, 200 mgr de protenas y
150 mgr de minerales. Dada una tabla de contenido de los alimentos
y su costo formule el programa lineal entero que optimiza la dieta.
Una vez volcada la tabla y hecho el cuadro resumen en la hoja de
clculo, al ingresar a Solver se puede elegir minimizar el costo e
Integer (entero) como restriccin ( B6:B11=Integer). Las otras
restricciones hacen a cumplir con los requerimientos mnimos y con
el tope de caloras. En las opciones se tild Adoptar el modelo l-
neas y Adoptar no negativos para las cantidades de alimentos. Al
resolver Utilizando la solucin de Solver tambin se pueden pintar
los tres informes usuales con los resultados.
Al haber elegido Integer como restriccin solo se consideran uni-
dades enteras para las celdas cambiantes B6:B11 y esta optimiza-
cin se cumple con el costo mnimo de $57 .


381

(Utilice Ver o Vista > Zoom > 200% para leer bien la imagen)

PROBLEMA DE LA MOCHILA CON ENTEROS

El problema de la mochila es otro caracterstico caso de programa-
cin entera. Consiste en llenarla con objetos cuyo peso se conoce y
a los que se le asign determinada valoracin (ambos, peso y valo-
racin positivos). Con una capacidad limitada en la mochila el pro-
blema consiste en escoger aquellos objetos (enteros) que maximi-
cen la utilidad sin exceder aquella capacidad.
En el siguiente ejemplo la funcin objetivo a maximizar incluye en
C10 la valoracin de cada objeto. En C11 se anotaron como frmula
las restricciones sumando los pesos de cada objeto; y se agreg la
condicin C11<=20; tambin se agreg en Sujeto a las condiciones

382
que los cuatro objetos sean enteros (Integer) y no negativos (esta
condicin puede tildarse en las opciones junto con estimacin li-
neal).
Solo se transportan 18 kilos en 6 unidades de X2 porque no pue-
den incluirse fracciones de alguna; y la utilidad mxima es 54 uni-
dades.

(Utilice Ver o Vista > Zoom > 200% para leer bien la imagen)

PROGRAMACION BINARIA

En un problema similar al anterior puede incluirse la condicin de
considerar las variables como elementos binarios (0 1) tildando en
Sujeto a las restricciones la condicin binario; es el caso en que
las variables a incluir no son divisibles, repetibles (replica-
bles).Tambin se pueden plantear casos en que algunas variables
sean conjuntas o que alguna sea mutuamente excluyentes de algu-
na otra.

383
En este caso la utilidad mxima baj a 35; se transporta una unidad
de X1, otra de X2 y otra de X4, que pesan 20 kilos; la utilidad mxi-
ma bajo a 35 porque no pueden repetirse varias unidades del mismo
bien. Adems, combinando frmulas en las celdas con las posibili-
dades que incluye Sujeto a las restricciones se pueden introducir
diversas restricciones binarias (opcin 0 1) para alguna o varias de
las variables.

OPTIMIZACION DE LA PRODUCCION / MINIMIZACION DEL
COSTO

La solucin tradicional de problemas con solo hasta tres variables
implicaba recurrir al anlisis deferencia (anlisis marginal, ilustrati-
vo). Aun con esta reducida cantidad de variables el proceso resulta-
ba largo y engorroso. Excel y su macro Solver permiten estandari-
zar este tipo de problemas hasta 16 variables; lgicamente dando
por conocido este anlisis marginal).


384
Una empresa produce tres bienes (A, B, C) con insumos que ad-
quiere mensualmente a otro productor, segn coeficientes tcnicos
que se indican. Los insumos totalizan 20.000 kilos por mes a $/k
2,50. Los costos fijos son $80.000 mensuales. Los costos variables
de conversin ascienden a $240 por hora mquina y se trabaja 25
das al mes en dos turnos de 8 horas. Optimizar la produccin con-
siderando que la empresa tiene por 5 aos dos contratos imposter-
gables por las cantidades que se indican.

(use Ver o Vista > Zoom 200% para ver los detalles)

Se volcaron los datos en la hoja de clculo, construyendo las formu-
la correspondientes para la cuantificacin de los costos y de los in-

385
gresos segn el cuadro. En la celda objetivo B30 se maximizan los
beneficios y se seleccion como celdas cambiantes B23:D23 para
que Solver calcule ah las cantidades que optimizan la produccin y
repercuta en las frmulas de costos e ingresos.

Como la empresa tiene contratos ineludibles las cantidades a opti-
mizar son menores que la demanda total disponible; no obstante en
el clculo final de beneficios se consideran tanto las producciones
para contratos como las de los tres mercados remantes.

Las restricciones del modelo implican no superar los insumos dispo-
nibles ni la demanda remanente; al ingresar en Opciones se tildaron
Adoptar modelo lineal y tambin No negativos.

Como en todos los dems casos, el archivo Excel con este ejemplo
muestra mejor a los interesados la interrelacin en cada celda (se-
gn las frmulas del cuadro) con las cantidades seleccionadas por
Solver.


386
PROGRAMACION DE TURNOS DE TRABAJO

Supngase una empresa que preste servicios continuados las 24
horas durante todo el ao. Su personal trabaja 8 horas diarias, in-
gresando en 6 turnos cada 4 horas y no se trabajan horas extra.
Las dotaciones mnimas requeridas son las siguientes restricciones.

Los jornales varan segn los turnos del cuadro. Para minimizar el
costo salarial sujeto a las restricciones se plantearon dos hojas con
diferente distribucin de los clculos. En la primera se tiene en cuen-
ta que la jornada de 8 horas permite que en cada turno pueda haber
presente personal del turno anterior, por ej. i16 = i14+n14.


387
Al abrir Solver se marc como celdas cambiantes a los turnos
i8:n13. Las restricciones i16:n16 >= i18:n18 y que las celdas cam-
biantes sean positivas y tambin que sean enteros (integer).

La funcin objetivo es la suma-producto de los jornales por los pre-
sentes, con $1208 de mnimo costo.

En esta segunda presentacin se adopt la sugerencia del archivo
de las muestras Excel incluido en el Office de Microsoft. Se dispuso
matricialmente la condicin de personal presente del turno anterior.


388

Las celdas cambiantes de la solucin permiten cumplir con las res-
tricciones i4:i9 >= que la dotacin requerida. Tambin permiten la
suma producto por los jornales que figura en la funcin objetivo, con
un mnimo costo de $1208.


389
Al abrir Solver se establecieron como celdas cambiantes c10:h10 y
se agregaron como restricciones que esas celdas cambiantes fue-
ran enteras (int) y no negativas. Igualmente que el personal no fuera
menor que el requerido.

En ambas presentaciones se tild adoptar la solucin lineal (y no
negativo).

Finalmente esta siguiente es la presentacin de Microsoft Excel para
el ejemplo de Muestras.xls sobre la programacin del personal de
un parque. Su presentacin matricial atiende a mostrar cmo cada
empleado trabaja cinco das semanales y tiene dos feriados; siendo
lo dems parecido.

(use Ver o Vista > Zoom > 200% para leer los detalles)

EQUILIBRIO EMPRICO CON HOJA DE CLCULO EXCEL

La teora econmica explica el punto de equilibrio de la empresa
maximizando el beneficio. Se procede conceptualmente y desde
funciones y se suelen aceptar las explicaciones, no obstante que en
la empresa no existen funciones sino solo series histricas de venta
y compra de insumos.


390
Se aceptan las explicaciones tericas y el criterio de ptimo (ingreso
marginal igual a costo marginal y simultneamente crecimientos de
ste mayor que el del ingreso marginal; es decir mximo B si B= 0 y
B <0))

Si fuera necesario demostrarlo empricamente, sera necesario cal-
cular la funcin de demanda Px; luego el ingreso total IT =Px (X); as
como el ingreso marginal, IT.

En los costos sera necesario ajustar la serie del costo medio hist-
rico a una funcin cuadrtica (parbola invertida, tipo U); luego ob-
tener el costo total como el producto CMe(X); y finalmente el costo
marginal C.

Igualando I = C se calcula la cantidad X que optimiza la operatoria
de la empresa y maximiza su beneficio.

Solo mediante una hoja de clculo como Excel se facilitaran estos
clculos:

A) AJUSTE LINEAL DE LA DEMANDA

En este ejemplo se quiere explicar cmo a partir de las estadsticas
reales de venta se obtienen precios y cantidades de, por ejemplo 30
o ms meses.

Mediante Excel se efecta el ajuste lineal X = a bP, estimando los
coeficientes que se muestra en D4 a D6 y armando la ecuacin de
ajuste en C2, para copiarla hacia hasta C9.


391

Siendo la demanda X = 7.98 0,99P, se despeja P = 7.98 0.99X.
As, el ingreso total, que es precio por cantidad, resulta: IT = (7.98
0.99X)X = 7.98X 0.99X
2
; y el ingreso marginal es IT = 7.98
1.98X, que luego se utilizar para igualar con el costo marginal.

B) AJUSTE PARABLICO DEL COSTO MEDIO

Los registros histricos, reales, con costos medios y cantidades pro-
ducidas permiten efectuar una ajuste cuadrtico y encontrar la par-
bola que minimiza los desvos entre los datos y la parbola de ajuste
en forma de U.

Bajo ritmo de produccin, con insuficiente reparto de costo fijos, im-
plica costos medios elevados; igualmente producir a mayor ritmo
que el diseado para el equipo implicara subir los gastos de mante-
nimiento y reparaciones, aumentando el costo medio y explicando
as la forma usual en U de ste.

El mtodo de mnimos cuadrados requiere el siguiente cuadro de
trabajo, en el cual X son las cantidades e Y los costos medios hist-
ricos.

En I2 se escribe la funcin de ajuste, con referencias absolutas
(con F4 o $ ) a los coeficientes de la parbola obtenida ms abajo.


392

Aplicando el mtodo de Sarrus y de Cramer, se calculan las ecua-
ciones formales y se resuelve con Excel los determinantes y el Hes-
siano, segn se muestra en la imagen.

Cabe aclarar que la funcin Excel para calcular determinantes es
=mdeterm(rango) y as tambin se calcul el Hessiano en N13.

Pero para calcular los tres coeficientes A, B, C del ajuste es necesa-
rio dividir cada determinante por el Hessiano, del modo como se
muestra en N17.

Con A, B, C es posible conformar la parbola de ajuste que ilustra
la fila 20 y se calcula en 12 hasta 18 (imagen anterior).


393

Falta comprobar que el ajuste cuadrtico sea bueno, calculando el
coeficiente de correlacin R y determinacin R
2
.
Se obtienen en J38,
como cociente de las sumas de los cuadrados de "diferencias" teri-
cas sobre las reales.


394
Obtenida la funcin de costo medio CM = 1,8+15X-0,13X
2
, se obtie-
ne el costo total como el producto CM(X): CT = 1,8X +15X
2
- 0,13X
3
.
El costo marginal es la primer derivada CT = 1,8 +3X -0.39X
2
.

Ahora es posible calcular el nivel ptimo de la empresa, maximizan-
do beneficios B= ITCT. El mximo beneficio implica que se cumpla
B = 0 y B<0.

B'= 0.30X
2
-5X +6,2 =0; sus races son X =1,4 y X =0,1; sin embar-
go, solo con X=1,4 se cumple la segunda condicin B''<0.

La empresa maximiza beneficios produciendo 1,4 unidades; su pre-
cios de venta es P=$6,61; su ingreso total $9.21 y su costo total
$5.07 y su beneficio $4.15.-

EQUILIBRIO DE LA EMPRESA CON SOLVER

En el punto anterior se ha calculado el equilibrio emprico con la hoja
de clculo Excel, aplicando tambin diferenciales.

Adoptando esas funciones de demanda y costos, se puede calcular
el equilibrio, sin clculo diferencial, directamente con Herramientas
> Solver > y pidindole en Parmetros de Solver que Maximice la
celda objetivo (A9), cambiando las cantidades X (A1) y sujeto a las
restricciones Img=CMg, o sea (A5)=(A7); as como I''<C', o (A6) (A8)
de la siguiente imagen:


395


396
MTODOS CIENTICOS:

Formas de estudiar; informes profesionales; mtodos cientficos.
Tres temas sobre mtodos para adquirir, para presentar conocimientos
y para demostrarlos, que se refieren al modo de estudiar; a las presen-
taciones metdicas de informes, exmenes o trabajos prcticos; y a la
demostracin mediante el razonamiento lgico cientfico. Temas muy
densos, que se podra resumir (sin rigurosidad) como material de al-
guna ayuda para orientar a los alumnos.

A) FORMAS DE ESTUDIAR

Ren Descartes (El Discurso del Mtodo, 1600) fue la fuente clsica
sobre cul era la manera de ordenar el proceso de adquisicin de co-
nocimientos. Sin releer ahora su trabajo digamos aproximadamente,
que para estudiar propona seguir estos pasos: subdividir el material en
tantas partes como sea necesario, para poder analizarlas individual-
mente; efectuar extensos listados con ellas, a manera de ndice que
permitan ir ordenando y reuniendo la informacin. Estos listados de
temas (tipo ndice) permitirn la agrupacin por temas y finalmente lle-
gar a una sntesis manejable, etc.

Por una parte, listados y el anlisis, para poder estudiar ordenadamen-
te. A continuacin la agrupacin y la sntesis. Entonces, para un
alumno de economa que debe hacer trabajos prcticos o rendir en un
par de horas exmenes sobre temas expuestos, se tratara en la prcti-
ca de listar contenidos y analizar hasta poder sintetizarlos (a libro ce-
rrado) en pocas pginas.

Adicionalmente, como los tiempos cambian hoy se impone el estudio
mediante Internet y uso de PC. Muchas presentaciones son archivos
de solo lectura (que no se pueden copiar y pegar) con extensin .PDF.
Las PC modernas traen lectores de estos archivos .pdf, o bien el Office
y tambin sigue vigentes versiones libres de Accrobat Reader. Para

397
estos archivos es muy importante buscar por palabra clave, mediante
Cntrl + F (en Word usamos Cntrl + B)

B) PRESENTACION TIPO INFORME PROFESIONAL

El modo de presentar o hacer los exmenes o trabajos prcticos es
mediante informes profesionales; que en principio, deben reunir cinco
partes:

1) identificacin, lugar, fecha, tema. 2) introduccin de un prrafo, con
los supuestos necesarios y con el tema a exponer (algo como diga que
va a decir), 3) desarrollo o explicacin detallada de los principales pa-
sos demostrativos ( el dgalo), pero en una forma que lo entienda
todo lector que no tenga antecedentes sobre el tema ; sin dar por so-
breentendido absolutamente nada importante, para presentar una de-
mostracin rigurosamente documentada y vinculando por ejemplo las
ecuaciones con los (supuestos) hechos reales de su tema . 4) conclu-
sin de un prrafo, con lo relevante expuesto, lo obtenido o una idea
clara de lo que ello es o no es (un diga que dijo). 5) fuentes de infor-
macin, las primarias que expusieron el tema, pero muy detalladas,
con autor, obra, editorial, ao y de ser posible nmero de pagina o p-
rrafos concretos. (evitando referencias vagas a solo el autor u obra).

Si fueran de Internet, debe figurar especficamente la direccin URL de
la pgina concreta con el tema y no solo la referencia a un sitio web o
su pgina de inicio, que obligara a posterior navegacin para ubicar el
punto.

C) METODOS DE DEMOSTRACION

En cuanto a los mtodos cientficos, para la demostracin rigurosa en
el mbito econmico, hay que retrotraerse al anlisis clsico aristotli-
co, la metafsica causal: de un antecedente verdadero llegar a un con-

398
secuente tambin verdadero mediante razonamiento lgico (todos los
hombres son mortales, Scrates es hombres, entonces Scrates es
mortal. O segn descartes cogito ergo sum, pienso luego existo).

Desde el siglo pasado simplificamos reconociendo este planteo bajo
dos situaciones: las deducciones matemticas (lgica pura, sin conte-
nido real, econmico) y la induccin estadstica (razonamiento lgico
para los hechos sociales) .

En economa se recurre a la deduccin matemtica (aqu aplicada)
cuando se quiere demostrar la optimizacin, la maximizacin o minimi-
zacin. Se habla de una sola, o todo ms dos variables: maximizar el
beneficio, optimizar la produccin, minimizar el costo, mediante el an-
lisis diferencial. La derivada se define como U`x = DU/Ux, variacin de
una funcin U (utilidad, produccin) si varia x (un bien o un factor) un
infinitsimo.

La condicin de mximo consiste en igualar a cero la primer derivada
(para despejar la cantidad) y luego comprobar que es mxima si la
segunda derivada es negativa (o viceversa para un mnimo). Por ana-
loga con una curva sinusoide en un primer cuadrante, con una punto
de inflexin, un mximo, otro punto de inflexin, un mnimo, etc. Igualar
a cero la primera derivada es ubicase en uno de esos puntos de giro o
cambio; con la segunda se ve si un infinitsimo despus la curva o fun-
cin crece, desciende o es nula (inflexin).

Con dos variables, se sigue esto pero con la segunda ley de Gossen,
expuesta por Marshall o por Pareto, como : a) proporcin entre la utili-
dad (o producto) marginal sobre el precio, igual en ambos bienes y b)
agotar el gasto del presupuesto dado: Px(X) + Py(Y) = M

Para los casos de optimizacin con ms de 4 o 5 variables, estudiamos
en microeconoma varios procedimientos: el clculo diferencial con la
funcin combinada de Lagrange hasta cuatro variables (por ejemplo
dos variables reales y dos restricciones), mediante sustitucin de las

399
variables landa 1 y landa 2.

Algo quizs ms prctico y para hasta 5 o 6 variables, son las tablas
Simplex de programacin lineal. Igualmente mediante el uso de matri-
ces, con la matriz inversa y el producto de matrices para obtener la
matriz insumo-producto y el resultado total directo e indirecto en cas-
cada decreciente.

Excel simplific la programacin lineal con su macro Solver hasta 16
variables. Por otra parte, Excel tambin tiene funciones simplificadas
calcular matrices determinantes: mdeterm( ; ); para invertir matrices
=minversa( ; ); y para multiplicarlas: y =Mult.( ; ), mediante las cuales
es posible resolver sistema de por ejemplo 1700 variables.

En cuanto al otro mtodo bsico, el de las inferencias estadsticas, o
induccin, Excel incluye una muy til y simplificada utilidad, a la que se
puede acceder de varias formas, como por ejemplo, en el men He-
rramientas; Anlisis de datos; regresin; para casos de correlacin
mltiple, con varias o muchas variables independientes y otra depen-
diente (trae un ejemplo de estimacin de la produccin de helados,
segn las series histricas de de calor, lluvia y turistas; que es posibles
correlacionar y hacer la estimacin siempre que alguna institucin las
pronostique para el ao siguiente. Esta macro Excel calcular los coef i-
cientes de cada variable independiente, para poder armar luego la
ecuacin del ajustamiento o estimacin. Tambin aportar los parme-
tros para estudiar la bondad del ajustamiento, anlisis de la varianza, o
anova.

O sea, el alumno tiene aqu un esbozo de mtodo racional para estu-
diar. Tambin tiene el modo de presentar profesionalmente sus traba-
jos prcticos y exmenes. Y finamente, se le comentan cuales son los
dos mtodos cientficos para demostraciones rigurosas: deduccin e
induccin, que se practican durante este curso.

En microeconoma, deducimos maximizaciones, generalmente con uno

400
o dos variables, rigurosamente; adems explicamos la vinculacin de
esto con algn hecho econmico supuesto (en un informe) . Tambin
optimizamos producciones u otras situaciones con muchas variables
recurriendo a las funciones de Excel, Solver, matriz inversa y multipli-
cacin; y como trabajo de integracin todo alumno resuelve en Excel
un mismo ejemplo de cuatro variables mediante 4 a 6 mtodos alterna-
tivos. Por otra parte, tambin presenta en Excel alguna estimacin de
funciones mediante la correlacin mltiple de Excel (la inferencia o in-
duccin estadstica comentada).

DUDAS SOBRE MICROECONOMA Y SUS METODOS CIENTIFI-
COS:

Desde siempre y al menos hasta 1980, cuando se fue conociendo Lo-
tus y especialmente luego que en 1994 se us Excel (con sus funcio-
nes para correlacin mltiple con anova (induccin); las de regresin;
las de programacin lineal; y las de matrices, matriz inversa,
etc.(deduccin)) algunos reconocieron que el sistema cientfico de la
economa clsica y moderna era inaplicable o puro verso, y solo me-
diante computacin (Excel) era efectivamente practicable en una em-
presa.

Antes solo tena sentido lgico en una realidad artificial limitada a dos o
tres variables, quizs til para definir algunas ideas bsicas (anlisis
marginal; contribucin marginal) pero aun as poco aplicable a una em-
presa.

Algunos vieron que todo cambi con la computacin, especialmente
con Excel, porque simplific y especialmente populariz tres cosas:

1) como hacer o construir funciones, con varias variables independien-
tes (correlacin mltiple con anlisis de variancia o anova, con su ar-
chivo del Office sobre la estimacin del Productor de helados, que tiene
series de 30 perodos incluyendo helados, lluvia, calor y turistas llega-

401
dos al balneario). Excel tambin simplific muchas otras aplicaciones y
distribuciones sobre estimacin. (mtodo: induccin)

2) Solver para programacin lineal o no lineal, tildando pocas opciones
(mtodo: deduccin)

3) clculo de una matriz (determinante) con =mdeterm( ;), matriz inver-
sa con =minversa( ; ), matriz multiplicar con =Mult.( ; ). (deduccin)
Entonces, el rigor cientfico ya es hoy realmente aplicable a lo cotidiano
de cualquier empresa.

El rigor cientfico, pasa en la economa de la empresa por la cuestin
de los mtodos cientficos bsicos rigurosos (induccin estadstica,
para la estimacin; y deduccin matemtica, para la optimizacin;
ambos con contrastacin con la realidad). Y la aplicacin en la empre-
sa, en forma generalizada, depende mayormente de Excel.

Dos dudas sobre microeconoma?
PRIMERA ) Hace falta gran conocimiento previo de matemtica?
Coloquialmente, para no iniciados se aclara que hay una trampa (ver-
so) clsica: esconder /dificultar (a los indios) las cosas (y la verdad en
estas explicaciones), ya que as era ms fcil, y habra pocos crticos
(caciques), o quizs porque se buscaba solo figurar y simultneamente
que nadie pudiera criticar las cosas hechas por los supuestos expertos.
Por ejemplo se inundaba con reglas y casos de derivacin etc. , segu-
ramente necesarios en fsica o qumica, pero no en economa, donde
por ejemplo, solo tiene sentido el primero de los cuatro cuadrantes.
Igualmente con la programacin lineal Simplex (con dos pginas se
reemplaz aqu profusin de textos superfluos). Tambin se habl
siempre de resolucin de sistemas NxN, pero ningn texto incluy re-
suelto un sistema de 4x4 ni mayor. En estos cursos se resuelven aqu
casos con muchas variables, con Solver. Y con matrices mediante Ex-
cel se resuelven casos con al menos 1700 variables). Pero lo importan-
te es que ninguna de estas aplicaciones requiere ms de una hora de

402
dedicacin bsica.

SEGUNDA ) Para que sirve todo esto de los mtodos? , en qu
cosas concretas se aplica el rigor de la ciencia econmica en una em-
presa?

Veamos algunos ejemplos de aplicacin, en las cinco reas bsicas de
cualquier empresa (incluida su direccin o gerencia general):

Las 5 reas se definen aqu segn el ciclo empresario, (tal como por
ejemplo se haca en la siderrgica Somisa que competa eficientemen-
te exportando masivamente a EEUU y otros pases y enfrentaba local-
mente la competencia de importaciones de sus productos):

El ciclo anual comenzaba con el pronstico cuantificando el mercado;
luego el plan de compras de materiales (restando las existencias); lue-
go el plan de produccin (restando las existencias de semiterminados);
finalmente el plan de ventas, promocin, marketing, expedicin.

Una de las tareas en 1971-1993 de quien escribe era coordinar para
presentar anualmente el estudio de mercado (demanda/oferta); otra era
coordinar la defensa de la competencia, local y de las importaciones,
con pormenorizado seguimiento de precios y especialmente antidum-
ping; as como la defensa en la competencia ante las autoridades de
los EEUU y la CEE; para lo cual resultaban imprescindibles los cono-
cimientos microeconmicos segn el programa actual de la FCE-UBA.

Es usual en las empresas, esta actividad en diversas reas:

1 Ventas: por ejemplo, optimizar el beneficio (Ben= ingresosCostos)
eligiendo la mezcla ptima entre una serie de bienes, ya sea con pro-
gramacin lineal con Solver o con matrices para hasta 1700 variables
con Excel.
2 Compras: por ejemplo minimizar el costo eligiendo la mezcla ptima
entre una serie de insumos; minimizar el inventario ptimo.

403
3 Produccin: por ejemplo produccin ptima eligiendo alguna mezcla
de autos y motos; optimizar rutas de envo desde varios depsitos.
4 Finanzas: por ejemplo canasta ptima de bonos o de acciones; VAN
y TIR de proyectos.
5 Personal: plan rotativo de personal, vacaciones, etc. (Excel trae 5
muestras de aplicaciones de programacin con Solver, de la gran
variedad posible)

Sigue esto valiendo aunque se utilice el criterio de organizacin de M.
Hammer sobre reingeniera y el gerente de producto, o supuesto
experto que conoce todo sobre un producto y reemplaza a los tradicio-
nales gerentes (aunque si no vende suficiente se lo sustituye por otro),
junto con la til tercerizacin de servicios (pagos y cobros a travs de
depsitos en bancos; suprimir papeleo de pagos y cobros con email o
internet y transferencias bancarias online; etc. y se entiende que en
finanzas o contadura la racionalizaron con las PC y Excel fue muy im-
portante.
ARCHIVO CON 6 METODOS:

La inferencia estadstica (induccin cientfica), con suficiente anlisis de
la varianza (anova) es el mtodo bsico para las disciplinas sociales,
como la economa.

Tambin se utiliza la modelacin de cualquier asunto econmico me-
diante el mtodo (deductivo) de la matemtica; adems de procedi-
mientos especficos diversos segn los asuntos.

En cuanto al mtodo bsico deductivo, interesa especialmente el
proceso para modelar situaciones de mximo y/o mnimo. En la prcti-
ca las situaciones pueden implicar numerosas variables y restricciones
(condiciones, que se procesan como variables adicionales).

Sin embargo, la idea lgica se plantea con una variable (y una condi-
cin, ya que salvo en filosofa o matemtica pura no tiene sentido ha-

404
blar sobre los infinitos).

Pensando en el dibujo de una onda sinusoide en un primer cuadrante,
en la ordenada se mide la variable y en la abscisa las ondas durante un
tiempo. Si se estudia la amplitud durante solo el primer perodo ms un
infinitsimo se puede estudiar el mximo o mnimo relativo a solo ese
primer perodo.

La variable crece al principio muy aceleradamente, llega a un punto de
inflexin y luego crece menos aceleradamente, hasta que en el mximo
deja de crecer y luego decrece rpidamente, hay otro punto de inflexin
y pasa a decrecer ms lentamente hasta llegar al mnimo (rpido o len-
to, proporcionalmente con la abscisa).

En el punto de mximo, en el de inflexin y en el de mnimo el creci-
miento infinitesimal es ah nulo. E interesa conocer cmo cambia esta
variable un infinitsimo a la derecha de estos puntos. Para ello el anl i-
sis diferencial se ubica en uno de estos puntos (de giro o cambio) ha-
ciendo la primer derivada igual a cero. Luego, volviendo a derivar esta
primera derivada se observa el resultado de la segunda derivada, para
saber si el punto de giro era un mximo, un mnimo o un punto de infle-
xin:

1ra=0 y 2da.<0 un mximo; 1ra.=0 y 2da.>0 un mnimo; 1ra.=0 y
2da.=0 un punto de inflexin (de giro o cambio).

Cuando se estudian dos variables y alguna restriccin, se siguen varios
procedimientos alternativos, que guardan analoga con este criterio
para una variable (y una restriccin).

Con dos variables reales y una restriccin (3 en total), como consumir o
producir dos bienes dado un presupuesto, se utilizan el anlisis dife-
rencial de Gossen, Marshall o Pareto: resolver a) igual cociente utilidad
marginal sobre precio del bien (o insumo)en ambos, juntamente con b)
agotar el gasto del presupuesto.

405

Tambin segn las dos condiciones de la funcin combinada de La-
grange. La combinada suma la funcin de utilidad (o produccin) ms
la restriccin de presupuesto multiplicada por una variable artificial u
operador landa (tambin 3 en total).

Sus dos condiciones son: FOC) igualar a cero las primeras derivadas
de estas 3 variables; despejar landa por igualacin de dos de ellas y
reemplazar en la tercera para calcular ambos bienes. SOC) formar un
determinante con las derivadas segundas del sistema anterior. Si este
determinante (Hessiano) es positivo indicar un mximo; si es negativo
un mnimo; si fuera tambin nulo indicara un punto de inflexin.

Para ms de dos tres variables, cambia algo este criterio segn el Hes-
siano; pero en la prctica no se puede utilizar Lagrange sino que se
recurre a Solver de Excel o matrices con Excel para los casos con mu-
chas variables y restricciones.

Excel procesa fcilmente sistemas de muchas variables, cuantificndo-
las y calculando tambin los precios sombra (remuneraciones). Los
operadores landa de Lagrange son el valor del producto marginal (uti-
lidad marginal), precio sombra o remuneracin de cada factor, etc. que
tambin se obtienen con programacin lineal segn otros procesos
equivalentes.

Resolver el caso de dos variables ms dos restricciones es interesante,
ya que permite ver la analoga entre los 5 6 mtodos principales.
Adems ilustra los procesos con Solver y con matrices mediante Excel
que sirven para resolver efectivamente problemas con muchas varia-
bles.


406

SEIS METODOS EQUIVALENTES

(UN CASO CON 12 RESULTADOS IGUALES DEL PRIMAL Y DEL DUAL)

A continuacin tienen aqu resuelto en varias hojas el ejemplo del ho-
norable W. Baumol y/o del libro de Henderson y Quandt sobre la opti-
mizacin para producir autos y motos (aunque que solo lo presentan
all con un proceso, tal como otros ejemplos en los dems libros ).

Asimismo, se incluyeron aqu las seis soluciones del caso PRIMAL
(mximo beneficio) y las del correspondiente DUAL (mnimo costo para
esa produccin dada). Al llegar a similar resultado el lector puede cap-
tar mejor la utilidad o sentido de cada mtodo.

Los seis casos de primal y sus 6 duales se presentan aqu para los
mtodos usuales: 1) ecuaciones diferencias usando operadores de
Lagrange; 2) programacin lineal mtodo grfico; 3) programacin li-
neal Simplex; 4) programacin con Solver de Excel; 5) matrices, ma-
nualmente; 6) matrices con funciones Excel (que son las efectivamente
generalizables a miles de variables por cualquier usuario de PC desde
1995!)

Interesa ver cmo se llega al mismo resultado en todos estos 12 casos.
Adems es especialmente til resolver este ejemplo manualmente y
sobre todo tambin con las aplicaciones Excel para Solver y para inver-
tir y para multiplicar matrices. Al saber resolver este caso de 2x2 (cua-
tro variables o restricciones) y saber hacerlo con las funciones Excel se
tiene abierto el camino para resolver otros casos con miles de varia-
bles.

Al permitir resolver decenas y cientos de variables, Excel permiti su-
perar efectivamente la falacia clsica sobre sistemas NxN, antes prcti-
camente solo retrica pura, imposible de aplicacin concreta en la em-

407
presa o realidad. De hecho, no existen textos con ejemplos de 4x4
5x5 resueltos !.

Por otra parte, algo similar ocurri con la estimacin de funciones por
mnimos cuadrados (induccin), que solo fue prcticamente realista
cuando Excel populariz su ejemplo de los HELADOS con 4 variables
(o ms) y facilitando el anlisis de la varianza (anova), para los coefi-
cientes de correlacin ajustado; el "F" de Snedecor para ver la aleato-
riedad y auto correlacin y el "t" de Student, sobre representatividad de
cada variable independiente y en general "bondad" del ajustamiento).

Planteo del problema:
Se busca optimizar la produccin de autos y/o mo-
tos, disponiendo de 8000 hs. Mquina y 9000 hs.
Hombre. Un auto deja como beneficio $2,50 y una
moto $2,00. Los insumos o coeficientes tcnicos
estn en el cuadro 2x2 del resumen.
Cuadro resumen del ejemplo autos y motos:

Requerimiento autos motos Total
requer
capaci-
dad
maquina 1 2 8000 8000

Hombre 3 2 9000 9000
Cant. vendida 500 3750
Ben. unitario 2.50 2.00
Total beneficio 1250 7500 8750


408
Aproximacin, recordando cmo derivar:

Tratando de simplificar el clculo: supongamos una funcin Ux. Su primer
derivada ser Ux;y= dU/dx y su derivada segunda ser Uds.=- respecto a
X (o a Y, segn a cual derivemos).

Ejemplo: Ux=3X2 (al cuadrado) con U'x=6X (se multiplica por el expo-
nente y se baja una unidad este). Su derivada segunda Ux=6
(se vuelve a derivar la derivada primera).

Otro ejemplo Uxy=4X2Y2 (X cuadrado por Y cuadrado), con Ux= 8XY2
(multiplica por el exponente y se le baja una unidad a este...y acompaa lo
dems igual).

La Ux=8Y2. (se multiplica por el exponente y se le baja una unidad a es-
te.... y acompaa lo dems sin cambios).

La simbologa cambia segn los textos, pero es similar: Ux que dU/Dx.


409
1 ) LAGRANGE
La solucin analtica diferencial, con o sin Lagrange, permite el razo-
namiento, pero tiene limitaciones (manuales), es para pocas variables
(por esto usaremos aqu 6 mtodos, llegando al mismo resultado).

Las condiciones o restric-
ciones tcnicas son: auto moto
Recur-
sos
hs. Maquina X1 2X2 <=8000
hs. Hombre 2X1 2X2 <=9000
PRIMAL
La funcin combinada de Lagrange incluye la funcin de beneficio ms
las de dos restricciones

G = 2,50 X1 + 2,00 X2 + L1(X1 + 2X2 -8000) + L2(3X1 + 2X2 -9000)

Lagrange prev dos condiciones (FOC y SOC) . Usaremos aqu dos
operadores, landa 1 y landa 2.

1)
F.O.C.: G1 = 0 2.5 + L1 + 3L2 = 0
G2 = 0 2 + 2L1 + 2L2 = 0
G3 = 0 X1 + 2X2 - 8000 = 0
G4 = 0 3X1 + 2X2 - 9000 = 0

Con estas dos ltimas se puede despejar X1 y X2 por igualacin:
X1 - 8000 = 3X1 - 9000 o sea, 1000 = X1X1= 500
y segn G3 500 + 2X2 -8000 = 0 o sea,
2X2 = 7500.. X2= 3750

Con estas cantidades optimas el beneficio es:
B = $2.50 (500) + $2.00 (3750) = $8750

Con precios sombra segn G1 y G2:
2.5 + L1 + 3L2 = 0 multiplico por 2:

410
2 + 2L1 + 2L2 = 0
5 + 2L1 + 6L2 = 0
2 + 2L1 + 2L2 = 0
y por igualacin surge 5 + 6L2 = 2 + 2L2 .

O sea 4L2 = -3.. -L2 = 0,75
y segn L1 es 2,5 + L1 + 3(-0,75) = 0
o sea, 2,5 + L1 - 2,25 = 0..y -L1 = 0,25
(remuneracin de ambos factores o precios sombra)

2)
S.O.C.:
Si el determinante Hessiano es positivo se asegura que esta solucin
es ptima. El determinante Hessiano se conforma volviendo a derivar
cada lnea del primer sistema respecto a las cuatro variables 1, 2, 3 y 4.
L11 L12 L13 L14
H = L21 L22 L23 L24
L31 L32 L33 L34
L41 L42 L43 L44

o sea, H =

0 0 1 3
0 0 2 2 = 16
1 2 0 0
3 2 0 0

Calcular el Hessiano manualmente solo es prctico hasta 3 variables,
pero para muchas (o miles de) variables Excel tiene la funcin
=Mdeterm( G26;J31).

(estudiamos los mtodos y sus condiciones en estos casos simples con
pocas variables, porque algunos son generalizables a mltiples varia-
bles utilizando Excel u otros con matrices y con programacin lineal y
no lineal. Kuhn-Tucker generalizaron estas condiciones para los casos

411
de programacin no lineal. En particular este otro ejemplo usual en los
textos econmicos, tampoco servira como un ejemplo insumo-producto
ya que su determinante de coeficientes tcnicos es negativo y no satis-
face las condiciones Hawkins-Simon vistas)
1b ) DUAL:
(el mnimo de este mximo)
Este mismo caso tiene otro aspecto a considerar. Busquemos cual se-
ra la mnima remuneracin para optimizar esos recursos de 800
hs.mquina y 9000 hs.hombre, sabiendo que un auto deja $250 y una
moto $ 2,00 de beneficio (es como la otra cara en una misma moneda).
Para minimizar, Lagrange arm su funcin combinando ahora la fun-
cin objetivo y agregando sus operadores "landa" multiplicando las res-
tricciones de cumplir con el beneficio unitario en autos y en motos
(usamos dos operadores landa 1 y 2 porque hay dos restricciones;
adems de la variables reales, ambos beneficios unitarios en este caso
de minimizar)

K = 8000 Y1 + 9000Y2 + h1 (Y1 + 3Y2 - 2,50) + h2 (2Y1 + 2Y2 - 2,00)

(cambio las letras por K, Y1y2 y h1y2 pero quizs no sea imprescindi-
ble)

Lagrange prev dos condiciones (FOC y SOC) . Usaremos aqu dos
operadores, landa 1 y landa 2.

1) F.O.C.:

(al igualar a cero las derivadas primeras nos ubicamos en un "punto de
giro", por analoga con una variable)

K1= 0 8000 + h1 + 2h2 = 0
K2= 0 9000 + 3h1 + 2h2 = 0
K3= 0 Y1 + 3Y2 - 2,5 = 0
K4= 0 2Y1 + 2Y2 - 2 = 0

412
Multiplicando la tercera por 2 y repitiendo la cuarta
2Y1 + 6Y2 - 5 = 0
2Y1 + 2Y2 - 2 = 0
por igualacin surge: 6Y2 - 5 = 2Y2 - 2
o sea, 4Y2 = 3 .Y2 = 0,75
Y segn k3 es: Y1 + 3 (0,75) - 2,5 = 0 Y1 = 0,25
remuneraciones que optimizan minimizando el costos para usar estos
recursos.
Min C = 8000 (0,25) + 9000 (0,75) = $8750

y segn k2: 9000 + 3h1 + 2 (-3750) = 0
-3h1 = 9000 - 7500 -h1 = 500

que en este dual sera como las cantidades "sombra"

2) S.O.C.:

En los sistemas con 3 variables la segunda condicin de Lagrange para
el dual (mnimo) era que el Hessiano de la derivadas segundas fuese
negativo (y si se buscara otro punto de inflexin debera ser H = 0).

Pero el tema cambia y se complica para sistemas con 4 o ms varia-
bles; cambian los criterios y se complican mucho las reglas para los
resolver determinantes mayores a 3x3.

Comparando mtodos se pueden ver estas limitaciones y la practicidad
de cada uno, destacndose la ventaja de usar Excel para los sistemas-
grandes.

DETERMINANTE con Excel (en E73;H73 )

0 0 1 2
H = 0 0 3 2 =16
1 3 0 0
2 2 0 0

413

Excel calcula fcilmente estos determinantes grandes con su funcin
=mdeterm(E70:H73)

2 ) METODO GRAFICO - Maximizacin

el mtodo grfico admite dos variables y no demasiadas restricciones
(tantas como no ensucien el grfico).

Consiste en graficar cada restriccin y elegir el rea interior entre el
origen y la frontera de codos o soluciones alcanzables. Las soluciones
posibles son aqu el origen (nada producido y solo capacidad ociosa);
solo 4000 de X2; solo 3000 de X1; y el punto con 500 de X1 y 3750 de
X2.

Falta ahora determinar cul de estas posibilidades genera mayor bene-
ficio. Para esto se grafican las lneas de beneficio (la funcin objetivo),
obteniendo una familia de lneas de isobeneficio, por ejemplo B=60000;
B=30000; B=15000; etc. paralelas, con pendiente segn los valores de
la funcin objetivo.

La solucin se encuentra en el punto de tangencia entre la curva de
beneficio ms elevada con uno de los codos de la frontera de la pro-
duccin factible, en este caso el punto de coordenadas (500;3750) con
B=8750


414

Funcin objetivo: B = 2,5X1 + 2X2
2X2 = -2,5X1 + B X2 = -1,225X1 + B/2
(pendiente -1,25 y ordenada segn valores de B)

2X2 = -X1 + 8000; X2 = -1/2X1 + 4000
(grafico: si X1=0 entonces X2=4000; igualmente, si X2=0
entonces X1=2000 )
Igualmente,
2X2 = -3X1 + 9000 X2 = -3/2X1 + 4500
(si X1=0 entonces X2= 4500; igualmente si X2=0 entonces X2=6750 )

Igualando ambas restricciones resulta -1/2X1 + 4000 = -3,/X1 + 4500,
de donde surge X1=500

Reemplazando en la primer restriccin X2 = -1/2 (500) +4000 = 3750

Este es el punto que coincide con la mxima lnea de isobeneficio B=

415
2,5(500) + 2,0(37850) = $8750

2b ) DUAL - Minimizacin:

En este mismo ejemplo ser buscar el mnimo costo (remuneracin)
para producir esas cantidades de autos y motos utilizando los recursos
disponibles

El procedimiento es similar en los casos de minimizacin. Pero aqu el
rea factible es la regin superior de los costos ms alejada del origen.
La regin inalcanzable es la cercana al origen (ya que no es posible
producir estas cantidades con poco o ningn costo); el origen no es
aqu una solucin posible.

En este dual la funcin objetivo permite graficar la familia de lneas de
isocosto; cuanto menores sean alguna llegar a alcanzar un codo de la
frontera formada por los pares de restricciones, indicando el ptimo.

Segn C = 8000Y1 + 9000Y2
surge Y2 = -0.89Y1 + C


416

Graficando esta familia de lneas de isocosto, la ms reducida ser
coincidente con el codo (0,25; 0,75), indicando que el mnimo costo
para producir 500 autos y 3750 motos (usando todos los recursos) es
Y1= 0,25 e Y2 = 0,75, la remuneracin de ambos factores productivos
para obtener esas producciones dadas y $8750 beneficio.

Funcin objetivo: Min C = 8000Y1 + 9000Y2

Restricciones: que las remuneraciones permitan obtener un beneficio
de $2,50 por auto y de $ 2,00 por moto:

Y1 + 3Y2 = 2,50
2Y1 + 2Y2 - 2,00
Grafico los extremos de hs. hombre: si Y2=0 entonces Y= 2,50;

417
igualmente si Y1 = 0 entonces Y2 = 2,50/3 = 0,83
Grafico los extremos de hs. Mquina: si Y2 = 0 entonces Y1 = 2/2 = 1;
igualmente si Y1 = 0 entonces Y2 = 2/2 = 1

Surgen aqu 3 codos factibles, Y1=1; Y2 = 1 y la interseccin ambas
restricciones con coordenadas (0,25;0.75)

3 ) AUTOS y MOTOS SEGN SIMPLEX

Funcin Objetivo: Max Benef. = $2,50 (X1) + $2,00 (X2)

Sujeto a:
X1 + 2X2 <= 8000 hs. Maquina
3X1 + 2X2 <= 9000 hs. Hombre
( y siendo X1 y X2 >=0 )

Agregando ociosidad sera:
X1 + 2X2 + X3 = 8000
3X1 + 2X2 + .+ X4 = 9000


418

2,5 2
FO X REC. X1 X2 X3 X4 V.S.
tabla 0: 0 X3 8000 1 2 1 0 8000
0 X4 9000 3 2 0 1 3000
-2,5 -2 0 0

tabla 1 0 X3 5000 0 4/3 1 -1/3 3750
2,5 X1 3000 1 2/3 0 1/3 4500
0 -1/3 0 0,83

tabla 2 2 X2 3750 0 1 3/4 -1/4
2,5 X1 500 1 0 -1/2 1/2
0 0 0,25 0,75
precios sombra
(todos positivos en la ltima fila).
Max. Benef.=$2,50(500 autos)+$2.00(3750 motos) = $8750

Verificacin del uso de los recursos:
1 (500) + 2 (3750) = 8000 hs. Maquina
3 (500) + 2 (3750) = 9000 hs. Hombre
(sin capacidad ociosa).

(ver las dos pginas con los pasos del mtodo Simplex en el cap. 3)


419

3b) VERIFICACION DE LA ULTIMA TABLA SIMPLEX CON MA-
TRICES

Recursos
-1/4 8000 3750 MOTOS
-1/2 1/2 9000 500 AUTOS
ver frmula y
**

Estos valores difieren de los que se vern como la matriz inversa por-
que el orden de presentacin fue alterado en el proceso quedando co-
mo motos y autos.
El producto de esta tabla (matriz) por el vector de recursos tiene la
frmula: =mmult(A2:B3;D2:D3) ingresada en Excel previo pintar estas
dos celdas aqu F2:F3; y con Cntrl+Shift+Enter para que Excel la apli-
que a ambas.


420

4 ) SOLUCION CON SOLVER de Excel

Planteo del problema y Ayuda previa para Solver:

Se busca optimizar la produccin de autos y/o mo-
tos, disponiendo de 8000 hs. Mquina y 9000 hs.
Hombre. Un auto deja como beneficio $2,50 y una
moto $2,00. Los insumos o coeficientes tcnicos
estn en este cuadro 2x2 del resumen.

Cuadro resumen del ejemplo autos y motos:
Requerimiento autos motos Total
requer
capaci-
dad
maquina 1 2 8000 8000

Hombre 3 2 9000 9000
Cant. vendida 500 3750
Ben. unitario 2.50 2.00
Total beneficio 1250 7500 8750

Luego use HERRAMIENTAS / SOLVER/ ETC. una vez que ya es-
tn prearmadas las formulas en la hoja Excel.

O use Datos / Solver en Office 2007 2010 (instlelo si no le aparece
en Datos / Solver).

Si no le es aqu fcil recurra a alguno de estos archivos que incluyen
ejemplos con Solver Paso a Paso (en
www.Microeconomaconexcel.com )


421

Al pulsar la celda objetivo deber marcar la que tiene el resultado final
8750 (D6 en esta imagen Word); tilde Mximo; en Cambiando las cel-
das pinte las dos que tienen 500 y 3750 (B4:C4 de la imagen Word);
ms abajo agregue restricciones: que el total requerido sea <= a la
capacidad (D3:D4<=E3:E4 de la imagen Word); se omitieron la condi-
ciones de no negatividad, que autos y motos no sean negativos, porque
en Opciones se tild No negativo y tambin adoptar el modelo lineal.
Finalmente se pulsa resolver (y permite tildar tres informes auxiliares,
de respuestas, sensibilidad y lmites.

Esta opcin Solver de Excel es interesante porque permite la progra-
macin lineal, no lnea, entera y binaria con poco ms que tildar opcio-
nes, para 16 variables y restricciones.

5 ) MATRICES (MANUALMENTE)

El lgebra de matrices recurre a operaciones elementales. El proceso
segn Gauss-Jordan consiste en ubicar la matriz de los coeficientes

422
tcnicos:
1 2
3 2

a la izquierda de una matriz unitaria de similar rango.

1 0
0 1

Ubicado este par de matrices se tratar de pasar hacia la derecha la
matriz de coeficientes mediante operaciones elementales.
1 2 1 0 ( 2-
3 2 0 1 1x3 )

el resultado aparece en el prximo par de matrices:
1 2 1 0
0 -4 -3 1 (2da / -7)

1 2 1 0
(1- 2
x2)
0 1 0,07 0,025

1 0 -0,5 0,5
0 1 0,75 -0,25

Obsrvese que la matriz unidad est ahora a la izquierda y los coef i-
cientes fueron invertidos para pasar a la derecha.

Esta matriz inversa de los coeficientes es la necesaria para multiplicar
por el vector de los recursos para obtener el resultado final.


423
-0,5 0,5 8000
0,75 -0,25 x 9000 =

El producto de esta matriz 2x2 por el vector de recursos original otro
vector de 2x1 con los resultados para autos y motos

-
0,5(8000)+0,5(9000) 500

0,5(8000+0,5(9000) = 3750

El beneficio mximo es B = 2.50(500) + 2.00 (3750) = $8750


424

AYUDA: ALGEBRA MATRICIAL

1. INTERCAMBIAR FiLAS
2. MULTIPLICAR UNA FILA POR UN
ESCALAR
3. SUMAR A UNA FILA OTRA POR UN
ESCALAR.

4. Producto: A11 A12 B1 A11 B1 + A12 B2
A21 A22 por B2 = A21 B1 + A22 B2

(matriz cua-
drada por un
vector co-
lumna da otro
vector co-
lumna)

5. matriz unidad o idntica, I = 1 0
tiene 1 en la diagonal princi-
pal y 0 en el resto
0 1
6. matriz inversa (ver en antes)

Otra exposicin sobre el lgebra matricial se plante anteriormente en
el captulo de proyeccin y programacin (luego de la estimacin de
funciones de demanda (mediante la matriz insumo-producto) y como
otra alternativa a la optimizacin mediante la programacin lineal.

425

6 ) MATRICES CON EXCEL

Excel trae numerosas funciones, entre ellas para calcular determinan-
tes (=mdeterm( ; ), para invertir matrices (=minversa( ; ), para multipli-
car matrices (=mmult( ; )

M. inver-
sa Recursos
Produc-
cin
autos -0,5 0,5 8000 500
motos 0,75 -0,25 9000 3750
Mxima
**
Produc-
cin

A la izquierda est el resultado de invertir la matriz de coeficientes tc-
nico iniciales. Los recurso son el dato inicial. A la derecha est el pro-
ducto de la matriz inversa por el vector de los recursos.

El resultado es el mismo que con los otros mtodos (500 autos ; 3750
motos):
Ben = 2.5 (500) + 2.0 (3750) =$8750.

Sin embargo, hay que destacar la ventaja de este proceso con Excel,
ya que resuelve en instantes cientos o miles de variables, superando la
limitacin clsica de dos variables con una o dos restricciones.

La referencia ** es el atajo Excel (shortcut) Cntrl+Shift+Enter, para
procesar esas frmulas en todas las celdas previamente pintadas.

Confirmacin Insumo Producto
Distribucin
del Producto
Distribucin
del Ingreso
Ben /u Recurso Salarios Ingresos

426
2,50 1250 8000 0,25 2000
2,00 7500 9000 0,75 6750
8750 8750
Producto Ingreso

Los 500 autos y 3750 motos por su beneficio unitario originan un pro-
ducto de $8750 (en los sectores mquinas y hombres).

Igualmente, las remuneraciones para mquinas y para hombres multi-
plicadas por la capacidad disponible genera ingresos para cada factor
cuya distribucin agota lo producido, $8750.

DUALIDAD:

Tambin se llega al mismo resultado con el enfoque dual de estos otros
mtodos.

Mnimo costo para obtener esas producciones y beneficios conocidos.

3b ) MINIMIZACION CON SIMPLEX:

Minimizar C = 8000(Y1 + 9000(Y2)
sujeto a: Y1 + 3Y2 >= 2.50
2Y2 + 2Y2 >= 2,00
Restando dos variables ociosidad y sumando dos variables artificiales:

Y1 + 3Y2 -Y3 . + MY5 + .... = 2,50
2Y1 + 2Y2 . - Y4 . ..+ MY6 = 2.00


427

8000 9000 0 0 M M
FO Y REC Y1 Y2 Y3 Y4 Y5 Y6 V.S.
T.0 M Y5 2,5 1 3 -1 0 1 0 0,83
M Y6 2 2 2 0 -1 0 1 1
3M 5M -M -M 0 0
-8000 -9000
(positivo)

T.1 9000 Y2 0,83 1/3 1 -1/3 0 1/3 0 2,5
M Y6 1/3 4/3 0 2/3 -1 -2/3 1 0,25
1,33M 0 0,67M -M -1,67M 0
-500 -3000 +3000
(positivo)

T. 2 9000 Y2 0,75 0 1 -1/2 1/4 1/2 -1/4
8000 Y1 0,25 1 0 1/2 -3/4 -1/2 3/4
0 0 -500 -3750 -M -M
autos ,motos -500 +3750
( todos negativos !!)

Mnimo Costo = 8000(0.25) + 9000 (0.75) = $ 8750
$maquina $salario
0,25 0,75

4 b) Dual Mnimo costo con Solver

h maq h hom Ben /u
autos 1 3 2,5 2,5
motos 2 2 2 2
salarios 0,25 0,75
Recurs 8000 9000
Costo 2000 6750 8750 Ingreso


428
En la hoja Excel debe hacerse previamente la frmula para el costo de
horas mquina y horas hombre (en este Word sera 0.25 por
8000=2000 y tambin 0.75 por 9000=6750.

Ambas remuneraciones de factores estn sumadas en la frmula del
costo total 8750 = 2000+6750.

As mismo, las remuneraciones de mquina y hombres para autos y
similares para motos no deben ser mayores a los beneficios unitarios
del ptimo primal: las frmulas en la columna D en este Word multipli-
can 0.25 y 0.75 por el coeficiente de mquinas y hombres para autos
(igualmente para motos). Estas dos celdas con frmulas ser una de
las restricciones para indicar que lo distribuido como remuneraciones
sea igual al beneficio producido por autos y por motos.

En esta imagen del caso en Excel la celda objetivo es en este Word
8750. Las cambiantes son 0.25 y 0.75. En sujeto a las restricciones
(figuran valores no negativos para ambas remuneraciones porque no
se tild en opciones No negativos). Las otras dos restricciones son pa-
ra que los ingresos sean igual al producto con cada bien.

429

Interpretacin general como Ingresos recibidos:

Rec Remuner Ingre
8000 0,25 2000 para h. maquina
9000 0,75 6750 para h. hombre
8750 ingreso nacional

6 B ) Dual: Verificacin con matrices

maquina hombre

auto 1 3
moto 2 2
8000 9000
El proceso consiste en multiplicar la matriz inversa de los coeficien-
tes del dual por el vector de los beneficio unitarios.

-0,5 0,75 0,25
0,5 -0,25 por 0,75

La matriz izquierda es la inversa de los coeficientes del dual
-0,5 0,75
0,5 -0,25
hecha con =minversa( : ).
El vector columna de la derecha es el producto de esta matriz in-
versa por el vector de los beneficio unitarios (2.50 y 2.00), hecho
con =mmult( ; ).
0,25
0,75
Muestra que el resultado de ese producto son las remuneraciones
para mquina y para hombre; compatibles con la optimizacin del
primal y con la confirmacin Insumo Producto que ya se incluy

430
anteriormente.

Recurso Remuneracin Ingresos

8000 0,25 2000
9000 0,75 6750
8750

Ben /u produccin BEN TOTAL

2,5 500 1250
2.0 3750 7500
8750


431
MODELACION MATEMTICA

Para disear en las empresas la solucin de las diversas situaciones
problemticas es usual esbozar el esquema resolutorio mediante
expresiones matemticas simples: este es (en trminos de los crea-
dores del lgebra hace 1200 aos) el arte de explicar LA COSA.
Pero en los casos con pocas variables la solucin puede plantearse
manualmente mediante diferentes mtodos usuales, como operado-
res de Lagrage, programacin lineal grfica, simplex o con matrices.
Sin embargo, el mtodo matricial ya requiere planteos cuadrados
mediante PC para casos de ocho o ms variables; los operadores
de Lagrange estn limitados a clculos manuales para muy pocas
variables; el mtodo grfico es aplicable a casos de dos variables
con no demasiadas restricciones y adems no suministra informa-
cin sobre capacidades ociosas, el mtodo Simplex permite algunas
variables y restricciones NxM y suministra informacin sobre capa-
cidades ociosas, precios sombra y costos de oportunidad, pero tam-
bin resulta inviable con no muchas variables.
Por esto lo ms prctico suele ser en general recurrir a alguna de
las alternativas de presentacin de Solver de Excel, como se intro-
dujo con los ejemplos orientativos resueltos aqu anteriormente y
algunos otros siguientes.

CARPINTERIA

Una carpintera necesita una unidad de carpintero para obtener una
mesa y 6 unidades de despacho; necesita una unidad de tapizado
para obtener una silla y 4 unidades de despacho. Si sus recursos
son 3 unidades de carpintero, 6 de tapizado y 36 de despacho. Es-
tas son las tres restricciones a introducir en Sujetas a las siguien-
tes restricciones: (las condiciones de no negatividad de las varia-
bles y el tipo lineal de la programacin se tildan en opciones):


432
Restric /Varia. Mesas Sillas Recursos
R1 carpintera X1 <= 3
R2 tapicera X2 <= 6
R3 expedicin 6X1 + 4X2 <= 36
(con X1 ; X2 >= 0)

TELEVISORES

Para un TV hace falta un bastidor, un tubo, un altavoz, un generador
elctrico y dos piezas electrnicas. Para un estreo hace falta un
bastidor, dos altavoces, un generador y una pieza electrnica. Un
altavoz requiere un cono altavoz y una pieza electrnica. Los recur-
sos son 450 bastidores, 250 tubos de imagen, 800 conos altavoz,
450 generadores elctricos y 600 piezas electrnicas. Estas son las
5 restricciones a introducir en Sujetas a las siguientes restriccio-
nes: (las condiciones de no negatividad de las variables y el tipo
lineal de la programacin se tildan en opciones):

Restr / Var: TV Estreo Altavoz Recursos
R1 bastidores X1 + X2 <= 450
R2 tubos X1 <=250
R3 altavoz 2X1 + 2X2 + X3 <= 800
R4 generador. X1 + X2 <= 450
R5 piezas elec. 2X1 + X2 + X3 <= 600
y la condiciones de no negatividad todas de las varia-
bles >= 0
Por otra parte, la presentacin en las hojas Excel permite adems
otras diagramaciones alternativas para el Solver, que figuran en las
muestras del Office presentadas en el captulo 1.
MINIMIZACION, ENTERO - MINERA
La compaa Minas Universal opera tres minas en West Virginia. El
mineral de cada una se separa, antes de embarcarse, en dos gra-
dos. La capacidad diaria de produccin de las minas as como sus
costos diarios de operacin son los del cuadro siguiente.

433

La Universal se comprometi a entregar 54 toneladas de mineral de
grado alto y 65 toneladas de mineral de grado bajo para fines de la
siguiente semana. Adems, tiene contratos de trabajo que garanti-
zan a los trabajadores de las minas el pago del da completo por
cada da o fraccin de da que la mina est abierta. Determnese el
nmero de das que cada mina debera operar durante la siguiente
semana, si Minas Universal ha de cumplir su compromiso a un cos-
to total mnimo.

Sean X1, X2, X3 los das que las minas I, II y III habrn de operar
durante la semana venidera. Entonces, la funcin objetivo ser:
Min C = 20X1 +22X2 +18X3

Sujeto a las restricciones:
r1 La demanda de mineral de grado alto es: 4X1 +6X2 +X3 >= 54
r2 La demanda de minera de grado bajo es:4X1 +4X2 +6X3 >= 65
r3 Las minas solo pueden operar 7 das: X1<= 7
r4 X2 <= 7

434
r5 X3 <= 7
r6 Todas las variables son enteras, ya que los contratos laborales
son por da completo o fraccin.
r7 Todas las variables son no negativas, ya que no puede haber
nmero negativo de das trabajados en las minas.


435
Con Datos / Solver/ se asigna D13 como celda objetivo a minimizar;
se tilda el mtodo lineal Simplex LP y se introducen las restricciones
indicadas, surgiendo como mnimo $ 284 miles y los das indicados
en el cuadro por mina.

MODELACION DE PROGRAMACION CON SOLVER
COMPUTADORES

Una empresa optimiza la produccin de computadores para los pr-
ximos 4 trimestres, con un mnimo costo. Tiene en stock 5000, pero
sus pedidos suman 7000, 15000, 10000 y 8000 respectivamente.
Puede producir 10000 cuatrimestrales a un costo de $2000 o bien
agregar otros 2500 a un costo de $2200. Si produce en exceso pue-
de despacharlos posteriormente, con un costo operativo de almace-
naje de $100 cuatrimestrales

Modelacin: en la definicin de variables figuran ambos tipos de
produccin, normal (X
t
,) otra con sobrecosto (Y
t
) y la produccin
para stock (I
t
); durante los 4 trimestres (t = 1 : 4).

El balance trimestral debe considerar lo producido ms lo provenien-
te del stock junto con la demanda, de modo que la funcin objetivo
ser:
Min C = 2000(X
1
+ X
2
+ X
3
+ X
4
) + 2200(Y
1
+ Y
2
+ Y
3
+ Y
4
) + 100( I
1

+ I
2
+ I
3
)

5000 + X
1
+ Y
1
= 7000 + I
1
(o sea P29 = P31)
I
1
+ X
2
+ Y
2
= 15000 + I
2
(o sea Q29 = Q31)
I
2
+ X
3
+ Y
3
= 10000 + I
3
(o sea R29 = R31)
I
3
+ X
4
+ Y
4
= 8000 (o sea S29 = S31)
X
t
<= 10000 (o sea, U26 )
Y
t
<= 2500 (o sea, U27 )

436
con X; Y; I; t >= 0 (no negativos)

Tambin se simplifica el problema suponiendo que no se pueden
mezclar las producciones normal y de sobrecosto; y no se usa la
restriccin entero como si las unidades fuesen fraccionables (Sol-
ver permite la programacin no lineal, entera, binaria con solo tildar
estas opciones y presentar adecuadamente el cuadro bsico de
relaciones matemticas en la hoja de clculo de presentacin bsi-
ca)

Un primer planteo bsico con Solver, fue ubicar los costos en O26
hasta O28; las celdas cambiantes en P26 hasta S28 y la funcin
objetivo en U30 (el cursor ubicado sobre U30 esta mostrando en la
imagen la minimizacin de la suma de costos).

En Herramientas / Solver (o Datos / Solver, segn sea la versin
del Office) se accede a la ventana para agregar los parmetros de
Solver, segn muestra la imagen: funcin objetivo en U30. Valor:
mnimo. Cambiando las celdas P26 hasta S28. En sujeto a las res-
tricciones se agregaron todas las de igualdad y las de <=. En opcio-
nes se tild adoptar el modelo lineal y asumir no negativos.

437

SOLVER EN FORMA TIPO MATRICIAL / SIMIL MATRICIAL / o
PARAMATRICIAL

Otra presentacin alternativa para esta misma solucin mediante
Solver figura en las imgenes siguientes. Los tres tipos de suminis-
tro son las variables horizontales en la lnea 4 (produccin normal,
produccin de sobrecosto; de stock); verticalmente se ven las 12
restricciones necesarias.


438
Los costos estn en la lnea 17 y el suministro ptimo (celdas cam-
biantes) figura en la lnea 18 (tambin se anotaron como celdas
cambiantes al ejecutar Solver, segn la imagen inferior)

Las restricciones tienen el tope indicado en la columna P, que se
compara con el suministro que figura en la columna N como
=sumaproducto (N5 hasta N17; en dos tramos, segn la forma de
los signos = y <= de la imagen inferior)


439
En opciones tambin se tild adoptar el modelo lineal y asumir no
negativos. Al momento de ejecutar la optimizacin se puede selec-
cionar (sombrear) la presentacin de informes ( de respuestas, sen-
sibilidad y lmites)
REFINERIA AZTECA

La Refinera Azteca vende nafta Regular a $12 y Extra a $14
por barril, que elabora mediante las siguientes relaciones tc-
nicas.

Qu cantidad de petrleo nacional e importado se deber
refinar para maximizar el Beneficio?
Sean:
X1 = barriles de petrleo nacional para nafta Regular
X2 = barriles de petrleo importado para nafta Extra
X3= barriles de petrleo nacional para nafta Regular
X4= barriles de petrleo importador para nafta Extra
Ingreso total por nafta Regular = $12(X1+X2).
Ingreso total por nafta Extra = $14(X3+X4).
Costo nacional por nafta Regular = $8(X1+X3).
Costo importado por nafta Extra =$15(X2+X4).


440
Se trata de maximizar el beneficio, definido como ingresos menos
costos:
$Ben = 12(X1 + X2) + 14(X3 + X4) - 8(X1 + X3) -15(X2 + X4)

Simplificando, el programa queda como:
Max Ben = 4X1 -3X2 +6X3 -X4

X1 + X3 <= 40000 (disponibilidad petrleo nacional)
X2 + X4 <= 60000 (disponibilidad petrleo importado)
X1 + X2 >= 50000 (requerimiento mnima de Regular)
X1 + X2 <=100000 (demanda mxima de Regular)
X3 + X4 >= 5000 (requerimiento mnimo de Extra)
X3 + X4 <= 20000 (demanda mxima de Extra)

Si la restriccin de octanaje debe ser 87(X1/X1+X2) +
98(X2/X1+X2) >=88% en nafta Regular, pasando 88 al lado
izquierdo y simplificando surge
X1 -10X2 <= 0 (octanaje mnimo nafta Regular)
6X3 - 5X4 <= 0 (asimismo con la restriccin de octanaje naf-
ta Extra)

Si la restriccin de presin debe ser 25X1 /X1+X3 + 15X3
/X1+X3 <= 23, pasando 23 al lado izquierdo y simplificando
surge
2X1 - 8X2 <= 0 (restriccin presin vapor Regular)
2X3 - 8X4 <=0 (igualmente con la restriccin presin vapor
Extra)
Y como restriccin final, todas las variables no negativas.

441

En una hoja Excel se anotan los coeficientes y las restricciones or-
denadamente, incluyendo los coeficientes del funcional; e insertan-
do una columna F5:F15 para efectuar las sumas producto como se
indica para F7.

Finalmente se abre la macro con Datos / Solver, para indicarle las
celdas y las opciones: celda objetivo F15; se tilda maximizar; cam-
biando las celdas B16:E16; e insertando las restricciones y sus sig-
nos ordenadamente, una a una o bien agrupando conjuntos con
similar sentido de desigualdad.

Al ejecutar el resultado aparece en la celda F15: mximo beneficio
por $125000; incluyendo en la fila 16 las cantidades de 35000 de
nafta Regular, 15000 de nafta Extra; se consume todo el petrleo
importado y sobran 5000 del nacional. (antes de ejecutar pueden

442
solicitarse los informes usuales sobre respuestas, sensibilidad y
lmites)

(de Investigacin Operativa R. Bronson, Ed. Schaum-McGraw-Hill

443
y con Excel 2010 o anteriores)

MODELACION DEL EQUILIBRIO EMPRESARIO (Y GENERAL)
OMAN: COMUNIDAD DE PESCADORES Y CAZADORES

rase una vez una comunidad de pescadores y cazadores que con-
taba con 1000 hombres y 1500 mujeres. Como era conocido, para
pescar se formaba un equipo de dos mujeres y un hombre para ob-
tener una unidad de pescado, mientras que para la caza los equipos
eran constituidos por un miembro de cada sexo, obteniendo una
unidad de caza por equipo.
La produccin era comprada por los mercaderes a razn de $1,70 y
$ 1,00 por unidad respectivamente el pescado y las presas.

Era una comunidad muy competitiva. Los miembros de cada grupo
sexual tenan igual remuneracin (aunque podra diferir entre sexos)
y el beneficio era desconocido entre ellos.

Se le debe al gran Oman la industrializacin de los productos de la
caza y de la pesca, quien logr de los mercados un precio unitario
por unidad de producto procesado de $2 y$2,20 para la caza y la
pesca respectivamente; y quien ense cmo se proceda a elabo-
rar los productos primarios con la sola participacin de un miembro
de la comunidad sin distincin de sexo por unidad de producto pro-
cesado.

La historia cuenta que Oman fue brutalmente asesinado por uno de
los grupos comunitarios. Puede ud. deducir por quin? (ayuda: la
distribucin relativa del ingreso de la comunidad era un bien social
muy preciado)


444
RESPUESTAS

Las incursiones de la macroeconoma en la microeconoma tiene
dos fundamentos: uno de ellos es que las empresas operan bajo el
entorno de las polticas econmicas (generalmente cambiantes) que
condicionan sus circunstancias de operacin y optimizacin funda-
mentalmente (anlisis del equilibrio general).

El segundo fundamento es que la adaptacin de los recursos esca-
sos a la satisfaccin de necesidades y/o produccin mltiples y al-
ternativas requiere un preciso mtodo de programacin (que en la
teora neoclsica tambin se le deca modelacin).

La modelacin (programacin) neoclsica inglesa y norteamericana
del siglo XIX y XX se limit a casos de 1, 2, 3 4 variables. El resul-
tado fue una simplificacin artificiosa, que precis un conjunto de
principios, demasiado limitado y no aplicable a la realidad de la acti-
vidad concreta de las empresa (algunos economistas criticaron a
esta teora microeconmica como una mera retrica pura, por im-
practicable efectivamente en la empresa).

Sin embargo, el desarrollo de la tcnica computaciones a fines del
XX, especialmente con aplicaciones de Excel, permiti generalizar la
modelacin de casos elementales de 2x2 variables a cientos de
ellas con Solver y a miles de variables utilizando matrices de Excel,
con misma simplicidad que en los casos de 2x2 (es esta una de las
refutaciones a la microeconoma clsica neoliberal que se demues-
tra en Microeconoma con Excel.pdf)

Este caso se resuelve con los 6 mtodos usuales de programacin
lneas grfica, Lagrange, Simplex, matrices, Solver y matrices Excel.
Pero se seala como salvedad que el Office presenta varias alterna-
tivas para el Solver y en el caso de la ltima aqu planteada, debe
aclararse que deja a cargo del usuario el ingenio intuitivo de com-
plementacin de la macro Solver con las ingeniosas operaciones

445
aritmticas que cada uno pueda realizar en la hoja de clculo bsica
de trabajo.

1) Programacin lineal mtodo grfico

2) Diferenciacin segn la funcin combinada de Lagrange, con
dos operadores auxiliares


446

3) Matriz inversa

En otras pginas se desarroll el proceso de inversin manual de
una matriz (solo posible hasta 4 variables, trasladando la matriz uni-
taria de derecha a izquierda mediante operaciones elementales por
lnea).

Por este motivo se omite aqu y se expone la ms prctica solucin
utilizando las funciones de Excel, =minversa( ; ); =mmult( ; ) e
=mdeterm( ; ), que son idnticas tanto para 2x2 como para miles de
variables.

Tambin se agrega el mtodo de determinantes, que suelen utilizar
todos los utilitarios computacionales para resolver sistemas(tal como

447
se explica breves prrafos para cada uno en Microeconoma con
Excel.pdf)

La imagen muestra la matriz inversa con Excel: el cursor fue ubica-
do en la celda C11 para mostrar la frmula para la matriz inversa
(ejecutando con Ctrl +Shift +Enter); y en G1;G12 se aclara la forma
de multiplicar la matriz inversa por los recursos para obtener el re-
sulta X=500 e Y=500..


448
Por otra parte, la resolucin por determinantes manualmente o con
Excel y los dems programas computacionales consiste en reem-
plazar los trminos independientes por la variable a calcular y efec-
tuar el cociente que se indica en G22 y G26.

4) Programacin lineal Simplex (tablas manuales)

En otras dos pginas se explic el mtodo Simplex paso a paso,
por lo cual desarrollamos aqu el caso sin mayores explicaciones.

En la ltima tabla figuran los resultados: 500 de X y 500 de Y; tam-
bin figuran los precios sombra o remuneraciones de cada factor
productivo: $0,70 y $0,30; as como el valor total de la produccin
$1350.


449

Al utilizar computadores para la aplicacin prctica real en las em-
presa es necesario siempre, contrastar los resultados mediante
otros mtodos u equipos. En este caso incluimos la simple verifica-
cin matricial, con similares producciones optimizantes: 500 de X y
500 de Y (en Microeconoma con Excel hay al menos otros 10 pro-
gramas de computacin, cada uno explicado en pocos prrafos; y
pueden bajarse libremente en la web)


450

5) Programacin lineal con Solver de Excel

Abandonando las limitaciones neoclsicas de solo hasta cuatro va-
riables, Solver permite resolver optimizando con cientos de variables
con este mismo procedimiento para 2x2.


451

En Herramientas (o en Datos, segn sea la versin del Office) se
puede abrir la macro Solver: se le indica la celda objetivo D12; las
cambiantes B10yC10; y sujeto a las restricciones indicadas arriba.
En opciones se tilda Adaptar modelo lineal y No negativos.

Obviamente, primero fue necesario escribir en las celdas B12 y C12
las frmulas del precio por cantidad y luego sumarlas en D12.
Igualmente, hay limitaciones de no superar las disponibilidades, en-
tonces, lo que se utilice de mujeres para caza ms mujeres para
pesca debe figurar como frmula en E8 (e igual para hombres en
E9)

Al resolver se obtiene los valores de las variables que maximizan (el
primal de este problema, de optimizacin /programacin / modela-
cin).


452
6) PROBLEMA DUAL: MINIMIZACION DE ESTOS COSTOS

Es el mismo problema, pero se plantea al revs, suponiendo que no
se conocen las remuneraciones para mujeres y hombres y el resul-
tado muestra, lo que ya se haba obtenido como precios sombra con
el primal (y con el Simplex manualmente, para solo 2x2)


453

7) QUIEN FUE EL ASESINO?

Las modificaciones que introdujo Omn fueron cambiar la venta de
productos como industrializados (con coeficientes 1 y 1 en cada
sexo) y cambiar los precios, ahora 2,20 pescado y 2,00 caza.
A la programacin con Solver se le agrega una columna para Indus-
tria y en los requerimientos de la columna F48:F49 se suman los
industriales a los previos de pesca y caza.


454

En las filas 55 y 56 se comparan los ingresos anteriores con los ac-
tuales por sexo, observando que los de hombres aumentaron 62%
mientras que las de mujeres solo 51%; esto inducira a pensar en
una asesina.

(Recuerde que estas imgenes se pueden ver mayores y leer, eli-
giendo con el zoom de Ver o Vista)

8) PROGRAMACION LINEAL -OTRA FORMA DE SOLVER

Otro formato para aplicar la macro Solver es este (figura incluido
entre las 5 muestras que trae el Office). Aqu, las reglas de presen-
tacin en la propia hoja de clculo (para las frmulas y poder indi-
carle las celdas operativas a Solver) dependen de la intuicin (adap-
tndose a la modalidad de la macro Solver, por ejemplo al multipli-
car matrices por vectores columna; utilizar funciones como

455
=sumaproducto( ; ); =mmult(B2:G6;J11:J16); =trasponer(K11:K23)
...), etc.tantas otras de Excel que nos convenga segn el problema)

En Este caso para aplicar =sumaproducto(B2:G7;K11:K16) mante-
niendo pintado todo H2:H7 se escribe esta frmula y para que se
aplique a todo K11 a K16 finalmente se pulsa Ctrl + Shift + Enter.

SOLVER MATRICIAL

Tambin se le indica a Solver que la solucin no implique ms que
los recursos disponibles, incluyendo en Sujetas a las siguientes res-
tricciones: J2:H6<=i2:i6; etc

En esta forma de modelacin se acumula la ventaja de implemen-
tar mltiples variables con la de construir las relaciones de la hoja de
clculo utilizando tantas otras funciones de Excel como requiera un
problema.


456
Pero, no hay en el Office ni en Excel una ley de formacin fija para
esta presentacin en filas y columnas. Es necesario cierta prctica y
razonamiento por aproximaciones sucesivas con el planteo de esos
coeficientes 1 en estas filas y columnas (mediante prueba y error)
hasta lograr la coherencia del modelo (y comprobarlo mediante al-
guno de los otros utilitarios que se explican en Microeconoma con
Excel.pdf).

Desde otro punto de vista, si por ejemplo se expandiera este modelo
con importaciones y exportaciones habra que agregar cuatro
columnas luego de G (imp pesca; imp caza; exp pesca; exp caza).

Tambin agregar 4 lneas en J17 con estos nombres.
Quedara un sistema de 10x10: multiplicar una matriz cuadrada
de 10 coeficientes por un vector columna de 10 filas, cuyo re-
sultado sera una columna con 10 filas.

457

En Opciones se tildan las usuales comentadas; y al resolver se se-
leccionan los informes de Respuestas, Sensibilidad y Lmites para
ver los precios sombra y dems relaciones necesarias, por ejemplo
para el modelo de insumo producto de Leontief, con salarios, pre-
cios, cantidades, uso de factores.

Modificando los precios y las condiciones tericas se implementan
modelos de simulacin de la oferta y demanda globales, usuales
para el pronstico de ventas o demanda; y problemas de equilibrio
general tipo Walrasiano, que no son viables con la modelacin
Simplex, pero facilita Solver (con las limitaciones de cada caso, co-
mo ser funciones lineales, relaciones de cambio tipo TMS constan-
tes, factores con productividad homognea, gustos constantes y
condiciones de intercambios segn el modelo competitivo etc, en la
medida que Solver tambin permite programacin no lineal, entera y
binaria seleccionando o tildando opciones.

VARIAS FORMAS DE SOLVER

Se han expresado aqu varias formas de planteos con Solver: van-
se los modos normales de Solver, el modo paramatricial y el modo
valores de; equivalentes y alternativos a los modos del planteo
segn el mtodo Simplex y/o al planteo segn el Simplex matricial;
y/o a las soluciones mediante matrices.

458
EVALUACIN DE INVERSIONES TIR Y VAN

Se trata de calcular el VAN y la TIR en una inversin para producir
PVC, estimando las siguientes necesidades, ventas en unidades e
importes por 10 aos.

Materias primas:
Cloro 645 kg/Tm ( a 6400 $/Tm)
Etileno 480 ( a 21000 )
Soda custica 40 ( a 8000 )

Coste de servicios: 721 $/Tm
Mano de obra 70
Mantenimiento % de la inversin
Gastos generales 130
Impuesto Beneficios 35%
Gastos comerciales 1% Ventas

Precio de venta del PVC 25000 $ /tm


459
La inversin necesaria es $4500 (30% al inicio del proyecto; 50% al
comienzo del ao de puesta en marcha y 20% un ao despus).

La amortizacin se efecta al 10%.
Coste del dinero: 10% anual.

El grfico muestra el VAN, la evolucin del acumulado del cash flow
actualizado.

La funcin Excel para el VAN se calcula escribiendo:
=vna(tasa;importes).

Si los perodos no fueran anuales se utiliza
=vna.no.per(tasa;importes;fechas) que incluira adems el rango de
las fecha.

En este caso el VAN es $159 y se ve tambin en el acumulado.

Para calcular la TIR en Excel se escribe =TIR(B21:M21) que abarca
el rango con los importes segn el cash flow .


460
VAN Y TIR (VALORACION DEL TIEMPO)
VAN (o VNA):

Un cierto importe dado tiene hoy mayor valor que si recin lo tuvi-
ramos disponible dentro de un prximo perodo. Asimismo, conside-
rando un costo normal del dinero, ese importe o valor actual sera
menor que si hubiese estado disponible antes hace algunos pero-
dos, ya que por ejemplo, hoy se podra haber tenido ese importe
ms el inters que hubiera redituado en algn depsito a plazo por
ese lapso.

Entonces, un dinero hoy equivale a ms que si recin se lo tuviera
en el futuro; y tambin hoy equivale a menos que si ya se lo hubiera
tenido anteriormente. Por esto, siendo la tasa de inters i y los
perodos del tiempo t, el VAN o valor actual neto o VNA de un im-
porte futuro M es:

VAN = M / (1+i)
t
(el inters divide, reduce)

Igualmente, en valor actual de un importe que tuvimos disponible
anteriormente, en el pasado es:

VAN = M(1+i)
t
(el inters multiplica, aumenta)

Esta simple ecuacin, que se viene practicando desde la enseanza
secundaria, es la base del tratamiento econmico y financiero de los
proyectos (es decir, la base de la valoracin del tiempo).

Excel tiene incorporadas otras funciones alternativas para estos
tratamientos de valoracin (hay ejemplos al pulsar F* y ah ayuda
sobre esta funcin).

Pero interesa antes analizar este concepto mediante un simple
ejemplo:

461
Supongamos ingresos en los tres prximos meses por $100; $120 y
$150. Cul es el valor actual si considerramos un costo normal
del dinero del 5% ?:

PERODO FUTURO:

VA = $100 / (1+0,05)
1
+ $120 / (1+0,05)
2
+ $150 / (1+0,05)
3
= 95.23
+ 108.84 + 129.58 = $336,66.

Pero por otra parte, cul sera el valor actual al 1 de abril de tres
importes, $80, $90 y $ 95 devengados en los anteriores tres meses
enero, febrero, marzo?:

PERODO PASADO:

$80 (1+ 0,05)
3
+ $90 (1+0,05)
2
+ $95 (1+0,05)
1
= $92.61 + 99.23 +
99.75 =$291,59.

(en este ltimo ejemplo no se aplica la funcin VNA de Excel ya que
calculara otra cosa: el valor presente al da 1 de enero y no al da 1
de abril).

La funcin =VNA( ; ; ) de Excel tiene tres argumentos separados
por ;en el parntesis para calcular este valor, ya sea escribindolos
o con solo pintar la celda con la tasa a considerar, las celdas con
los gastos de cada perodo (con signo menos) y finalmente las cel-
das con los importes positivos de los ingresos de cada perodo).
Tambin existen otras funciones parecidas, que pueden consultarse
con F1.

462

TIR:

La tasa interna de retorno (TIR) de un proyecto es el rendimiento
que alguien piensa que le va a redituar ese proyecto, luego de res-
tar el valor presente de los gastos al de los ingresos esperados (en
otras palabras es la tasa que hace igual el valor actual de los ingre-
sos esperados al de los gastos del proyecto).

Por ejemplo, si se gastan $100 y $100 durante dos perodos para
obtener en el tercero $110 y en cuarto $120, Excel calcula como
TIR= 6,032%; y los clculos que realiza mediante aproximaciones
seran:
-100 /1,06032 100 /1,1242 + 110 / 1,192 + 115 / 1,2639 =
-183,27 + 183,27 = 0

Tanto para gastos como para ingresos Excel aplica perodo a pe-
rodo el concepto del valor actual con la tasa 6,032% que calcula
para que se igualen ambos conceptos. Microsoft incluye otras fun-
ciones especiales parecidas para estos clculos TIR no peridicos y
con costo de reinversin, bsicamente anotando o pintando en to-
das los importes de gastos e ingresos (con su signo correspondien-
te) en las celdas que representan a cada perodo (en este caso cua-
tro). Verlas pulsando F1 en las frmulas financieras o eligindolas
en F* y all Ayuda para esta funcin.,


463
EVALUACION CONTABLE DE UNA EMPRESA

Si bien sobre el tema evaluacin de proyectos interesa, en princi-
pio, el criterio del valor actual neto (VAN) y el de la tasa interna de
retorno (TIR) de cualquier proyecto, considerando que licenciados e
ingenieros no son tcnicos contables, puede ser adecuado resear
aqu algunos aspectos contables bsicos, as como algunas distor-
siones usuales, tanto para evitar el pago de impuestos como por
efectos de la inflacin.

DEFORMACIONES CONTABLES USUALES:

a) Deformaciones para evitar impuestos:
- menores ventas (o ventas en negro)
- menores utilidades (bajando stocks o subvaluarlos,
transitoriamente)
- cargos diferidos (para ocultar prdidas, presentn-
dolos como costos de/en/para futuros ejercicios.);
- subvaluar importaciones (se pagan menores arance-
les, pero aumenta utilidades).

COSTOS por absorcin: se incluye todo: M.Prima
+M.O.directa (el Costo PRIMO) + G.Generales Fabricacin.
Costeo Directo: no se incluyen los C.Fijos (en el anlisis
marginal para exportaciones; para discriminacin de precios, etc)

Valuacin inventarios
En general, es usual en las firmsindustriales tomar el valor de mer-
cado y no el de compra. En las empresas comerciales se valoran
como un % del precio de venta (menos el gasto de comercializa-
cin). Estas cuatro formas son usuales:
-mtodo Promedios: entrar a valor de compra y salen al promedio
(es lo ms utilizado)
-mtodo FIFO: salen a los precios ms viejos.

464
-mtodo LIFO: el ltimo entrado es el que sale primero (por la infla-
cin, se recargan costos y bajan utilidades)
-mtodo Reposicin: a lo que costara hoy (no es legal)

Amortizaciones: 4 mtodos de Depreciacin
(considerando el valor inicial, la duracin y el valor de rezago)
-partes constante: resultan cuotas cada vez mayores al valor
neto(lo tradicional para la DGI)
-proporcional al valor neto: amortiza mucho al principio y po-
co al final (por ejemplo, porque que habra ms mantenimiento)
-suma de los dgitos: tambin amortiza acelerado (suma los
dgitos del perodo y amortiza cada ao el dgito/suma; ejemplo en 5
aos: 5+4+3+2+1 =15; 1ro.5/15; 2do 4/15; 3ro: 3/15, etc.)
-segn valor de uso: cuando el uso no es constante

Sin embargo, la inflacin distorsiona estos mtodos.

b) Deformaciones por la inflacin:

Efectos de la Inflacin:
- En las amortizaciones: traslada a utilidades la parte sub-
valuada
- En las cuentas a cobrar: las favorece, al disminuirlas.
- Costo mercaderas vendidas: traslada a utilidades la par-
te subvaluada
- Deudas: las favorece, al disminuirlas

Estrategias bajo inflacin:
- Descuentos por pronto pago: bajan las utilidades conta-
bles, pero aumentan las reales.
- Mayor poltica de endeudamiento (bajar el patrimonio
mnimo)
- Costeo ajustado a Reposicin


465
TRES ESTADOS CONTABLES:

-Balance Activo-Pasivo
Caja 10 Pasivo exigible 2000
Crditos 1300 Patrimonio 3100
Mercaderas 2200 Pasivo 5100
Activo fijo 1500
Activo 5100

-Cuadro demostrativo de prdidas y ganancias
Ventas 3000
Costo 1800
Utilidad bruta 1200
Gastos.g. adm. com.y fin. 700
Utilidad no operativa 500
Utilid.No operativa. 100
Utilid.antes imp.indir. 600
Impuestos indirectos 240
Utilidad neta 360

(Incluidas Provisiones y Previsiones, aproximadas)

Los Resultados pueden ir a:
Acumular reservas
Dividendos a acciones
Dividendos en efectivo
Honorarios directorio
Donaciones
Utilidades acumuladas

-Estado movimiento Patrimonial

Patrimonio inicial 200000
Utilidades 30000
Aportes capital ---

466
Honorarios directores (10000)
Dividendos (20000)
Gratificaciones (5000)
Patrimonio final 195000

ANLISIS DE BALANCES

Evaluacin contable de una empresa, comparando su balance con
el de otro perodo o con los de esa industria; segn ndices tpicos
como:

-Rentabilidad: Utilidad / Patrimonio
-Utilidad / Ventas
-Rotacin patrimonio: Ventas /Patrimonio
-Margen bruto /Ventas
-Prdidas por inflacin /Ventas
-ndice de liquidez: Activo circulante /Pasivo Exigible
-ndice de liquidez seco: Disponibil.+crditos por ventas /
Pasivo exigible a c/p -Endeudamiento: Pasivo exigible
/Pasivo total (< 40%, pocos activos con fondos ajenos)
-ndice Volumen de stocks (en % costos, o en meses o das)
-Plazo crdito concedido: crdito ventas+ documentos des-
contados +documentos endosados a proveedores /Ventas
-Perodo de cobranza: crdito ventas / Ventas
-ndice financiacin externa: pasivo exigible operativo y fi-
nanciero /Ventas
-ndice financiacin operativa: pasivo exigible operativo
/Ventas


467
ESTABILIDAD DINAMICA (teorema de la telaraa)

Es el caso del mercado competitivo cuando la oferta se ajusta
con retardo de un periodo (depende de los precios del perodo
anterior); como por ejemplo en las cosechas anuales de
cereales, en la construccin de vivienda para alquiler; o en los
ciclos de la industria del cerdo (de los jamones) etc. peridicos.

En este mercado competitivo la demanda se adapta instantnea-
mente a los precios, pero la oferta si bien es rgida (fija) a cortsimo
plazo (ya que no puede cambiar sus cantidades y necesita vender)
a mediano plazo puede producir ms o menos segn sea el alicien-
te de los precios del periodo anterior.

Se parte de un equilibrio inicial:
Demanda: P = 35 4X
Oferta: P = 4 + 5X
En equilibrio D = O
35 4X = 4 + 5X

468
31 = 9X X = 3,44
Y segn la D u O P = 35 4 (3,44) = $21 el precio inicial graficado .

El proceso de ajuste puede ocurrir tanto por alteraciones en la de-
manda como en la oferta. Si bien podra haber tericamente situa-
ciones transitorias inestables (de indefinicin por recurrencia o tam-
bin por divergencia en el ajustamiento), es normal que luego de la
alteracin ocurra un proceso de ajustes y se llegue a un nuevo
equilibrio de largo plazo diferente (por aproximaciones convergen-
tes).

Esto lo asegura una pendiente de la oferta mayor que en la deman-
da (en valor absoluto), simplemente por una cuestin geomtrica,
pensando que los ajustes de precio y cantidad sern cada vez me-
nores si las endientes son ms empinadas en la oferta (pero no se
pueden ampliar conclusiones sobre las elasticidades ni sobre pen-
dientes en funciones diferentes a las normales).

Simplificando para el caso tpico, si el precio del trigo fue alto en el
periodo anterior esta siembra seria grande (y viceversa) y la oferta
as mayor. Esta reaccin o actitud es la que genera las aproxima-
ciones sucesivas entre oferentes y demandantes.

No interesa en s cual sea la duracin del periodo (en granos sera
de12 meses hasta repetir la cosecha; en viviendas para alquiler se
dice que hacen falta unos 18 a 20 meses para terminar una vivien-
da; en la industria del cerdo (produccin de jamones con maz) es-
tos animales paren en 6 meses pero las estadsticas seran anuales
y los ciclos observados en algunos pases seran de 2 y 4 aos (se-
gn las sequas y el mercado internacional del maz, etc.).

Lo que s interesa es el proceso de convergencia y disponer de
alguna idea del tiempo de este proceso, que el modelo explica con
la diferencia de pendientes comentada.


469
AJUSTE ANTE UNA BAJA EN LA DEMANDA

Ahora comprara esa cantidad pero solo al menor precio P = $10;
surge as un nuevo punto P = 10 y X = 3,44 diferente al equilibrio
inicial, que la oferta no estara dispuesta a aceptar. Para calcular el
nuevo equilibrio faltara conocer la ecuacin de la nueva demanda
que pasa por ese punto.

Se la puede deducir recurriendo al concepto de recta que pasa por
dos puntos: el nuevo y otro inmediato que no es imprescindible co-
nocer, ya que en este concepto matemtico el siguiente cociente
entre parntesis representa la pendiente de esa recta de demanda
buscada.

P- P1 = (P2-P1 / X2-X1) (X-X1)
P = -4X + 23,86 segunda recta deman-
da

En el nuevo equilibrio se iguala la nueva demanda con la oferta:
-4X + 23,86 = 5X + 4 19,86 = 9 X X = 2,2
y reemplazando en P2 u O1 el precio P = $ 15

Como la pendiente de la oferta es mayor (en valor absoluto) que la de
la demanda el proceso de aproximaciones a un nuevo equilibrio est
asegurado.

La oferta es ms rgida, firme, empinada.... que la demanda , es de-
cir oferta con mayor coeficiente en la forma implcita... (menor coef i-
ciente en la forma explcita)

Las aproximaciones sucesivas sern ms o menos rpidas, segn la
diferencia entre las pendientes de la oferta y demanda (aqu 5 vs. 4
en valores absolutos).

5 indica que la oferta es muy rgida; 4 muestra que la demanda es

470
ms inclinada (y esto no implica afirmar que son ms o menos elsti-
cas o inelstica)

MEDIDA DE LA RAPIDEZ DEL AJUSTE

El grfico muestra cmo se llega al nuevo precio $15 en 13 fases.
Segn el modelo este lapso cambia conforme se modifiquen las
pendientes (junto con el precio de equilibrio y magnitud de los ajus-
tes). Pero ello no quiere decir que en la realidad se deban esperar
los perodos indicados hasta llegar a un nuevo equilibrio (los agen-
tes econmicos se encargan de efectuar estos ajustes muy rpida-
mente para no perder negocios); el modelo solo muestra que a ma-
yor diferencia de pendientes mayor ser la rapidez del ajuste y me-
nores las fases; Excel permite comprobar esta lgica fcilmente
(los agentes procuran abreviar drsticamente el lapso para no per-
der operaciones frente a competidores).

La interactividad de la hoja Excel permite ver esto instantneamen-
te. Por ejemplo, subiendo la pendiente de la oferta a 7 como una

471
prueba, cambiara tambin el nuevo equilibrio. Excel muestra que el
proceso de ajuste se cumple ahora en 8 fases; bastante ms corto /
rpido porque subi la diferencia de pendientes (en valor absoluto)
entre demanda y oferta (medidas en la forma implcita sus coef i-
cientes seran ahora 4 y 7; antes 4 y 5).

La pendiente 7 en la oferta se cambi en la celda 05 y simplemente
se copi a toda esa columna.


472


NMERO DE PERIODOS HASTA EL AJUSTE

Antes que existiera Excel los textos solo explicaban intuitivamente
que la velocidad dependa de las pendientes. Pero hoy Excel permi-
te contar el nmero exacto de perodos hasta el ajuste, con la fun-
cin =contar.si( ; ), en la cual los argumentos del parntesis son: a)
el rango con las diferencias Pd-Po ; y b) >0.

AJUSTE ANTE UNA BAJA DE OFERTA POR SUBA DE COSTOS

Mercado competitivo con una demanda que se ajusta instant-

473
neamente a los cambios de precios, pero la oferta es rgida a cor-
tsimo plazo y a mediano plazo se ajusta con retardo de un pero-
do. En este caso luego del equilibrio inicial cae la oferta 20%:

Demanda Pd = -3X +40; Oferta Po = 5X +15
Equilibrio con D = O que hemos calculado como -3X + 40 = 5X
+ 15...... o sea X=3,12 y reemplazando en Pd o Po..... P=$30,60

Si cae la oferta 40% se puede interpretar como que a ese precio
p=$30,60 ofrecera 40% menos que 3,122 unidades (X =1,87 uni-
dades ahora...)

Usamos Recta que pasa por 2 puntos: P - P1 = (P2 - P1 / X2 -
X1) (X - X1) ........donde el cociente del segundo miembro es la
pendiente de la recta de oferta (la tangente o cateto opuesto P
sobre cateto adyacente X).

Cambi la oferta y solo conocemos un punto, el formado por
P=30,60 $ y X=1,87...... Pero la pendiente de la segunda recta
de oferta es similar a la primera (la cual ya conocemos: el 5 que
afecta a la variable X en la oferta inicial)

Ahora podemos completar la Recta por dos puntos: P 30,60 =
5 (X - 1,87)....... o sea, P 30,60 = 5X 9,35......o sea, P = 5X
9,35 +30,60 .......O sea, P = 5X + 20,65 es la segunda oferta.
Nuevo equilibrio: D = O: -3X+40 = 5X + 20,65..... o bien 8X =
19,35....o sea X = 2,42......y segn la D u O es P = 5(2,42) +
20,65 = $32.75.

Se llega a este nuevo equilibrio de largo plazo luego de un proce-
so de ajustes sucesivos o aproximaciones (tanteos) que incluyen
variaciones de precio y cantidad cada vez menores. Esta tenden-
cia concntrica lo asegura el hecho de que la pendiente de la
oferta inicial es mayor (en valor absoluto) que la de la demanda
(la velocidad del ajustamiento depende de cuanto mayor sea esa

474
diferencia en valor absoluto). El grafico muestra la demanda con
ordenada 40 y abscisa 3; la oferta inicial con ordenada 15 y pasa
por el primer equilibrio; segunda oferta con ordenada 20,65 y
pasa por el segundo equilibrio.

X DEMANDA OFERTA 2da.Oferta
-1 43 10 15,65
0 40 15 20,65
1 37 20 25,65
2 34 25 30,65
3 31 30 35,65
4 28 35 40,65
5 25 40 45,65

ANALISIS DINAMICO - MODELOS DE SIMULACION

El anlisis dinmico y los modelos de simulacin, tanto estticos
(como el anlisis de la coyuntura o actividad econmica) o dinmi-
cos son fciles de implementar en Excel. En los siguientes ejemplos

475
se ilustran casos elaborados con solo instrucciones en simples hojas
de clculo; para otros casos se utilizan recursos elementales de
Excel como la posibilidad de iterar celdas o repetir en bucle indefi-
nidamente; y en otros se utilizan aplicaciones de Excel, como iterar,
=aleatorio, =si() y funciones o distribuciones diversas.

Existen numerosos programas especializados para econometra y
afines, pero Excel tambin permite la elaboracin de muchos pro-
gramas complejos median la creacin de macros automticas, cuya
mecnica tambin se resume aqu (y esta detallada en el propio
utilitario de Microsoft).

ITERACIONES EXCEL

Excel tiene incorporada la funcin iterar (repetir clculos) que puede
ser activada tildando en las opciones iniciales. Pero tambin se
pueden construir fcilmente iteraciones utilizando dos celdas (como
se hace en el prximo Excel sobre la funcin logstica de Lorenz).

Pruebe con un ejemplo fcil: anote un nmero en D1; en D2 escriba
+E2; en E2 escriba una frmula, por ejemplo, =raz(D1). Pinte y co-
pie las celdas D2 y E2 hacia abajo; ver la iteracin de la raz cua-
drada del nmero puesto en D1 (elija la cantidad de copias o itera-
ciones necesarias; tambin los decimales, con formato de celda /
nmero /decimales).

476

Si en otro anlisis se debiera rellenar una serie sucesiva se pue-
den anotar en dos celdas dos valores sucesivos con algn intervalo;
pintarlos y arrastrar hacia abajo el borde inferior de esa cuadrcula
pintada. Excel completar repitiendo el intervalo en el perodo elegi-
do como sucesivo (tal como en el modelo de la Telaraa, columnas
M hasta P).

Estas posibilidades de iterar facilitan los anlisis dinmicos en Excel.

RECALCULAR AUTOMATICO O MANUAL F9

En esas opciones Excel (en Herramientas o bien en el Office 2007 el
icono Excel para el Office (izquierda arriba) ver abajo Opciones;
elegir Formulas; luego tildar Clculo Automtico o Manual (con F9);
tildar Iteraciones, que suele venir para 100 clculos y con ajuste al
0,001, pero se pueden elevar hasta 32.000 clculos (y ms con F9)

477
y anotar otras diferencias (con macros esto se puede redimensionar
a millones).

Si en una celda A2 anota la frmula =A2+1 (es una referencia circu-
lar a la misma celda), en clculo automtico instantneamente se
vera 100, pulsando F9 vera 200 etc. aumentando 100 con calda
pulsacin de F9.

Si hubiese anotado para 1000 clculos en vez de 100, vera que los
aumentos seran de 1000 con cada F9 (y al guardar).

CREAR UNA MACRO DINAMICA (BUCLE)

Excel incluye muchas funciones y aplicaciones intuitivas que apli-
camos aqu al anlisis econmico sin programar. En dinmica pre-
sentamos algunos ejemplos en este captulo como el modelo de la
telaraa; o las cadenas de Markov; y la herramienta Solver de Excel.

En computacin estas posibilidades para el anlisis dinmico son
mltiples mediante programacin; y en Excel se facilitan con la
creacin de macros.

Hay una forma intuitiva de disear programas y utilizarlos, creando
macros con Excel: se efecta la rutina de algn anlisis o modelo
econmico y se instruye a Excel para que simultneamente grabe
una macro con esa rutina. Luego se la podr ejecutar indefinidamen-
te a voluntad.


478
En este ejemplo simplificado se le pide a Excel que multiplique por
dos la celda izquierda; la macro repite esa rutina indefinidamente
para todos los valores de la columna.

Para crearla: Herramientas / Macro / Grabar nueva macro.
Para ejecutarla: desde B2, Herramientas / Macro / Macros / Ejecu-
tar; o bien con Cntrl + A (en este caso se le asign esa letra). En
Office 2007 recurra a F1 para esta equivalencia.

NEWTON RAPHSON

Es un mtodo de resolucin de ecuaciones mediante iteracin para
aproximaciones sucesivas, en el cual a cada trmino se le resta el
anterior menos la funcin dividida su derivada:

X
n+1
= X
n
- F
x
/ F
x

Si la funcin tiende a un valor finito es fcil encontrarlo anotando los
trminos de esa funcin en una hoja de clculo y copindolos, tal
como se indic en iteracin.


479

MODELOS DE SIMULACION EN EL MIT:

Simulacin para administracin de empresas y/o inventarios:

El breve trabajo La Quinta Disciplina, de P. Senge, popularz el
modelo o juego de la cerveza que desarroll la escuela de adminis-
tracin Sloan del MIT en 1960, siguiendo un proyecto de Jay W.
Forrester (en Industrial Dynamics) sobre modelos computacionales
de simulacin econmica (y que J. D. Sterman, del MIT, explic de-
talladamente en Teaching Takes Off: Flight Simulators for Manage-
ment Education, "The Beer Game". Sin embargo, P. Senge por ra-
zones didcticas (o de promocin, quizs) lo hizo sobre la base de
supuestos (grotescos) de una total ausencia de formacin tcnica
microeconmica en los gerentes de cada empresa.

480
Interesa por ahora la idea de Forrester sobre los modelos de simu-
lacin econmicos, que es algo costosa an a nivel microeconmi-
co. De hecho esta tipo de programacin tambin le interes a la ex
Unin Sovitica, que desarroll paralelamente la programacin lineal
con L.V. Kantorovich y otros, aunque esta aspiracin macroecon-
mica fue luego abandonada, al igual que ocurri en los pases de
economas de mercado con su (lrica) idea de el equilibrio general.

Estas simulaciones son costosas, pero sin embargo, son aplicables
para diversos mbitos tcnicos y tambin microeconmicos; por
ejemplo, en los simuladores de vuelo a que hace referencia Ster-
man: simuladores de vuelo como el que exista aqu en la calle La
Paoleraen Catalinas- antes de la privatizacin de Aerolnea Argen-
tinas para la prctica de pilotos. Sin embargo en materia econmica
y microeconmica los avances son todava modestos, como para no
pensar por ahora en algo como pilotos automticos para empre-
sas, no obstante las posibilidades que ofrece Excel en estas.

Trataremos el modelo o juego de la cerveza del MIT sobre la base
de dos aspectos: uno a continuacin, que es la herramienta compu-
tacional para simular el comportamiento de una industria (compues-
ta aqu de consumidores, minoristas, mayoristas, distribuidor, pro-
ductor); el otro aspecto es la irreal simplificacin del funcionamiento
de esta industria, sobre la base de irreales pautas de comportamien-
to de los jugadores (gerentes de distribucin en cada uno de esos
cuatro grupos empresarios). Veremos ahora las caractersticas del
funcionamiento del modelo de la cerveza como simulacin compu-
tacional y en otro captulo se comentar sobre los irreales supuestos
de su funcionamiento (en el cap.10: El juego de la cerveza del MIT).

Sterman explica que el juego consiste en administrar (optimizar) los
pedidos y existencias de cerveza en estos cuatro de los cinco secto-
res mencionados; los equipos de jugadores comienzan repitiendo
los pedidos iniciales de 4 unidades semanales, hasta que por una
promocin la demanda se duplica. No existe ms comunicacin en-

481
tre los sectores que la libreta de pedidos de los camioneros y se
supone un gran retardo de semanas en la informaciones de estos,
de modo que en ese momento se reducen las existencias de los
minorstas y luego las de los mayoristas y las del distribuidor antes
que la fbrica comience a subir la produccin y la entrega.

Los minoristas suben sus pedidos casi tanto como vieron aumentar
el consumo; otro tanto hacen los mayoristas y el distribuidor con los
pedidos que reciben, de modo que se van redimensionando los pe-
didos hasta llegar a unas 20 unidades al final de la cadena, que res-
ponde con ese retardo a estas rdenes; pero la entrega as sobre-
dimensionada llega finalmente cuando ya pas el auge del consumo
y tal demanda no existe, generando los consiguientes perjuicios y
paralizacin del sistema.

Se suponen ingresos y costos, incluso por mantencin de inventa-
rios (12 unidades inicialmente) y tambin costos por demora en las
entregas; luego de la cuarta semana cada jugador (equipo o empre-
sario) debe tomar sus decisiones sobre optimizacin durante el resto
del juego (50 fases o semanas, o menos ante interrupcin del mis-
mo por colapso del sistema, a las 36 semanas segn juegos en el
MIT).

Solo los minorstas conocen la demanda de los consumidores y no
existe comunicacin sobre esto entre las empresas (tampoco hay
imprevistos o interrupciones por causas tcnicas u otras).

Igual que los simuladores de vuelo aeronuticos, este modelo apun-
ta a una prctica en administracin y/o inventarios: refleja la gran
oscilacin de los pedidos y las existencias debida a un artificioso
sistema de comunicaciones con un gran retardo, y al aumento en
esta variancia por irreflexivo redimensionamiento entre cada etapa,
hasta ms que duplicar el ritmo de pedidos normales en los mayoris-
tas y otro tanto en el distribuidor y fabricante, pasando desde 4 uni-
dades semanales hasta unas 20, ya que segn Sterman (Modelan-

482
do el comportamiento empresarial, 1989), la mayora de las perso-
nas no tiene en cuenta el impacto que sus propias decisiones tiene
sobre los dems (ante una heurstica muy sencilla, segn explica,
por amplificacin de seales (o redimensionamiento).

Este juego de simulacin puede practicarse on line (hay varios ac-
cesos gratis en la web para este beer game), como una simulacin
de gestin de vuelo empresarial (segn el MIT, Sterman y More-
croft, 1992), para remarcar la importancia de la coordinacin entre
los niveles de una organizacin y la de sus sistemasde informacin.

J. Sterman tambin desarroll otros modelos parecidos, como Peo-
ple Express Airlines, una aerolnea recuperada, en la que el juego
consiste en prcticas sobre decisiones de marketing, demanda,
competencia y gestin para optimizarla. Igualmente con el modelo B
& B Enterprises, supuesta productora de bienes de consumo dura-
ble, que permite practicar decisiones sobre marketing, estrategia
comercial y de organizacin industrial, teora de los juegos e incluso
la propia modelacin computacional de este juego.

Sin embargo, estos ltimos modelos de Sterman y Morecroft no en-
focan cuestiones preferentemente microeconmicas, sino otros di-
versos atinentes a organizacin, administracin o a aspectos sobre
la gestin gerencial o directiva.

MODELO DE LA CERVEZA EN EXCEL

Ante la carencia de algo similar en nuestro medio, para estos cursos
de microeconoma hemos preferido desarrollar este modelo de si-
mulacin con cinco sectores, mediante Excel, cuyo lenguaje compu-
tacional es francamente superior (en sencillez, eficacia y posibilida-
des de interaccin) a cualquier otro existente (y en especial a las
bases de datos, ya sean para PC o para las MAC que utilizaba an-
tes el MIT).

483

Este modelo de simulacin ejecutado en Excel permite la operacin
por un solo jugador, o bien por un grupo de practicantes para cada
tipo de empresa (sector), mediante la simulacin progresiva para
todo el conjunto de esta industria, ya sea esto practicando con
decisiones tipo impulsivo, como con decisiones basadas en los prin-
cipios microeconmicos (estudios de demanda, optimizacin de in-
ventarios, programacin de la produccin, optimizacin multiobjeti-
vo, competencia oligoplica, etc. aqu expuestos).

Este enfoque microeconmico del juego o modelo de simulacin de
la cerveza en Excel tiene una naturaleza objetiva (simulacin de
decisiones de demanda y produccin sobre mtodos numricos in-
ductivos y deductivos), frente a los anlisis de Sterman y Morecroft,
enfocados preferentemente en aspectos subjetivos y no medibles,
que buscaran aportar ideas para explicar los fracasos de compa-
as, como sus ejemplos de la aerolnea People Express y/o la ope-
radora telefnica (que introdujo las centrales de telefona electrni-
ca) etc., quizs ms tiles para asignaturas como administracin o
gestin (en microeconoma no se dudara en culpar del fracaso en la
aerolnea, entre escasez de personal o que luego de cinco aos la
competencia tambin baj sus precios 50%: no es cuestin de pro-
sa; cada efecto se cuantifica).


484
CAPTULO 8
TEORAS ECONMICAS Y LEGISLACIN OBLIGA-
TORIA

La legislacin comercial local mbito interno de la Comisin Nacio-
nal de Defensa de la Competencia y mbito externo de la Secretara
de Comercio Exterior, segn puede consultarse por ejemplo en
www.mecon.gov.ar- procura el accionar de la empresas industriales
y comerciales bajo las condiciones de la libre competencia.

Asimismo, la legislacin domstica en otros pases, as como la le-
gislacin sobre el comercio internacional, segn la Organizacin
Mundial de Comercio ex GATT- tambin se basan en el accionar
sobre la libre competencia, segn el modelo econmico terico de la
competencia perfecta.

Se destaca la exigencia de un solo precio para el mismo producto,
ausencia de discriminaciones, de acuerdos entre empresas compe-
tidoras (colusin), de aranceles proteccionistas a la importacin,
reservas de mercado, ventas, importaciones o exportaciones en
condiciones subsidiadas y dumping, etc.

Son clebres y numerosos los casos legislados -sobre la Standard
Oil Company hace un siglo, por precios predatorios; hasta los re-
cientes casos locales sobre YPF por discriminacin; y otros numero-
sos sobre diferentes empresas- y ponen de manifiesto un mbito
sobre el accionar de las empresas, que repercute directamente so-
bre la demanda y mercado disponible de todas las dems, general-
mente en una magnitud tan relevante como pueden serlos las modi-
ficaciones extraordinarias de tipos de cambio o de la legislacin
comercial y poltica macroeconmica.


485
Las empresas, sus cmaras y las autoridades discuten sobre las
condiciones competitivas de los competidores locales o externos.
Las presentaciones incluyen argumentos tericos as como contras-
taciones empricas, que Excel facilita, al presentar series y grficos
de estas o de las funciones / ecuaciones de los modelos en soportes
magnticos estandarizados.

TABLAS DE EXTRAS DE PRECIOS Y COSTOS

A travs de un ejemplo se concreta la idea. Una empresa industrial
dispone de instalaciones modernas, pero que superan la capacidad
de compra domstica. Sus producciones insuficientes le impiden
operar con el costo medio mnimo, en la medida que est obligada a
repartir los importantes costos fijos entre la poca produccin y sus
precios locales son as altos.

La conducta competitiva le orienta a buscar mercados externos para
operar en el punto de mnimo costo medio u ptimo de explotacin
de largo plazo.

Consigue exportar a los EEUU la mitad de su produccin mensual.
Esos grandes lotes son exportados a precio rebajado, tanto por el
tamao del pedido, como por operar ahora en el punto ptimo.

Los competidores de aquel pas impulsan una denuncia de dumping
contra el exportador argentino, alegando que el precio de venta a
EEUU es inferior al precio de venta local, segn fotocopia de factu-
ras a varios pequeos clientes argentinos.

El Department of Commerce de EEUU enva inspectores para con-
trolar costos y facturas del productor y requiere constancias y expli-
caciones en el acto, inmediatamente.


486
Los argumentos para explicar la conducta competitiva sobre costos,
precios y ptimo de explotacin segn textos no sirven. Son necesa-
rios documentos empresarios, pero en el acto.

Se recurre a las ltimas memorias y balances anuales firmados por
el contador de la empresa. En sus anexo A y cuadro 1 figuran cinco
datos vitales: total facturado en pesos; volumen facturado en kilos;
total del costo fijo; total del costo variable; Y pequeo porcentaje de
utilidad, no prdidas.
Se explica que al operar ahora en el punto ptimo de explotacin el
bajo precio de exportacin coincide con el mnimo costo medio -y
con el precio local a algn cliente muy grande- no obstante que los
mayores precios locales para el menudeo se corresponden con los
mayores gastos variables de comercializacin, administrativos, etc.

La estructura de precios debe responder a la de los costos; debe
presentarse una tabla de extras o descuentos (quizs no exista im-
presa, si las pocas ventas muy grandes o exportaciones pocos nu-
merosos no lo justifican). Con Excel puede armarse rpidamente un
cuadro de extras como el de la imagen y cumplimentar esta exigen-
cia legal, tal que permita mantener el mercado y evitar multas anti-
dumping:


487
CONTRATACIN EN COMPETENCIA PERFECTA:
CRITERIO DE CONTRATACIN

La empresa competitiva maximiza su beneficio contratando factores
hasta el nivel en que la remuneracin a abonar sea igual al valor del
producto marginal obtenido con ella.

En el siguiente ejemplo figuran las unidades de factor, producciones,
salario, ingreso total, costos y beneficios.

Con la cuarta unidad de factor el salario de 140 es igual al producto
marginal que obtiene la empresa contratndola y a ese nivel obtiene
su mximo beneficio. Si opera con menor contratacin de factores
pierde o no maximiza beneficios; igualmente si opera contratando
ms que 4 unidades del factor L.

Para graficar esta situacin con valores unitarios es necesario ubicar
a la izquierda las unidades de factor, luego el valor del producto
marginal y luego el salario. Icono de grficos > Dispersin > ttulo,
etc. (y si se desea la ecuacin en el grfico picar sobre una lnea y
con el botn derecho > Agregar lnea de tendencia, etc.).


488

Para graficar con enfoque total se ubican a la izquierda las unidades
de factor y luego el ingreso total, el costo total y el beneficio total.
Icono de grficos > Dispersin > ttulos (y picando en una lnea ele-
gir Agregar lnea de tendencia, con el botn derecho).


489

MERCADO COMPETITIVO
EQUILIBRIO Y CANTIDAD DE COMPETIDORES

La demanda del mercado es X= -50P +1000 y las empresas operan
en el ptimo de explotacin (mnimo CMVariable)
Una de las empresas competitivas tienen costos de largo plazo: CT
= X
3
-3X
2
+6X; su costo medio variable mnimo se obtiene minimi-
zando o tambin igualando el CMVariable con el C.Marginal:

CMVar = X
2
-3X +6; CMg = 3X
2
-6X +6; igualndolos surge la
cantidad X =1,5 para esa empresa "A", as como el importe $3,75
de ambos CMVar.y CMg., que deben coincidir con el precio en ese
mercado competitivo en el largo plazo.
Reemplazando ese precio en la demanda del mercado se obtiene la
cantidad total demanda en el mercado X=812,5. Como la empresa
"A" produce solo 1,5 se concluye que hay 542 empresas competido-
ras actuando.


490

SOLVER permite la maximizacin: Herramientas > Solver > Celda
objetivo: la cantidad demanda por el mercado total; celda cambiante:
la cantidad producida por "A"; restriccin: CMVar.=CMg, como se ve
en la siguiente hoja Excel:


491


492
OTROS MERCADOS - MONOPOLIO

Operan en la etapa de rendimientos crecientes, ya que reduciendo
la cantidad pueden maximizar beneficios, frente a otra conducta,
como la competitiva.

Maximizan su beneficio, B= IT-CT, con B'=0 y B'' <0; es decir, B' =
IT' -CT'=0, ingreso marginal igual a costo marginal y que desde ese
nivel crezca ms CT'que IT'.

Si la demanda es X = 400 -20P, o bien P = -1/20X +20, y su costo
total CT = 5X + X
2
/50, resulta:

IT = -1/20(X
2
) +20X, con IT'= -1/10X + 20

Su costo marginal CT'= 5+ 1/25X

IT'= CT' con -1/10X +20 = 5 +1/25X
(-1/10-1/25)X = -15 o sea cantidad X= 107

con IT'' = -1/10 menor que CT'= 5+ 1/25(107)

El precio P= -1/20(107) +20 = $14.65

El monto del beneficio es B=IT -CT = $14.65 (107) -[5(107)
+(107)
2
/50] = $ 1568 - $ 765 = $803

Ingresando estas frmulas en la fila 2 de una hoja de clculo, se
elige un rango como en A3 y se las copia. Luego se pintan las dos
filas y se arrastra por el ngulo inferior derecho hacia abajo, hasta
que aparezca el mximo beneficio.

Tambin se pude efectuar la solucin con Herramientas > Solver >:
se elige la celda objetivo, las cambiantes y las restricciones como se

493
indica en la imagen y al resolver, Solver emite los resultados en la
fila 8 de la hoja.

MONOPOLIO QUE ACTA COMPETITIVAMENTE

Si decidiera actual como en competencia, tendra que igualar su
precio al costo marginal. En competencia las empresas operan con
rendimientos decrecientes y su ingreso marginal es igual al precio
de mercado, comn para todas: optimizan entonces igualando pre-
cio con costo marginal (y desde ah que su IMg crezca menos que
su CMg).

Aqu: P = CT' sera: -1/20X +20 = 5 +1/25X
con X = 166,6 y P= 1/20(166,6) +20 = $11.67

Su beneficio B =11,67(166,6) -[5(166,6) +(166,6)
2
/50] =$556,
inferior que si optimiza como monopolio puro.


494
Puede observarse en la imagen que Solver calcul esta situacin en
la fija 8 simplemente cambiando en la restriccin la columna G por la
anterior que era B (igualar precio en vez de ingreso marginal).

MONOPOLIO DISCRIMINADOR

Sea el caso de un monopolio que puede dividir su demanda en dos
grupos y cobrar diferente el mismo producto en ambos. La teora
explica que si fuera posible esta actitud la empresa maximizara
beneficios vendiendo ms caro en la demanda con menor elastici-
dad precio (ms rgida) y ms barato en la demanda ms elstica.

La condicin es vender en ambos mercados con similar ingreso
marginal, a su vez igual al costo marginal nico; y que desde ah el
costo marginal crezca ms rpido que el ingreso marginal conjunto.

Supngase un caso con costo marginal no constante, decreciente,
como es el caso general en monopolio:

495
Su costo total CT= -0,2X
2
+30X + 40; costo marginal es
CM'= -0,4X + 30 y ambas demandas
P
1
= - 2X
1
+100 y P
2
= -3X
2
2
+ 150;
los ingresos totales son:
IT
1
= -2X
1
2

+100X
1
e IT
2
= -3X
2
2
+ 150X
2

y los ingresos marginales:
IT'
1
= -4X
1
+ 100 y IT'
2
= -6X
2
+150

Para la suma horizontal de ambos ingresos marginales se trasponen
a la forma implcita:
X
1
= 1/4 IT'
1
+ 25
X
2
= 1/6 IT'
2
+ 25
Sumando: X = 10/24 IT'+50 o sea, IT'= -2,4X +120

Para maximizar el beneficio B debe cumplirse B' =0 y B'' <0
B'= 0 implica IT'- CT' = 0:
-2,4X +120 = -0.4X +30 o sea, X=45
reemplazando en CT'o en IT' = -2,4(45) +120 = $12

Del ingreso marginal, $12, puede deducirse la cantidad a vender en
cada mercado:
$12 = -4X
1
+ 100 o bien, -4X
1
= -88 con X
1
= 22
igualmente en el otro mercado:
$12 = -6X
2
+ 150 o bien, -6X
2
= -138 con X
2
= 23

La cantidad total 22 + 23 = 45 unidades; los precios:
P
1
= -2(22) + 100 = $56 P
2
= -3(23) + 150 = $81

El beneficio mximo es: B = IT
1
+ IT
2
-CT = 56(22) + 81(23) -[-
0,2(45)
2
+30(45) + 40] = 3095 - 985 =$2110.

Falta observar si cobra ms caro a la demanda ms rgida y ms
barato a la ms elstica.
E
1
= dQ/dP (P/Q) = - [-1/2(56/22)] = +1,3 la ms elstica
E
2
= -[-1/3(81/23] = 1,1 la menos elstica

496
(cobra menos en la demanda ms elstica, P
1
=$56, P
2
=$81)

MONOPOLIO SIN DISCRIMINACIN

Tambin conviene comparar con la situacin frente al monopolio sin
discriminacin, para ver cuanto representa:

P
1
= -2x
21
+100 o sea, X
1
= -1/2 P + 50
P
2
= -3X
2
+ 150 X
2
= -1/3P + 50
Sumando: X = -5/6P +100 o bien P =-6/5X +120

El ingreso total IT = P(X) = -6/5X
2
+ 120X
Su ingreso marginal IT' = -12/5X +120
Maximizando B con B'=0 y B'' <0
IT' = CT' -12/5X +120 = -0.4X +30
(24/10 - 4/10)X + 90 = 0 con X= 45 similar que antes.

El precio P = -6/5(45) + 120 =$66 intermedio entre los anteriores
EL beneficio B= IT - CT
= 45(66) -[-0,2(45)
2
+ 30(45) + 40 = $2970 - 985 =$1985,
inferior que el obtenido bajo discriminacin ($2110).


497

EMPRESA CON DOS PLANTAS (MULTIPLE FACTORIA)

Cuando tiene dos plantas, logra su ptimo o mximo beneficio pro-
duciendo de modo que el costo marginal en ambas sea igual al in-
greso marginal.

La optimizacin empresaria se analiza con funciones en la forma
implcita; pero para sumar los costos marginales en un costo margi-
nal conjunto es necesario trasponerlos a la forma explcita, para
hacer la suma horizontal. Una vez sumados se debe volver ese CMg
conjunto a la forma implcita, a efectos de igualar con el IMg y calcu-
lar as la cantidad de equilibrio.

Esta cantidad permite obtener el importe en pesos del CMg conjunto
o IMg; con ese importe en pesos se reemplaza en cada funcin de
costo marginal de las plantas para calcular la cantidad a producir por
cada una. Con la cantidad total tambin podemos calcular el IT, el
CT, el Beneficio; y el precio.


498
Supngase solo dos plantas en un mercado cuya demanda es com-
petitiva P= 30-X (con X=X
1
+ X
2
). Sus costos son, para la primera C
1

= 1/4 X
1
2
+10 X
1
+ 20 y para la otra planta C
2
= 1/3X
2
2
+ 8X
2
+ 18.

Una vez sumados horizontalmente los costos marginales se traspo-
ne el costo marginal conjunto (para optimizar igualndolo con el in-
greso marginal).

C
1
= 1/2X
1
+10 1/2X
1
= C
1
-10 X1 = 2C
1
- 20
C
2
= 2/3X
2
+ 8 2/3X
2
= C
2
- 8 X2 = 3/2C
2
- 12
X = 7/2C
c
- 32 costo
marginal conjunto

Volvindolo a la forma implcita: 7/2C
c
= X + 32 o sea, Cc= 2/7X +
64/7
El equilibrio es Max. Beneficio, con B= 0 (o IMg = CMg) y que
sea B< 0 (es decir Img< CMg)
30-2X = 2/7X + 67/7 ; 16/7X = 30 64/7; con X = 7/16 (30
67/7); X = 9,1
Que cumple la segunda condicin de mximo: -2 < 2/7.

En ese punto el valor del Costo marginal conjunto es C
c
= 2/7(9.1) +
64/7 = $11,80
Que si se reemplaza en la suma horizontal precisa el reparto de las
producciones:
X1 = 2 (11.80) 20 = 3,5 kilos
X2 = 7/2 (11.80) -12 = 5,6 kilos
9,1
El precio es igual en las dos plantas P
9,1
= 30-9,1 = $20.90
El ingreso total es PX = 30X X
2
= 190,19
El ingreso marginal es IT= 30 2X = 30 18.2 = $11.80. (el Ingre-
so marginal es igual a ambos costos marginales).

El beneficio B= IT CT
1
CT
2
= -5/4(3,5) -4/3(5,6)
2
-2(3,5)5,6 +20
(3,5) +22 (5,6) -38 = $59,

499

30 $

C
1
` c
2

20.90 P
C
C

11.80 E

3,5 5,5 9,1 15 30 kios

COMPETENCIA MONPOLICA

DUOPOLIO SEGN COURNOT

Supngase solo dos empresas competidoras en un mercado cuya
demanda es competitiva P= 30-X (con X=X
1
+ X
2
). Sus costos son,
para la primera C
1
= 1/4 X
1
2
+10 X
1
+ 20 y para la otras empresa C
2

= 1/3X
2
2
+ 8X
2
+ 18

La solucin de Cournot prev que cada uno considera su produccin
dependiente de la cantidad que produzca su competidor, ya que
sera ingenuo pensar que mantendra la produccin fija haga lo que
haga su competidor.

Los ingresos de cada uno son:
IT
1
= 30X
1
- X
1
2
- X
1
X
2
; e IT
2
= 30X
2
-X
1
X
2
- X
2
2

500

O sea, B
1
= -5/4 X
1
2
+20X
1
-X
1
X
2
-20 para la primera y
B
2
= -4/3X
2
2
+ 22X
2
-X
1
X
2
-18 para la segunda.

Sus costos marginales son:
CT'
1
= 1/2X
1
+10; y CT'
2
= 2/3X
2
+8

Se puede maximizar el beneficio en cada uno, ya que B = IT - CT y
el ptimo en ellos es cuando su B'= IT'- CT'=0 y desde ese punto se
cumpla B'' = IT'' -CT''<0

B'
1
= 20 - 5/2X
1
- X
2
= 0, de donde X
1
= 8 -2/5X
2
(funcin de
reaccin de la primer empresa, que expresa su produccin depen-
diente de la de su competidor)

B'
2
= 22 - 8/3X
2
- X
1
= 0, de donde X
2
= 33/4 -3/8X
1
(funcin de
reaccin de la segunda empresa, que expresa su produccin, asi-
mismo, dependiente de la de su competidor)

Igualando ambas funciones de reaccin y resolviendo surgen X
1
=
5,53 unidades; y X
2
= 6,17 unidades.

El precio es P = 30 -5,53 - 6,17 = $18,30 igual para ambas.
Reemplazando estas cantidades en sus funciones de beneficio se
obtiene: B
1
= $ 18,26 y B
2
= $32,86.

Esto mismo puede hacerse en una hoja de clculo Excel, anotan-
do las funciones en la fila 2, segn la siguiente imagen (recordamos
que las ecuaciones se comienzan con "=" para que Excel las acepte
como frmulas).

Se anotan una cantidad en A2 y en A3; en B2 va la funcin de reac-
cin X
2
; en C2 el costo marginal de una y en D2 el de la otra; en E2
va el beneficio de la primera y en F2 el de la segunda. Simplemente

501
se escribe en G2 que la suma de ambos sea el beneficio total, para
poder observar cuando ste es mximo (G2 = E2 + F2).

Al anotar la otra cantidad en A3 el rango entre A2 y A3 puede elegir-
se convenientemente para evitar series demasiado largas). Se co-
pia B2 a G2 hacia B3; se pintan ambas filas y se las arrastra hacia
abajo. Se puede ver que el mximo beneficio aparece en la fila 5,
con cantidades y beneficio diferentes para cada empresa, cumplien-
do con la condicin de B'1 y B'2 nulos.

Otra forma es recurrir a Herramientas > Solver > y anotar como
celda objetivo alguna de la columna beneficio (por ejemplo G4).
Como celda cambiante la primera columna de esa fila. Las restric-
ciones sern igualar los beneficios marginales de ambas en esa fila
y tambin que la cantidad de la primera columna sea 0.

Con Resolver y Aceptar, Solver encuentra la solucin que ya cono-
cemos. En esta imagen se eligi la fila 4 al azar.


502

EMPRESA LDER Y SEGUIDORAS

En la competencia imperfecta una empresa puede ser relativamente
ms eficiente (o con ms poder) que la o las pocas otras, que adop-
tan la actitud de seguidoras.

Sus costos mayores le impiden operar con el precio ms bajo de la
lder. Esta toma la decisin de optimizar sus intereses: en su funcin
de beneficios (aqu la misma que la primer empresa del ejemplo
anterior) reemplaza X
2
por la funcin de reaccin de la seguidora, y
simplificando queda como:
B
1
= 47/4X
1
- 7/8 X
1
2
- 20

Maximiza beneficios con B' = 0 y B''<0:
B'= 47/4 -14/8X
1
= 0, o sea, X
1
= 6,71

Reemplazando este valor en la funcin de reaccin X
2
surge X
2
= 5,74.

El precio para ambas queda: P= 30 - 6,71-5,72=$17,55

En cada funcin de beneficio se reemplazas las dos cantidades y se
obtiene B
1
= $19,42 y B
2
= $25,84.

503

Con Excel se hacen estos clculos: reemplazando en la hoja ante-
rior la frmula del B'
1
por la aqu comentada y anotando los valores
de X
1
se observa al copiar cual es el mximo beneficio, con B'1 nulo.

Pero aplicando la solucin Solver como se muestra en la imagen
siguiente tambin se calcula esta nueva situacin (aqu en la fila 8
por azar). La diferencia con lo anterior fue cambiar la formula B'
1
y
adems en Sujeta a la condicin, se anot aqu que el B'
1
sea igual
a cero.


504

Si fuera el caso que la segunda empresa decidiera ser la lder y la
dems seguidoras, la solucin sera anloga a este desarrollo.

CARTEL (COLUSIN ENTRE EMPRESAS)

Bajo el supuesto de que las empresas efectan (ilegales) acuerdos
para trabajar conjuntamente, la decisin conducira a obtener el ma-
yor beneficio conjunto posible; con algn tipo de reparto posterior
del beneficio sin criterio definido analticamente.

Siguiendo con las empresas de estos ejemplos, ambas plantas de-
ben actuar con iguales costos marginal, a su vez iguales al ingreso
marginal, en un Monopolio con dos plantas (el costo marginal con-
junto se suma en la forma implcita; en forma similar a la suma de
ingresos marginales para el monopolio discriminador de precios o
mercados).

Supngase solo dos plantas en un mercado cuya demanda es com-
petitiva P= 30-X (con X=X
1
+ X
2
). Sus costos son, para la primera C
1

= 1/4 X
1
2
+10 X
1
+ 20 y para la otra planta C
2
= 1/3X
2
2
+ 8X
2
+ 18.

505

Una vez sumados horizontalmente los costos marginales se traspo-
ne el costo marginal conjunto (para optimizar igualndolo con el in-
greso marginal).

C
1
= 1/2X
1
+10 1/2X
1
= C
1
-10 X1 = 2C
1
- 20
C
2
= 2/3X
2
+ 8 2/3X
2
= C
2
- 8 X2 = 3/2C
2
- 12
X = 7/2C
c
- 32 costo
marginal conjunto

Volvindolo a la forma implcita: 7/2C
c
= X + 32 o sea, Cc= 2/7X +
64/7

El equilibrio es Max. Beneficio, con B= 0 (o IMg = CMg) y que
sea B< 0 (es decir Img< CMg)

30-2X = 2/7X + 67/7 ; 16/7X = 30 64/7; con X = 7/16 (30
67/7); X = 9,1

Que cumple la segunda condicin de mximo: -2 < 2/7.

En ese punto el valor del Costo marginal conjunto es C
c
= 2/7(9.1) +
64/7 = $11,80

Que si se reemplaza en la suma horizontal precisa el reparto de las
producciones:

X1 = 2 (11.80) 20 = 3,5 kilos
X2 = 7/2 (11.80) -12 = 5,6 kilos
9,1

El precio es igual en las dos plantas P
9,1
= 30-9,1 = $20.90
El ingreso total es PX = 30X X
2
= 190,19
El ingreso marginal es IT= 30 2X = 30 18.2 = $11.80. (el Ingre-
so marginal es igual a ambos costos marginales).

506

El beneficio B= IT CT
1
CT
2
= -5/4(3,5) -4/3(5,6)
2
-2(3,5)5,6 +20
(3,5) +22 (5,6) -38 = $59,

30 $

C
1
` c
2

20.90 P
C
C

11.80 E
3,5 5,5 9,1 15 30 kilos

Como las dos planta no son de la misma empresa sino una asocia-
cin (colusin tipo cartel), este beneficio tendrn que repartirlo entre
las empresas, con algn criterio no analtico (por ejemplo, mejoran-
do algo los resultado de cada una si decidiera actuar por su cuenta,
bajo duopolio, como lder o como seguidora; es decir, repartiendo
solamente el plus que generaran con la colusin).


507
COASE: COSTOS DE TRANSACCION E INSTITUCIONES ADE-
CUADAS

R.Coase comenz en 1960 una lnea de investigacin buscando
mecanismos para evitar las distorsiones en algunos mercados im-
perfectos, referidos a bienes de propiedad comn, como el medio
ambiente y su contaminacin por emisiones de carbono (o gases
industriales que destruyen el ozono, etc). Sus aportes comienzan
aclarando conceptos como el de costos de bsqueda (`por informa-
cin necesaria para la seleccin y adquisicin de algo) as como el
de la naturaleza (hedonista, eficientista) de la empresa, para profun-
dizar en el concepto de costos de transaccin, el cual incluye ade-
ms otros costos no siempre identificados pero que tambin influyen
en las transacciones, en el mercado y en sus aspectos sociales,
proponiendo soluciones para reducirlos (bonos antipolucin o del
carbono; y similares, como los bonos de empleo).

En las ltimas dcada la teora econmica (por ejemplo, Arrow en
1987) reconoci que el enfoque neoclsico de la teora de precios,
el equilibrio y la eficiencia de las transacciones solo permite respon-
der a algunos interrogantes econmicos, pero no a otros, por lo que
es necesario un nuevo cuerpo terico.

En este sentido, R. Coase haba precisado sobre los costos de
transaccin, incluyendo tambin conceptos no visibles, por negocia-
cin, gestin y aplicacin de una poltica, etc. como por ejemplo en
el caso del medio ambiente y la polucin industrial; y para solucionar
estos inconvenientes analiz separando los aspectos jurdicos del
derechos de propiedad (y el de apropiacin, ms limitado: acceso,
extraccin, gestin, exclusin, transferibilidad) y las transacciones
con cesin de estos derechos, buscando un mecanismo o leyes
para modificar las instituciones de estos mercados (crear una ley y
un mercado de bonos del carbono).


508
Pero su concepto de costos de transaccin difiere del tradicional de
costo de bsqueda: son los costos de bsqueda e informacin, ms
los costos de negociacin y decisin, y los costos de formulacin y
aplicacin de las polticas. La calidad de las instituciones est rela-
cionada directamente con los niveles de costos de transaccin: y le
interesa el concepto de su eficacia o gobernanza, governance.

El Teorema de Coase establece que si no existieran los costes de
transaccin, la asignacin de recursos sera siempre la ms eficaz
cualquiera que fuese que fuese la distribucin de derechos de pro-
piedad. Pero, en los mercados reales los costos de transaccin no
son nulos, e incluyen a veces elevados costos ocultos, no incluidos
en el costo de bsqueda de las empresas, como son los costos por
la polucin, se distribuyen como beneficios empresarios que soporta
la comunidad (informacin tcnica y de prensa, ampliamente difun-
dida en su momento, explicaba que la reconversin de la industria
energtica norteamericana para cumplir con el protocolo de Kioto,
representaba un sobrecosto del 20%, que habra originado el finan-
ciamiento de la campaa republicana y la polmica eleccin del
presidente Bush. Tambin cabe aclarar en este urticante ejemplo,
que luego de una dcada, la tecnologa de recuperacin secundaria
del petrleo y el gas, estaran solucionando parcialmente la gran
contaminacin de las usinas elctrica a carbn en ese pas).

En consecuencia, segn Coase (1960) para este tema polucin, si
se establecieran topes de contaminacin industrial empresaria e
inicialmente se repartieran en forma gratuita (con algn criterio de
proporcionalidad) bonos o derechos a contaminacin limitada entre
todas las empresas, aquellas firmas contaminantes con bonos insu-
ficientes para poder cumplir con el tope de la ley se encargaran de
adquirir bonos excedentes de las firmas no contaminantes, gene-
rndose un mercado de estos bonos que, sin otras intervenciones
conducira por s solo a solucionar un problema, como el de la polu-
cin (o su similar el del empleo (Tow, 1995): una simple o automti-
ca gestin del mercado, inducida ante la mera aparicin de una ley

509
adecuada que perfecciona esa institucin. La calidad de las institu-
ciones est directamente vinculada con los costos de transaccin!.

LA TRAGEDIA DE LOS (BIENES) COMUNES: OSTROM

La profesora Elionor Ostron (Un. Indiana) escribi sobre las medidas
necesarias para controlar los recursos pblicos necesarios para sus-
tentar el estado de bienestar: derivar un simple y bonito modelo
matemtico no es el nico objetivo de quienes buscan perfeccionar
las instituciones, para evitar la tragedia en los mercados de bienes
comunes (aquellos que pertenecen o que puede desarrollar la co-
munidad, como medioambiente, minera y combustibles, aguas,
bancos de pesca, bosques), en continua y creciente presin por
sobreexplotacin.

Esa propiedad de todos y que es de nadie, constituye un capital
social, que suelen aprovechar algunas empresas, con peligro de su
agotamiento. De aqu la importancia de perfeccionar las institucio-
nes con leyes apropiadas para la gobernanza de esa institucin o
mercado (Governing the Commons: The Evolution of Institutions for
Collective Action,1990)

Suelen haber numerosas restricciones de tipo poltico, de informa-
cin, sobre incentivos y usualmente en vez de un ptimo absoluto
solo es posible obtener soluciones tipo second best (ejemplos de
Ostrom sobre pastoreo, sistemas del agua, gestin de bosques y
pesqueras), en el s.XXI estn muy difundidas en algunos pases
europeos para la gestin comunal o comarcal de sus recursos pbli-
cos locales (mariscos, agua de riego, bosques, etc).
OTRO ENFOQUE INSTITUCIONAL DIFERENTE

Tambin Oliver E. Williamson explica en este sentido, que las orga-
nizaciones jerrquicas y las empresas son las mejores formas de

510
organizar y gestionar (governance) estas situaciones, en las que se
presentan conflictos de intereses particulares y pblicos. Se depen-
de de las instituciones y de las leyes adecuadas para preservar los
intereses particulares y sociales (en Las instituciones del capitalis-
mo, 1975; y en Mercado y Jerarquas, 1985): Esas organizaciones
vienen a ser los jugadores y las instituciones son las reglas de jue-
go. Ve la administracin de los recursos a travs de la concesin a
empresas como la forma ms eficiente y no intervencionista que
corregira los fallos del mercado.

Este enfoque de O.E. Williamson (y J. Williamson segn el Consen-
so de Wasington) es el preferido desde fines del s.XX en los pases
americanos: legislacin sobre minera, combustibles fsiles, agro y
medioambiente etc. que asigna a las empresas la governance de
estos bienes pblicos.

Ejemplos argentinos son las leyes de 1990 sobre propiedad provin-
cial de recursos mineros, junto con grandes inversiones en mega
establecimientos, como los de Barrick y de Goldcorp (oro y plata) o
Minera Alumbrera (cobre) y muchas ms, que desde 1990 multipli-
caron sus actividades extractivas para exportacin (existiendo pol-
mica sobre las ventajas por un mayor empleo no calificado pero sin
otra participacin local, durante los 30 aos de la ley, en los benef i-
cios sobre lo exportado); la asignacin de ms de la mitad de la tie-
rra agrcola al cultivo de soja transgnica con el defoliante glifosato
(como en la guerra de Vietnam) para Monsanto, Atanor, Cargil, etc;
Repsol en combustibles, que concluy en la renacionalizacin de
YPF.

DOS ENFOQUES ENFRENTADOS

Un enfoque empresarial en los pases americanos (O.E.Williamson),
enfrentado al enfoque comunal (Ostrom, Coase) en pases euro-
peos; en los cuales se procura mantener el estado de bienestar me-
diante instituciones que garanticen la sustentabilidad de los recursos

511
de uso comunal (uso del agua de riego compartido; explotacin de
pinares y robledales para producir rollizos de carpintera o jamones
de bellota solo para los aldeanos del lugar; plantacin de huevos o
alevinos y cupos mximos de extraccin de frutos de mar y playas,
solo para las marisqueiras del lugar)

512
CONTRATACIN BAJO MONOPSONIO

Supngase una sola empresa provincial demandando factor trabajo
(en ausencia de sindicatos). Su funcin de produccin de un bien Z
es Q=27,5X
2
-0,4X
3
; el precio del bien Z es Pz=$4.

Su ingreso total IT = PQ = $4(27,5X
2
-0,4X
3
)
= -1,6X
3
+110X
2

El ingreso marginal IT ' = 220X -4,8X
2

El gasto medio en factor productivo depende el costo de ste:
Oferta de factor w = 264 +43X (segn el costo marginal de
este factor trabajo).

EL gasto total GT = w(X) = 264X + 43X
2;
y el gasto marginal es
GT' = 264 + 86X

Maximiza el beneficio si su ingreso marginal es igual al gasto margi-
nal y tambin se cumple que IT'' < GT'':
220X - 4,8X
2
- 264 - 86X = 0;
con dos races X=25,8 y X=-2,1 , pero B''<0 slo con X=25,8

Para X=25,8 la funcin de produccin representa
Q
25,8
= 27(25,8)
2
-0.4(25,8)
3
= 11436 unidades de Z. Su precio es P
z
= -1.6(25.8)
2
+ 110(25.8) = $1773

El salario w
25,8
= 264 + 43(25,8) = $1374, segn la oferta del factor;
sin embargo el salario posible sera el abonado segn el gasto mar-
ginal = 264 +86(25,8) =$2483, por lo que la explotacin monopsni-
ca es la diferencia 2483 -1374 = $1109.


513

El ingreso total IT
25,8
= 110(25,8)
2
-1,6(25,8)
3
= $ 45742
El gasto total GT
25,8
= 264(25,8) +43(25,8)
2
= $ 35433
El beneficio total es 45742 -35433 = $10308, como se observa en la
hoja Excel con las funciones (aproximacin).


514
MONOPSONIO Y OLIGOPSONIO: CON MS PRECI-
SIN

Sea una oferta competitiva de un bien o servicio (como en todo ca-
so tpico, en funcin del costo marginal de los oferentes), que se
enfrente a diferentes tipos de demanda. Si esta demanda fuera tam-
bin competitiva, cada comprador individual tendra una demanda
horizontal, pero el conjunto del mercado se ajustara por concurren-
cia de la demanda y la oferta agregadas (la cruz normal del merca-
do).
.
Si los demandantes fueran pocos (oligopsonio) la demanda sera
ms rgida; y si hubiera un solo comprador (monopsonio), la deman-
da sera totalmente rgida (vertical), quedando a criterio del compra-
dor fijar la cantidad que le convenga adquirir y el precio. El sentido
comn admite que un comprador monopsnico enfrentado a una
oferta competitiva impondra la cantidad y el precio que le convie-
nen; e igualmente bajo el anlisis.

Al ser vertical su demanda coincidiran el IM y el IMg del comprador,
por lo que optimiza al igualarlos con el mnimo CMg de los oferen-
tes. Por su inters en optimizar, as como por su poder de compra,
que ejercera para adquirir poca cantidad y a un bajo precio. Es ra-

515
cional admitir que el comprador adquirir bienes o servicios mientras
los oferentes tengan CMg decreciente, porque cada unidad le resul-
tar ms barata que las anteriores. El monopsonio (y oligopsonio)
decide as comprar segn la fase del CMg decreciente de los ofe-
rentes, tendiendo a la cantidad que indique el nivel en que el CMg
de los oferentes sea mnimo: una cantidad menor que en monopolio
y que en competencia; y tambin a menor precio que en estos dos
mercados.

En este nivel de gasto en el punto de equilibrio del comprador mo-
nopsnico, coincidente con el mnimo CMg del oferente de bienes o
servicios, este CMg de los oferentes pasa de decreciente a crecien-
te, o sea que es ah constante. Entonces, si el comprador se enfren-
ta a un CMg constante, tambin ser ah constante el gasto medio
(GM) del comprador y tambin ser constante su GMg: todos cons-
tantes. Por esto no existira la mayor pendiente positiva del GMg
ante el GM que se menciona en los textos usuales para justificar el
equilibrio en estos mercados.

Los textos simplifican suponiendo una oferta laboral con pendiente
positiva, justo a partir del punto de mnimo CMg; y complementan la
idea de la oferta laboral con la teora retroascendente. Sin embargo,
la oferta laboral debiera modelarse como la de cualquier otro bien o

516
servicio (parbolas en U para CM y CMg), si se considera que a
largo plazo la unidad laboral competitiva depende de la unidad fami-
liar (familia tipo compuesta por cuatro miembros, con dos en condi-
ciones laborales), tambin sujeta al criterio del CMg decreciente si
se contemplan los mayores costos marginales con las familias ms
reducidas, con un punto de CMg mnimo, que buscara el monopso-
nio y oligopsonio: algo como un costo de vida cultural o socialmente
contemplado que asegure una oferta sostenible.

Esa oferta laboral creciente solo correspondera si el monopsonio
/oligopsonio no optimizara y procurase operar aumentando la pro-
duccin a mayor nivel que su ptimo, contratando ms factor y con
mayor salario.

Un oligopsonio que colude conforma un monopsonio; la colusin no
necesitara ser explcita, considerando el accionar al unsono que
ocurrira si todos procuran optimizar, adquiriendo mientras los CMg
sean descendentes. Pero analticamente se concluye que bajo oli-
gopsonio sin colusin pudiera haber alguna tendencia a subir canti-
dades y precios, en funcin de una demanda con alguna elasticidad.


517
CONTRATACIN BAJO MONOPOLIO (CON SINDICA-
TO)

El mximo beneficio B se consigue con B'=0 y B'' <0. Siendo B= IT -
CT, entonces IT'= CT' :
220X -4,8X
2
= 264 + 43X

Resolviendo esta cuadrtica con Ruffini se obtienen las races
X=35.3 y X=1.6; con X=35.3 se cumple la condicin B''<0.

Entonces P
35.3
= 110(35.3) - 1,6(35.3)
2
= $ 1889 y con el salario
favorable al sindicato al nivel de ingreso medio.

El beneficio B
35.3
= IT - CT = 110(35.3)
2
-1,6(35.3)
3
-[264(35.3)
+43(35.3)] = 66682 - 62901 = $ 3781, resulta menor para el produc-
tor del bien Z si abonara los salarios del sindicato.


518
MONOPOLIO BILATERAL -
NEGOCIACIN CUASICOMPETITIVA

Una situacin intermedia podra ser viable para ambos, si aceptaran
esta solucin voluntariamente. En condiciones de competencia per-
fecta el equilibrio surgira de igualar la demanda con la oferta:
D = O, si originara ganancias:
110X -1,6X
2
= 264 +43X
-1,6X
2
+ 67X - 264 = 0, de donde X=37.5...
Entonces, el precio P
37.5
= 110(37.5) -1,6(37.5)
2
= $ 1875 (interme-
dio) y el beneficio B= 110(37.5)
2
-1.6(37.5)
3
- [264(37.5) + 43(37.5)
2
]
= -$56, prdida, por lo que la negociacin pudiera no ser posible en
estos trminos.

Una negociacin de compromiso sera posible, con otros salarios
competitivos suficientemente reducidos como para que la empresa
alcance algn beneficio razonable. Se suele negociar en primera
instancia la cantidad del empleo y luego se negocian los salarios.


519
MODELO DI TELLA SOBRE INTERMEDIARIOS CO-
MERCIALES (CONCESIONARIOS)

La produccin automotriz se entrega o vende va concesionarios,
desvinculados. Ambas firmas, productor y distribuidor, son un mo-
nopolio, pero c/u con intereses opuestas al otro; no son duopolio ni
tampoco un monopolio bilateral.

En esta intermediacin comercial hay un margen bruto (y otro neto)
de ganancia para el distribuidor, que el autor llama landa (lambda).
Si ambas fueran una sola firma esa landa sera el margen crtico.
Pero no lo son; y cuando este margen es mayor que el crtico, el
concesionario querra vender ms y adems que el productor baje
su precios. Si el margen real est entre el crtico y el mnimo, el
productor querra vender ms que el concesionario y se formaran
stocks excedentes... y el productor presionara para que el margen
fuese menor y as aumentar ventas....

Como son dos monopolios los precios tienden a subir y la cantidad a
bajar frente a si fueran una sola firma...

Vimos un ejercicio maximizando la operatoria para el concesio-
nario.


520
Un ejemplo del concesionario:

Determinar el mximo beneficio para el productor y para el interme-
diario comercial (concesionario automotriz) considerando:
Demanda Pd = -2X +350; Oferta del productor Po= 15X +150
Costo de la intermediacin: Ci=$10X (10 pesos por unidad)

Beneficio del productor: B = IT CT
IT = Pd(X) = (-2X +350)X = -2X
2
+350C
CT = Po(X) = (15X + 150)X = 15X
2
+ 150X + Ci = = 15X
2
+ 150X +
10X

Max B si B`= 0 y B``< 0. Con B= IT CT ` = 0
B= -50 +350 (30X +150 +10) = 0 ; -80X + 190 = 0; X = 2,38
Pd = -25(2.38) + 350 = 290,5 precio final
Po = 15 82.38) + 150 = 185.70$ precio para el productor
Diferencia: $ 104.80 margen para el intermediario
- Costo de intermediacin $10 = $94.80 beneficio del intermediario

Beneficio del productor:
B = IT CT = -25X
2
+350X -15X
2
-150X -10X = -40(2.38)
2
+190(2.38) = $225.62


521
MODELACION NEOCLSICA
Ejercicio conceptual tipo integrador de varios principios

RAPIDITO Y LENTITO EN LA ESTACION VIVITOS

El enunciado est en la Gua Distancia Actividad 4 del tomo II, 7-4
pag 156 Gua Distancia Tow, (eventuales errores de interpretacin
o tipeo me pertenecen)

Este ejercicio es un ejemplo de lo que en el fondo quiere decir el
prof. Tow: lo mandatorio es el programa (y no alguna simplificacin
de la Gua que el alumno pueda suponer que lo dems no se incluye
porque no est ah desarrollado....).

Es decir, hemos estudiado la teora de los ingresos, la de la produc-
cin y la de los costos.

Luego el accionar de la empresa en competencia y en el caso gene-
ral, como por ej. monopolio (que puede optimizar, discriminar o ac-
tuar competitivamente para no ser controlado con impuestos, pre-
cios mximos (o venta mnima) o abrindole la importacin competi-
tiva con bajos aranceles de importacin ...)

Tambin les recomend leer algo de Microeconoma con Excel (por
ej. para poder obtener las ecuaciones partiendo de una serie de
valores, etc.) ya que nadie puede memorizar sin sentido y es nece-
sario disponer de mtodos para identificar, transformar, obtener fun-
ciones.

En este TP se habla de la estacin Vivitos a 10 km de la ciudad;
cada domingo llega un tren con 48 pasajeros, que quieren ir a la

522
ciudad, y llevan un cartel con el precio que estn dispuestos a pa-
gar: de $ 0 a 47 y ninguno se repite.

El nico micro, Rapidito, maximiza beneficios y est autorizado a un
solo viaje pero debe cobrar el mismo precio a todos. Su costo fijo es
$100 y el variables de $8 por pasajero.

A)
Cuntos pasajeros transportara y a qu precio?

A un peso habra 47 pasajeros; a dos pesos 46; a tres pesos 45;
etc....

La demanda segn una hoja Excel es P = -X +48 ....
Haciendo P por X el IT = +X2+48X . Su derivada es el IMg =
-2X +48
El CT = 100 +8X .... Su derivada es el CMg = 8

El mximo Ben es segn el caso general (Cournot) con la deriva-
da primera IT= 0 (punto de giro) y que la segunda IT negativa....
O sea, con IMg = CMg .... surgiendo as X=20 con P=$28 y un
IT=$ 560; un CT= $260 y un max. Ben =$ 300 (y se quedaron sin
viajar en micro las 28 personas que tenan la ms baja valoracin
del viaje en su cartelito)

B)
A penas salido Rapidito, llega otro micro con similar autorizacin... .
pero su costo fijo es $150 y su costo variable es $4 por pasajero.
Cul ser el precio de este Lentito y cuando transportara?

Con la demanda remanente de las 28 personas con las menores
valoraciones del viaje puestas en una hoja Excel, se grafican pin-
tando con el iconito de grafico, luego elegimos por ej. dispersin.....
agregamos lnea de tendencia.... y en su opciones ... Presentar

523
ecuacin en el grafico... As obtenemos la funcin, ecuacin, de esa
demanda remanente como P = -X +28

Su IT = -X2 + 28X... y su IMg = -2X +28
Su CT = 150 + 4X .... y su CMg = 4

Optimiza Lentito tambin segn Cournot.... con IMg = CMg (punto
de giro) surgiendo C= 12 y luego P = -12 +28 = $126
Su IT es as $192.... y su CT = $198....resultando una pedida de
$8......

C) Si ambos fueran una nica empresa.... llegara primero el que
tomara menos caf los sbados y madrugara ...
Pero siendo la demanda para ambos asociados buscaran de opti-
mizar como un monopolio, usando el mnibus con menor costo, que
es el Lentito.

Ya que optimizando con una demanda plena de 48 personas optimi-
zara con 22 pasajeros, cobrando P=$26, con un IT = $572 y un CT
= $238... y un Benef = $334 (mayor que el de Rapidito)... pero cui-
dado, menos el costo fijo de Rapidito ahora parado les quedara...
$234. Por eso Usaran Lentito y.... luego se repartiran ese beneficio
...(por mitades u otro mtodo que el modelo no incluye, por lo cual
se supone podran repartir solo la diferencia que exceda el costo de
oportunidad que tenga cada uno)

- Indemnizacin si le obligaran a poner un precio competitivo:
Trabajaran competitivamente (el caso especial) buscando operar
con P = CMg (en vez de IMg = CMg)
Surgiendo as una cantidad de X=40.... con un P= -40 + 48 =
$ 8.....
As el IT seria $320 y el CT $238 con un beneficio de solo $82.....
Entonces debera indemnizarles por la diferencia entre 334 (max.
Ben de Lentito) y 82, o sea $252 de subsidio.


524
- SI PUDIERAN DISCRIMINAR: cobrndole la cada uno segn la
cara (su cartelito). El ingreso total en una discriminacin perfecta
surge de sumar los 48 valores, totalizando $1128.

El costo total de Lentito era $238, surgiendo un Beneficio de
$890..... En este caso si el municipio admite subsidiarles la diferen-
cia entre actuar competitivamente y discriminado tendra que pagar-
le 890 - 82 =$ 808 de subsidio.

D) Qu pasara si su objetivo fuera maximizar ingresos (en a), b) y
c)?

Da) Disponemos de la funcin de ingreso total de Rapidito... y si el
objetivo es max. Ingreso lo encontramos con IT=0 y con IT negati-
vo, surgiendo X=24....
Con 24 el ingreso total es $576... y el costo total con 24 es de
$292..... El beneficio por diferencia es $284...

Db) maximizando ingresos Lentito tendra el mismo IT=$576 pero
diferente costo
CT= 150 +4)24) =$246..... por lo que el Ben = 576 - 246 = $330

Dc) si ambas fueran un monopolio..... maximizando ingresos con
Lentito sacaran $330 menos el costo fijo de lentito 100 quedara un
Benef =$ 230

En esta programacin neoclsica, la idea central es que se trabaje
sobre la base de los principios, los diferentes tipos de mercados, los
diversos mtodos (con hasta 3 variables) y bastantes pautas confu-
sas y/o simplificadores para agilizar el razonamiento (esto es bueno;
pero mejor es suministrar mtodos de aplicacin concreta a la ope-
ratoria real de toda empresa)


525
TELEFOCOM Ejercicio 4:

Ejercicio conceptual tipo integrador de varios principios (el enuncia-
do est en la gua de tp de Tow-ejercicios combinados; eventuales
errores de interpretacin o tipeo me pertenecen)

La empresa TELEFOCOM debe instalar 500 telfonos pblicos (TP)
en distintos locales comerciales de empresas privadas (y maximiza-
doras de beneficio). Por su estratgica localizacin se estima que
cada TP tendr una demanda por parte del pblico usuario igual a X
= 15.000 -5.000Px donde X: nmero de llamadas mensuales medi-
das en nmero de fichas y Px: precio por ficha (al pblico).

(Ntese que los TP sern instalados lo suficientemente lejos entre si
de modo que diferencias en el valor de la ficha en un TP, de existir,
no modifican la demanda en los restantes TP. Asimismo tngase
presente que el nmero de solicitudes para que se instalen TP se
supone ser muy grande por parte de los eventuales tenedores de
TP, puesto que se sabe que el TP aumenta la concurrencia a dichos
locales y en consecuencia la evolucin comercial de los mismos. Se
proyecta en $50 + 0,01x el beneficio mensual derivado de este fac-
tor para cada tenedor de TP).

En el marco regulatorio de la Concesin de Telfonos se prev que
Telefocom opte por una de las siguientes modalidades para otorgar
el servicio de TP:

a) Dejar en manos del dueo del comercio la fijacin del valor -
nico- de la ficha al pblico y cobrarle un monto fijo mensual por la
instalacin del TP ms el costo de cada llamada.

b) Cobrarle al tenedor del TP un precio nico por cada llamada y
otorgarle libertad en cuanto a fijar el valor -nico- de la ficha al pbli-
co (el precio cobrado por Telefocom incluye el costo de ste).

526

Suponga que el costo de cada llamada es de $0,20 para Telefocom,
siendo su costo mensual de mantenimiento del servicio de cada TP
de $800, adicionalmente.

Cul alternativa es la ms conveniente para Telefocom? (A efectos
de responder el interrogante planteado determine en cada caso can-
tidad demandada, precio (al pblico) de la ficha, precio de la ficha al
comerciante y beneficio mensual del Telefocom.

Compare y comente los resultados obtenidos.

RESPUESTAS:

El enunciado no se refiere a un mercado competitivo (ni a monopo-
lio, duopolio, empresa lder, cartel, monopsonio, monopolio bilateral,
modelo Sylos-Labini, Modigliani o de Sweezy).
No hay informacin sobre competidores de Telefocom o productos
sustitutos. No cabe aqu la discriminacin de precios por alguna de
las dos partes.

Se menciona un rgimen de concesiones, pero no se dice que Tele-
focom sea una empresa pblica. Tampoco se aclara si puede o no
alternativamente instalar los TP en la vereda por su cuenta, sin los
comerciantes intermediarios.

En este caso de informacin insuficiente, un modelo algo asimilable
podra ser el de Di Tella para intermediarios comerciales (concesio-
narios automotrices).

Est claro que si Telefocom tambin es una empresa privada, es
imprescindible que ambas partes ganen algo y/o ms que operando
alternativamente por su cuenta (en la vereda).


527
Sin embargo, el modelo matemtico solo explica la optimizacin
(B=0 y B<0); nada informa sobre el modo de reparto de las utili-
dades entre las partes.

1)
Segn el modelo Di Tella se optimiza considerando los ingresos
finales y los costos del productor bsico, para repartir los beneficios
con algn criterio comercial no definido:
Demanda X = 15000 5000Px; -5000Px = X 15000;
Px = -X/5000 + 3;
Ingreso total: IT = -X2/5000 + 3X; Ingreso marginal IT= -X/2500 +
3;

Costo total neto de la ventaja: CT = 800 + 0,20X -50 0,01X; CT =
750 + 0,19X; Costo medio: 750/X + 0,19; costo marginal: CT= 0,19.

Beneficio del intermediario comercial:
BTC = -X2/5000 + 3X 800 0,20X + 50 + 0,01X =
= -X2/5000 + 2,81X 750.

Maximizando: B = -X/2500 + 2,81 = 0, con X=7025; B= -1/2500
(<0);

528
Precio: P7025 = -7025/5000 + 3 = $1,60

Px

750 CT

CMe IT

3

1,60
Px=
CMg

7025 IMg 15000

Situacin primaria sobre beneficios, sin explicacin del modelo
Di Tella sobre su reparto entre Telefocom y el intermediario
comercial:

Resultados si Telefocom solo cobrara sus costos:
Comerciante:
BC = 1,60(7025) 800 0,20(7025) + 100 + 0,01(7025) =
= 1405 - 800 - 140,50 + 100 + 70,25 = $
10470
Telefocom:
BT = 0,20(7025) + 800 - 0,20(7025) 800 = $0; situacin extrema
inviable si ambas fueran empresas comerciales privadas, que con-
ducira a cobrar Telefocon mayores importes, segn algn indefinido
criterio comercial.
2)

529
Si Telefocom pudiera alternativamente operar los TP en la vere-
da sin intermediarios comerciales:
Demanda: Px = -X/5000 + 3
Ingreso total: IT = -X2/5000 + 3X; ingreso marginal: IT= -X/2500 +
3;
Costo total: 800 + 0,20(X); costo medio: CMe= 800/X + 0,20; costo
marginal: CT= 0,20.
Beneficio; B = -X2/5000 + 3X 800 0,20X.
Maximizando; B= -X/2500 + 3 = 0; X = 8000.
Precio: P8000 = -8000/5000 + 3 = $1,40
Beneficio: B = 1,40(8000) -800 0,20(8000) = $8800.
3)
Para operar con intermediarios comerciales, bajo el supuesto
que Telefocom tambin pudiera operarlos por su cuenta en la vere-
da, ambas partes tendra que tener algn beneficio, mejorando la
alternativa de operar cada uno por su cuenta. Esto significara repar-
tir la diferencia de beneficios entre las situaciones extremsde 1) y
2): $10470 - $8800= $1670 .

Dado que el comerciante no puede operar por s solo, podran acep-
tar por ejemplo repartir esa diferencia por mitades (1670/2= $835
cada uno); en este caso la respuesta a la pregunta 4 a) sera:

Respuesta 4 a)
Beneficio alternativo de Telefocom $8800 + 835 = $9635; para obte-
ner este beneficio necesitara cobrar un mayor cargo fijo:
BT = 10435 + 0,20(7025) 800 0,20(7025) = $9635 (o sea, $835
ms que actuando por su cuenta).
Beneficio del intermediario comercial:
BC = 1,60(7025) + 100 + 0,01(7025) 10435 0,20(7025) = $835.
4)
Respuesta a la pregunta 4 b), si Telefocom solo debiera cobrar
por ficha:
El ingreso del comerciante es 1,60(7025)= $11350
El costo de Telefocom es 800+0.20(7025) = $2205

530
La diferencia 11350 2205 = 9145.

- Si Telefocom le cobra la ficha a $1,60 (7025)=11350, el comer-
ciante no tendra beneficio (y Telefocom ganara 11350-
2205=9145).

- Si Telefocon solo le cobra la ficha a $0,314 entonces Telefocom
no tendra beneficio: $0,314(7025)=$2205; solo cubrira su costo,
$800+0,20(7025); mientras que el comerciante ganara $9145.

- Si Telefocom pudiera operar alternativamente por su cuenta, po-
dran repartir la diferencia entre $9145 y los 8800 actuando en la
vereda $ 345; a repartir, por ejemplo por mitades (173 cada uno): el
comerciante debera ganar $173

Quedara $11350 173 = $11178 para las fichas: o sea 1,59(7025)=
11178.

El beneficio de Telefocom sera: $11178 - 800- 0,20(7025) = $ 8973
(173 ms que los 8800 operando los TP por su cuenta en la vereda).

TELEFOCOM **EJERCICIO 7:

Ejercicio conceptual tipo integrador de varios principios (el enuncia-
do es de la Gua de tp de Tow -ejercicios combinados; eventuales
errores de interpretacin y tipeo me pertenecen)

La empresa Telefocom ha decidido instalar 1000 Telfonos Pblicos
(TP) en todo el territorio en distintos locales comerciales de empre-
sas privadas -y maximizadoras de beneficio-. Por su estratgica
localizacin se estima que cada TP tendr una demanda igual a X =
10.000 -10.000Px donde x: nmero de llamadas mensuales medidas
en nmero de fichas y Px: precio por ficha.

531
(Ntese que los TP sern localizados lo suficientemente lejos entre
s, de modo que diferencias en el valor de la ficha en un TP, de exis-
tir, no modifican la demanda en los restantes TP. Asimismo tngase
presente que las solicitudes para que se instalen TP se estima ser
muy grande por parte de los dueos de los locales comerciales,
puesto que se sabe que la presencia de TP aumenta la concurrencia
a dichos locales y en consecuencia la evolucin comercial de los
mismos, proyectndose en $100 el beneficio neto mensual derivado
de este factor para cada tenedor de TP).

En el pliego de Concesin de Telfonos se prev que el concesiona-
rio de la red de telfonos -en este caso Telefocom- opte por una de
las siguientes modalidades para otorgar el servicio de TP:
a) Dejar en manos del dueo del comercio la fijacin del valor -
nico- de la ficha y cobrarle un monto fijo mensual por la instalacin
del TP ms el costo de cada llamada.
b) Fijar el valor de la ficha y otorgarle un porcentaje de dicho valor al
comerciante.
c) Cobrarle al tenedor del TP un precio por cada ficha de modo de
maximizar beneficios, teniendo en cuenta que aquel lo fijar a su
vez al pblico segn su conveniencia.
d) Cobrar un alquiler por el TP y fijar la tarifa al valor de competen-
cia.
Suponga que el costo de cada llamada es de $0,20 para Telefocom,
siendo su costo mensual de mantenimiento del servicio de cada TP
de $30, $35, $40 y $47,5 en cada una de las alternativas anteriores
respectivamente.

Cul alternativa es la ms conveniente para Telefocom? Y para
cada tenedor? Y para los consumidores?

A efectos de responder los interrogantes planteados determine en
cada caso: cantidad demandada, precio (al pblico) de la ficha, pre-
cio de la ficha al comerciante, beneficio mensual de Telefocom, be-
neficio de cada comerciante, excedente del consumidor.

532
RESPUESTAS:

El enunciado no se especifica ni incluye pautas inequvocas, de que
Telefocom sea una empresa competitiva, ni tampoco sus clientes;
no es un mercado competitivo, ni tampoco un monopolio (un produc-
tor exclusivo), duopolio (dos exclusivos), empresa lder y seguidora,
cartel (con colusin), monopsonio (nico comprador), monopolio
bilateral, modelo Sylos-Labini, Modigliani (privilegio por acceso ini-
cial o con restricciones de acceso) o demanda quebrada de Sweezy
(competencia imperfecta bajo conveniencia sin optimizacin).

No hay informacin sobre competidores de Telefocom o de produc-
tos sustitutos. No cabe aqu la discriminacin de precios por alguna
de las dos partes (no obstante que la funcin de costos de Telefo-
com indica que el costo medio es asinttico, es decir que nunca se
alcanzar un mnimo costo medio, lo que es sinnimo de un mercado
insuficiente para Telefocom, tipo empresa sobredimensionada).

Se menciona un rgimen de concesiones, pero no se dice que Tele-
focom sea una empresa pblica. Tampoco se aclara si puede o no
alternativamente instalar los TP en la vereda por su cuenta, opern-
dolos sin los comerciantes intermediarios.

Pero est claro que si Telefocom tambin es una empresa privada,
es imprescindible que ambas partes ganen algo si negociaran; tam-
bin que ganen ms que operando alternativamente por su cuenta
(Telefocom en la vereda y los comerciantes algo ms que la alterna-
tiva nula, sin TP, ya que nada se dice de sustitutos).

En este caso de informacin insuficiente, un modelo asimilable po-
dra ser el de Di Tella para intermediarios comerciales (concesiona-
rios automotrices), considerando que cada intermediario tiene un
costo negativo (ventaja) de $100.


533
Como se est informado el costo del productor bsico, la demanda
final y el costo de cada empresa concesionaria (no competitivas, sin
precio uniforme, sino en competencia imperfecta), cabe optimizar en
ellas segn el caso general.

Sin embargo, el modelo matemtico solo explica la optimizacin
(B=0 y B<0); nada informa sobre el modo de reparto de las utili-
dades entre las partes.

7 a) Dejar en manos del dueo del comercio la fijacin del valor -
nico- de la ficha y cobrarle un monto fijo mensual por la instalacin
del TP ms el costo de cada llamada.

Se estipula que el comerciante no puede discriminar precios, pero
puede fijarlos libremente (segn le convenga con su demanda) y su
costo ser un cargo fijo ms otro por llamada.

Segn el modelo Di Tella se optimiza considerando los ingresos
finales por venta al pblico y los costos del productor bsico, para
repartir los beneficios con algn criterio comercial no definido:
1)
Operando con intermediarios comerciales y maximizando ambos, se
debe considerar la demanda final, el costo de Telefocom y el del
intermediario (en este caso $100 de ventaja):
La demanda, X = 10000 -10000Px; -10000Px = X -10000; Px = -
X/10000 +1;

El ingreso total, IT = Px(X) = -X
2
/10000 +X; IMg = -X/5000 +1
El costo total, CT = 0,20X + 30 -100, lineal (empresa sobredimen-
sionada); costo medio CM = 0,20 -70/X (hiperblico); costo marginal
CMg= 0,20 (constante)

Se optimiza maximizando el beneficio, B = IT-CT; max.B con B=0
(B= IMg CMg=0) y B< 0;:
B = -X
2
/10000 + X (0.20X + 30) +100 = -X
2
/10000 - 0.80X + 70

534

B= -X/5000 +1= 0.20; -X/5000 = -0,80; X = 0,8(5000) = 4000 tel-
fonos pblicos ; cumpliendo B= -1/5000 < 0;
P
4000
= -4000 /10000 + 1 = $0.60

El modelo matemtico no explica cmo distribuir los resultados de
este negocio compartido (este es el tan comentado gran impedimen-
to invalidante de la teora neoclsica, microeconmica y macroeco-
nmica).

Tomando un extremo; el beneficio podra ser, por ejemplo, todo para
el comerciante intermediario y nada para Telefocn:
Beneficio del comerciante intermediario: B
C
= 0,60(4000)
0,20(4000) -30 +100= $1670
Beneficio para Telefocom: 0,20(4000) +30 -0,20(4000) -30 = $0.

En cuanto a lo opuesto, todo para Telefocom y nada para el comer-
ciante, tampoco parece viable. Alguna alternativa intermedia debiera
existir para justificar el accionar conjunto de dos empresas privadas.

El comerciante no tiene alternativa, no puede operar los TP por s
solo; Telefocom tendra la alternativa de operarlos por su cuenta en
la vereda, ante lo cual, si el negocio conjunto generara mayor bene-
ficio que Telefocom por su cuenta, cabra repartir ese mayor benefi-
cio con algn criterio, que mejore las alternativas de ambas partes
(su costo de oportunidad).

Para esto es necesario calcular el beneficio de Telefocom operando
por su cuenta y compararlo con el caso anterior.
2)
Sin intermediarios comerciales, porque Telecom puede operar los
TP por su cuenta:
La demanda puede trasponerse a la forma implcita y calcular el
ingreso total y el marginal. Con el costo total se calcula el costo me-
dio y el marginal. En principio, el beneficio mximo surge (sin con-

535
siderar en este caso la ventaja (costo negativo) de $100 por mayor
concurrencia) aplicando la condicin matemtica de mximo, con un
nivel de 4000 fichas a $0,60 al pblico en cada concesionario.

La demanda, X = 10000 -10000Px; -10000Px = X -10000; Px = -
X/10000 +1;
El ingreso total, IT = Px(X) = -X
2
/10000; IMg = -X/5000 +1
El costo total, CT = 0,20X + 30; costo medio CM = 0,20 +30/X (asin-
ttico, porque el costo es lineal; indica una empresa sobredimensio-
nada segn el modelo SOMISA-Eiras). EL costo marginal, CMg =
0,20.

Optimiza maximizando el beneficio, B = IT-CT; max.B con B=0
(B= IMg CMg=0) y B < 0; :
B= -X/5000 +1= 0.20; -X/5000 = -0,80; X = 0,8(5000) = 4000 tel-
fonos pblicos operados directamente en la vereda.
P
4000
= -4000/10000 +1 = $0,60;
B
4000
=$0,60(4000) 0,20(4000) 30 = $1570

536

Px CMe CT

30
IT

0,60

Px= ( -X/10000) + 1

0,20 CMg
X
4000 IMg 10.000

3)
Si operaran conjuntamente, repartindose el mayor beneficio dife-
rencia de las dos alternativas anteriores, la situacin podra ser:
Beneficio del comerciante B
C
= $0,60(4000) 0,20(4000) - 30 --
1620 + 100 = $50. El pblico paga $0,60 por llamado.

Al ingreso del comerciante se le resta el costo de mantenimiento y
un cargo fijo diferencial 1620 (que Telefocom calcul repartiendo la
diferencia de las dos alternativas anteriores: en 1) el beneficio es
$1670; en 2) el beneficio es 1570; con diferencia de $100; por ejem-
plo $50 para cada una).

Dado que Telefocom ganara por su cuenta $1570 debera ganar
ahora $1620, cobrando al costo de 0,20 las llamadas a su costo de
$0,20 y adems estos 1620 como un cargo fijo adicional al costo
de $30.

BT = IT CT = 0,20(4000) + 30 +1620 -0,20(4000) -30 = $1620

537

Excedente del consumidor: es el rea entre la (funcin) lnea de
demanda hasta (menos) el precio, que se puede calcular mediante
la integral definida ( entre el origen cero y 4000) de la funcin de
demanda menos el precio $0,60.

0
4000
[( X/10000 + 1) -0,60] dx =
0
4000
[(X/10000 +0,40]
dx =
= -0.0001X
2
/2 + 0,4X]
0
4000
= ; para X=4000 es Excedente = -
1600 /2 + 1600 = $800.

7 b) Fijar el valor de la ficha y otorgarle un porcentaje de dicho valor
al comerciante.

Si Telefocom solo cobrara un porcentaje de Px para resarcirse de su
de $0,20X + 35, tendra que considerar el planteo de Di Tella ms la
distribucin (con algn criterio comercial no definido) de los benefi-
cios adicionales al costo de oportunidad de cada uno.

El comerciante no tiene alternativa; Telefocom ganara $1570 por su
cuenta en la vereda; el mximo beneficio conjunto era $1670. Si
repartieran la diferencia 1670 -1570 = $100 por mitades, el comer-
ciante debera ganar $50 y Telefocom $1620 (ahora $47,50 y
1617,50 debido al mayor costo fijo de $35).

La peculiaridad de este enunciado b) es que requiere maximizar
pero cobrndole al comerciante solo un porcentaje del costo de la
llamada que Telefocom fije para el pblico Px.

Se trata de calcular beneficios considerando ingresos menos costos,
de modo que el resultado $47,50 para el comerciante: ingreso
$0,60(4000) ms$100 menos costo por cada llamada; pero, el co-
merciante no puede aumentar el precio al pblico, ya que se optimi-

538
za con $0,60 y 4000 llamadas y considerando su ventaja de $100
como ingreso debera repartirla con Telefocn para obtener un be-
neficio de solo $47,50. Esto implicara cobrar al pblico 0,60 y pa-
garle a Telefocom ms que esto, $ 0,6131 (circunstancia que posi-
blemente se enfrentara a las normas de la realidad comercial, por
ser una modalidad o asociacin poco usual y sujeta a eventuales
reclamos del comerciante, que se quejara por la opresin tipo tme-
lo o djelo. Mayoristas, minoristas, centrales de compras, agentes
comerciales, comisionistas, representantes, leasing, concesionarios,
distribuidores, etc. pueden tener diferente legislacin comercial e
impositiva domstica en cada pas e internacionalmente).

O sea, B
C
= $0,60(4000)+100 -0,6131(4000) = $47,50.

Telefocom ingresa el costo del comerciante 0,6131(4000) y le resta
sus propio costo de 0,20(4000) +35.

O sea, B
T
= 0,6131(4000) 0,20(4000) +35 = $ 1617,50

Con similar precio y cantidad para el pblico, $0,60 y 4000 llamadas,
implican igual excedente del consumidor, $ 800.

7 c) Cobrarle al tenedor del TP un precio por cada ficha de modo de
maximizar beneficios, teniendo en cuenta que aquel lo fijar a su
vez al pblico segn su conveniencia.

Con las mismas circunstancias y explicaciones del caso b), solo
aumenta aqu el costo fijo a $40.

B
C
= $0,60(4000)+100 -0,613(4000) = $45.

B
T
=0,613(4000) 0,20(4000) +35 = $ 1615.

Con similar precio y cantidad para el pblico, $0,60 y 4000 llamadas,
implican igual excedente del consumidor, $ 800.

539

7 d) Cobrar un alquiler por el TP y fijar la tarifa al valor de compe-
tencia.

Se entiende aqu que Telefocom decide operar cobrndole una tarifa
como si actuara competitivamente. Es decir que la optimizacin ya
no sera en esta caso con un punto de giro con IMg=CMg sino con
IM o demanda igual a costo marginal (y cumpliendo las segundas
derivadas con CMg>IM)

Recurdese que en la grfica competitiva unitaria coinciden el IMg y
el IM, horizontales; adems tngase presente que la simplificacin
terica supone que en el largo plazo coincide el mnimo costo medio
con el costo marginal y el precio o demanda, pero aqu se indican
costos fijos, de corto plazo.

Es decir que la respuesta a esta pregunta surge identificando las
coordenadas del mnimo costo medio total de corto plazo (que en
este caso no es posible debido a la desafortunada eleccin del costo
total lineal como para una empresa sobredimensionada). Pero tam-
bin es posible ubicarse en ese punto de giro (o primera condicin
de mximo) igualando la demanda con el costo marginal:

-X/10000 +1 = 0,20 ; -x/1000 = 0,80 ; X = 0,80(10000) = 8000 lla-
madas;

P
8000
= -8000/10000 +1 = $0,20.

Los ingresos seran de $0,20(8000) +100 de la ventaja comercial
=1700
Los costos de Telefocom son: $0,20(8000) + 47,50= 1647,50.
Surge una diferencia de $52,50, a repartir con algn criterio comer-
cial no especfico, por ejemplo por mitades.

En este caso los beneficios seran

540

B
C
= $0,20(8000) +100 alquiler de $1674,25 = $26,75 (alquiler
calculado por diferencia para que el beneficio sea 26,75)

B
T
= ingreso por alquiler $1674,25 - $0,20(8000) 47,50 = $ 26,75.
(con clculo similar del alquiler)

El pblico abonara $0,20 por cada una de las (mayores 8000) lla-
madas competitivas.

El excedente del consumidor aumentara, segn la mayor diferencia
de rea entre la misma demanda y el menor precio competitivo,
desde el origen hasta las ahora 8000 llamadas:

0
8000
[( X/10000 + 1) -0,20] dx =
0
8000
[(X/10000 +0,80]
dx, que calculamos integrando directamente para el valor 8000
(desde el origen nada se resta)

= -0.0001X
2
/2 + 0,8X]
0
8000

Para X=8000 el Excedente es ahora mayor = - 6400 /2 +
6400 = $3200.

(es fcil visualizar estos valores en la grfica del caso 2 actuando en
la vereda)


541
MULTIPRODUCTO
MODELACION Y PROGRAMACION MULTIPRODUCTO
EQUILIBRIO Y OPTIMIZACION MULTIPLE PRODUCTO
SEIS METODOS EQUIVALENTES
EQUILIBRIO DE LA EMPRESA CON PRODUCCION
DIVERSIFICADA:

El objetivo bsico de la empresa es, en principio, maximizar
beneficios de largo plazo, reinvirtiendo utilidades en el propio rubro,
salvo que segn el ciclo vital del producto u otras causas
competitivas, la direccin considere necesario un cambio de rubro o
una diversificacion.

En las producciones de tipo por proceso (y no las de tipo fijo, como
barcos o diques) las funciones de produccin y las funciones de
costos dependen mayormente de la naturaleza de los productos y
de los tipos de procesos productivos que se utilizan:
-A) Produccin simple:
Es usual estudiar las producciones comenzando por casos de
produccin simple, en los cuales cada rama de una empresa produ-
ce un solo bien de tipo homogneo, ya sea mediante:
- un nico proceso tcnico (soja, pan, cal, carbn, soda cus-
tica)

542
- o bien con la unin de varios procesos tcnicamente separa-
dos (boogies para trenes; equipos especializados).

- B) Producciones mltiples que son muy frecuentes en gene-
ral:
- produccin mltiple de varios bienes diferentes (obtenidos
tanto con - procesos nicos (dos lneas de produccin no
vinculadas, como aluminio y neumticos); o con
- uniones de varios procesos (como tejidos, tubos metlicos,
barras y piezas metlicas).
En estos casos, la optimizacin se estudia comenzando con el uso
de uno o de dos factores, con coeficientes fijos o variables. El prin-
cipio matemtico de mximo y mnimo y la funcin combinada de
Lagrange permiten la optimizacin de estos casos simples elemen-
tales con una o con dos variables.
En estos casos de coeficientes fijos o variables, salvo preferencias
de algn producto para algn cliente tradicional o preferenciales con
abastecimiento obligado (para ese usuario protegido, o bien para
clientes por otras razones similares, como en el accionar de la
empresa socialmente responsable ESR-) la optimizacin en estos
casos suele utilizar el anlisis marginal.

La demanda de cada producto condiciona los ingresos y el ingreso
marginal en cada producto; igualndolo al costo marginal indicar la

543
contribucin marginal de cada producto. La seleccin permitir
optimizar o maximizar el beneficio de la empresa.
Cuando la cantidad de restricciones aumenta, es necesario avanzar
en los anlisis y optimizar mediante sistemasde ecuaciones, utili-
zando el lgebra matricial o con programacin lineal o no lineal,
usando Solver de Excel o sus equivalentes de otras empresas in-
formticas para programacin multivariante.
- C) producciones mltiples conjuntas o conexas, obteni-
das en diferentes etapas de uno o varios procesos a partir de una
misma materia prima (con coeficientes fijos o semifijos; y algn
punto de separacin que determina la formacin de cada subpro-
ducto y que os contadores tienen en cuenta para la determinacin
de los costos de cada coproducto);
- ya sea sucesivamente (laminacin de chapas de acero en
caliente, en fro, hojalata; diversos combustibles en una torre de
destilera);
- o bien en forma alternativa (diferentes automotores; ma-
quinaria; confecciones textiles variadas en color, talle, tipo, sexo,
temporada etc).
(en stos y en todos los otros casos, tambin puede haber adems
generacion conjunta de subproductos de menor importancia)

En algunos rubos los analisis de estacionalidad son muy
importantes y se pueden incorporar dentro de la programacin de la
produccin multivariante.

544
En estas producciones conjuntas o conexas es caractersitica la
existencia de multiples restricciones, por lo cual es tambin necesa-
rio optimizar mediante sistemasde ecuaciones, utilizando el lgebra
matricial o con programacin lineal o no lineal, utilizando Solver de
Excel o sus equivalentes de otras informticas.
La cantidad de variables involucradas depende de cada actividad,
decenas, cientos, miles o ms segn sean las actividades
industriales o la prestacin de algunos servicios, como distribucin
de energa, fludos, transportes, etc.

- C) Uniones transitorias de empresas UTE
Cuando dos o varios productores actan conjuntamente: la
negociacin suele simplificar la participacin de cada empresa en el
negocio, a travs de alguna fijacin del precio del insumo o del
valor agregado en cada etapa del negocio (usualmente en bienes de
tipo posicin fija, como barcos, diques, plantas energticas, usinas,
puertos), los que son ms frecuentes que la formacin de UTE para
las anteriores producciones de tipo por proceso.

SUBPRODUCTOS
Adems de los coproductos en las producciones conexas, cualquier
tipo de produccin enumerada anteriormente puede originar otros
materiales:
- subproductos (se pueden reusar o vender);

545
- sobrantes (con valor, se reincorporan al proceso; o sin valor);
- residuos (que no se pueden aprovechar pero quizs son vendi-
bles); y tambin
- desperdicios de materiales o productos (que se venden sin otro
proceso).
En principio, los subproductos son una consecuencia de los proce-
sos y no suelen formar parte de la programacin bsica de la em-
presa.
Los mtodos clsicos eran utilizados para la economa, con enfoque
preferentemente macroeconmico y se limitaban a casos de muy
pocas variables. La programacin lineal y el clculo de matrices me-
diante Excel y otros han otorgado autonoma a la microeconoma, al
permitir la resolucin multivariante en forma prctica o fcil.
En este trabajo se incluy un ejemplo sobre 6 mtodos equivalentes,
que para una sistema de 2x2 incluye los operadores de Lagrange, el
mtodo grfico y el Simplex junto con matrices manualmente; ade-
ms el Simplex mediante Solver y tambin matrices, ambos segn
Excel.
La ventaja de la exposicin o tratamiento conjunto de los 6 mtodos
es que mediante los dos ltimos pueden ser resueltos con cientos y
miles de variables respectivamente. Se incluyeron adems otros

546
diez utilitarios de empresas informticas para esto, en funcin de la
necesidad de verificar cualquier clculo mediante las ms diversas
formas posibles (en todos los casos las explicaciones estn abre-
viadas y simplificadas)


547
PRODUCCION CONJUNTA DEPENDIENTE (CONEXA)

Por produccin conjunta dependiente se entiende una funcin de
produccin de un solo insumo del cual se pueden derivar dos o ms
productos (ejemplo: de la leche se pueden obtener queso y yogurt)

Como ejemplo numrico se puede suponer una funcin de produc-
cin conjunta: del insumo X se obtienen dos productos Q
1
y Q
2

X = Q
1
+ Q
2

Esta funcin muestra las cantidades del producto 1 y 2 que se pue-
den obtener del insumo X.

Si tuvisemos una cantidad fija de 100 de insumo X, y el producto
Q1 y Q2 se venden en el mercado a $3 y a $2 respectivamente.
Qu cantidad de producto 1 y 2 convendra producir para maximi-
zar el ingreso, sujeto a esta cantidad de insumo de X=100?

El planteo es similar al de la maximizacin de la utilidad cuando dis-
ponamos de dos bienes: la combinada de Lagrange es ahora

B = 3(Q
1
) + 2(Q
2
) + &(100 Q
1
- Q
2
)

FOC)
Obtenemos las derivadas parciales:

dB/d
Q1
= 3 - &2q1 = 0 => & = 3/2q1
=> 3/2q1 = 1/q2 => q1 = (3/2)q2 (*)
dB/d
Q2
= 2 - &2q2 = 0 => & = 1/2q2

dB/d
&
= 100 Q
qi
- Q
q2
= 0
segn (*) => 100 [(3/2)q2] - q2 = 0

=> 100 (13/4)q2 = 0 => Q
2
= 5,55


548
=> Q
1
= 16,64
(de donde surge &= (5.55)=2,97)

Estas son las cantidades de q
1
y q
2
que habra que producir para
maximizar el ingreso contando con un insumo de 100.

SOC) con H >0:
-2& 0 -2Q
1
-2(2.97) 0 -2(16.64)
0 -2& -2Q
2 =
0 -2(2.97) -2(5.55) =

1- 1- 0 -1 -1 0

= +246, positivo, que garantiza ser mxima esa produccin.

En la realidad suele haber situaciones ms complicadas, con nume-
rosas restricciones, que se resuelven mediante programacin lineal,
generalmente con Solver de Excel y/o tambin con matrices de Ex-
cel.


549
MODELACION Y PROGRAMACION MULTIPRODUCTO.
EQUILIBRIO Y OPTIMIZACION MULTIPLE PRODUC-
TO. SEIS METODOS EQUIVALENTES
Las conocidas limitaciones de los economistas clsicos para resol-
ver sistemas con ms de dos o tres variables han orientado a un
usual tratamiento del clculo del equilibrio con mltiples productos
con una incorrecta simplificacin de la situacin mediante el supues-
to de un costo promedio y el clculo de las contribuciones margina-
les segn un criterio de obtener algo posible y satisfactorio (que
Herbert Simon denomin sufficing) pero que elude la optimizacin.
Sin embargo, la mayora de las empresas se enfrenta a la produc-
cin de varios o muchos bienes, mediante costos que pueden o no
ser separables por producto, bienes complementarios o sustitutos,
diferentes situaciones de preferencias, condicionamientos intertem-
porales, metas diferenciadas, alternativas y otras circunstancias muy
diversas. Los modelos pueden ser lineales, no lineales, de progra-
macin entera, binomial, dinmica, con variables discretas, estocs-
ticos, etc.
Estas situaciones conducen a la resolucin de sistemasde ecuacio-
nes, que pueden plantearse axiomticamente y simblicamente con
diferentes enfoques, pero que para concretar su clculo llevan fi-
nalmente y necesariamente en la generalidad de los casos a plan-
teos mediante matrices y/o especialmente a la solucin mediante
programacin lineal, bajo rendimientos constantes usualmente en la
mayora de los casos; y en algunas ocasiones a otras bajo rendi-
mientos no constantes mediante programacin no lineal, cumpliendo
las condiciones Kuhn-Tucker.
Por analoga con la optimizacin con una variable (y restriccin de
no negatividad), en la extensin paretiana a dos variables, el equili-
brio exiga las condiciones de convexidad en la curvas isocuantas y

550
cumplir la restriccin presupuestaria; estas condiciones al menos
simblicamente pueden ser generalizadas agregando operadores y
restricciones y estudiando el hessiano y sus menores. Se requieren
condiciones (solo tericas) para la funcin, su combinada lagran-
geana y los operadores (precios sobra; sensibilidad respecto al lado
derecho o recursos), que igualmente implican o conducen al lgebra
de matrices, pero abordando en la prctica solo estos casos lagran-
geanos con muy pocas variables, que finalmente son de relativa o
muy limitada utilidad prctica.
En definitiva la modelacin y programacin multiproducto se concre-
ta en la prctica solamente con programacin lineal, no lineal y otras
o bien con matrices, pero siempre mediante Excel y alguno de los
otros 10 utilitarios desarrollados en MCE (igualmente con la progra-
macin multiobjetivo o multicriterio, tratada ms adelante)
Convienen preferentemente, las diferentes alternativas de Solver de
Excel para programacin lineal, no lineal y otras que se explican en
los ejemplos de MCE. Y para matrices conviene Excel, mediante los
dos mtodos usuales: matriz inversa utilizando =MINVERSA( ; ) o
el mtodos de los determinantes utilizando (=MDETERM( ; ) de
Excel, que tambin es el utilizado en todos los dems utilitarios ex-
plicados).
O sea, se plantea la funcin objetivo y el sistema de las restricciones
del problema y se procesa en Excel y en otros utilitarios, simul-
tneamente para confrontacin de los resultados.
En el caso de utilizar matrices, se trata de calcular la matriz inversa
y luego multiplicar est por el vector de los recursos para obtener los
valores maximizantes de cada variable, los cuales se utilizarn fi-
nalmente para calcular el resultado segn la funcin objetivo.
Si se utilizar el mtodo de resolucin del sistema mediante determi-
nantes, para calcular cada variable maximizante se reemplaza en el

551
hessiano la respectiva columna por el vector de los recursos; final-
mente se divide el valor obtenido en este determinante por el valor
del hessiano para obtener la raz o valor de la variable optimizante.
Una vez calculadas todas, se las utiliza para obtener el resultado
reemplazando esos valores en la funcin objetivo.
En este sentido tambin se incluy en MCE un ejemplo comparando
seis mtodos equivalentes, que desarrolla un sistema de 2x2 me-
diante los procesos clsicos de los operadores de Lagrange, pro-
gramacin lineal por mtodo grfico, mtodo Simplex y matrices,
todos en forma manual. Adicionalmente se resuelve el mismo ejem-
plo utilizando Solver y utilizando matrices, ambos de Excel, ya que
estos dos ltimos, que no disponan los economistas clsicos hasta
mediados del siglo XX, son el procedimiento especfico ineludible
para la operatoria concreta en las empresas, casi siempre abocadas
a mltiples productos y alternativas.
A diferencia de otras disciplinas, como mecnica, fsica, etc. los pro-
blemas econmicos se reducen al primer cuadrante, acotando mu-
cho los requerimientos analticos necesarios. La programacin ma-
temtica puede ser tan amplia como la gama de problemas plantea-
dos y/o tambin con el tipo de lenguaje simblico y axiomtico que
se utilice, pero refirindose a las n variables, que en la prctica solo
son las inviables 1, 2, 3 4 clsicas.
Igualmente ocurre con el lgebra matricial; est tambin se simplifi-
ca mucho para la optimizacin empresaria en general (mximos y
mnimos condicionados): implica utilizar sistemas cuadrados, no
nulos porque no optimizaran. Puede haber variables nulas (originan
capacidades ociosas), pero no todas pueden ser nulas. No debe
haber restricciones colineales o mltiplos entre s, ya que bajara el
rango u orden de la matriz y no sera cuadrada (se requieren siste-
mas determinados con igual nmero de ecuaciones que de incgni-
tas).

552
Para la matriz insumo-producto se necesita adems que los vecto-
res columna contengan coeficientes fraccionarios menores a la uni-
dad y totalicen uno; y en vez de la matriz inversa de los coeficientes
se invierte aqu la matriz del complemento de los coeficientes a la
matriz I (ver en el captulo 3).


553

COMPETENCIA DESLEAL

Las decisiones en materia de competencia desleal y de cuestiones
antidumping / subsidios, representan variables que condicionan en
muy alto grado la magnitud de la demanda de las empresas. Suelen
depender fuertemente de consideraciones de poltica internacional y
local, adems de las cuestiones econmicas.

El tratamiento de estas ltimas se efecta en trminos del modelo
de la competencia perfecta y sus presentaciones alternativas que
posibilita Excel; la claridad y documentacin no es absolutamente
decisoria, pero ayuda a relativizar las consideraciones extraecon-
micas de poltica internacional y local.

En el mbito del comercio interior argentino la Comisin Nacional de
Defensa de la Competencia, controla las conductas monoplicas
bajo la Ley 25156, tal como ocurre en los EEUU y otros pases.

Son clebres los casos CNDC s/YPF SA; American Express c/ Visa,
Mastercard y Argencard; Sadit c/ Massalin Particulares SA; Editorial
AMFIN SA c/ Arte Grfico Editorial Argentina SA y muchos otros.

El mercado legal es el que se aproxima al modelo competitivo; los
monopolios restringen la cantidad y suben los precios, afectando el
excedente del consumidor.

Las presentaciones en este mbito implican argumentaciones segn
los modelos aqu comentados, para las cuales Excel representa
facilidades de consideracin.


554
ANTIDUMPING

En el mbito de la Comisin Nacional de Comercio Exterior se dili-
gencian las presentaciones argentinas por conductas anticompetiti-
vas vinculadas con el comercio exterior.

Los productores locales pueden sentirse afectados en doble sentido:
en importaciones sustitutivas con precios dumping a niveles inferio-
res que los precios en sus mercados domsticos de origen.

Por otra parte, los productores que exportan tambin pueden afectar
los intereses de productores en mercados externos, y recibir denun-
cias de stos a travs de sus gobiernos por ventas a precio dum-
ping (venta a precio menor que para el mercado local) o bien de-
nuncias por subsidios, tal como suele ser la inquietud de que el rein-
tegro de impuestos a exportadores representa un subsidio.

En los pases latinoamericanos existen estadsticas aduaneras por-
menorizadas al nivel de cada despacho (individualizando precios,
marcas, empresa y dems datos comerciales particulares, de cada
una y absolutamente todas las importaciones y exportaciones), los
cuales son de circulacin pblica a travs de operadores informti-
cos particulares de las administraciones aduaneras.


555

Estos datos se publican clasificados por posicin del nomenclador
arancelario de importacin / exportacin y fecha. El nomenclador
clasifica todo tipo de bienes en 96 captulos, a 8 (y a 11) dgitos,
incluyendo derechos de importacin, tasa estadstica y reintegro de
exportacin:

Cap.1 hasta 24) carnes, cereales, alimentos, bebidas, tabaco
Cap. 25 a 27) tierras, minerales, combustibles
Cap. 28 a 30) qumica inorgnica, orgnica y medicamentos
Cap. 31 a 39) fertilizantes jabones, explosivos, plsticos
Cap. 40 a 71) caucho, madera, textiles, calzado vidrio
Cap. 72 a 81) acero, laminados, metales comunes varios
Cap. 82 a 96) manufacturas, maquinaria, automotores, muebles, etc.


556

Por normas de la ONU y OMC existe en casi todos los pases infor-
macin muy "agregada", por industria (sin individualizar despachos
ni productos), que recopilan anual o mensualmente los institutos de
estadsticas y censos de cada pas. En algunos pocos casos estn
disponibles por Internet.

Pero paradjicamente, no existe esta informacin detallada para
operaciones individuales de importacin o exportacin en EEUU,
Europa, Asia y frica. Sin embargo, mediante ella es posible aqu
realizar comparaciones sobre precios dumping u otros y preparar en
Excel cuadros mensuales de los ltimos 4 aos (con produccin, im-
portacin y exportacin) cuyo registro magntico (disquete) requiere
el rgimen para estas presentaciones.

El mercado disponible y demanda de chapas de acero, miel, perfiles
y numerosos bienes diversos son permanentemente incluidos en
estas presentaciones, segn puede observarse en los listados de
las Secretaras respectivas (www.mecon.gov.ar).

CARGA IMPOSITIVA PARA EXPORTADORES

La carga impositiva que afecta a las producciones locales y exporta-
bles suele ser muy alta. A las empresas les afecta directamente me-

557
nos de 10%, pero considerando los impuestos incorporados en sus
compras, la incidencia puede triplicarse.

Los proveedores soportan la misma carga impositiva y la incorporan
en sus facturas de venta, al igual que lo hicieron los proveedores
anteriores en aquellos lo hicieron, incorporndola en los costos del
exportador, en un efecto piramidal o en cascada.

Para calcular este efecto "neto", se evita duplicar la piramidacin,
dividiendo cada incidencia por su inverso ("el grossing up"), porque
las facturas de compra ya incluyen el importe de la carga.

La legislacin de los EEUU y de la Organizacin Mundial de Comer-
cio -OMC- solo admite la carga piramidal integrada fsicamente al
producto exportable, que se compara con el porcentaje de reintegro
para observar si hay devolucin excesiva o subsidio.


558

PROTECCIN EFECTIVA DE UNA INDUSTRIA

La demanda de las empresas suele depender tambin de la protec-
cin efectiva, o derecho de importacin relativo de su producto com-
parado con el de su insumo.

Supngase por ejemplo, que la participacin del costo del algodn
en la produccin de hilado fuera 50%. Si el derecho de importacin
del algodn fuera 0 %, mientras que el derecho de importacin del
hilado fabricado con aquel fuera 10%, la proteccin efectiva para los
productores del hilado de algodn sera: 0,10 / 0,50 = 0,20 (20%).

Igualmente con cualquier otro producto y sus materias primas, gene-
ralmente liberadas de derechos en los casos en que no existen ya-
cimientos o abastecimiento locales.

Con intereses opuestos a los de los comerciantes, los productores
requieren elevados derechos para sus bienes manufacturados y
ninguno para sus materias primas (y hay dificultadas cuando tam-
bin existen yacimientos o recursos locales de aquellas).

Por el contrario, los comerciantes estn interesados en competir
con importaciones de productos manufacturados y reclaman ba-
jos derechos de importacin, alegando favorecer el inters de los
consumidores.

559
CAPITULO 9
TEORIA DE JUEGOS CONTEXTO HOSTIL

ESPECIALIZACIONES COMPARTIDAS

Como consecuencia de la falta de objetividad de la teora microeco-
nmica neoclsica, es cada vez ms usual agrupar conjuntos de
tcnicas (matemticas, lgicas, econmicas, sociolgicas, etc.) bajo
nombres, como investigacin operativa, econometra, teora de la
decisin, etc. Sus contenidos suelen aparecer parcialmente coinci-
dentes, solapados entre s; y en sus enfoques bsicos conforman
los programas de la microeconoma, aunque en estas especializa-
ciones profesionales se superan los contenidos curriculares de esta
asignatura para contadores o ingenieros industriales.

Igual que la microeconoma, la Investigacin Operativa incluye tc-
nicas de la teora de los juegos, teora de las colas y de los grafos,
programacin lineal o dinmica o anlisis estadstico y clculo de
probabilidades. Igualmente, la Teora de la Decisin ( tambin in-
cluye enfoques compartidos con la microeconoma (segn Neu-
mann-Morgenstern 1947, W. Wald y Savage 1954, Simon 1960) y
suele abarcar problemas bajo contexto cierto, bajo riesgo y bajo
incertidumbre (adems de otros complejos de incertidumbre no es-
tructurada as, en los que se recurre a la modelacin matemtica y
computacional).

TEORIA DE JUEGOS

Como una aproximacin o introduccin al tema, interesa anticipar
que este nuevo conjunto de mtodos y razonamientos para la toma

560
de decisin (en innumerables tipos de cuestiones personales y/o
empresariales) no conforma un cuerpo orgnico para describir el
comportamiento de la empresa; es decir que no reemplaza a la mi-
croeconoma tradicional, sino que muy por el contrario, la comple-
menta, como un nuevo punto de vista, especialmente til para definir
situaciones no abarcadas anteriormente.

De hecho, la teora del oligopolio junto con nuevos desarrollos sobre
teora de juegos han originado y conformado importantes aportes
tempranos y recientes (modelos de Cournot, Bertrand, Edgeworht y
equilibrio de Nash para casos con homogenidad de productos; mo-
delos de Chamberlin, de Hotelling y de Robinson para casos con
diferenciacin de producto; modelos de Stackelberg; modelos colu-
sivos (cartel) con informacin incompleta, modelos cooperativos,
con informacin incompleta, imperfecta, dinmicos, secuenciales,
infinitos).

Se remarca en esta ubicacin inicial: las matrices de pagos o pre-
mios para cada jugador previstas en los juegos, requieren previa-
mente que se calculen los premios de cada estrategia mediante los
mtodos de optimizacin clsicos (algebraicamente para simplifica-
ciones con una o dos variables, y con programacin lineal o matri-
ces para mltiples variables, etc).

O sea, la teora de los juegos requiere en general aplicar previamen-
te los anlisis microeconmicos clsicos tradicionales de optimiza-
cin, para finalmente proceder a la toma de decisiones segn este
moderno enfoque lgico matemtico o punto de vista de la teora de
juegos.

Esta novsima teora de juegos se refiere a la toma de decisiones
interdependientes, cuando el resultado depende de una u otra ac-
cin que puedan tomar los dems jugadores. Se caracteriza porque
todos conocen esta circunstancia y actan bajo las reglas de la lgi-
ca Neumann-Morgenstern (N-M).

561

Por este motivo, para este curso introductorio se plantea aqu una
orientacin sobre los contenidos bsicos de un juego; una posible
clasificacin de estos; y la presentacin de mtodos y ejemplos re-
sueltos de varios casos relevantes, necesarios segn la currcula de
un contador o ingeniero.

Los juegos son esquemas lgico-matemticos: se suelen plantear
mediante representaciones formales, incluyendo: a) normas sobre
los jugadores (cantidad finita, todos bajo la lgica N-M) y otras re-
glas de juego; b) reglas sobre quien juega primero; c) pautas sobre
qu cosas (informacin) conocen o no los jugadores antes de ha-
cer su jugada; y tambin que cada uno conoce los posibles cursos
de accin de los otros, dentro de un nmero finito de estrategias ;
d) todos conocen qu cosas se puede hacer al momento de actuar
y ambas partes (o todas) intervienen en cada jugada; e) igualmente,
conocen los resultados posibles de cada accin.

Los primeros anlisis en Game Theory and Economic Behavior, de
von Neumann-Morguenstern, se refirieron mayormente a los juegos

562
de suma cero o nula, en los cuales lo que uno gana es lo que pierde
el otro (en 10 de sus 12 captulos; mayormente para 2 jugadores y
solo axiomticamente para 3, 4 y n >=5 jugadores, cuya implemen-
tacin es inviable sin programacin lineal efectiva).

En el captulo III se plante este juego de 2x2, segn la matriz de
pagos para el jugador A:

Ambos calculan con solo la matriz de los pagos para un jugador (A),
de modo que implcitamente se analiza al oponente (B) con lo
opuesto (o segn se lo indique, el complemento) de esta matriz:

-2 1
-1 2

si por ejemplo, la matriz de pagos a A tiene una estrategia con el
valor -2, deja implcito que el jugador B ganar 2, etc.

Ambos jugadores conocen las reglas y tienen un comportamiento
N-M prudencial o asegurador (sin riesgos, maximin): el jugador A
observa los mnimos de sus 2 estrategias segn las filas, -2 y -1 y
selecciona como estrategia el mximo de sus mnimos, -1.

Tambin con esta matriz de pagos para A el jugador B observa los
mximos de sus dos estrategias por columna, -1 y 2 y selecciona
como su estrategia N-M el mnimax -1. Ambos coinciden seleccio-
nando la opcin fila 2 columna 1; y se benefician con esa decisin: A
perdiendo solo 1 y B ganando 1.

Una estrategia pura es aquella que resulta ser la ganadora solo
con ese curso de accin, aqu la 2 de A y la 1 de B; las otras estra-

563
tegias son dominadas, aquellas que representan menor premio que
otra. La estrategia dominante puede ser estrictamente dominante si
es mayor que, o dbilmente dominante si es mayor o igual que otra
dominada.

Una accin con probabilidad =1, es as una estrategia pura. Segn
el anlisis impulsado por J. Nash para otros casos sin esa solucin
anterior, una estrategia mixta no pura es una proporcin de accio-
nes; una distribucin de probabilidades sobre varias estrategias. En
estos casos, un equilibrio de Nash ocurre cuando nadie quiere
cambiar su decisin dada la combinacin de estrategias de los res-
tantes; no requieren actividad externa y todo el incentivo es el propio
inters personal de cada jugador. Sin embargo, no est aqu nece-
sariamente definido el resultado: puede haber solucin si evalan
que as les conviene a los participantes.

Las reglas del juego requieren una formalizacin del planteo: jue-
go J = (N; Ai; Ui), con reglas que todos deben conocer. Por ejemplo,
en el conocido dilema del prisionero se define 1) la cantidad de ju-
gadores N=2; 2) las acciones Ai posibles para todo jugador: confe-
sar no confesar; c) una funcin de pagos Ui, segn la lgica ma-
ximin-minimax N-M.

En este dilema, la accin No confesar es una estrategia dominada
por la estrategia dominante Confesar. El juego consiste en eliminar
las estrategas dominadas, bajo el presupuesto de actuacin racional
N-M.

Puede haber varias estrategias que proporcionen puntos de silla;
tambin puede haber juegos sin puntos de silla, para los cuales se
pueden implementar estrategias mixtas al azar.

En los juegos sin puntos de silla se eligen estrategias al azar que
guarden una distribucin de probabilidad, para que el oponente no
neutralice las decisiones optimizantes o valor esperado (VE). Este

564
VE se obtiene prescindiendo de las acciones que pueda realizar el
oponente, quien obtendr una VE similar: el valor maximin del juga-
dor I es similar al valor minimax del jugador II.

Una estrategia mixta para un jugador es una distribucin de pro-
babilidad en el conjunto de sus estrategias puras. Las estrategias
puras y mixtas tienen al menos una estrategia de seguridad para
cada uno de los jugadores.

Las estrategias y el valor esperado VE del juego pueden obtenerse
mediante varios mtodos: algebraicamente, grficamente y con pro-
gramacin lineal. El primal del jugador I tendr como dual al primal
del jugador II.

Las estrategias mixtas optimizantes maximizan el premio o seguri-
dad para el jugador I, as como limitan los pagos del oponente, se-
gn el teorema del minimax de von Neumann en 1932 (generalizado
por Kakutani en 1941 utilizando el concepto del teorema del punto
fijo de Brouwer).

TEOREMA MINIMAX:

En todo juego bipersonal finito de suma cero existen estrategias
mixtas ptimas para cada jugador, con un premio similar para am-
bos; consecuentemente, al optimizar la seguridad, ganancia o VE de
un jugador tambin se estn limitando los pagos del oponente.

Mientras el oponente acte con sus estrategias ptimas ningn ju-
gador se beneficia cambiando su estrategia ptima, salvo que el
juego tenga ms de un punto de equilibrio, intercambiables y equiva-
lentes, proporcionando un mismo VE del juego.

Mediante el mtodo Simplex es posible resolver juegos de 2 y tam-
bin otros con ms jugadores, ya sea con 2 o con ms estrategias

565

La teora de los juegos est sujeta a diferentes clasificaciones,
segn sean los tipos de juegos abarcados y por lo tanto su caracte-
rizacin, todava en desarrollo, hace difcil buscar o tener alguna
definicin y clasificacin completas.

Observando los desarrollos desde la Game Theory de Neumann y
Morgenstern (N-M), este anlisis se comenz estudiando juegos de
dos personas y suma cero (constante o matriciales 2x2), con ensi-
lladura, planteados en forma estratgica (matrices escalares o vec-
toriales) o bien en forma extensiva (con rboles de decisin). Los
juegos sin solucin, guiaron a J. Nash y otros a desarrollar diferen-
tes estrategias mixtas segn los casos.

Estos desarrollos iniciales a partir de la lgica y funciones de utilidad
Neumann-Morguenstern fueron planteados para juegos no coope-
rativos (juegos de dos personas con suma cero) presentndolos en
la forma estratgica (matricialmente, con escalares, cifras), bajo
contexto competitivo, hostil; tambin se presentaron otros casos en
forma extensiva, utilizando diagramas (rboles) con los posibles
cursos de accin de ambos jugadores; finalmente tambin algunos
juegos cooperativos.

A continuacin de aquellos primeros juegos con solucin (ensilladu-
ra), se presentaron otros que requieren estrategias mixtas, defi-
nindose el concepto de dominacin (anlisis de dominancia) y los
equilibrios de Nash: se plantearon soluciones para casos tanto est-
ticos con informacin completa o incompleta y dinmicos con
informacin adquirida perfecta o imperfecta:

Juegos estticos con informacin completa, se plantearon solu-
ciones segn el anlisis de la dominacin /dominancia (oligopolio de
Cournot, duopolio de Bertrand, o el caso Clarke-Groves para la
asignacin de un bien pblico); juegos dinmicos con informacin
completa (prisionero repetido); equilibrio de Nash en subjuegos;

566
juegos dinmicos con informacin completa pero adquirida perfecta
(induccin hacia atrs) y completa pero adquirida imperfecta (duopo-
lio de Stackelberg; modelo de Leontief).

Juegos estticos con informacin incompleta: juegos bayesianos,
equilibrio bayesiano de Nash; duopolio de Cournot con informacin
incompleta; casos de subastas.

Juegos dinmicos con informacin incompleta: equilibrio baye-
siano perfecto; equilibrio bayesiano secuencial; juegos de sealiza-
cin; modelo A.M.Spence de sealizacin para el mercado laboral.

En el conjunto de juegos, repetidos, se plantearon con un nmero
finito de etapas; y con infinitas etapas (como un modelo de Cour-
not indefinidamente). Se plantearon con homogenidad y con dife-
renciacin de productos y en general, se fueron aclarando casos a
partir de los primeros desarrollos de la teora microeconmica sobre
varios mercados oligoplicos (Cournot, Bertrand, Stackelberg, etc.),
que abrieron el camino para este enfoque de la teora de juegos de
N-M, Nash y otros.

Tambin se desarrollaron complejos esquemas para los jue-
gos cooperativos y de acuerdos, que ya se presentaron axiomti-
camente en la Game Theory: conjunto de juegos que tienen solucio-
nes (o imputaciones) bajo racionalidad individual y tambin raciona-
lidad grupal. Se puede anticipar una idea bsica o teorema: solo
habr solucin si con la colusin cada uno recibe un pago mayor o
igual que lo que percibira actuando por su cuenta (por ejemplo, bajo
cartel deben mejorar lo que percibiran como duopolio, o siendo l-
der, o siendo seguidora, etc).

Adicionalmente al concepto de imputaciones, se presenta la idea o
concepto de core (subconjunto de imputaciones dentro de un con-
junto, que podran constituir acuerdos no impugnables unilateral-
mente y que aporten mayor beneficio que lo conseguible en forma

567
individual); el concepto de nucleolus (cuando la solucin cooperati-
va del core no es ni un conjunto vaco ni demasiado grande); el valor
de Shapley (valor esperado de la contribucin marginal de un juga-
dor que accede a una coalicin); coaliciones y juegos equilibrados
para ver si un core es o no vaco; formacin de coaliciones mediante
complejos anlisis combinatorios para conjuntos en los que en 2
n
-1
los n agentes es grande; el ndice de Banzhaf en coaliciones bina-
rias y multilineales; el ndice similar de Owen para definir cuando es
ventajoso para un subconjunto coaligarse; as como tambin los
procesos para solucionar los juegos de mltiples alternativas, cuyos
tratamientos en complejos sistemas axiomticos con desarrollos
recientes exceden lo requerido para una introduccin en un curso
general de microeconmica.
EJEMPLOS DE JUEGOS NO COOPERATIVOS

En cuanto a los primeros casos elementales de juegos estratgicos,
con dos jugadores y dos estrategias fueron formulados mediante
dos matrices (bimatriciales), o bien con una sola matriz, que en vez
de escalares (cifras) contiene vectores fila con las estrategias de
ambos, tanto en casos estticos como repetidos y con dos o con N
jugadores: juegos multiobjetivo, considerando diferentes estrategias
y/o muchos jugadores (no cooperativos, mediante mtodos grfi-
cos, mtodos analticos o con programacin lineal, incluso me-
diante aplicaciones computarizadas, especialmente para los casos
de varios jugadores y estrategias).

Algunos juegos estticos, con informacin completa (reciben un pa-
go al jugar, pero no saben que elegir el otro ni pueden reaccionar):
el dilema del prisionero; la guerra de los sexos; policas y ladrones,
etc., cuya presentacin como casos simples permite concretar los
conceptos bsicos de juegos; y a continuacin plantear el tratamien-
to original de la competencia imperfecta clsica (oligopolio) median-
te este enfoque de la teora de juegos.

568

EL DILEMA DEL PRISIONERO
(matricial vectorial, nico o esttico)

Dos delincuentes son detenidos y encerrados en celdas de aisla-
miento de forma que no pueden comunicarse entre ellos. El comisa-
rio sospecha que han participado en el robo del banco, delito cuya
pena es diez aos de crcel, pero no tiene pruebas. Slo tiene
pruebas y puede culparles de un delito menor, tenencia ilcita de
armas, cuyo castigo es de dos aos de crcel. Promete separada-
mente a cada uno de ellos que reducir su condena a la mitad si
proporciona las pruebas para culpar al otro del robo del banco.
Las alternativas para cada prisionero pueden representarse en for-
ma de matriz de pagos. La estrategia "lealtad" consiste en permane-
cer en silencio (No confesar) y no proporcionar pruebas para acusar
al compaero. Llamaremos "traicin" a la otra estrategia (Confesar).
Dilema del prisionero
Matriz de Pagos
(aos de crcel)
Prisionero Y
No confesar Confesar
Prisionero X
No confesar 2 ; 2 10 ; 1
Confesar 1 ; 10 5 ; 5

Los pagos a la izquierda o a la derecha de la barra indican los aos
de crcel a los que es condenado el preso X o Y respectivamente
segn las estrategias que hayan elegido cada uno de ellos.

569
La aplicacin de la estrategia maximin (para ambos) conduce en
este juego a un resultado subptimo. Al no conocer la decisin del
otro preso, la estrategia ms segura es traicionar. Si ambos traicio-
nan, el resultado para ambos es peor que si ambos hubieran elegido
la lealtad, aun as es preferible que correr el riesgo de obtener 10
aos. Este resultado 5 / 5 es un punto de equilibrio de Nash (aqu, lo
menos malo). El dilema del prisionero, tal como lo hemos descrito,
es un juego de suma no nula, bipersonal, estratgico y simtrico
(presentado con matriz vectorial y no escalar). Fue formalizado y
analizado por primera vez por A. W. Tucker en 1950. De 2x2, equili-
brado, con solucin segn Nash (sin ensilladura), no corresponde su
implementacin con programacin lineal en esta forma esttica.
El dilema del prisionero puede ampliarse agregando la condicin de
ser repetido indefinidamente: la estrategia de amenaza, basada en
la represalia del ojo por ojo, o estrategia gatillo (trigger strategy)
hace que si uno denuncia el otro tambin lo har a partir de ese
momento, obtenindose otro equilibrio de Nash al ser repetido inde-
finidamente.

Al introducir condiciones de informacin incompleta, como por
ejemplo hacer creer que uno pueda actuar en forma irracional, se
agrega la nocin de reputacin de cada jugador. Cada jugador
calcula la esperanza de que el otro no denuncie en cada secuencia
del juego segn esa reputacin, basndose en conjeturas o creen-
cias que tienden a ser profecas autorealizadoras; conduciran a la
eleccin de estrategias de equilibrio con un pago mejor que bajo
represalias gatillo sin incertidumbre.
TOMA Y DACA
Este juego se ve como una estrategia ptima en teora de los juegos
para el dilema del prisionero pero iterado. La expresin tit for tat se
refiere a golpes suaves, que se entienden como una "represalia

570
equivalente": "golpea suavemente al que te ha golpeado suavemen-
te".
Un agente que use esta estrategia responder consecuentemente a
la accin previa del oponente. Si el oponente ha cooperado previa-
mente, el agente cooperar. Si el oponente deserta el agente se
vengar de l. Estas caractersticas hacen que el funcionamiento de
esta estrategia sea fcil de comprender por el oponente, y se pueda
as encontrar una forma de trabajar en un juego repetido. La estra-
tegia depende de cuatro condiciones:
1. El agente siempre colabora, a menos que sea provocado con
una desercin.
2. El agente se vengar ante cualquier desercin.
3. El agente perdona fcilmente una vez que se ha vengado.
4. El agente debe tener una probabilidad mayor de 2/3 de jugar
de nuevo contra el mismo oponente.
ESTRATEGIAS MIXTAS

Supnganse dos empresas que compiten monoplicamente. Ambas
coinciden en la visin del mercado y procuran que su oponente no
anticipe cul ser su accionar en cada campaa para que no pueda
neutralizarla. A tiene 2 estrategias y B 3 en sucesivos juegos repeti-
dos.

Los ingresos de una se consideran sustrados a las posibilidades de
la otra. La matriz de pagos a una representa lo que pierde la otra:

PAGOS PARA A:
B
A 5 7 2
9 4 8


571
Tratando de asegurar lo mejor, cada una elige lo que al otro no le
interese. A selecciona sus dos mnimos (3 y 4) y elige lo mejor, 4
(maximin).

B est calculando sobre estos pagos para A, entonces seleccionar
aqu los tres mximos (9, 7, 8) y elige el menor, 7 (minimax).

Sus decisiones no coinciden; no hay punto de ensilladura y debern
proceder con otro criterio, mediante estrategias mixtas.
ESTRATEGIAS DOMINADAS

Adems, B estudia los premios que recibira A y como tiene una
estrategia ms que A observa que B perdera en las dos ltimas
menos que con la primera: entonces B considera que tiene su pri-
mer estrategia dominada por las otras dos. Su matriz de juego que-
da reducida a:

PAGOS PARA A
B
A 7 2
4 8
A selecciona los mnimos (2 y 4) y elige 4 (el maximin). B selecciona
los mximos (7 y 8) y elige 7 (el minimax). Tampoco hay punto de
ensilladura o coincidencia, por lo que siendo juegos repetidos eligen
estrategias mixtas, calculando grficamente, analticamente y/o me-
diante programacin lineal.

AMENAZA CREIBLE

Una estrategia de amenaza puede ser o no creble, de acuerdo a
que sea compatible con la optimizacin actual segn el criterio ma-
ximin. Supongamos dos empresas A y B que compiten produciendo
caos de acero, para uso mecnico y para uso conduccin de agua.

572

De acuerdo a la siguiente matriz vectorial de pagos (beneficios para
A y B segn sus maximin) la empresa A-filas tiene su maximin pro-
duciendo caos para uso mecnico (ganando 1) y la empresa B-
columnas optimiza (tambin segn su maximin en la forma vecto-
rial) produciendo caos para conduccin (ganando 2).

CAOS PARA USOS:

A \ B Mecnico Conduccin

Mecnico 3 , 2 1 , 8

Conduccin 0 , 7 5 , 4

No sera creble que la empresa A amenazara a la B con aumentar
la venta de caos para uso conduccin, ya que as reducira sus
beneficios actuales o pagos de 1 y pasara a ganar menos o a tener
prdidas.

Tampoco sera creble que la firma 2 amenazara a la firma 1 con
expandir sus ventas de caos para uso mecnico, ya que actual-
mente la firma 2 optimiza segn su maximin 4 vendiendo caos para
conduccin de agua.

No obstante, las firmspodran adoptar una estrategia disuasiva
para neutralizar la entrada en competencia en este mercado de
nuevos competidores, o bien inversiones competitivas en una firma
actual, ya sea anunciando o bien implementando inversiones en sus
propias instalaciones como estrategia disuasiva, segn sea el ru-
bro y el equilibrio actual.

573
DOMINACION - DOMINANCIA
JUEGOS CON PROGRAMACIN LINEAL, GEOM-
TRICAMENTE, ANALTICAMENTE Y CON SOLVER

Cuando no hay ensilladura J. Nash propuso estrategias mixtas. En
el caso particular de juegos repetidos, bajo incertidumbre pero con
la racionalidad N-M el clculo de la dominancia podr precisarse
analticamente y grficamente:

Con criterio asegurador el jugador A, igualara las probabilidades de
ganar y perder cada accin suya, segn lo que pueda adoptar el
oponente (en columnas): por ejemplo, lo que obtendra A, segn que
B pueda adoptar su primer o segunda estrategia, sera segn la pri-
mer columna: 7P +4(1-P), o sea 3P +4, que es posible graficar asig-
nando valores arbitrarios P=0 y P=1, obtenindose los extremos de
la lnea P1: 4 y 7.

Si B adoptara la segunda estrategia, A obtendra segn la segunda
columna: 2P +8(1-P), o sea, -6P + 8, que es posible graficar asig-
nando valores arbitrarios P=0 y P=1 para obtener dos puntos 8 y 2
de la lnea P2:


574

VE P1
8 7

5,33

4 2
P2

1-P 0,44 1 P

Analticamente:

A debe igualar las posibilidades de accin de B, o sea:
7p + 4(1-p) = 2p + 8(1-p)
2p - 8p + 8 = 7p 4p + 4
2p 8p 7p +4p = -4
-9p = -4 ; 9p = 4; con p = 0,44 que confirma analtica-
mente lo obtenido grficamente.

Con ese criterio asegurador, A juega al azar pero cuidando totalizar
estas proporciones: 0,44 de ganar (segn el criterio maximin A gana
si elige su primer fila (o sea, 2) y B eligiera la segunda columna, o
sea, 2). A esto A le suma 0.56 de posibilidad de perder (A pierde si
eligi la primer fila pero B no eligi la segunda columna: si en esa
columna no recibe 2 A debe recibir 8). O sea, 0.44(2) + 0.56(8)
=$5.53

Igualmente para B:

Dado que B analiza con la matriz de pagos para A, iguala las pro-
babilidades de premios a obtener segn que A pueda decidir jugar
con la primera o segunda estrategia (filas).

575

Geomtricamente, segn sea la fila que A decida jugar, B obtendra:
Primera fila: 7P +2(1-P), o sea 5P +2, que podemos graficar como
lnea P1, asignando valores arbitrarios P=0 y P=1 y obteniendo co-
mo VE los extremos 2 y 7 para la lnea P1.

Si A jugase con la segunda fila, B obtendra: 4P +8(1-P), o sea -4P
+8; que se puede graficar asignando valores arbitrarios P=0 y P=1
para obtener los extremos 8 y 4 de la lnea P2.

La resolucin geomtricamente, surge al igualar ambas lneas, ob-
teniendo el valor esperado $5,33 con la P=0,67

VE P1
8 7

5,33

2 4
P2

1-P 0,67 1 P

Analticamente:

7p + 2(1-p) = 4p + 8(1-p)
7p 2p + 2 = 4p 8p + 8
7p -2p 4p+ 8p = 6 ; 9p = 6; con p= 0,67

El VE $5,33, se obtiene de juegos al azar, que cuidan totalizar estas
proporciones: 0,67(7) + 0,33(2), que tambin suman VE = $5,36.
Es decir, segn el criterio minimax B gana si elige la primer columna
y A eligiera la primer fila (7). A esto le suma B la posibilidad de per-

576
der: B pierde si eligi la primer columna pero A no eligi la primer
fila. Si B ganaba con (7) y la jugada de A con la primer fila le hace
perder, entonces B pierde (2).
O sea, VE = 0.667(7) + 0.335(2) = $5.53

JUEGOS EN FORMA EXTENSIVA

DILEMA DEL PRISIONERO EN LA FORMA EXTENSIVA (ARBOL)

Para especificar un juego en la forma extensiva se debe definir: el
momento y orden en que eligen los jugadores; el conjunto de elec-
ciones posibles de cada jugador; la informacin de que disponen
cuando les toca elegir; y los pagos para ambos en funcin de esas
elecciones.

En el dilema de los prisioneros no hay informacin completa para la
toma de decisiones. Cada uno de los prisioneros debe razonar en
forma simultnea su estrategia sin tener conocimiento de cual sea
la decisin del otro. El razonamiento se aclara en forma de rbol: en
el primer subjuego, el que comienza con el nodo 1, se plantean las
dos alternativas disponibles, confesar y no confesar. El otro prisione-
ro se planteara sus alternativas de confesar o no confesar en los
nodos 2 y 3. Como este segundo prisionero (no interesa si es el 1 o
el 2) no tiene informacin perfecta sobre la decisin del otro, suelen
circularse con un marco de borde punteado los nodos 2 y 3 en los
cuales decide el segundo para indicar que su informacin no es
completa.

Los resultados de cada alternativa figuran en los nodos 4 hasta 7
(en aos de crcel para cada uno): hay un equilibrio de Nash en no
confesar, con 5 aos de crcel para cada prisionero que aplica la
racionalidad N-M y se asegura el menor castigo sin arriesgar.

577

FORMA EXTENSIVA PARA LOS JUEGOS SECUENCIALES

En estos casos un jugador decide despus del otro y no en forma
simultnea. En un ejemplo de una inversin competitiva entre dos
empresas se debe definir el momento y el orden de las jugadas, las
decisiones posibles, la informacin disponible por cada empresa y
los pagos a recibir por cada una segn cada decisin: en el nodo 1la
empresa A decide en una primera instancia entre invertir o no inver-
tir. En una segunda instancia en los nodos 2 y 3, la empresa B deci-
de en cada nodo entre invertir y no invertir. Los nodos 1, 2 y 3 son
nodos de decisin. Los nodos del resultado de sus decisiones
figuran al final, en los nodos 4 hasta 7.


578

Por ejemplo, segn el nodo 4 la empresa A gana 30 por invertir si
tambin invierte B y gana 8; pero si A invierte y B no invierte en el
nodo 5 se anotan los premios respectivos, 40 para A y 1 para B, etc.
El resultado del juego es que ambas empresas invierten: es el mejor
resultado para ambas (nodo 4: A gana 30 y B que eligi en segunda
instancia gana 8).

Un Equilibrio Perfecto en Subjuegos (EPS) es un conjunto de
estrategias (una de cada jugador) que en cada subjuego inducen
finalmente un equilibrio de Nash (ignorando las estrategias no pti-
mas).
En los juegos de Informacin Perfecta los EPS se pueden cal-
cular resolviendo hacia atrs: en el nodo que empieza con 2 inver-
tir genera mejores pagos que no invertir; en el subjuego que empie-
za con 3 invertir general mejores pagos que no invertir; y hacia
atrs, en el subjuego que empieza con 1, invertir genera mayores
pagos que no invertir. Otra forma de calcular el EPS es ir subrayan-
do en el rbol las estrategias ganadoras: Invertir en los nodos que
comienzan con 1, con 2 y con 3.

579

Esta forma extensiva (en rbol) del juego representa aqu un juego
secuencial con informacin perfecta (ambas empresas saben en
cual nodo estn cuando les toca elegir).

Pero tambin se pueden representar as juegos cuando no existe
informacin perfecta, (informacin imperfecta), simplemente
aclarando esta situacin de B en los nodos 2 y 3 (se los suele en-
marcar con borde punteado). Sera el caso de un juego simultneo
(como en el dilema del prisionero), en el que la empresa B no sabra
cul es la decisin de A (no sabra B en cual nodo estara).


580
JUEGOS CON PROGRAMACION LINEAL SIMPLEX
JUEGOS REPETIDOS Y SUPERJUEGOS

En los casos de juegos repetidos finitos como en los de duracin
terica infinita (superjuegos) la solucin de los juegos repetidos de 2
jugadores con 2 estrategias puede obtenerse en forma analtica o
en forma grfica o con programacin lineal Simplex, consideran-
do que segn el teorema minimax, lo que cada uno busca es pro-
mediar las probabilidades de ganar y perder y que estas suman uno;
o sea, el valor esperado en sucesivas jugadas ser un premio simi-
lar al del oponente, a quien se supone tambin experto en estos
juegos.

La solucin para estos casos sencillos puede obtenerse mediante
programacin lineal y tambin son Solver (para casos complejos
con muchos jugadores y estrategias las dificultades de la programa-
cin lineal requieren utilizar medios computacionales especficos
ms potentes).

Es necesario observar que la matriz de coeficientes sea no negativa
(o se la convierte a no negativa sumndole una constante acorde a
su mayor valor negativo); plantar una funcin objetivo con las valo-
res Xi=0, que tambin incluya la constante o valor esperado E; en
sujeto a las restricciones se incluyen los coeficientes y condiciones
del primal o de la transformada de su traspuesta -A, orlada a la
derecha, as como las restricciones de no negatividad para los Xi y
E que se utilice segn la conversin inicial.

Por ejemplo, el juego 7 2 es no negativo.
4 8
Su dual es la transformada de la traspuesta: -7 -4
-2 -8


581
El planteo simplex implica -7 -4 1 por el vector 0
-2 -8 1 0
1 1 0 1

Cuya inversa y producto son:
-0.11 0.11 0.44 por 0 igual a 0.44
011 -0.11 0.55 0 0.56
0.44 0.55 5.33 1 5.33

Se corresponde con el juego del oponente:

7 2 1
4 8 1
1 1 0

Cuya inversa y producto son:

0.11 -0.11 0.67 por 0 igual a 0.67
-0.11 0.11 0.33 0 0.33
0.44 0.56 -5.33 1 -5.33

La solucin de juegos repetidos mediante programacin lineal Sim-
plex es fcil tambin para juegos de dos personas y varias estrate-
gias.

CON SOLVER DE EXCEL
Solver simplifica la optimizacin de estos casos: para el primal se
trata de maximizar un VE, sujeto a la condiciones que cada una de
las estrategias valga entre 0 y 1; que cada una sea un valor positivo
no nulo; y que el conjunto de ellas debe valer uno, segn el condi-
cin de las probabilidades de La Place y/o Bayes.

Al activar la macro Solver se establece como objetivo la celda D13
(sin frmulas subyacentes); se tilda Maximizar; se establecen como

582
cambiantes a calcular por Excel las cedas D9:D10 y separado por
punto y coma tambin ah la propia celda objetivo D13, para que
Excel tambin la optimice.

Como condiciones, en Sujeto a las restricciones, que la suma de
las celdas cambiantes en D11 sea =1; que los VE de cada estrate-
gia sean mayores o iguales a la celda objetivo; y que las celdas
cambiantes sean no negativo.

Finalmente se tilda Convertir a no negativos y tambin programacin
de tipo lineal. Al ejecutar, Solver calcula los VE y el mximo, coinci-
dentes, as como las probabilidades para la primera y segunda es-
trategias de A.


583

Previamente fue necesario sumar en D11 las dos celdas superiores;
y en D15 efectuar la suma producto que se indica en el cursor (y
copiarla a E15).

La solucin impresa por Solver debe interpretarse como que el ju-
gador A asigna 44% de probabilidad a su estrategia radio y 56% a
su estrategia TV (o sea, 0.44 (7) + 0.56 (4) =$5.33 de premio espe-
rado para A.


584
En sntesis, para este juego repetido, el jugador A observa que su
estrategia pura no coincide con la de B (sin ensilladura), ante lo cual
decide una estrategia mixta, consistente en jugar al azar, pero cui-
dando que 44% de la veces sean Radio y 56% TV, obteniendo un
premio similar al de su oponente (tambin racional: 0,44(2) + 0,56(8)
= $5,33)

Es decir, si A decide la fila Radio puede ganar o perder segn lo
que haga B en sus columnas. Igualmente, si A decide la fila TV
puede ganar o perder segn lo que haga B en las columnas. Enton-
ces, respetando el criterio minimax, iguala sus probabilidades (o
valor esperado, VE) al decidir A Radio segn lo que pueda decidir B:
2p +8(1-p) = 7p +4(1-p). Esto implica que si su oponente es racional
har lo mismo y obtendrn el mismo premio.

Simplificando esa expresin, surge X =0,44 como valor esperado
(VE) de igualar chances; y entonces A juega al azar, pero de modo
que su primer estrategia (radio) sume 44% de las veces y la segun-
da (TV) 56%.

DUAL:

Anlogamente para el caso de juegos de B: dado que con Solver se
usa la matriz de pagos para A, para B se tilda Minimizar; las estrate-
gias de B se asignan a Solver ahora segn una fila de celdas cam-
biantes D10:E10 juntamente con la celda objetivo separada por pun-
to y coma (previamente se sumaron ambas celdas en F10); las res-
tricciones son anlogas, pero en este caso las estrategias del opo-
nente deben figurar como menores o iguales a la celda objetivo.

585

Como esta es la matriz de pagos para A, el jugador B busca el m-
nimo de los mximos. Su ptimo no coincida con la estrategia pura
de A, por lo que en ausencia de ensilladura (equilibrio) B adopta una
estrategia mixta para este juego "repetido":

B juega al azar pero cuidando de totalizar 67% de veces su primer
estrategia, Radio y 33% de veces la segunda estrategia, TV. De
esta forma B espera lograr como promedio ponderado la mnima
prdida por beneficios de A, tanto que A jugase Radio o TV (similar
VE que A = $5.33).


586

JUEGO REPETIDO 2 JUGADORES 2 ESTRATEGIAS SIN ENSI-
LLADURA (MATRICIAL ESCALAR)

MATRIZ DE PAGOS PARA A:
B)
8 9
A) 15 0

Bajo incertidumbre sobre qu jugar el oponente, pero con la racio-
nalidad N-M en ambos, el jugador A, igualara las probabilidades de
ganar y perder en cada accin suya (filas), segn lo que pueda
adoptar el oponente (en columnas):

Para resolver en forma grfica se obtienen ambas lneas de probabi-
lidad, segn las dos columnas:

p1) 8X +15(1-X) = 8X + 15 15X = -7X +15

Se grafican los extremos asignando a X valores 0 y 1:
Si X=0 sera UE= 15
Si X=1 sera UE = 8

Igualmente para la otra decisin de B:
P2) 9X + 0(1-X) = 9x

La lnea que representa esta expresin es una recta por el origen
con pendiente 9; sus extremos son:
Si X =0 entonces UE= 0
Si X=1 entonces UE = 9


587

VE

15 P1

8.44
P2
8

1-P 0,94 1 P

La interseccin de ambas lneas permite obtener la frecuencia de
juego de la primera estrategia y la utilidad esperada o VE:

Igualando ambas funciones: -7X + 15 = 9X
16X = 15; X= 0.94 (94%); y 1-X = 0.06 (6%)
VE: 0.94 (9) + 0.06 (0) = $8,44.

Analticamente:

A debe igualar las posibilidades de accin de B, o sea:
8p + 15(1-p) = 9p + 0(1-p)
8p - 15p + 15 = 9p 0p + 0
-16p = -15 ; p = 0,94 que confirma analticamente lo obte-
nido grficamente.

Con ese criterio asegurador, A juega al azar pero cuidando totalizar
estas proporciones: 94% de ganar (segn el criterio maximin A gana
si elige su primer fila (o sea, 8) y pierde si elige la segunda (o sea,
15): 0.94(8) + 0.06(15) =$8.44

588

Igualmente para B:

Dado que B analiza con la matriz de pagos para A, iguala las pro-
babilidades de premios a obtener segn que A pueda decidir jugar
con la primera o segunda estrategia (filas).

Geomtricamente, segn sea la fila que A decida jugar, B obtendra:
Primera fila: 8P +9(1-P), o sea -P+9, que podemos graficar como
lnea P1, asignando valores arbitrarios P=0 y P=1 y obteniendo co-
mo VE los extremos 9 y 8 para la lnea P1.

Si A jugase con la segunda fila, B obtendra: 15P +0(1-P), o sea
15P; que se puede graficar asignando valores arbitrarios P=0 y P=1
para obtener los extremos 8 y 4 de la lnea P2.

La resolucin geomtricamente, surge al igualar ambas lneas, ob-
teniendo el valor esperado $5,33 con la P=0,67

VE 15
P1
9
8.44

P2

1-P 0,56 1 P

Analticamente:

8p + 9(1-p) = 15p + 0(1-p)
8p 9p + 9 = 15p 0p + 0
-p 15p = -9; 16p = 9; con p= 0,56


589
El VE se obtiene de juegos al azar, que cuidan totalizar estas pro-
porciones: 0,56(8) + 0,44(15), que tambin suman VE = $8.44.

Con Programacin lineal:

Una tercera alternativa, aplicable tambin para casos mayores a dos
jugadores, es la resolucin mediante programacin lineal, del
caso primal (jugador A) y de su dual (jugador B).

Para el primal se trata de maximizar un VE, sujeto a la condiciones
que cada una de las estrategias valga entre 0 y 1; que cada una
sea un valor positivo no nulo; y que el conjunto de ellas debe valer
uno, segn el condicin de las probabilidades de La Place y/o Ba-
yes.

cambiantes a calcular por Excel las cedas D9:D10 y separado por


trategias de A.


590

A asigna 94% a su primer estrategia y 6% a la segunda: 0.94 (8) +
0.06 (15) =$8.44.

Igualmente para el caso dual, el juegos de B: dado que con Solver
se usa la matriz de pagos para A, para B se tilda Minimizar; las es-
trategias de B se asignan a Solver ahora segn una fila de celdas
cambiantes D10:E10 juntamente con la celda objetivo separada por

591
punto y coma (previamente se sumaron ambas celdas en F10); las
restricciones son anlogas, pero en este caso las estrategias del
oponente deben figurar como menores o iguales a la celda objetivo.

Como esta es la matriz de pagos para A, el jugador B busca el m-
nimo de los mximos. Su ptimo no coincida con la estrategia pura
estrategia mixta para este juego "repetido":

B juega al azar pero cuidando de totalizar 56% de veces su primer
estrategia, Radio y 44% de veces la segunda estrategia, TV. De
esta forma B espera lograr como promedio ponderado la mnima
prdida por beneficios de A, tanto que A jugase Radio o TV (similar
VE que A = $8.44).

592
JUEGO DE DOS JUGADORES CON MS ESTRATEGIAS

A efecta juegos repetidos pero con 73% de probabilidad a su pri-
mer estrategia radio 5 y 27% de los juegos a su segunda estrategia
TV 0, obteniendo un premio de $3.64, similar que B.


593

B asigna 55% de sus juegos a la estrategia radio y 45% a la estrate-
gia diarios, obteniendo un valor esperado similar que A: $3.64.

PIEDRA PAPEL TIJERA (matricial escalar repetido)

Otra ventaja de esta modalidad diferente de Solver, para programa-
cin lineal de casos repetidos con probabilidades que suman uno,
es que Excel permite la resolucin de casos mayores a 2x2 con ms
estrategias en uno o ambos jugadores.


594
Juego con dos jugadores, tres estrategias, dinmico, repetido, finito,
con premio para quien gane antes una cantidad pautada; por ejem-
plo de tres aciertos y el oponente lava los platos (uno de los casos

planteados en el mencionado Game Theory and Economic Beha-
vior, J.von Neumann O. Morguenstern, Princepton Un.Pres sep-
tember 1946/53)

O sea, un juego con 1/3 de probabilidad que tiene esta representa-
cin:

Jugador B
Columnas

Jugador A
filas

0 -1 1

1 0 -1

-1 1 0

Reglas: sucesivos juegos con N=2, ambos jugadores mostrando
simultneamente el puo cerrado, dos dedos abiertos o toda la

595
mano abierta. Piedra (pisa) gana a tijera; tijera (corta) gana a papel;
papel gana (envuelve) a piedra (Pi>Ti; Ti>Pa; Pa>Pi)

En este sentido, la programacin lineal aporta un mtodo apropiado,
para determinar el tipo de estrategias y solucin, las cuales se facili-
tan con Solver de Excel: se suman en D12 las tres celdas superio-
res; tildando maximizar, se indica a Solver la celda objetivo D13; en
Cambiando las celdas D9:D11; D13 (pero se le agreg ;D13) y
en Sujeto a las restricciones las que muestra la imagen (se obser-
va que la desigualdad leve D15:F15>=D13 es mayor o igual que la
celda objetivo).

La solucin esta caracterizada tambin con el enfoque de J.Nash
para estrategias mixtas: jugar al azar pero sumando las proporcio-
nes segn el anlisis de dominancia; pero tendra esto sentido para
un juego repetido suficientemente largo.

Para este u otros casos similares, una implementacin del desarrollo
de este juego con Excel (como dinmico suficientemente largo)
tambin podra incluir la posibilidad de su ejecucin, asignando a
cada accin por lnea los valores mediante la funcin =aleatorio( ; ).


596

Con jugadas al azar pero cumpliendo esas proporciones se asegura
un premio neutro, lo cual es mejor que jugar sin orden y tener un
premio negativo (perder): A asigna 33% a cada estrategia, con VE=
$0.

El dual de este primal es la situacin del otro jugador, que obtiene
un premio similar: solo se cambia en Solver tildar la opcin minimi-
zar, la suma de las tres celdas cambiantes en F10 y las sumapro-
ducto en columna D15:D17 segn muestra el cursor. En Sujeto a las
restricciones, la desigualdad leve D15:D17 <=D13 (es menor o igual
que la celda objetivo).


597

B asigna 33% a cada estrategia y obtiene un premio similar al de A:
$0, o sea sin ganancia ni prdida, segn el planteo maximin consis-
tente en promediar resultados eventuales, minimizando riesgos, que
confluyen en igualdad de premios y probabilidades para ambos ju-
gadores.

LA GUERRA DE LOS SEXOS (matricial vectorial)

Dos jugadores, dos estrategias: Ana y Alberto, que se estn corte-
jando mutuamente, querran coincidir en la actividad de esta tarde.
Pero a la vez, cada uno tiene gustos distintos, as que les gustara

598
coincidir, pero en la actividad que a ellos les gusta y no se pueden
coordinar previamente.

Ana
Ftbol Discoteca
Alberto Ftbol 3, 2 1, 1
Discoteca 0, 0 2, 3

Cada uno de ellos puede decidir ir al Ftbol o ir a la Discoteca. En
cada celda de la matriz esta primero el pago de Alberto y luego el de
Ana. Ambos estn cortejndose mutuamente, as que su mayor pa-
go es cuando coinciden en la eleccin (es decir, la diagonal de la
matriz). Pero claro si coinciden haciendo lo que Alberto quiere, l
gana un poquito ms (3), mientras que Ana gana mucho, pero no lo
mximo (2). Anloga situacin tenemos si coinciden pero yendo a la
Discoteca.

En las otras dos celdas de la matriz lo que tenemos es que cada
uno hace la actividad elegida, pero no coinciden. Si al menos la acti-
vidad elegida era la que a ellos les gustaba, reciben un punto de
consolacin; si encima tienen la mala suerte de haber elegido la que
no les gustaba, nada.

Es un juego simtrico, ya que se pueden intercambiar sus estrate-
gias y posiciones sin que cambie el resultado del juego.

El problema que se plantea es simplemente un problema de coordi-
nacin. Se trata de coincidir en la eleccin. Al no haber comunica-
cin previa, es posible que el resultado no sea ptimo. Si cada uno
de los jugadores elige su estrategia maximn el pago que recibirn
es subptimo. Esa solucin, tampoco es un punto de equilibrio de
Nash ya que los jugadores estn tentados de cambiar su eleccin:
cuando Ana llegue a la discoteca y observe que Alberto se ha ido al
ftbol, sentir el deseo de cambiar de estrategia para obtener un
pago mayor.

599

Pero, hasta aqu es un juego por nica vez (sin repeticin) y sin
transferencia de utilidad (no hay comunicacin previa, por lo que no
es posible ponerse de acuerdo y negociar o acordar pagos secunda-
rios, como "si vienes al ftbol pago yo la entrada"). Sin embargo, el
juego tambin se suele plantear ms realista, por preferencias (asi-
mtrico) y la restriccin de no coordinacin pero modificando ahora
como juego dinmico, con una solucin segn Nash, de tipo segun-
do mejor (o mal menor).

En este ltimo caso la solucin mediante programacin lineal
Simplex con Solver tendra el siguiente primal:


600

Con similar solucin para el dual:

POLICIAS Y LADRONES (matricial vectorial)

Este juego tambin esta incluido en Game Theory an Economic
Behavior, en su forma matricial escalar, aunque tambin puede
plantearse en su forma matricial vectorial.

:

En la ciudad existen dos sectores A y B afectados por operaciones
delictivas. Una numerosa organizacin decidi operar en un solo

601
sector cada da. Pero la polica solo cuenta con recursos para patru-
llar una zona. Los resultados de la actividad de unos y otros figura
en la siguiente matriz vectorial de pagos (tambin podra represen-
tarse bimatricialmente, una para policas con estos escalares antes
de la coma y otra para ladrones con los escalares posteriores a la
coma):

Operar en sector A Operar en sector B
Patrullar en A 1 ; -1 -1 ; 1
Patrullar en B -1 ; 1 1 ; -1

En este juego no hay un equilibrio de Nash, ya que al menos uno de
ambos tiene incentivos para cambiar de estrategia segn lo que
haga el otro.

La solucin para este juego repetido puede obtenerse mediante Sol-
ver: ni ganancia ni prdida, en funcin del teorema del minimax,
que dado el conocimiento mtuo del juego, solo se puede esperar
un promedio de las posibilidades de xito, obteniendo una VE nulo,
sin ganancia pero tampoco con prdida.


602

Ese primal tiene como dual el juego para ladrones, Con similar re-
sultado:


603

B obtiene un VE nulo, sin ganancia pero tampoco con prdida.


604
HALCON Y PALOMA (matricial vectorial)

Con este juego se modelizan situaciones en las que un agente es
agresivo (halcn) y domina la situacin jugando inicialmente, mien-
tras que el otro (paloma) es conciliador y pierde frente al primero;
pero perdera mucho ms (l y ambos) en caso de no aceptar la
situacin y tambin decidiera actuar como halcn. La guerra fra
entre potencias atmicas; los dos autos que en la pelcula avanzan
a gran velocidad uno contra el otro, son ejemplos de este modelo.

Dos autos de frente: Jugador 1
Se Aparta Sigue
Jugador
2
Se Aparta 0 , 0 +1 , -1
Sigue -1 , +1 -100 , -100

Se observan diferencias en este modelo con el Dilema del Prisione-
ro. La matriz es parecida, pero la solucin y el anlisis son diferen-
tes.

Aqu hay dos resultados que son equilibrios de Nash: Cuando las
estrategias elegidas por cada jugador son diferentes; es decir,
cuando uno elige halcn y el otro paloma. Por el contrario, en el Di-
lema del Prisionero el equilibrio de Nash est en el punto en que
ambos jugadores traicionan.

Otra diferencia de este juego con otros es la importancia que aqu
adquiere el orden en que los jugadores eligen sus estrategias. El
primero que juega, gana. El primero elegir y manifestar la estrate-
gia Halcn con lo que el segundo en elegir se ver obligado a elegir
la estrategia Paloma, la alternativa menos mala.


605
DOS CONSTRUCTORAS

Dos empresas concursan (matricial escalar 3x3) en la adjudicacin
de un proyecto de construccin, ofreciendo cada una tres tipos de
posibles proyectos P1, P2 y P3, segn la siguiente matriz de ga-
nancias, en la que el premio ser 1 si su proyecto vence; -1 si pier-
de; y 0 si el concurso queda desierto y debe repetirse la convocato-
ria.

Se busca maximizar el VE en D13; sujeto a que VE= X1+X2+X3=1;
o sea, VE= X2 -X3;
VE = -X1 +X3;
VE= X1 -X2; y con
X1, X2,X3>0;

La solucin primal es VE=0, con P1= 1/3, P2= 1/3 y P3= 1/3 .
Este primal con A tiene como dual la solucin de B y viceversa.

En este juego repetido, el jugador A observa que su estrategia pura
no coincide necesariamente con la de B (sin ensilladura), ante lo
cual decide una estrategia mixta, consistente en jugar al azar, pero
cuidando que 33% de la veces sean Proy.1, 33% Proy.2 y 33%
Proy.3, obteniendo un premio similar al de su oponente (tambin
racional).


606

Es decir, si A decide la fila uno Proy.1 puede ganar o perder segn
lo que haga B en sus columnas. Igualmente, si A decide la fila 2
Proy.2 o la fila 3 Proy.3, puede ganar o perder segn lo que haga B
en las columnas. Entonces iguala sus probabilidades (o valor espe-
rado, VE) al decidir A Proy.1, Proy.2 o Proy.3, segn lo que pueda
decidir B. Esto implica que si su oponente es racional har lo mismo
y obtendr el mismo premio: no ganar ni perder.


607


608
OTRO EJEMPLO JUEGO DE 3X3:
PRIMAL

A asigna 25% de sus juegos repetidos a su primer estrategia, 25% a
la segunda y 50% a la tercera, obteniendo un valor esperado similar
que el de B, $ 2.50
DUAL


609

En este caso B asigna 25% de sus juegos repetidos a su primer
estrategia, 25% a la segunda y 50% a la tercera, obteniendo un va-
lor esperado similar que el de A, $ 2.50


610
EJEMPLO DOS JUGADORES CON CUATRO ESTRATEGIAS
PRIMAL SIMPLEX MATRICIAL (ESCALARES)

A asigna 33% de juegos repetidos a cada una de sus tres primeras
estrategias, obteniendo un premio de $ 0.667, similar que obtiene B.


611

DUAL

B asigna 33% de sus juegos repetidos a cada una de sus tres pri-
meras estrategias y obtiene un premio de $0.667, igual que A.


612
FOLK THEOREM

El folk theorem es particularmente referido a los juegos repetidos. Al
igual que el teorema del punto fijo, este teorema folk es otro concep-
to matemtico genrico, que se aplica cuando se admite u observa
el cumplimiento de condiciones an sin que alguien lo haya riguro-
samente demostrado.

Este teorema folk (popular) aplicado a la teora de los juegos esta-
blece que una estrategia ser una solucin si es seleccionada me-
diante el criterio maximin; no obstante que pueda haber diferentes
resultados que sean equilibrio perfecto en subjuegos (EPS).

Al elegir el mximo de todos los mnimos se le est dejando al opo-
nente un premio similar al propio; y es optimizante, ya que se selec-
ciona para s la mejor entre todas las alternativa que el oponente
desecha; al no poder as oponerse el contrincante se obtiene para
uno el mejor pago en forma segura y, sobre todo, el jugador se evita
otros resultados peores (optimiza, maximizando ganancias o mini-
mizando prdidas).

613
TEORA DE LOS JUEGOS DUOPOLIO ( R. Bronson - I.O.)

Juego de suma cero: se trata de dos empresas de supermercados,
que estudian abrir un nuevo local cada una, en una regin en la que
hay tres ciudades: 1) Crdoba, 2) Rosario, 3) Tucumn
(R.Bronson, Inv.Operativa -Schaum).

La distancia entre ellas es la siguiente:

Aproximadamente 45% de la poblacin de la regin vive cerca de la
ciudad 1; 35% vive cerca de la 2 y 20% vive cerca de la 3.

Debido a que la cadena A es ms grande y tiene ms prestigio que
la cadena B, la cadena A controlar la mayora de los negocios,
siempre que sus ubicaciones sean comparativas.

Ambas cadenas conocen los intereses de la otra en la provincia y
ambas han terminado estudios de mercado que dan proyecciones
idnticas.

ROSARIO
CORDOBA
TUCUMAN
10 Km
15 Km
20 Km
DOUPOLIO:
NUEVO
SUPERMERCADO

614
Si ambas cadenas se sitan en la misma ciudad o equidistantes de
un pueblo, la cadena A controlar el 65% de los negocios en esa
ciudad.

Si la cadena A est ms cercana a una ciudad que la cadena B, la
cadena A controlar 90% de los negocios en ella.

Si la cadena A est ms alejada de un pueblo que la cadena B
atraer a 40% de los negocios de esa ciudad. El resto de las opera-
ciones, bajo cualquier circunstancia, ir a la cadena B.

Adems, ambas cadenas saben que la poltica de la cadena A es no
ubicarse en ciudades que sean demasiado pequeas, y la ciudad 3
est dentro de esa categora.

COMO JUEGO DE SUMA CERO O NULA:

Hay dos jugadores en este juego, la cadena A y la cadena B. El
jugador A tiene dos estrategias puras: A1 (ubicarse en la ciu-
dad 1) y A2 (ubicarse en la ciudad 2); el jugador B tiene tres
estrategias puras: B1 (ubicarse en la ciudad 1); B2 (ubicarse en
la ciudad 2), B3 (ubicarse en la ciudad 3).

Se considera que las consecuencias para la cadena A son los por-
centajes de negocios que en cada regin le correspondern, de
acuerdo a los estudios del mercado.

Ya que cada porcentaje de aumento o disminucin representan un
aumento o disminucin idntico, respectivamente, para la cadena B,
este es un juego de dos personas suma cero.

Si ambas cadenas se ubican en el mismo pueblo, entonces el juga-
dor A recibir 65% de los negocios de toda la regin. Entonces,
E11 = E22 = 65%.


615
Si la cadena A se ubica en la ciudad 1 mientras que la cadena B se
ubica en la ciudad 2, entonces el jugador A est mscerca de la
ciudad 1 que el jugador B, pero el jugador B esta ms cerca tanto
de la ciudad 2 como de 3 que el jugador A. En consecuencia, el ju-
gador A capturar:

(0,90)(0,45)+(0,40((0,35)+(0,40)(0,20)=0,625

o sean 62,5% de los negocios de la regin: E12 = 62,5%.

Si la cadena A se ubica en la ciudad 2 y la cadena B se ubica en la
ciudad 3, entonces el jugador A esta ms cerca de los pueblos 1 y 2,
mientras que el jugador B est ms cerca de la ciudad 3. En conse-
cuencia, el jugador A tendr:

(0,90)(0,45)+(0,90)(0,35)+(0,40)(0,20)= 0,80

el 80% de los negocios de la regin: E23 = 80%.

De igual manera para las estrategias E13= 80% y E21= 57,5%.


616
Estos resultados se condensan en la matriz de Pagos a "A" de esta
hoja Excel, que es la matriz de consecuencias para este juego y se
utiliza para definir el juego.

A marca precautoriamente sus dos mnimos y elige el mayor (maxi-
min 62,5) asegurndose que ninguna accin de B pueda anulrselo.

Igual precautoriamente B marca sus tres mximos (ya estos son
pagos a A y dejan como complemento la participacin para B) y B
elige el mnimo (minimax 65; hay dos).

Como no hay punto de ensilladura o coincidencia, ninguna empresa
puede asegurarse algn mximo. Ser necesaria una estrategia
mixta adicional (segn Nash) para decidir el reparto (por ejemplo,
con colusin tipo Stackelberg).


617
OLIGOPOLIO Y LA TEORIA DE JUEGOS

Los supuestos bsicos necesarios son una demanda competitiva
que depende del precio de un bien tpico no Giffen; los demandan-
tes son precioaceptantes, pero los oligopolistas no son precio-
aceptantes y buscan maximizar beneficios, pero no pueden discri-
minar precios. Todas las empresas conocen la funcin de demanda;
no pueden almacenar existencia y deben vender lo producido en el
perodo.

Los textos suelen simplificar mediante demandas y costos lineales o
con costos marginales constantes, para ilustrar sobre los precios y
cantidades monoplicos o competitivos de estos modelos:

C = P = a -2(Q)

Monopolio: Q = (a-c)/2

Stackelberg:

q1 = a c)/2

q2 = (a c)/4

618

Q = q1 + q2 = 3/*4(a c)

O sea:

Pero limitan as aun ms la realidad de este tratamiento. Para es-
tos casos se desarrollan aqu los conceptos utilizando los ejemplos
ya resueltos previamente (de Diguez y Porto, Problemas de Micro-
economa, Ed. Amorrortu 1971) para el anlisis clsico del oligopo-
lio.

Un juego es cualquier situacin en la que los individuos deben to-
mar decisiones estratgicas y en la que el resultado final depende
de lo que cada uno decida hacer (Nicholson, 1997).

En el duopolio segn Cournot (1838), sin diferenciacin del produc-
to y sin colusin; cada uno reacciona en funcin de la cantidad que
ira a producir el otro; ambas empresas saben que los precios se
adaptan segn la oferta total.

619

El duopolio de Bertrand (1883), es similar al anterior, pero con pre-
cios como variable de decisin (tambin se puede plantear con dife-
renciacin de productos, sustitutivos); cada uno puede elegir el pre-
cio, pero la demanda es elstica. Finalmente, es un juego inestable
en cuanto conduce a una guerra de precios y a la quiebra de alguna
empresa (con la posterior aparicin de otro competidor para reiniciar
el proceso).

Juegos dinmicos, con informacin completa: Juegos repetidos,
como el duopolio segn Stackelberg (1934), parecido al de Cour-
not, pero no eligen o razonan simultneamente sino uno despus
del otro (en forma secuencial en dos etapas), inicialmente la lder y
luego la seguidora.

Juegos con colusin, cartel, como un primer tratamiento bajo teora
de los juegos cooperativos.

Juegos dinmicos con informacin imperfecta: juegos repetidos en t
etapas limitadas; o en infinitas etapas. Juegos bayesianos: como
por ejemplo las subastas a sobre cerrado; al primero o al segundo
precio (en los que gana el de mayor precio ofrecido, pero paga se-
gn el segundo precio; y si empata se decide por el subndice me-
nor).

Juegos estticos con informacin incompleta: caso esttico como en
el duopolio de Cournot pero con informacin asimtrica.


620
MODELO DE COURNOT COMO TEORIA DE JUEGOS

En este primer planteo, de 1835, cada empresa decide el nivel pro-
duccin simultneamente con la otra (sin informacin previa) y la
produccin agregada se vende al precio que indica la funcin de
demanda. La funcin de reaccin de cada una expresa lo que la
empresa producir, considerando la produccin de la otra empresa.

Estas funciones de reaccin del modelo de Cournot tienen pendien-
te negativa, lo cual revela que a mayores cantidades menor ser el
precio, entonces, cada uno producir menos cuanto ms estime
que producir la otra (como en algunos mercados de productos
agrcolas).
X2
X1 = f(x2) f. reaccin1

6.17 E

X2 = g(x1) f.reaccin2

5,53 X1

En la teora de los juegos estas funciones de reaccin se interpretan
como la mejor respuestas de cada una segn lo que estime produci-
r la otra empresa; y a estos resultados se los considera hoy un
equilibrio de Nash: un vector con ambas estrategias que son las
mejores para cada empresa (18.26; 32.86); ninguna de ellas tiene
incentivos para desviarse de esta estrategia de equilibrio.

Empresa 2

621
Coopera No coopera
Empresa 1 Coopera (29.50; 29.50) (10.40; 46.17)
No coopera (23.74; 19.93) (18.26; 32.86)

En la teora de los juegos tambin se encuentra analoga entre el
modelo de Cournot y el dilema de los prisioneros: si las empresas
coluden (como cartel o un monopolio con dos plantas) obtendran
los mayores beneficios conjuntos; pero si una no cooperara la otra
se perjudicara, ante lo cual deciden actuar por su cuenta, guindo-
se por un criterio prudencial, asegurador y obteniendo algo como un
mejor segundo premio.

Estas estrategias posibles de ambas empresas surgen ante la posi-
bilidad de cooperar formando un cartel, o de no hacerlo. Si ambas
cooperan ponindose de acuerdo y actuando como un cartel, el re-
sultado conjunto es un beneficio de $59, a distribuir con algn crite-
rio ajeno a estos modelos aqu presentados (Diguez y Porto). El
reparto de los beneficios en un cartel es una cuestin racional o no,
pero para simplificar esta representacin de juegos suponemos aho-
ra que lo hacen por mitades, 29.50 cada una cooperando. Sin em-
bargo, esta alternativa no es un equilibrio de Nash, ya que no pue-
den estar seguras del cumplimiento del acuerdo.

Si la empresa 1 coopera y la empresa 2 no lo hace, entonces la em-
presa 1 vende 3,5 kilos (cartel) y la empresa 2 (segn su funcin de
reaccin) vendera 6,94 kilos, sumando 10.44 kilos. El precio para
10.44 kilos es P = 30 10.44 =$19.56. El beneficio para la empresa
1 sera B1= -5/4(3.5)
2
+20.(35.) -3.5(6.94) -20= $10.40. El beneficio
para el empresa 2 sera B2= -4/3(6.94)
2
+ 22(6.94) -3.5(6.94) -18
=$46.17.
Si la empresa 1 no coopera y la empresa 2 coopera, esta producira
5.6 kilos (cartel); por consiguiente segn la funcin de reaccin de la
primera X1 = 8 -2/5(5.6) = 5.76 kilos. Los beneficios seran: para la
primera, B1= -5/4(5.76)
2
+20(5.76) -5.76(5.6) -20 = $23.74. Para la
segunda, B2 = -4/3(5.6)2 +20(5.6) -5.76(5.6) -18 = $19.93.


622
En definitiva, la teora clsica presenta un esquema completo para
el clculo de los ingresos, costos y beneficios de las empresas, con-
cluyendo que si la figura de cartel fuera permitida, algn reparto
racional de los beneficios conjuntos (por ejemplo, repartir por mita-
des solo los beneficio diferenciales a aquello que cada una ya ob-
tendra actuando por su cuenta) es la situacin ms ventajosa para
las empresas.

Lo que se quiere destacar para este curso general, es que por el
contrario, la teora de los juegos no puede reemplazar en las em-
presas a los anlisis clsicos. Solamente brinda un criterio de deci-
sin o de interpretacin de los resultados alternativos que se deben
calcular mediante el anlisis clsico tradicional: ante la falta de se-
guridad en la cooperacin, el equilibrio de Nash se obtiene actuando
cada uno por su cuenta.


623
MODELO DE VON STACKELBERG

Se interpreta como un juego secuencial: la empresa seguidora de-
cide despus de conocer la produccin de la lder, en decisin se-
cuencial y no simultneamente. El modelo de Stackelberg (1934) es
otro precursor de la teora de los juegos y hoy se lo reinterpreta me-
diante el concepto de equilibrio perfecto en subjuegos (EPS): la
mejor respuesta de la seguidora ante cualquier nivel de produccin
de la lder.

La empresa lder optimiza incorporando en sus clculos la produc-
cin de la seguidora (incorpora en su funcin de reaccin la funcin
de reaccin de la seguidora). As como los resultados en el modelo
de Cournot se acercan a los de monopolio, los resultados en el de
Stackelberg se acercan a los de una solucin bajo competencia, al
obtener finalmente una produccin agregada mayor que en el caso
de Cournot y un precio menor con este proceso secuencial.

Se supone que existen barreras a la entrada de competidores y por
esto la empresa lder obtiene ventajas haciendo primero su jugada.
Tambin se supone irreversibilidad de las decisiones, o sea, que la
lder no pude redirigir la produccin a otros mercados luego de co-
nocer la decisin de la seguidora en el proceso secuencial.


624
Las ventajas de ser la primera en fijar un nivel con la variable de
decisin, cantidad, se aprecian en el rbol del juego en forma ex-
tensiva: a la(s) empresa seguidora(s) solo le queda la alternativa de
adaptar su oferta a la demanda remanente luego de la decisin ini-
cial de la lider. Por otra parte, el precio ser una resultante de la
funcin de demanda, pero la respuesta al unsono no implica la exis-
tencia de colusin o un cartel, sino que es una simple consecuencia
del juego inicial de la empresa lider, con un equilibrio de Stackelber.


625
JUEGOS CON COLUSION (CARTEL)

Segn el desarrollo anterior bajo el esquema microeconmico tradi-
cional, si ambas empresas pudieran coludir obtendran el mayor
beneficio conjunto, $59, que aqu simplificamos (excesivamente) con
un reparto igualitario, $29.50. Los dems clculos corresponden a
las soluciones segn Cournot y segn Stackelberg ya sea con la
empresa 1 siendo lider, o bien la 2 lider y la 1 seguidora.

Empresa 2
Coopera No coopera
Empresa 1 Coopera (29.50; 29.50) (10.40; 46.17)
No coopera (23.74; 19.93) (18.26; 32.86)

Un cartel es una forma monoplica y por ello el resultado conjunto
genera el mayor beneficio (salvo una adicional discriminacin de
precios). Pero entra en el cartel el condicionante de la credibilidad
en los compromisos del acuerdo.

Es como en el dilema del prisionero, en el que no solo influye la n-
dole de la informacin disponible sino tambin la credibilidad sobre
el mantenimiento de los compromisos; de modo que la solucin $
29.50 para cada uno bajo cartel no es precisamente un equilibrio
de Nash, sino que lo ser la mejor opcin de cada una actuando por
su cuenta.

DUOPOLIO DE CHAMBERLIN

Se supone colusin tcita, con aprendizaje segn la experiencia,
bien homogneo y capacidad suficiente en ambos: maximizarn en
forma conjunta sus beneficios, fijando el precio y cantidad conjunto
como en monopolio puro, repartindose por mitades la produccin y
los beneficios (un equilibrio de Nash).

626

MODELO DE HOTELLING (LOCALIZACION)

En este caso se simplifica que actan dos empresas con un bien
homogneo e informacin perfecta. Se supone diferenciacin pero
por el lado de la localizacin del punto de venta: dos vendedores
en una playa lineal, con consumidores precio-aceptantes distribui-
dos uniformemente; ambas empresas adoptaran como estrategia de
Nash ubicarse en el punto central, aceptando su interdependencia.

Tambin sera el caso de dos candidatos que capten votantes entre
electores que siempre voten por el candidato ms cercano a su po-
sicin: si la playa tuviera 100 m de largo y la empresa o candidato I
se ubicara en el metro 50 y la empresa o candidato II en el metro 40
sera: I en X=50 y II en Y =40;

Pero dado que Pagos (A) + Pagos (B) = 1
Resulta: Pagos (I) = 100 X + (X-Y) / 2;
o sea, 100 50 +(50-40) / 2 = 55
Tambin, Pagos (II) = Y + (X-Y) / 2;
O sea, 40+(50-40) /2 =45 (ganara ms el candida-
to o empresa I)

Si I se ubicara en X = 50 y II se ubicara en Y = 60 sera:

Pagos (I) = 100 -50 +(60 -50) / 2 = 55;
Pagos (II) = 100 -60 +(60-50) /2 =45;
(ganara ms la empresa o candidato I).

Por consiguiente, ambas empresas o candidatos se ubicaran coin-
cidentemente: I en X = 50 y II en Y = 50; con Pagos (I) = Pagos (II)
= 50 en este ejemplo, con similar ingreso o captacin de votos.


627
La teora de los juegos explica este caso como un equilibrio de
Nash: sea cual sea la ubicacin de la otra empresa, la estrategia
dominante de una empresa o candidato es ubicarse en el centro; el
equilibrio perfecto del subjuego de una u otra empresa ser siempre
ubicarse en el punto central.

EL TEOREMA DE LA MEDIANA

K. Arrow estableci las condiciones mnimsque deben reunir los
sistemasde votacin entre partidos polticos (transitividad u optimali-
dad de Pareto dbil; racionalidad; independencia de terceras alter-
nativas irrelevantes); bajo estas condiciones, si solo hay una nica
dimensin de preferencias en estudio y estas preferencias de los
votantes son unimodales, en un sistema de votacin por simple ma-
yora el teorema del votante de la mediana establece que ganar
el candidato que deje a la izquierda y a la derecha la mitad de la
poblacin restante (la mediana en el ejemplo anterior, coincidente
con la media en las distribuciones normales).


628
EMPRESA DOMINANTE

En algunos oligopolios existe una empresa ms grande que las
otras que puede fijar el precio segn la optimizacin del propio be-
neficio; entonces la curva de demanda de la dominante es la dif e-
rencia entre la demanda total del mercado y la oferta de las empre-
sas pequeas, las cuales actan como precio aceptantes en un
equilibrio de Nash.

En este grfico tomado de Varian (M.I. cap.27) la lder optimiza en el
punto de giro (B=0) que se indica a nivel de Y*
L
(con costo marginal
constante e igual al ingreso marginal; y tambin ah B<0, o IMg<
CMg) y con una demanda total a nivel de Y*
r
. (la diferencia entre
estas dos cantidades coincide con la oferta del seguidor, sealada al
nivel del P*)


629
DEMANDA QUEBRADA DE SWEEZY

En este casi oligopolio con demanda quebrada, si una empresa
sube su precio las otras no lo subiran, esperando beneficiarse con
un mayor mercado: a la izquierda del punto de equilibrio y quiebre,
la demanda es elstica, ya que si alguien sube el precio cae mucho
su cantidad.

Hacia la derecha del punto de equilibrio y quiebre, la demanda es
inelstica, ya que si alguien baja el precio tambin lo haran las de-
ms, pero a costa de poco aumento en la cantidad vendida. Esa
situacin de equilibrio, con similares precios aun soportando diferen-
tes costos marginales en las empresas implica un equilibrio de
Nash, en cuanto estas prefieren mantener esa situacin (existiran
estudios empricos que evidenciaran ausencia de ejemplos histrico
en este modelo).

630
DUOPOLIO DE BERTRAND

En este caso las dos empresas tienen como variable de decisin a
los precios, en un juego dinmico; el bien es homogneo y hay limi-
taciones de acceso al mercado; ambos deciden en forma simultnea
sus precios y cada una supone que la otra mantendr el suyo fijo.
Los textos simplifican suponiendo costos nulos o bien costos margi-
nales constantes e iguales para ambas, de modo que la guerra de
precios contina hasta igualar el costos marginal, con beneficios
nulos. Bertrand (1883), explica as con solo dos empresas la con-
vergencia al nivel ptimo social, que la teora convencional estable-
ce como resultado de la interaccin de muchos (infinitos) vendedo-
res y compradores en competencia perfecta.

En el caso de las empresas segn el ejemplo de Diguez y Porto
aqu comentado, la empresa 2 tiene menores costos, de modo que
en este modelo la empresa uno quebrara durante el proceso de
guerra de precios; pero entrara otra en su lugar para justificar y
reiniciar el modelo de duopolio, por lo que se lo considera como un
juego inestable (salvo agregando condicionantes adicionales, como
ser restricciones de capacidad, o bien bajo diferenciacin de produc-
tos, ya sea real o simplemente percibida en marca u otras caracte-
rsticas) que conducira a alguna situacin de precios en un equili-
brio de Bertrand-Nash.


631
DUOPLIO DE EDGEWORTH

En este modelo los bienes son homogneos y hay simetra entre los
productores pero Edgeworth supone capacidad limitada para las
empresas; los precios tambin son la variable de decisin igual que
en el modelo de Bertrand, de modo que si ocurren reducciones de
precios las cantidades se adecuarn sucesivamente hasta agotar la
capacidad disponible (equilibrio de Nash).


632
MODELACION EMPRESA SOBREDIMENSIONADA EN
UN PAIS EN DESARROLLO (*)

Ante la escasez de divisas para importaciones reemplazables, es
frecuente que las empresas industriales inviertan en costosas
instalaciones, que superen transitoriamente la capacidad de
absorcin del mercado local en ese momento; especialmente si son
pases en crecimiento o desarrollo. Consecuentemente, necesitan
exportar competitivamente , a fin de ocupar ms sus instalaciones y
lograr menores costos medios y precios. Estas exportaciones son
resistidas por las empresas ineficientes y por los sindicatos en los
pases receptores, que recurren a inventar fallidas denuncias
antidumping o por subsidios (conuntervailing duties).

La defensa legal de estas comienzan con la presentacin del
modelo econmico seguido por la empresa exportadora (Somisa) y
le contnan inspecciones del pas denunciante (EEUU) sobre
costos, precios, facturacin y modelacin.

Las explicaciones surgieron del analisis microeconmico clsico: la
limitada venta al mercado local no permite que se alcance un punto
ptimo, con un mnimo Costo Medio (CM). En estas empresas
sobredimensionadas, sin exportaciones el CM sera siempre
decreciente (una hiprbola), que se corresponde con funciones de
Costos Totales (CT) lineales , diferentes a las usuales parablicas
de los textos.

Subyace la idea de una optimizacin competitiva, maximizando
beneficios empresarios, cuya modelacin matemtica fij Cournot
en Pars (1835) y figura en textos bsicos de microeconoma, como
el de W. Baumol o el de Henderson-Quandt: mximo de una
variable (Beneficios = ingresos menos costos) cuando el volumen de
produccin se fija como un punto de giro (primer derivada nula) y la
segunda derivada resulta negativa, confirmando que ese nivel de
giro es el de mximo beneficio.

633

En la modelacin convencional la fucin de costos suele ser una
parbola cuadrtica o cbica (en una variable X, cantidad o
tonelaje), con un costo medio lineal o cuadrtico, que presenta un
punto de mnimo costo, que segn la teora se procura como el
optimo competitivo, para beneficio de la empresa y de la sociedad,
al permitir gran cantidad a bajo precio.

Pero en la empresa sobredimensionada de un pas en desarrollo no
se puede alcanzar ese nivel de mnimo costo medio (debido al
excedente de capacidad operativa de su equipo): sus producciones
para uso local son insuficientes para ocuparlo a pleno y solo con la
exportacin es posible utilizar la otra parte ociosa del equipo (50%
en este caso).

La modelacin utilizada requiri el uso de la informacin contable
segn las memorias y balances anuales , firmadas por un
profesional y por lo tanto legales en el pas, en EEUU y para la
OMC. En los anexo A y cuadro 1 constan el importe de ventas, el
costo fijo y el costo variable, as como la cantidad fsica vendida y
los resultados anuales sin prdidas.

Cos estos datos se estim por mimimos cuadrados una funcion de
costo total, C = a + bX (con X= toneladas de chapa de acero) lineal,
cuyo costo medio es CM = a/X + b, una hiprbole, que nunca
alcanza un mnimo (como ocurre con la clsica parbola cuadrtica);
y con costo marginal = b, constante.

Igualmente con los ingresos: cuando estas empresas exportan
deben hacerlo compitiendo a los bajos precios internacionales
(siempre marginales, o dumping segn los criterios del mercado
local receptor). Los grandes niveles exportados suelen as tener
precios menores que las pequeas operaciones de clientes en el
mercado local exportador (ya que a mayor CM corresponde
mayores precios).

634

Pero en las denuncias se comparaban altos precios locales para
pequeos clientes, con los menores precios para EEUU, que
correspondan a uno o dos barcos con 8.000 toneladas mensuales
de chapa. Y se presentarn factura a precios similar para dos
grandes clientes locales.

Tambin se presentaron las tablas de extras o descuentos de
precio por cantidad, correspondientes a los CM decrecientes, segn
costos de los balances firmados por cantador pblico y la capacidad
de diseo del equipo.

Repartiendo el costo fijo en una mayor cantidad para exportacion,
bajan los costos medios totales y los precios; por lo que no
constituye una discriminacin ilegal de precios la aplicacin de
extras o descuentos segn la cantidad vendida.

Las grandes transacciones internacionales no implican una gran
cantidad de gastos en personal y otros en las reas de ventas,
finanzas, crditos, expedicin, produccin, etc., que implica la
atencin de los pequeos clientes locales. Al atender una usina a
pequeos clientes locales se convierte en un costoso servicentro;
mientras que todo este sobrecosto de servicios no existe vendiendo
solo a grandes clientes masivos en condiciones fob (solo dos locales
y algunos de exportacin).

La modelacin reuni asi, funciones de costos y de ingresos,
confeccionadas con regresin por mnimos cuadrados, sobre los
datos contable de las memorias anuales, que representaba la
poltica de precios y de extras por cantidades segn costos; con un
50% de exportaciones, a precios internacional inferiores a los de
operaciones domsticas para los pequeos clientes (solo pocos
tenan una dimensin importante).


635
Se enfrentaron con xito peridicas denuncias por dumping o por
subsidios entre 1980 y 1993, alentadas por una industria
norteamerica obsoleta (que luego se derrumbara en pocos aos) y
que apoyaba su poderoso sindicato U. Steel Workers, imponiendo
usualmente sus criterios ante algunos pases, pero no en otros,
como frente a los envos de Japn, Corea, Brasil y este caso
argentino. Finalmente en pocos aos ms las autoridades de aquel
pas decidieron imponer manu militarI un derecho del 30% a toda
importacin de acero, que tampoco evit el derrumbe de aquella
industria siderrgica, automotriz, etc.sobreprotegidas.

No haba precios fob inferiores al costo, ni intencin de dao a
aquella industria, ni discriminacin de precios; y esas denuncias
fracasaron (contando especialmente con el apoyo de los sectores
importadores, usuarios automotrices, de artefactos, carpintera
metlica, etc.). Pero las defensas hubieran fracasado si el
exportador no hubiera hecho preseantaciones con una modelacin
genuina, avalada por la teora reconocida y expuesta por los
prestigiosos H-Q y el honorable Baumol (segn es reconocido por
sus prolongados mritos en el congreso de aquiel pas).

Otro punto, trivial pero que tambin result fundamental en las
denuncias, fue la justificacin de la poltica de descuentos de
precios, normalmente comunicada a los clientes segn catlogos
para cada producto. Surga de peridicos estudios internos
comparando volmenes y costos medios, los cuales iban bajando
segn se reparten los costos fijos entre un mayor tonelaje. Algo que
se presume o parece obvio pero que para ser vlido requiere
cuantificacin peridica y publicacin en catlogos para clientes.

A continuacin se representa esta modelacin mediante un ejemplo
hipottico general y competitivo:

a) Caso general:

636
Una sola empresa ante una demanda competitiva P = -5X +250 ; el
costo total C= 50X +120 (ambas funciones lineales, que es posible
estimar con Excel utilizando Regresion sobre los datos histricos
mensuales o anuales)
IT = -5X
2
+250X es el ingreso total, como precio
(demanda) por cantidad
IMg = C = -10X +250 es el ingreso marginal, con doble
pendiente que el IM o P
CMg = C = 50 es el costo marginal, constante ya que el CT
es lineal
CM = C/X = 50 +120/X es el costo medio hiprbolico, por ser el
costo total lineal

Condicin matemtica de equilibrio, segn Cournot:
Max B, con B= IT CT; cumpliendo B = 0 y cumpliento B < 0
(condiciones necesaria y suficiente)
Punto de Cournot segn B= IMg CMg = 0
IMg = CMg ; -10X +250 = 50 o sea -10X +200 = 0; X = 20 la
cantidad a producir.
Y con B = -10 < 0 asegura la maximizacin del beneficio,
objetivo bsico reconocido en la OMC .
El precio es P = -5(20) +250= $150; y el CM = 50+120/20 = $56.

Resultando $B = IT CT = 150(20) ( 50(20) +120) = $1880 que
podra interpretarse como el beneficio bajo monopolio puro ( con
poca cantidad y alto precio).

b) Si actua competitivamente, no existiran beneficios y la
maxima produccin ocurrir cuando sea el IT = CT; y/o a un
nivel unitario, en una empresa competitiva coincidiran el P
= IM = IMg constantes, que a su vez en el punto de Cournot
deben ser iguales al CMg (primera condicin de ptmo).
En este caso de una empresa que actua competitivamente
debera igualar P = CMg

637
O sea, -5X +250 = 50 ; -5X = -200 ; X = 40 la mayor
cantidad a producir ;
Con un P = -5(40) +250 = $50; el CM = 50 +120/40 = $53.

El resultado sera $B = IT CT = $50(40) (50(40) +120) =
$-120, de perdida (en este ejemplo con funciones improvisadas:
mayor cantidad y bajo precio).

c) Si exporta a precios competitivos
Otra pauta de actuar competitivamente es vender al nivel del
minimo CM posible, con P = CM mnimo. En este caso con CM
hiperblico es:
-5X + 250 = 50 + 120/X ; -5X2 +250X = 50X +120 ;
-5X
2
+200X 120= 0 y segn Ruffini X = -b+-(b
2
-4ac)
1/2
/ 2a =
39 y 0,8
Con la raz 39 cumple la condicin B < 0.
El precio P = 5(39) + 250 = $52; El CM = 50 + 120/39 = $ 53,1

Con beneficios $B = 52(39) (50(39) + 120) = 2070 2070 = 0$ La
empresa sobredimensionada exportadora que actua
competitivamente (con gran cantidad y bajo precio) cubre sus costos
pero no obtiene beneficios extraordinarios, segn el modelo
competitivo de largo plazo.


638
(*) Anlisis implementado por S. Eiras en Somisa, ante las
autoridades de EEUU, durante las defensas de fallidas
denuncias antidumping entre 1980 y 1993.


639
OLIGOPOLIO DE 3 A 9 EMPRESAS

La teora clsica y los desarrollos de la programacin lineal han ex-
plicado suficientemente casos de oligopolio y especialmente el duo-
polio.

No es frecuente la definicin sobre la cantidad o nmero de las po-
cas empresas en estos mercados, por lo que adoptamos aqu la
definicin de tres hasta nueve (3 hasta 9) empresas, que surge de lo
observado en los casos de investigaciones antidumping en los
EEUU (segn se tom conocimiento durante las defensas varias de
esas acusaciones -todas con resultado favorable para SOMISA- en
la siderrgica argentina durante 1978 y 1993).

Para las investigaciones en general, el congreso norteamericano
consideraba que exista conformacin monoplica en un mercado
cuando solo cuatro empresas abarcaban el 50% del mismo; por lo
cual adoptamos aqu como criterio que 10 o ms empresas confor-
man mercados competitivos y con solo 3 a 9 empresas son merca-
dos oligoplicos.

La optimizacin en cada una de estas empresas de un mercado
oligoplico tambin se encara mediante programacin lineal Sim-
plex. No es un caso de optimizacin multiproducto / multicriterio o
simultnea de varias funciones objetivo, ya que sin colusin, las
empresas compiten entre s.

Esta optimizacin es una situacin particular que permite explicar la
teora de los juegos; en este caso, juegos con repeticin, mediante
optimizacin Simplex, que Solver de Excel resuelve perfectamente.

Cada empresa compite con las otras nueve y para no desaparecer
debe adoptar el criterio maximin, compitiendo con todas pero en las
condiciones que observa ante el competidor de menores costos o
mejor posicin competitiva.

640

En el siguiente ejemplo, cada firma hace el anlisis Simplex con
Solver frente a las dems: la empresa A compite con otras ocho
empresas, B hasta I. Efecta la optimizacin Simplex en sendas
hojas, hoja1 hasta hoja8; similares, pero con la situacin de costos o
competitiva ante cada una. Ejecuta Solver en cada una y finalmente
observa cual es la empresa ms competitiva.

Esa observacin es visible trayendo los resultados de cada optimi-
zacin hacia la hoja1, como se muestra en G8:M15. Segn el crite-
rio maximin, el mximo beneficio posible surge de la confrontacin
con la empresa D: $2,29 para A y otro tanto para D; o sea $
4,58 para ambas; pero como son 9 empresas, ese beneficio y mer-
cado debe ser compartido con las 7 restantes, surgiendo un premio
o beneficio de $0,51 para cada una de las 9 empresas.


641


642

Dado que las empresas compiten entre s, no corresponde ni es
posible aqu una ejecucin simultnea o interdependiente, como en
el captulo de la optimizacin multiobjetivo / multicriteria, que re-
quiere intervencin del decisor; segn explica o abarca la teora de
la decisin (entre muchos otros de estos enfoques, es el caso pre-
sentado sobre la tradicional solucin en la empresa multiproducto,
que optimiza mediante programacin lineal, pero ponderando en
una sola funcin objetivo esos productos segn su contribucin
marginal, decidida previamente).


643
INFORMACION IMPERFECTA

Por una parte, existen Juegos con informacin incompleta: en
ellos no se sabe cules son los beneficios de otros jugadores o cu-
les son las acciones disponibles para ellos; o sea, no se conoce
todo el rbol.

Por otra parte, hay otros juegos en los que los jugadores conocen la
estructura del mismo, o sea, tienen informacin completa, pero
sin embargo, alguno de ellos puede desconocer las jugadas ante-
riores de sus oponentes, por lo que tendra informacin completa
pero imperfecta (hay informacin imperfecta cuando un jugador no
sabe lo que hicieron otros jugadores)

J. Harsanyi, en una serie de artculos revisados entre 1965 y 1968,
escribi sobre los juegos con informacin imperfecta (Games with
incomplete informaticon played by bayesian players I-III, Berkeley,
Informs 1967). En las partes I y II de este trabajo describe una nue-
va teora para el anlisis de juegos con informacin incompleta, dis-
tinguiendo dos casos: juegos consistentes, en los que existe una
cierta distribucin de probabilidad bsica, de modo que las distribu-
ciones de probabilidad subjetiva de los jugadores se pueden derivar
como distribuciones de probabilidad condicional; y tambin juegos
inconsistentes en los que dicha distribucin no existe.

En la parte III demuestra que en los juegos consistentes, donde una
distribucin de probabilidad bsica existe, esta es esencialmente
nica. Tambin argumenta que, a falta de razones especiales en
contra, se debe tratar de analizar cualquier situacin de juego con
informacin incompleta en los trminos de un modelo coherente del
juego, ya que demuestra que esta teora se puede extender tambin
a juegos inconsistentes (But later the theory is extendet also to
cases where the diferent playerssubjective probability distributions
fail to satisfy the consistency assumption.).

644

Finalmente Harsanyi concluye que los juegos de informa imperfecta
convertidos segn su criterio a juegos de informacin completa tie-
nen similar tratamiento que el juego original.

Los juegos de informacin incompleta se pueden interpretar, segn
J. Harsanyi, como juegos de informacin imperfecta, en los que
cada jugador puede pertenecer a diferentes tipos (tipos de benef i-
cios, de estrategias disponibles, preferencias, etc).

Y ante el desconocimiento del tipo real el otro jugador recurre a cal-
cular el juego inicindolo como enfrentndose a la naturaleza: si
cada jugador no sabe a qu tipo de jugadores se enfrenta, entonces
supone que acta ante la naturaleza y le asigna una probabilidad a
la decisin del jugador, calculndola segn la regla de Bayes (jue-
gos bayesianos o con equilibrios Bayesianos de Nash, ya que
no tienen ensilladura y requieren estrategias mixtas tipo Nash que
brinda la transformacin de Harsanyi).

Por ejemplo, en un caso de dos jugadores, el primero en jugar de-
cidira ante dos alternativas con alguna probabilidad en ellas. Luego
jugaran los dos simultneamente, pero el segundo no sabe qu
jug el primero y deber as decidir ante cuatro alternativas

Continuando con el caso ya visto sobre juego de la guerra de los
sexos, en el que se plante la solucin del caso simple (sin ensilla-
dura) y tambin la del caso de juegos repetidos (en el que la pro-
gramacin lineal determin un equilibrio con 50% de salidas segn
los gustos de cada uno).

Ahora veremos segn la explicacin de Harsanyi para la solucin
simultnea de un juego esttico con informacin imperfecta, en el
que se dispone de dos tipos de jugadores: cada uno conoce sus
propias preferencias y no sabe lo que juega el otro, pero deben de-
cidir simultneamente, por lo que segn la transformacin de Har-

645
sanyi, si el jugador 1 moviera primero entonces el jugador 2 para
decidir debera recurrir a suponer un evento aleatorio inicial (un jue-
go esttico simultneo, pero como si tuviera tres instancias: 0 (natu-
raleza), 1 (supuesta decisin del jugador 1) y 2 (decisin del jugador
2).

La forma extensiva (en rbol) es especialmente til cuando influye
una secuencia temporal en un juego para definir la situacin estra-
tgica; mientras que la forma normal (escalar o vectorial) es til para
juegos estticos que se definen en una nica jugada.

Aqu, tanto en la forma extensiva como en la siguiente forma vecto-
rial se observa que este sera un caso sin ensilladura, en el que co-
rresponden estrategias mixtas (si el jugador 1 es del tipo 1 tiene su
maximin en el primer nodo de resultados; y si es del tipo 2 lo tiene

646
en el sexto nodo de resultados; por su parte, el jugador 2 tiene su
nico minimax en los nodos primero y quinto).

Pero como el jugador 2 no conoce las preferencias del jugador 1
recurre a suponerlas similares a las suyas; de todos modos, an as
no sabra que podra haber decidido el jugador 1 en la instancia ini-
cial.

Efectivamente, ambos deberan decidir en forma simultnea en la
instancia 2 (y con informacin imperfecta): pensando como si Ana
hubiera decidido inicialmente Alberto asignara una probabilidad a
que hubiera elegido Ftbol y su complemento para Discoteca.

Pero ante el desconocimiento le sera indiferente igualar estas pro-
babilidades de la decisin:

j.1 \ j.2 F D
j.1 \ j.2
F D
F 2 , 2 0 , 1 F 3 , 2 1 , 1
D 1 , 0 3 , 3 D 0 , 0 2 , 3

0(p) + 2(1 P) = 3(P) + 1(1-P), o sea,
2 2P = 3P + 1 P; y
2 4P = 1; o bien 1 = 4P; o sea, P =

(en este caso con preferencias del jugador 1 consistentes y anlo-
gas a las del jugador 2, Alberto sera indiferente en escoger Ftbol o
Discoteca con P = , equilibrio bayesiano de Nash, para optimizar
y evitar un resultado peor).

Pero si las preferencias del jugador 1 no fueran similares a las su-
yas, con una P > entonces Alberto escogera Ftbol. Y si fueran
con una P < entonces Alberto escogera Discoteca, para optimi-
zar y evitar un resultado peor.


647
APUESTA DE PASCAL

Segn la apuesta de B. Pascal: si creo en Dios y existe voy al cielo;
si no existe no pierdo nada. Si no creo en Dios y existe voy al in-
fierno; si no existe no pierdo nada. Entonces creer en Dios es una
estrategia dominante y el equilibrio en este juego de informacin
imperfecta.

En los juegos estticos de unipersonales de informacin perfecta
hay un nico conjunto unitario de informacin (o singleton) con la
solucin. Pero en los juegos unipersonales con informacin imper-
fecta el jugador se enfrenta a la naturaleza y se pueden resolver por
el mtodo de induccin hacia atrs: observando desde los no-
dos de resultados, la estrategia Si es dominante y un equilibrio
de Bayes Nash.

En la forma extensiva:

si cielo
1
si
no infierno
0
si nada
no
1
no nada


648
En la forma normal:

Creer \ Dios
Existe No existe

Creer cielo nada

No creer infierno nada


649

TEORIA DE LOS ACUERDOS

En economa se estudian los acuerdos empresarios bajo el concep-
to de colusin o mercados con formas monoplicas tipo cartel; pero
la teora de los acuerdos ha tenido gran desarrollo en algoritmos de
programacin y aplicaciones para optimizacin multiobjetivo
/multicriteria en otras disciplinas, como en gentica, en poltica,
para programacin computacional, etc, adems de aplicaciones pa-
ra la ingeniera empresarial e industrial.

En la segunda mitad del s.XX, el problema central que se encaraba
era estudiar la forma en que se compatibilizan los intereses contra-
puestos de los agentes y racionalizar la toma de sus decisiones in-
dividuales o grupales. J. F. Nash ampli los conceptos iniciales de
von Neumann-Morguenstern sobre teora de los juegos agregando
diversos casos sin ensilladura, Juntamente con Shapley, M. Shubik
y M. Hauser disearon en 1950 un juego para representar la conflic-
tiva situacin lgica ante la guerra fra por el control en la carrera
nuclear, Fuck you buddy, o Hasta siempre tontos o Joder a tu ve-
cino: 4 jugadores que pueden establecer acuerdos a la vista, sobre
la mesa y, mediante capturas o adquisiciones, gana quien logre
quedarse con la fichas de los dems (7 de un color cada uno), pero
lo hace a costa de establecer un acuerdo con otro o ms jugadores
y finalmente traicionarlo.
Lloyd S. Shapley, en 1950 y en 2012 (premio
Nobel), aport el concepto de ncleo (core) y el concepto de valor
de cada jugador y de potencial en un juego; dise un algoritmo
para medirlo en casos de coalicionales (con TU) y, junto con J. Har-

650
sanyi, una solucin para juegos con pagos sin transferencia de utili-
dad (NTU). Con Bondareva explic los juegos convexos, de ncleo
vaco; y con R. J. Haumann, aplicaron la teora de los juegos a la
formalizacin y claridad de las licitaciones /subastas (elaboraron un
precio recomendado, aplicable a diversas situaciones como el de
tarifas, aproximadamente, segn el valor esperado de su coste mar-
ginal, cuando una produccin es uniforme y se cumple una serie de
premisas, sobre equilibrio presupuestario, neutralidad en la activi-
dad, independencia de escala, etc). Juntamente con D. Gale propu-
sieron un algoritmo, conocido como de aceptacin diferida, adecua-
do para la explicacin de problemas como el de los matrimonios
estables, con una seleccin o combinacin de parejas segn sus
preferencias entre los numerosos conjuntos de hombres y mujeres.
Entre sus numerosos trabajos tambin figura uno sobre las Propie-
dades matemticas del ndice Banzhaf Power [1979] (con Pradeep
Dubey).

A.E. Roth tom los conceptos tericos de Shapley (The Shapley
Value: Essay in honor of Lloyd S. Shapley, 1998) y los aplic a di-
versos problemas concretos, buscando formas para precisar una
distribucin eficiente de pagos en aquellos casos en que los merca-
dos no estn formalizados y/o en los que no se dispone de precios
establecidos, como por ejemplo: compatibilizar la oferta de mdicos
y cirujanos graduados con las necesidades de los hospitales; la de
egresados economistas con los requerimientos y cargos disponibles
en las universidades; padres que estudian cmo elegir colegio para
sus hijos, frente a las disponibilidades en estos; compatibilizar la
donacin de rganos humanos con los requerimientos de enfermos
en lista de espera (Kidney Exchage, o el Intercambio de riones,
2004), etc. (Two Side Matching: A Study in Game Theoretic Model-
ing and Analisy)

651
INDICE DE PODER DE SHAPLEY Y DE BANZHAF CON EXCEL

En los juegos con colusin o coaliciones hubo gran desarrollo de
aplicaciones diferentes para algunos anlisis del poder coalicionad,
especialmente en medicina (genes) y en casos como en el congre-
so de los EEUU, o de la UE y pases e incluso en reas menos im-
portantes, como para asociaciones empresarias o hasta consorcios
de copropietarios.

VALOR DE SHAPLEY

En el volumen II de Contributions to the Theory of Games -Princeton
Un.Press- Lloyd Shapley (1963) se incluy un breve trabajo de
1954, que estableci las bases para la configuracin de un ndice
del valor, que aporta o tiene cada jugador: 1 cada jugador es asig-
nado a las coaliciones hasta completar todas las posibilidades de
estas. 2 el orden es por sorteo, con similares posibilidades para to-
dos. 3 Cada jugador espera recibir aquello con que su aporte contri-
buye.


652
The players in N agree to play the game v in a grand coalition,
formed in the following way: 1. Starting with a single member, the
coalition adds one player at a time until everybody has been admit-
ted. 2. The order in which the players are to join is determined by
chance, with all arrangements equally probable. 3. Each player, on
his admission, demands and is promised the amount which his ad-
herence contributes to the value of the coalition (as determined by
the function v). The grand coalition then plays the game efficiently
so as to obtain v(N) exactly enough to meet all the promises.

El criterio de Shapley consiste en calcular las aportaciones margina-
les de cada jugador a las coaliciones posibles, entendindolas como
puntos de premio o valores monetarios (en [. ] ), por cada partici-
pacin suya en una coalicin que se convierta en ganadora por ello
(en Pn(S) ):

en donde el primer factor de la sumatoria
representa la probabilidad que se forme la coalicin S de jugadores
y a continuacin el jugador i se le incorpore (o sea, S! o probabilidad
que lleguen miembros a S; que se multiplica por la probabilidad de
llegada posterior de n S -1 restantes).

El segundo factor de la frmula en la sumatoria de Shapley [el cor-
chete] est representando el valor de la contribucin de i a la coali-
cin; de modo que Xi es la cantidad esperada con que el jugador i
contribuye a la coalicin.

Por ejemplo, en un sistema de votacin en el que 3 jugadores (A, B,
C) tengan una representacin de 6, 5, y 4 respectivamente, el juego
se puede simbolizar como

653
(9: 6, 5, 4),

indicando 9 la mayora absoluta (la mitad ms uno, enteros, es
15/2= 7.5, entero 8, +1 = 9).

Para calcular el ndice de valor de Shapley se deben calcular las
aportaciones marginales de cada jugador a las coaliciones posibles:
supongamos en este caso un punto de premio por cada participa-
cin suya en una coalicin que se convierta en ganadora por ello
(aunque en otros casos pueden ser miles de pesos).

En este ejemplo las coaliciones posibles son tres factorial: 3! = 3(2)1
=6 coaliciones:

A B C A B
11
C
A C B y las aportaciones o contribuciones marginales A C
10
B
B A C que hacen ganadora a una coalicin son: B A
11
C
B C A (se anotaron los votos que hacen ganador B C
9
A
C A B como subndice) C A
10
B
C B A C B
9
A

En este caso, los 3 jugadores hacen en la primer vuelta su aporte
ganador (ver subndice sumando los votos en la 2 columna o prime-
ra vuelta): el jugador A hace ganadora dos coaliciones; B hace ga-
nadora a otras dos; y C a otras dos coaliciones: o sea, a un punto
por coalicin ganadora, cada uno rene dos puntos sobre seis (2/6 =
0.33); cada jugador tiene 33% de poder de voto.

Cambiando a otro ejemplo, supongamos que la representacin de
los 3 jugadores fuera 4, 3 y 2 respectivamente; el juego sera (6: 4,
3, 2), indicando 6 la mayora absoluta (51% o la mitad ms uno, 9/2
=4.5, entero 5, + 1 =6)

En este segundo caso las coaliciones posibles tambin son 3! =
3(2)1 =6:

654

A B C A B
7
C
A C B y las aportaciones o contribuciones marginales A C
6
B
B A C que hacen ganadora a una coalicin son: B A
6
C
B C A (se anotaron los votos que hacen ganador B C A
9

C A B como subndice) C A
6
B
C B A C B A
9

Aqu A hace ganadoras a 4 coaliciones (dos en la primer vuelta y
dos en la segunda, segn muestran los subndices de las columnas
2 y 3, primera y segunda vuelta respectivamente); B hace ganado-
ra a 1 coalicin; y C hace ganadora a 1 coalicin.

Considerando que cada uno recibe un punto de premio (en otros
ejemplos pueden ser importes monetarios) por cada coalicin que
convierte en ganadora, A tiene 4/6 = 0.667; 66.7% de poder de vo-
to; B hace ganadora a una coalicin y tiene 1/6 = 0.167 de coalicio-
nes y premio por 16.7% del poder de voto; y C tambin tiene 16.7%
de coaliciones, premio y puntaje.

Otras pautas para calcular los ndices de valor coalicionad en los
juegos cooperativos simples (como son por ejemplo los definidos
mediante votacin) se fueron agregando en ampliaciones posterio-
res de Shapley, de Shubik y varios otros anlisis abarcando juegos
cooperativos de votacin diversos; las principales son:

- En los juegos cooperativos con utilidad transferible (UT o TU)
el ncleo (core) es la configuracin de pagos que no permite
a ninguna otra coalicin alguna mejora para sus miembros
(no est dominada por ninguna otra; las bloquea) ya que los
satisface segn sus posibilidades, con estabilidad.
- el pago de cada jugador es una media ponderada de sus
contribuciones marginales a las coaliciones.

655
- La suma de todas las ganancias de las coaliciones ha de ser
igual a la ganancia segura que se obtiene al conformar una
coalicin entre todos los jugadores (gran coalicin)
- La ganancia de un jugador deber ser al menos tan grande
como la ganancia que obtendra jugando sin conformar coa-
liciones.
- Existe racionalidad de grupo.
- El valor de Shapley se entiende siempre una imputacin efi-
ciente; igualmente si el juego es superaditivo (la unin de
dos coaliciones mejora lo que obtienen individualmente).
- Si un jugador no aade valor a alguna coalicin su valor es
nulo.
- Si se intercambian los valores de la funcin caracterstica de
dos jugadores tambin se intercambiarn las ganancias.
- El valor de Shapley de una suma de funciones caractersti-
cas en dos juegos con los mismos jugadores, ser la suma
de los valores de Shapley de cada juego.
- el valor de Shapley no tiene en cuenta factores como la exis-
tencia de alguna distribucin de coaliciones dada, o incom-
patibilidades entre jugadores, ni grados de cooperacin dife-
rentes entre ellos.

En realidad, existen juegos en los que unas coaliciones pue-
den ser ms fciles o viables que otras. Tal es por ejemplo la
situacin en los consejos en el mbito de las ONU, donde
pueden influir factores histricos, culturales, guerras, etc.que
dificulten coaliciones entre representantes de pases; y por
ejemplo, Owen complement este anlisis con la idea de
coalicin anidada (por estos aspectos exgenos) y otros
conceptos para ampliar el ndice de Shapley a estos casos.
Harsanyi, Shapley, Maschler y Owen extendieron este anli-
sis para los juegos con utilidad no transferible (UNT o NTU
planteados por Aumann en 1961); y existen otros casos
anlogos.


656
LA OPTIMIZACION SUBJETIVA (Y LOS BANZHAF):
La optimizacin multiobjetivo implica necesariamente la intervencin
(previa, posterior o progresiva) del decisor, convirtindola as en un
proceso subjetivo, sujeto a sus apreciaciones, valores, heurstica.
Los mtodos usuales implican algoritmos de procesos Pareto-
eficientes u otros como los aqu presentados utilizando Excel.
La inteligencia artificial implementada mediante software en las lti-
mas dcadas tiene desarrollos importantes en dos reas de trata-
miento ilustrativas: una es en la teora de los juegos, mediante algo-
ritmos de programacin lineal.
Otra rea son los algoritmos genticos evolutivos, que utilizan mu-
chos los terapeutas y ofrece crecientes posibilidades mdicas, bio-
ingeniera industrial y muchos otros campos, especialmente desde
el desarrollo de la programacin gentica, cuyos principales aportes
figuran en los textos de Wolfgang Banzhaf: Programacin Gentica
Introduccin, 1998; y Programacin Gentica Lineal, una mono-
grafa de Brameier y Banzhaf, 2007).
Son ampliamente conocidos los resultados en investigaciones sobre
ADN, tanto en medicina (el genoma humano, vacunas, insulina, te-
rapias genticas), como en agricultura (cultivos transgnicos como
la soja y otros granos) o ganadera (variedades sin grasas, leche
enriquecida, etc).
En cuanto a la programacin lineal y la teora de los juegos nos in-
teresan particularmente algunos aportes de John Francis Banzhaf
III, especialmente con su trabajo de 1965, Weighted voting does
not work: A mathematical analysis. (Rutgers Law Rev., 19, 317-343).

657

J. F. Banzhaf, es muy conocido en EEUU por sus diversas activida-
des: contribuciones a la legislacin y polticas pblicas, con acciones
legales contra las tabacaleras y su publicidad televisiva; prohibicin
de fumar en vuelos; acciones sobre los derechos de autor en mate-
ria de software; acciones legales sobre la obesidad por refrescos de
Coca Cola o por dietas saturadas en grasa disponibles en la cadena
McDonal; etc. Pero nos interesan especialmente sus aportes sobre
la medicin del poder de voto en las coaliciones de los juegos con
T.U., presentes en instituciones como el senado de los EEUU o de
EU e instituciones representativas de nmeros pases, as como en
las empresas u organizaciones sujetas a votacin en asambleas.

INDICE DE PODER DE BANZHAF CON EXCEL

Para aplicar el ndice de Banzhaf es necesario previamente asegu-
rar la coherencia de un sistema de votacin; por ejemplo, que exclu-
ya valores negativos y valores mayores a la totalidad de los votos, o
que respeten los diferentes tipos de mayoras reglamentarias (sim-
ple, absoluta (51%), especiales (67%), o con poder de veto (un por-
centaje mayor al de todos los dems), etc., segn establezcan los
estatutos del juego o asociacin.

Para este ejemplo en Excel la frmula incorporada en la celda D2
discrimina entre minoritario y con poder de veto; y para evitar in-
consistencias se incorpor a esta celda la exigencia de incluir solo
valores positivos y hasta 1400 (mediante Datos / Validacin de da-
tos / Decimal )

658

Para el clculo del ndice de poder segn J. F. Banzhaf mediante
Excel, el valor de una coalicin a estudiar se valida en D2 y luego se
lo incorpora como referencia en A9 (pulsando aqu +D2).

Luego se establecen en B10:B24 las coaliciones posibles (arreglos
simples sin repeticin incluyendo la gran coalicin por unanimidad).
En la columna siguiente se suman los votos de cada una (por ejem-
plo C19 es =A12+A13 ; etc. C10:C24)


659
En D10:D24 se introdujo la frmula que indica si cada coalicin pier-
de o gana frente al valor de la referencia estudiada en D2 o A9 (por
ejemplo, D15 es =SI(C15>=$A$9;"GANA";"PIERDE") ; etc.
D10:D24)).

En las columnas E hasta H se recuenta el aporte o incidencia gana-
dora de cada jugador en las coaliciones (con 1 0, segn los resul-
tados de cada swing del denominado penduleo de Banzhaf), me-
diante la frmula con en E10 ( =SI(Y($D10="GANA"; $C10-
$A$10<$A$9);1;0), que se copia a las dems celdas con coalicio-
nes E10:H24 )


660

A continuacin en la fila 25 se suman las incidencias, aportes o
swing de cada jugador (E25 es =SUMA(E10:E24) ; etc.
E25:H25 ); y tambin se suman en I 25 las incidencias de todos los
jugadores.

Finalmente se calcula el ndice de Banzhaf mediante la frmula:
(E26 es =E25/$I$25*100; etc. E26:H26), que indica el poder de
cada jugador como un porcentaje del poder o incidencia total.

661

La ventaja de esta presentacin como planilla de clculo es que
puede ampliarse fcilmente para juegos mayores a cuatro jugado-
res, y para cada juego se obtienen automticamente los ndices de
poder de Banzhaf con solo incorporar y validar los votos en la celda
validante inicial D2.


662
VALOR DE SHAPLEY CON EXCEL

En la siguiente trabajo se incorpor en una macro el clculo del ndi-
ce de Banzhaf-Coleman y tambin el de Shapley-Shubik:


663
CAPITULO 10

JUEGOS MULTIPLES NO COOPERATIVOS

Existen muchos ejemplos limitados para juegos de dos jugadores,
cada uno con dos acciones posibles; las estrategias del sujeto B
dependen de los que decida A, de modo que para B son 2
2
= 4 las
estrategias posibles; el nmero de estrategias crece exponencial-
mente segn el nmero de jugadores y tambin segn la posibilidad
de interaccin posible entre ellos: esto consiste una de las limitacio-
nes de la teora de juegos y fue el motivo de la concentracin en
juegos de pocos jugadores y estrategias.

No obstante, hay diferentes anlisis para encarar los casos comple-
jos. En particular, estn algunas referencias sobre utilitarios disea-
dos para estos anlisis, que van ms all de la programacin lineal:
Ghose y Prassad (1989) definen puntos de equilibrio con niveles de
seguridad que son puntos de silla Pareto ptimo. Admiten planteos
similares a los juegos escalares pero son ms complejos en funcin
de la cantidad de jugadores y estrategias. Pueden programarse eje-
cutables para resolverlos y recientemente los utilitarios de Investiga-
cin Operativa comienzan a incorporar estas herramientas para op-
timizacin multiobjetivo o multicriterio (mayormente con finalidad
comercial, pero existen otros libre en la web e incluso on-line.

Entonces y por ahora, lo comentado: la teora de juegos no reem-
plaza a la teora convencional microeconmica, clsica o neoclsica,
como teora general de la empresa; simplemente es un enfoque
lgico, matemtico, axiomtico y computacional, complejo pero til
para reinterpretar, particularmente la teora del oligopolio (mbito en
el cual se presentaron la primeras inquietudes sobre juegos), as
como otros campos, en los cuales permite obtener conclusiones
antes imposibles, como son los casos de juegos mltiples, la teora

664
de los acuerdos (cooperacin) y otros importantes casos puntuales,
cada da aplicados a nuevos mbitos.

OPTIMIZACION MULTIOBJETIVO - MULTICRITERIO
PROGRAMACION POR METAS

La agencia TopAd firm un contrato de promocin por radio y tv, que
establece no utilizar ms de 6 minutos por radio; los anuncios por
radio y tv deben llegar a por lo menos 45 millones de personas; el
presupuesto fue fijado en $ 100 mil. La empresa tiene 10 emplea-
dos y quiere saber cuntos minutos de radio y tv optimizarn esta
promocin.

El siguiente cuadro resume la situacin: Minuto de anuncios
Radio TV
Audiencia en millones 4 8
Costo en $ millones 8 24
Empleados dedicados 1 2

PENALIZACIONES:

En la programacin multiobjetivo (dos o ms f.o.) por metas se fijan
las funciones objetivo:

Min C1 = p1 (satisfacer la meta de audiencia minimizando
excesos p)
Min C2 = n2 (satisfacer la meta del presupuesto minimizando
defectos n)

Sujeto a:

665
4X1 + 8X2 + p1 n1 = 45 (restriccin audiencia)
8X1 + 24X2 +p2 n2 = 100 (restriccin presupuesto)
X1 + 2X2 <= 10 (restriccin personal)
X1 <= 6 (restriccin radio)
X1, X2, p1, n1, p2, n2 >= 0 (no negatividad)

En donde las penalizaciones se consideran como ponderadores de
cada funcin objetivo o meta que son incorporadas en las restric-
ciones como variables adicionales, tanto los desvos positivos de
cada meta (p1 y p2) como los desvos negativos (n1 y n2).

Segn la programacin por metas, la agencia TodAd decide consi-
derar que la meta audiencia es el doble de importante que la meta
del presupuesto (penalizaciones); entonces se replantean las fun-
ciones objetivo unificndolas como:

Min Z = 2C1 + C2 = 2p1 + n2

La programacin tradicional resolva en forma dificultosa y muy limi-
tada estos problemas (con 2 3 variables y pocas restricciones)
mediante el mtodo grfico o el Simplex por etapas; sin embargo a
fines del s.XX, aparecieron utilitarios que facilitan la programacin
por metas (y otros mtodos alternativos), para muchas variables y
restricciones.

PROGRAMACION POR METAS CON EXCEL

La macro Solver de Excel es la aplicacin ms conveniente (siempre
bajo necesarios controles de racionalidad). Se ilustran ejemplos con
dos variables para abreviar, pero los utilitarios procesan de igual
forma muchas variables y restricciones (cientos).


666
Desarrollando este caso simplificado se observan contradicciones
iniciales entre el objetivo de obtener una gran audiencia de 45 y
otros objetivos o restricciones, como un solo un presupuestos de
$100, solo 10 empleados o no ms de 6 minutos por radio.
La propuesta tradicional consiste en determinar algunas soluciones
extrems considerando solamente algunas restricciones como duras
o indefectibles y olvidndose de las otras, a efectos de fijar un punto
extremo u objetivo lmite sobre el cual pivotar para minimizar dife-
rencias al momento de determinar un ptimo global (incorporando
estas diferencias penalizadas en una sola funcin objetivo.
Si en este caso, el decisor tomara como criterio valorar el doble un
exceso de presupuesto (restriccin dura) que un defecto en audien-
cia (restriccin blanda): en C9 se establece la diferencia entre la
restriccin audiencia y lo conseguido; en C10 se establece la dife-
rencia entre el presupuestos y lo que se gaste; en C11 se establece
la nueva funcin objetivo, minimizar un doble de la diferencia en
audiencia ms la diferencia en presupuesto.


667

Al ejecutar Solver se obtiene una solucin, con 5 de radio y 2,5 de
tv, que permiten obtener una audiencia de 40 (o sea que ante el
objetivo limite inicial 45, surgen 5 como penalizacin minimizada).
Es decir que, con 5 de radio y 2,5 tv se obtienen: 5(4) + 2,5(8) =40
de audiencia.
Pero podra haber otras combinaciones posibles que tambin respe-
taran las restricciones duras: por ejemplo, con solo 10 empleados,
100 de presupuesto y 6 de radio como mximo (restricciones du-

668
ras), tambin se obtendra solo 40 de audiencia (blanda): utilizando
6 de radio y 2 de tv: 6(4) +2(8)=40.
Es el decisor quien debe adoptar finalmente el criterio deseado, en
funcin de la contradiccin inicial entre los mltiples objetivos y las
restricciones.

PROGRAMACON POR METAS CON WINQSB

A continuacin se resolver este ejemplo de L.R. Sturla con WinQsb
(2.0), que tambin es uno de los software ms amigable y de amplia
difusin, tal como se present en el captulo anterior para facilitar la
programacin lineal.

En la ventana inicial se elige Goal Programming y se abrir otra
ventana para anotar el nombre del problema, la cantidad de funcio-
nes objetivo, la de variables y la de restricciones (no negativas ya lo
esta por default)


669

Para implementar la modelacin algebraica de la programacin por
metas se debe tener en cuenta que los utilitarios usuales operan con
el algoritmo Simplex, implementado en forma matricial para el ingre-
so de datos; en general presentando las variables reales y adiciona-
les como columnas y las restricciones como filas; de este modo la
operatoria de la macro considerar la incidencia segn la intersec-
cin de cada variable y restriccin, segn los coeficientes y penali-
zaciones establecidos.

La primer fila corresponde a la/las funciones objetivo y ltima co-
lumna corresponde a los trminos independientes o lado derecho
del sistema de inecuaciones (o lmites, restricciones, capacidades,
etc).


670

Una vez completa esta matriz de presentacin, se pulsa en Solve
and Analyze que resuelve en forma casi instantnea estos casos y
presenta los resultados de esta una solucin en una venta adicio-
nal (superpuesta y desplazable).

INTERPRETANDO LA SOLUCION:

X1 = 6 minutos radio
X2 = 2 minutos tv
X3 = p1 = 5 millones de audiencia
X5 = n2 = 4 mil $ presupuesto

O sea, una solucin eficiente con X1 = 6 radio y X2 = 2 tv, pero que
genera una audiencia de solo: 4(6) + 8(2) = 40 millones de perso-
nas; y con un presupuesto inferior al lmite: 8(6) + 24(2) = $ 96 mil.
Las variables restantes se cumplen y figuran con resultado nulo; el
hecho de que el ptimo encontrado no sea nulo implica que al me-

671
nos una de las metas no se satisface: P1 = 5 millones esta indican-
do que la audiencia igual a 45 millones no se alcanza; en cuanto a la
meta del presupuesto $100 mil tampoco se est logrando ($96 mil),
ya que n2 no es nulo.

Sin embargo, en este tipo de problemas multiobjetivo o multicriterio
no se consigue una solucin ptima sino solo una solucin eficiente,
quedando a cargo el decidor la eleccin entre esta u otra solucin
eficiente segn sus preferencias.

Por ejemplo, otra solucin eficiente del problema se alcanza con
estos resultados diferentes:
X1 = 5 minutos (radio)
X2 = 2,5 minutos (tv)
P1 = 5 millones de personas

de modo que aqu el objetivo de la audiencia tampoco se alcanza:
4(5) + 8(2,5) = 40 millones; aunque en este caso se cumple el obje-
tivo del presupuesto 8(5) + 24(2,5) = $100 mil (segn indica en
este otro caso un n2 = 0). Pero es el decisor quien debe elegir entre
las soluciones eficientes.

ANALISIS ENVOLVENTE DE DATOS (DEA)

El AED surge en 1978 con los desarrollos de Charnes, Cooper y
Rhode sobre una idea de Farrel (1957), para obtener una medida
satisfactoria de la eficiencia productiva, en los casos de procesos
alternativos y/o de empresas que obtienen diferentes producciones
mediante insumos compartidos.

Esta tcnica de programacin multiobjetivo tambin es otro proceso
que implica una intervencin necesaria o toma de decisiones, as

672
como la utilizacin de algn software, dada la naturaleza compleja
de estos casos de optimizacin mltiple.

Existen numerosos programas especficos (muchos de uso libre y
algunos on-line) y tambin se ha incorporado esta prestacin en los
paquetes economtricos usuales; aqu presentamos el DEA Excel
Solver Frontier, para el utilitario Excel de Microsoft; este Frontier es
de acceso libre: http://www.deafrontier.net/free_dea/index.html

Requiere bajar el archivo DEA.zip, habilitar en el Excel el uso de
macros (y adems, en particular, el de la macro Solver) adoptando
un nivel de seguridad medio; incluye una orientacin preliminar y un
archivo con un ejemplo.

En la orientacin figura a la izquierda una columna con las DMU o
unidades de decisin; otras para sus imput y finalmente otras para
los output.


673

Las posibilidades de aplicacin a casos econmicos son variadas
(procesos, producciones, empresas, etc) para estos procesos mul-
tiobjetivo (ya que en ellos tambin se est buscando como un con-
junto de soluciones Pareto-eficientes, que conforman una frontera
eficiente con las mejores combinaciones productivas o resultados
alcanzables).


674

El DEA.zip incluye un archivo (Example.xlsx) con el siguiente caso
ejemplo, desarrollado en sus siete hojas al pie:


675


676
LOS ALGORITMOS MULTIOBJETIVO / MULTICRITERIA
LOS ALGORITMOS NO CALCULAN NADA

Lo que en el universo del nuevo lgebra abstracta se presenta como
un summum de complicacin y sofisticacin no es a veces ms que
un no simple lenguaje simblico (batante a criterio del redactor), que
generalmente intenta expresar simples operaciones sucesivas o
reiteradas, no tan complicadas, salvo para expresarlas literalmente.

Muchsimas situaciones complejas de este tipo suelen resolverlas
los jvenes de 15 20 aos que realizan programas de compu-
tacion para juegos y otros fines, sin recurrir a la teora de conjuntos
NBG (vese ms adelante hacia el final), pero concretando sus
ideas computacionalmente.

Los algoritmos suelen ser solo dibujos de ideas; pero por s solos no
resuelven ni calculan algo: calculan nada. Generalmente, son los
programas de computacin como Excel u otros los que resuelven
los clculos (salvo expeciones muy simples o primarias).

Algo similar ocurre con algunos algoritmos multiobjetivo y/o multicri-
terio, que solo expresan sucesivos procesos aritmticos que es ne-
cesario realizar paso a paso ordenadamente. Pero la dificultad solo
est mayormente en la forma de expresar esta idea. Como un ejem-
plo se puede citar el criterio de ordenacin de Excel en Office 2003;
tiene 3 criterios para odenar simultneamente (por ejemplo, dia,
mes, ao). Pero es usual que sea necesario ordenar por ms de 3
criterios, como sera por dia, mes,ao, nombre de empresa, pais de
origen, marca de producto, precio, rankeado de mayor o menor o
viceversa, etc.

Con Office 2007 o 2010, se pueden agregar ms criterios de orde-
namiento, simplemente con sendos clic y eligiendo en cada uno por
cual campo o columna se desea ordenar o pivotar (c/u en orden

677
creciente o decreciente). Es este un ejemplo de proceso y algoritmo
multicriterio, que requiere del ejecutor esa intervencin previa de
tildar (en otros casos similares la intervencin puede ser paso a pa-
so o bien por una seleccin posterior).

ALGORITMOS PARETO EFICIENTE

El tratamiento tradicional de los problemas con el anlisis de datos
bajo mltiples objetivos o multicriterio consista en la elaboracin de
programa de computacin, bajo la gua o idea conceptual de algn
algoritmo que sintetizara simblicamente en pocos smbolos el tra-
tamiento a desarrollar.

En definitiva, utilizando siempre programas de computacin para
tratar series de datos y seleccionar los que cumplan algunos obje-
tivos buscados. Los algoritmos y/o programas son de una variedad
muy amplia, acorde con las soluciones que cada usuario encuentra
para obtener la informacin buscada.

Inicialmente, los programas se formulaban bajo el entorno DOS;
pero desde que apareci el Office 2007 y Excel con su hoja de
clculo de un milln de lneas y 20 mil columnas, aparecen cada da
nuevas aplicaciones bajo este entorno Windows (todava siguen
siendo ms potentes las bases monousuario como DBase 4 hasta 7
y el vFox (que Microsoft pronto sacar de circulacin, sin reemplazo
en Acces ni Excel todava u Oracle; cuestiones de marketing).


678
EJECUTABLE MULTICRITERIO ORDENADOR FCE-UBA

En este curso de microeconoma de la FCE-UBA se facilita un bre-
vsimo programa bajo DOS para resolver un problema de optimiza-
cin multicriterio, conformado por muchos millones de elementos,
estructurados cada uno en un registro (lnea) con cincuenta campos
o conceptos (columnas de datos).

Se trata de informacin comercial de despachos diarios de importa-
ciones de bienes en Argentina, durante perodos 1991-2008 prolon-
gados. Es informacin sobre cantidades, precios, fechas, empresas,
orgenes, marcas, calidades, etc.y se buscan ah despachos que
cumplan con algunas caractersticas. Sin embargo, stas puedan
representar objetivos contrapuestos, como por ejemplo, bajo precio
y alta calidad, o algn tamao u origen de un bien.

Algunos algoritmos resuelven este problema mediante mtodos Pa-
reto eficiente, en los que la intervencin del decisor va seleccionan-
do progresivamente los elementos que cumplen uno de los objeti-
vos, para repetir el proceso con otro objetivo, hasta depurar la serie
seleccionando las mejores alternativas de cada objetivo y elegir en
la frontera eficiente de Pareto finalmente un ptimo global, que me-
jore algunos objetivos y solo perjudique levemente algn otro.

En este caso se suministra aqu un ejecutable sacf.exe, hecho utili-
zando Clipper5 bajo DOS, para simplificar las cosas en este proble-
ma, usualmente tratado en los textos con algoritmos solamente en
forma simblica, pero con demasiado misterio sobre la operatoria
de los procesadores (simples ordenadores o PC de mesa)

Se confeccion la instruccin necesaria sobre criterios a decidir en
el archivo sacf.prg escribiendo solamente el contenido entre comillas
(sin incluir estas y respetando el espaciado):


679
Use 72con9
Sort on cap, part, a /d, m /d, ao, desp, /d, di, tem, si, kilos /d to
72con99

Este archivo sacf.prg no es necesario procesarlo bajo algn pro-
grama de base de datos para tratamiento de series, como DBase o
vFox, ya que mediante Clipper5 se lo convirti en un ejecutable
sacf.exe.

Para ello se instruy al equipo bajo DOS con:

clipper sacf Enter
clipper rtlink Enter.

De este modo, siguiendo bajo DOS y disponiendo de la base de
datos 72con9 con los millones desordenados de registros de 50
campos [entre ellos los nominados en el sacf.prg: capitulo, partida,
ao (en orden decreciente), mes (en orden decreciente), nmero de
despacho aduanero (en orden decreciente), dgito del despacho,
tem, subitem, kilos (en orden decreciente)]; en el sacf.prg se instru-
y que la PC o equipo inicie la base de datos configurada en su path
(junto con Clipper, Dbase o vFox, NC) y abra el archivo 72con9 (que
por configuracin default tiene la extensin .dbf) y proceda a orde-
narlos segn el criterio ah previsto por el decisor; finalmente con to
72con99 se instruye que seleccione la base as ordenada y la guar-
de en un nuevo archivo 72con99.dbf

El usuario decisor dispondr en este nuevo archivo 77con99.dbf de
todos los despachos, pero ya ordenados segn el criterio multiobje-
tivo; de modo que solo le es requerido al decisor que seleccione
finamente el o los despachos de un producto concreto, que cum-
plen con el criterio buscado (menor precio y simultneamente mejor
calidad o determinado tamao u origen, etc), mediante seleccin
visual de la serie final ordenada.


680
Cabe aclarar que as como es fcil simplificar la operatoria de un
proceso computacional multiobjetivo-multicriterio para este caso
resuelto mediante ordenamientos, tambin es igualmente fcil cons-
truir programas mediante .prg y sus ejecutables .exe para casos
que impliquen sumatorias, promedios simples o mviles, etc. nece-
sarios para otros problemas de decisin Pareto eficiente, ya sea con
intervencin previa , final o interactuando con el decisor durante el
proceso.


681
MULTICRITERIO MULTIOBJETIVO CON EXCEL 2007 o 2010

Sin embargo, desde 2007 tambin es posible efectuar estos anlisis
multicriterio y multiobjetivo utilizando Acces y especialmente Excel
con un milln de lneas. En la imagen siguiente se efectu el orde-
namiento con Excel, mediante la pestaa Datos / Ordenar: se agre-
gan suficientes renglones para los criterios de orden necesarios con
Agregar nivel y se tilda en cada uno si debe ser creciente o descen-
dente; al Aceptar sobre el rea total previamente pintada (con Ma-
ysculas y simultneamente una techa cursor) quedar instant-
neamente la serie original ordenada segn el criterio seleccionado
(conviene guardarla con otro nombre de archivo). La decisin final
del usuario consistir en elegir aquellos despachos de menor precio
y mayor calidad o determinado origen o tamao, etc. ya ordenados
segn su criterio deseado.


682

(ud. puede aumentar el detalle de la imagen con Vista / Zoom 200% etc.)


683
EVALUACION DE LA TEORIA DE LOS JUEGOS

La teora de los juegos se conforma con reglas y mtodos para
resolver un conjunto (limitado) de situaciones (preferentemen-
te econmicas) interdependientes entre dos o ms sujetos.
Estticos o dinmicos; de tipo conflicto o con cooperacin; por
nica vez o repetido (finitos o infinitos); con informacin com-
pleta o incompleta /imperfecta; de dos, tres, pocos, numero-
sos agentes, muchos, o un continuo de agentes.

Interesa tener en cuenta que en ellos se presupone racionali-
dad en todos los agentes; que requieren que las reglas sean
conocidas antes de comenzar y adems de mutuo conoci-
miento; las estrategias (accin esttica o plan de juego din-
mico) de cada uno; los pagos, en cantidad, su orden y el valor
esperado.

En los juegos estticos cada uno decide sin conocer la deci-
sin de los oponentes. Las estrategias pueden ser puras (re-
sultado del 100%) o mixtas con cierta probabilidad de algu-
nas estrategias puras; discretas o bien continuas. Se pueden
presentar en la forma matricial escalar o vectorial, o bien en la
forma extensiva tipo rbol; en los juegos dinmicos en la for-
ma extensiva se resuelve mediante induccin hacia atrs,
desde el nodo final.

Los juegos repetidos son como los estticos pero ocurren en
una secuencia de varias veces, por lo cual interesa la repu-
tacin previa y las expectativas del adversario; las amenazas
y promesas deben ser crebles en funcin de los pagos impl i-
cados para quien los formula. En los juegos repetidos finitos
con final conocido se invalidan las amenazas y promesas y

684
solo se repite algn posible equilibrio de Nash (Selten). En los
juegos infinitos no se conoce el final y no se puede aplicar la
induccin hacia atrs, por lo cual son posibles las amenazas y
promesas.

Segn el teorema Folk, en los juegos repetidos infinitos los
jugadores reciben un pago similar, que es igual o superior a
alguno de los equilibrios de Nash en el juego de una etapa y
ser un equilibrio de Nash perfecto si la tasa de descuento es
cercana a uno.

Por ejemplo, los productores de envases industriales entregan
peridicamente algunos defectuosos (un 0,5% deperros),
que generan prdidas a los productores de productos qumi-
cos, quienes necesitan comprar envases baratos para compe-
tir; la operacin es viable siempre que el descuento en el pre-
cio de los envases (por incluir perros) no llegue a impedir fa-
bricarlos (se acerque a 1).

PARADOJA DE LA INDUCCION - MANO TEMBLOROSA

D. Ross (2005) utiliza la induccin hacia atrs desarrollando el
algoritmo de Ernst Zermelo (1913) en un juego repetido finito
y observ una paradoja: en el tercer perodo final el jugador 1
debe elegir Left (con pagos 3 y 1 respectivamente), que el ju-
gador II no aceptara, ya que retrocediendo un perodo el ju-
gador II obtendra un pago mayor, segn (0, 2); asimismo, este
resultado no sera aceptado por el jugador 1, ya que retroce-
diendo otro perodo obtendra un pago mayor: segn (1, 10)
inicial obtiene un pago 1 que es mayor que el pago 0 del pe-
riodo intermedio. La paradoja se presenta, ya que este equil i-

685
brio inicial es el equilibrio de Nash; y la resuelve introduciendo
una nueva variable, la posibilidad de irracionalidad o mano
temblorosa

Para decidir en el ltimo perodo, el jugador II necesita supo-
ner que el jugador I es racional y elige Left. Pero si se introdu-
ce la posibilidad de que los jugadores sean irracionales, al
elegir su estrategia (con esta mano temblorosa) cambian los
resultados del juego: (2, 4) es ms beneficioso para ambos.
De aqu la necesidad e inters (especialmente en ciencia pol -
tica), en divulgar y ensear la racionalidad de la teora de los
juegos (con nfasis especialmente en la justificacin racional
de medidas ya adoptadas en materia de guerra fra, como la
crisis de misiles cubana, armamentismo, o en las polticas en
Oriente Medio, etc.)

Pero, si los jugadores tienen que ser educados para poder
llegar a la solucin correcta de la teora de los juegos, en defi-
nitiva esta teora no est explicando satisfactoriamente los
mecanismos de decisin del comportamiento humano.

686

PARADORA DEL PRISIONERO

En el dilema del prisionero reiterado con horizonte finito (in-
formacin incompleta), la estrategia dominante es traicionar en
todas las etapas, sin aprovechar las ventajas de la colusin
mediante cooperacin. El equilibrio perfecto es confesor, de-
fraudar, traicionando.

PARADOJA DEL INGRESO DE COMPETIDORES -BARRERAS
DE ENTRADA -MERCADOS CONTESTABLES

En los mercados contestables, ingresan nuevas empresas
compitiendo con tecnologas sin altos costos fijos. P.Sylos
Labini (1962), la empresa lider procura establecer barreras de
entrada (bloked entry): sus costos hundidos por aumentos de
capacidad son para poder operar con menores precios, que
sean disuasivos del ingreso de competidores. A.M.Spence
(1977), Incumbrn disuade a Entrn mediante un aumento de
la capacidad productiva para operar con menores precios y as
achicar el mercado remanente para la seguidora entrante. Se
concreta la amenaza creble, que a Entrn se le generen be-
neficios nulos o negativos conforme menor sea su demanda
remanente, como en un modelo de Cournot.

Para A.Dixit (1980), es un juego secuencial con induccin ha-
cia atrs; pero se da un paradoja en estos juegos repetidos
finitos, como en el del ingreso de competidores en la cade-
na de almacenes, que Reinhard Selten (1987) analiza paso a
paso: si el juego es finito, entonces en el ltimo perodo al mo-

687
nopolio ya no conviene luchar y entrarn competidores, opti-
mizara evitando nuevos gastos en medidas de disuasin y
decidira compartir el mercado. Pero si el juego fuera infinito,
este resultado no sera robusto, ya que el monopolio decidira
seguir invirtiendo en medidas disuasivas, luchando para evitar
el ingreso de competidores

PARADOJA DE LAS ESTRATEGIAS GATILLO -TRIGGER

En los juegos repetidos con acuerdo de cooperacin, las estra-
tegias gatillo (trigger) seran un equilibrio de Nash: si nunca
hubiera desviaciones todos los jugadores en cada subjuego
elegiran la estrategia cooperacin, con igual resultado en el
juego completo. Pero si hubiera una desviacin en un subjue-
go, los jugadores dispararan la estrategia gatillo y pasaran
todos a actuar por la suya segn el equilibrio de esa etapa del
subjuego, cumplindose la previsin del teorema Folk: en los
juegos repetidos puede haber equilibrios con pagos superi o-
res a los del juego base.

LIMITACIONES DE LA TEORIA DE LOS JUEGOS

En los juegos no siempre es razonable asumir el elevado nivel
de racionalidad requerido por los agentes; puede no ser siem-
pre posible precisar las reglas y resultados para todos los ju-
gadores; y en ocasiones los resultados no surgen por aplica-
cin de esta teora sino por cuestiones culturales o sociales.
Un conjunto de crticas sobre juegos y sus paradojas se refie-
ren a la racionalidad de los agentes, que efectivamente no es
ilimitada; adems, los agentes pueden tener diferentes cos-

688
movisiones sobre la normalidad segn su formacin, religin o
cultura y ofrecer diferentes respuestas racionales unos que
otros a un mismo juego.

Otra de las observaciones crticas efectuadas se refiere a que
esta teora de juegos se basa en el accionar de los individuos
ms bien que en la consideracin de los sistemassociales del
contexto. Aumann (1998) resumi que en los juegos no
cooperativos individuales (equilibrio de Nash perfecto en sub-
juegos) se considera en definitiva la consistencia mutua de
expectativas individuales, pero ello es con independientemen-
te de eventuales reglas impuestas por el contexto.

Shubik (2000) tambin duda del alcance de los juegos estrat-
gicos, en la medida que no consideran la innovacin, las mu-
taciones, ni la retroalimentacin entre el juego y su ambiente.

Adems, en los agentes influyen las pasiones como el amor,
odio, rabia, envidia, temores, que hacen a la toma de decisio-
nes no necesariamente probabilsticas bajo incertidumbre.
Los enfoques de la teora de los juegos se plantean concep-
tualmente, grficamente y mediante los anlisis matemtico o
algebraico alternativos, requiriendo en muchos casos la he-
rramienta computacional para la solucin; la teora de conjun-
tos y grupos es un lenguaje alternativo adecuado para el plan-
teo de estos algoritmos, especialmente en los casos con dos o
pocos agentes que no requieren una solucin computacional.

Otro grupo de observaciones hace referencia a la complejidad
de la implementacin computaciones para algunos juegos en
el s.XXI; se menciona por ejemplo la ambigedad del concepto
prctico de infinito; pero especialmente se objeta la tendencia

689
a utilizar un confuso lenguaje alternativo, diferencial, combina-
torio, de conjuntos y con algoritmos de la modelacin previa a
la concreta programacin computacional de muchos casos,
planteados bajo un marco oscurantista innecesario.

OBSERVACION GENERAL SOBRE LATEORIA DE LOS JUE-
GOS

No existe una teora general sobre teora de los juegos; existe
una coleccin de reglas y mtodos para diferentes tipos de
juegos, pero son casos particulares (que enfrentan numero-
sas crticas en el mbito econmico y en ciencia poltica) y no
conforman un enfoque general. Solo constituyen un nuevo
modo de explicar satisfactoriamente situaciones de conflicto y
de cooperacin; conforman mecanismos tiles que hacen a la
mejor gobernanza y mejoran el anlisis tradicional clsico en
numerosos casos particulares.

Esto no implica insinuar en particular, que la teora de los jue-
gos pueda reemplazar a la teora clsica microeconmica co-
mo economa de la empresa; por el contrario, el reciente enfo-
que de mercados imperfectos con teora de los juegos suele
implicar matrices de pago, que son previamente obtenidos
mediante el anlisis microeconmico clsico (ingresos, de-
manda, produccin, costos, beneficio, etc.). La teora de los
juegos complementa a la teora microeconmica clsica en un
conjunto limitado de temas de la economa de la empresa
(mercados imperfectos) , as como tambin lo hace en ciencia
poltica (justificacin del armamentismo y guerra fra), medici-
na (genoma, ADN) y otras disciplinas.


690

ECONOMIA EXPERIMENTAL Y LA SEU

Las observaciones anteriores no son un punto de vista particular
aislado. Entre otros anlisis, R. Selten, en Evolution, Learning, and
Economic Behavior (1990), tambin hace una exposicin de nume-
rosos estudios y experimentos sociolgicos, referidos al enfoque
tradicional bayesiano sobre la maximizacin de la utilidad espe-
radas subjetiva (SEU), que plantearon von Nuemann y Savage
(1954) para la teora de los juegos y su aplicacin particular en mi-
croeconma.

Por una parte comenta las excepciones a este criterio bayesiano,
como las planteadas por la Paradoja de Allais, que considera al
homo economicus como un sujeto terico, un mito, que se aleja de
la realidad del comportamiento humano, muy influido por usuales
inconsistencias.

Menciona a Maynard Smith, que analiza el criterio del comporta-
miento racional en la adaptacin de las especies animales y plantas.
Sin embargo, los genetistas dudan de la optimalidad en la evolucin
animal, tal como en el ejemplo del desarrollo imperfecto de la jirafa,
por sus limitaciones de movimiento y tener que dormir de pie, al no
poder adaptar su organismo y disponer de solo 7 vrtebras en el
cuello.

Tambin destaca que, segn la teora de la evolucin cultural, pre-
sentada por Cavalli, Sforza y Feldman (1981), los mtodos bayesia-
nos deberan ser enseados a los futuros ejecutivos, para garanti-
zar el xito de los mismos; los padres culturales resultan tanto ms
efectivos segn mayor sea su prestigio.

Tambin Boyd y Richerson promueven el aprendizaje guiado por el
ejemplo, los itos y los ingresos en dinero; y Arrow (1962) con la teo-

691
ra del aprendizaje procediendo, segn un proceso memorstico, de
imitacin y de creencias en el aprendizaje.
Por otra parte, Selten ve que segn los experimentalistas, esas
usuales decisiones humanas tomadas a dedo se pueden relativi-
zar, si se incorpora en el anlisis los costos de decisin.

En esta evaluacin de la SEU presenta argumentaciones sobre de-
cenas de anlisis sociolgicos, tanto a favor como en contra de la
teora bayesiana: sus defensores piensan que el problema es por-
que los sujetos no siguen las pautas requeridas por este comporta-
miento y por ejemplo tienden a sobrevaluar casos como con la ley
de los pequeos nmeros, cuando la aplicacin del criterio de Bayes
requiere estrictamente distribuciones de probabilidad que abarquen
a todos los estados posibles de la naturaleza.

H. Simon ya haba presentado en 1957 la idea del satisficing -
sufficing sobre racionalidad limitada en el comportamiento econ-
mico humano usual; sin embargo, luego de una extensa evaluacin
de pros y contras, por ahora la microeconoma contina con sus
(exagerados) supuestos de racionalidad SEU. Es previsible que en
el futuro se contine con las tendencias bayesianas y con esa sos-
pechosa necesidad de la enseanza de sus principios para que se
cumpla; sin embargo, para Selten es evidente que son necesarias
nuevas teoras sobre la racionalidad limitada en el comportamiento
humano microeconmico.


692
EQUILIBRIO GENERAL Y TEORIA DE LOS JUEGOS -CAJA DE
EDGEWORT-
ECONOMIA DEL BIENESTAR
El enfoque de Edgeworth en1885 fue unos de los planteos clsicos
mediante los cuales se intent posteriormente proyectar la solucin
microeconmica del equilibrio empresario (optimizacin matemtica
con una y con dos variables, segn Cournot y Pareto luego) hacia el
equilibrio general macroeconmico e internacional.

A nivel microeconmico y bajo condiciones competitivas este equili-
brio basado en argumentos de eficiencia podra coincidir (terica-
mente) con el bienestar social. Sin embargo, a nivel macroeconmi-
co y en la economa internacional este criterio eficientista no asegu-
ra la optimalidad social ni la equidad.

Cualquier punto de interseccin de dos curvas de indiferencia en la
caja de Edgeworth resulta ser un punto ineficiente, ya que trasla-
dndose por alguna de ellas uno u otro pas puede llegar a un punto
de la lnea de contrato, en el cual alcanza una curva superior, mien-
tras que el otro pas permanece sin cambio en la misma curva de
indiferencia (alguien gana y nadie se perjudica, segn Pareto).

La dificultad es que no hay argumentos para asegurar ganancia pa-
ra ambos pases y esta circunstancia destruye las aspiraciones de
extender el equilibrio microeconmica hacia el equilibrio general (no
se cumplen las dos leyes de Arrow y Debreu).

Sin embargo, algunos enfoques tendran esperanzas en que el an-
lisis propuesto por Hurwicz podra superar la objecin anterior y re-
confirma esta propuesta para un equilibrio general: un primer teore-
ma del bienestar establece un conjunto de condiciones que garanti-
za que las asignaciones segn una economa de mercado optimi-
zan las posibilidades de produccin e intercambio. Un segundo teo-

693
rema establece que las cuestiones de eficiencia y las de equidad
distributiva pueden tratarse en forma independiente.

Estn aqu presentes las esperanzas en la efectividad de la bs-
queda de mecanismos, propuesta por Hurwicz para explicar los
mercados y transacciones no convencionales. No cabe duda que
esta bsqueda de mecanismos (basada principalmente en el enfo-
que matemtico, la programacin Simplex y la teora de los juegos)
resulta un avance, con aplicaciones crecientes en el mbito micro-
econmico a fines del s.XX. Hurwicz y otros ya explicaron los meca-
nismos optimizantes en mercados bajo condiciones monoplicas,
con informacin imperfecta, sin precios normalizados, de bienes
pblicos, etc. y se continuarn aclarando seguramente muchos nue-
vos modelos.

Pero es muy diferente la situacin para explicar la optimalidad con
equidad en el comercio entre pases. Esos mecanismos siguen
inexistentes y sern difciles de obtener, tal que equilibren las condi-
ciones entre un pas desarrollado o de dimensin continental con
otros de reducida dimensin.

Utilizando el ejemplo desarrollado en el captulo 9 (radio TV, anal-
ticamente, grficamente y con Simplex) para explicar el comercio
entre dos pases utilizando la caja de Edgeworth, cabra admitir que
el pas A optimizara sus intereses operando en puntos de contrato
con altas curvas de indiferencia cercanas al origen del pas B. Vice-
versa, el pas B deseara efectuar negocios con altas curvas de indi-
ferencia, cercanas al origen del pas A, representndolas en esta
caja simplificadora con los pares de ejes enfrentados.

Pero el mecanismo eficientista de Pareto implcito no incluye que
por aproximaciones sucesivas se logre un comercio en un punto de
contrato central, ni nada por el estilo en proporcin a los precios ni
dotaciones relativas. Solo explica que alguien gana y nadie pierde
(trasladndose desde algn punto ineficiente hacia otro en la curva

694
de contrato). La equidad no esta presente en (el) este anlisis clsi-
co.

Tampoco la teora de los juegos (y su metodologa matricial Sim-
plex) implcita en el esquema de Hurwicz es aplicable a esta situa-
cin internacional. No es el caso de un juego repetido de 2x2, en el
cual la conducta optimizante maximin opera de modo que cada uno
maximice beneficios dejndole al otro un beneficio similar.

Simplemente no existe competencia perfecta en estos casos del
comercio internacional, porque no existen condiciones de atomici-
dad, homogenidad, etc.; tampoco corresponde idealizar con simplif i-
caciones sobre las condiciones requeridas por el anlisis diferencial
y Kuhn o Tucker para pocas variables; ni las condiciones anlogas
sobre convexidad, negatividad etc. del anlisis matricial para una
cantidad numerable de variables (solamente miles); ni sus anlogas
condiciones sobre monotonicidad, etc. en la teora de los juegos. No
son contextos vinculados con el comercio internacional (ni con el
equilibrio general); solo son aplicables al mbito microeconmico y
empresario domstico de los pases.

Por otra parte, tampoco es viable la bsqueda de mecanismos que
propone Hurwicz para convertir en competitivo y equitativo el en-
torno del comercio internacional, entre pases desarrollados de ta-
mao continental frente a pequeos pases en desarrollo, con pre-
dominio de condiciones monoplicas.

Estos mecanismos de Hurwicz solo son una esperanza para la nue-
va microeconoma, pero en los mbitos domsticos de los pases.
Por ahora, el comercio internacional contina regido por el simple
reparto de los negocios, solo segn convengan o no, pero con pres-
cindencia del tema de la equidad: la economa del bienestar, en
Arrow-Debreu y en Hurwicz, etc. sigue esperando soluciones centra-
les, segn lo analizado aqu y en los puntos 19 y siguientes de la
introduccin a este libro.

695

RESPONSABILIDAD SOCIAL EMPRESARIA-ESR

Entre otros enfoques recientes sobre la economa del bienestar figu-
ran los escritos de Amartya Sen, que se pueden sintetizar como
educacin y salud, esenciales para combatir la pobreza: terminar
con la pobreza, la ignorancia, la enfermedad y la desigualdad de
oportunidades, es la base de mi trabajo.
Si bien la apertura econmica contribuye al desarrollo, sta por s
sola no bastara si no se toman medidas en el campo de la ecuacin
y la salud, las cuales son esenciales en la lucha contra la pobreza.

El mayor xito de Corea del Sur, China y Taiwan frente a India y
Pakistn lo explica por el descuido en la educacin, salud y reforma
agraria en estos ltimos; y considera que la globalizacin debe ir
acompaada de mayor progreso social, para aprovechar adems el
efecto locomotora de ste.

Adems de su inters por la accin de la empresas socialmente
responsables (ESR, o RSE con trato justo, tico, equidad y partici-
pacin en cuestiones comunitarias) interesan sus aportes y modif i-
caciones a las mediciones sobre bienestar e ndices de pobreza, ya
que la curva de Lorenz e ndices usuales esconden los diversos
grados de pobreza en sus mediciones medias de ingresos por cpi-
ta.


696
CUATRO CONTEXTOS EN EL ANALISIS Y TOMA DE DECISIO-
NES

Las clasificaciones son variadas, pero se suelen encarar cuatro con-
textos para el anlisis cientfico en sus variados campos, incluido el
econmico y su toma de decisiones: 1) la certidumbre determinista,
2) el riesgo aleatorio probabilstico medible, 3) el contexto hostil
ante conflicto con oponentes (teora de los juegos, como para duo-
polio) y 4) la incertidumbre ante lo desconocido.

Cuando se considera que se puede predecir el comportamiento
econmico con precisin se adoptan decisiones con procesos bajo
un contexto cierto. Otras veces la informacin disponible es incom-
pleta, pero basndose en estudios y datos preexistentes se conocen
las posibles alternativas adoptndose ciertas probabilidades objeti-
vas. Por otra parte, la toma de decisiones bajo contexto hostil ocu-
rre cuando un agente enfrenta a un oponente, que se esfuerza en
conseguir para si el mejor resultado posible, perdindolo aquel si
este lo consigue. El contexto incierto es cuando se desconocen as-
pectos importantes, que hacen inviable el anlisis bajo el concepto
tradicional de probabilidad porque no se sabe que ocurrir; y ante
las contingencias las decisiones que pueda estar influidas por algu-
na determinada actitud personal ante el riesgo pero igualmente debe
ser racionalmente o cientficamente determinadas u optimizadas.

Antes del siglo XX los anlisis cientficos eran preferentemente de-
terministas; adems de la lgica binaria matemtica solo se incluan
mayormente situaciones bajo el anlisis de probabilidades (Bayes,
Laplace, etc).

Durante el siglo XX se desarrollaron otros enfoques diferentes para
el razonamiento lgico y para la metodologa de las disciplinas, que
abarcaron los conceptos y las situaciones no incluidas en el anlisis
anterior.

697
TEORIA DE LA DECISION

En este anlisis se destaca preferentemente la optimizacin multiob-
jetivo / multicriterio, que en siglo pasado ya se enfocaba con nume-
rosos algoritmos pero solo simblicamente o en forma manual muy
limitada; y que en las ltimas dcadas alcanz gran desarrollo
computacional efectivamente prctico, con profusin de aplicaciones
individuales (cientos o miles) y decenas de paquetes, como los
software aqu presentados (Excel, WinsQsb, SPSS, Matlab, etc).

A mediados del s.XX los economistas estudiaban preferentemente
cuestiones referidas a las diferencias en los sistemasde mercado y
las economas planificadas; sin embargo, otros economistas y pro-
fesionales de diversas disciplinas vinculadas o complementarias
abarcaban otros temas, que han ido cobrando importancia en el
mbito de los anlisis econmicos no precisados por la economa
clsica.

Leonid Hurwicz, en La Teora del Comportamiento Econ-
mico analiz los mecanismos mediante los cuales las instituciones
y las personas toman las decisiones, enfocando los aspectos mate-
mticos y la influencia de la informacin disponible por los agen-
tes. Considera que los mercados suelen ser imperfectos y se nece-
sitan mecanismos especficos (mensajes para los agentes y reglas
de asignacin de recursos; con compatibilidad de incentivos).
As, con la teora de los juegos se pueden precisar ms detallada-
mente las explicaciones sobre oligopolio planteadas por los econo-
mistas del s.XIX y XX, Tambin analiza el mercado de bienes pbli-
cos (su financiamiento mediante impuestos es lo ms eficiente), as
como la importancia de la informacin disponible por los agentes
cuando comercializan los bienes.

698

Los consumidores y productores pueden no disponer del total de la
informacin existente; y la realizacin de transacciones bajo
condiciones ptimas o ventajosas implica la necesidad de conocer
las reglas o mecanismos (de juego) eficientes. Esta inquietud de
los mecanismos necesarios tambin le condujo a la necesidad de
estudiar el sistema de incentivos que motivan la conducta de los
agentes.

Debe ser destacado que sus enfoques condujeron a ver que este
tema de buscar los mecanismos de asignacin de recursos, me-
diante mensajes, reglas adecuadas y compatibilidad de incentivos,
conforma un nuevo y diferente concepto, criterio o enfoque
global y general, no abarcado por los economistas clsicos y den-
tro del cual los mercados son solo instituciones particulares, que
deben ser estudiados buscndoles los mecanismos particulares o
individuales necesarios para su optimizacin o asignacin ptima
especfica (en vez de estudiar a los mercados bajo un nico criterio
de optimizacin, paretiano, se buscan las reglas particulares de
asignacin optima en cada mercado).

Por ello, estas ideas se aplicaron al anlisis de mercados no nor-
malmente estructurados, as como tambin a otros diversos campos
diferentes al mbito microeconmico, como para el diseo de polti-
cas redistributivas, polticas sobre financiamiento y crditos, para el
tratamiento de la contaminacin (carbono), las licitaciones de espa-
cios en comunicaciones sociales, TV, etc.

Estas ideas de Hurwicz sobre la bsqueda de mecanismos eficien-
tes para una asignacin ptima, fueron recientemente ampliadas por
algunos discpulos, como E. S. Maskin o R. B. Myerson, recurriendo
a la formalizacin mediante la programacin lineal y a la teora de
los juegos. Por ejemplo desarrollaron las reglas y lgica del sistema
de licitaciones pblicas (subastas); y los criterios de eficiencia
de transacciones en circunstancias o mercados excepcionales,

699
en los cuales la asignacin de recursos no ocurre bajo las normas
del mercado convencional: desigual acceso a la informacin rele-
vante, regulacin pblica de los monopolios, comercio entre filiales
de una misma empresa (intrafirma), casos de comercio excepcional,
decisiones sobre el suministro de bienes o servicios pblicos por el
estado, etc.

Esta nueva ingeniera en la teora econmica desde un punto de
vista lgico matemtico y de la teora de los juegos, fue aplicada
por Maskin para estudiar el mecanismo de las regulaciones mono-
plicas (Nash equilibrium and welfare optimality, 1999); analiz el
uso de la informacin disponible por cada agente y la necesidad de
un sistema de incentivos adecuado, para satisfacer los intereses
individuales en forma consistente con el funcionamiento de un sis-
tema lgicamente deseable. En particular, precis la necesidad de la
monotonicidad en estos mecanismos (analoga matemtica que
denota la ausencia de discontinuidad o disparidad en las reglas y
necesidad de condiciones regulares para todos; montonas), afn
con el modelo clsico de la libre competencia.

Tambin desarroll las condiciones bajo las cuales algunos juegos o
problemas importantes admiten mltiples equilibrios; casos en que
adems de un mejor resultado posible existen otras soluciones; ca-
sos de mltiples equilibrios ptimos (en materia poltica opina que la
discusin ideolgica debera centrarse sobre los objetivos a perse-
guir, pero dejando en manos de los tcnicos el diseo de los instru-
mentos (mecanismos) adecuados; otra aplicacin poltica de los
mecanismos que explica es el caso del voto castigo, que al apar-
tarse de las reglas estratgicas del juego optimizante conduce a un
resultado social no eficiente).


700
PRINCIPIO DE REVELACION

En la misma bsqueda de mecanismos explicativos de estas situa-
ciones, Myerson (Mechanism Design, 1998) contribuy aportando
el principio de revelacin directa, compatible con un sistema de
incentivos de un mediador, que hace que los agentes no estn
expuestos a la tentacin de comportarse con l en forma deshones-
ta (ocultando informacin, mintiendo) o desobedeciendo (desaca-
tando recomendaciones) y que asegura que los agentes siempre
encuentre ms beneficioso actuar respetando las reglas estableci-
das por el mediador y asegurar una asignacin Pareto eficiente de
los recursos.

Myerson tambin ejemplific los problemas de seleccin adversa
(ocultamiento de preferencias), as como problemas de moral ha-
zard (riesgo moral / desobediencia de recomendaciones), modeli-
zables mediante una axiomatizacin, que se concreta utilizando se-
ries de desigualdades lineales, en los trminos que son usuales en
la programacin lineal Simplex y en la teora de los juegos (desde
otro punto de vista, poltico, tambin justifica mediante el criterio
estratgico de la teora de los juegos de von Neumann, la dominan-
cia en la carrera armamentista, la estrategia de disuasin, la oposi-
cin al equipamiento nuclear en Irn, etc) .

701
ECONOMIA DE LA INFORMACION
INFORMACION ASIMETRICA (CONTRATOS)

Continuando con la informacin imperfecta, en este captulo micro-
econmico de los contratos se estudian las consecuencias de las
asimetras en la informacin disponible por los agentes contractua-
les, el principal y los agentes; y se utiliza esta teora de los juegos
con informacin imperfecta (asimtrica).

Bsicamente, un contrato es todo compromiso entre partes: entre el
principal y el (los) agente(s); y en forma general, se suele clasificar
a estos anlisis, observando que las asimetras de informacin es-
tn en que el agente disponga de informacin oculta o que efecte
una accin /jugada oculta; o bien segn que la iniciativa correspon-
da a la parte informada o a la parte desinformada. :

RIESGO MORAL

En los modelos de riesgo moral la parte desinformada mueve prime-
ro pero est imperfectamente informada de la accin que har la
parte informada (bajo informacin imperfecta es como si se debiera
finalmente elegir contra la naturaleza, que en definitiva se plantear
o juega al final).

En estos problemas de riesgo moral la informacin asimtrica se
manifiesta en que el principal no puede observar o verificar comple-
tamente el esfuerzo que efecta el agente (problemas de la accin
oculta) en el cumplimiento contractual luego de firmado este; sin
embargo, el pago debe efectuarse, pero no se puede establecer en
funcin de este esfuerzo.

Por ejemplo, segn K. Arrow (1970), las aseguradoras se enfrentan
a situaciones como las de quienes pueden tomar un seguro y con-

702
vertirse luego en menos cuidadosos con su salud o su propiedad,
sabiendo que el posible costo monetario de un accidenta ser cu-
bierto por otros.

SELECCIN ADVERSA

En los modelos de seccin adversa la parte desinformada juega
primero y no tiene informacin sobre las caractersticas que rene la
parte informada (inicialmente se debe adoptar una decisin como
jugando ante la naturaleza, que juega al principio).

En estos problemas de seleccin adversa las asimetras de la in-
formacin se refieren a las caractersticas o antecedentes del agen-
te, que el principal no puede conocer: problemas de tipo oculto. Por
ejemplo, si las compaas de seguros supieran que tipo de conduc-
tor es cada cliente podran ofrecer diferentes tipos de plizas en vez
de una suponiendo una pericia promedio).

G. A. Akerlof (1970, The market for lemons: quality, incertainty and
the market mechanism) plante el ejemplo de la venta de autos
usados: los compradores no pueden saber si estn adquiriendo un
auto malo (solo el vendedor sabe si en realidad ese auto es un le-
mon) y la informacin asimtrica puede destruir este mercado.

Otro ejemplo es el del regulador que debe controlar a un prestador
de servicios pblicos: en este tipo de monopolio, solo la empresa
pudiera conocer el verdadero costo marginal y esta informacin
asimtrica puede distorsionar la tarifa ptima.

SEALIZACION


703
En los modelos de sealizacin la parte informada mueve primero y
la parte desinformada tiene informacin imperfecta sobre esta ac-
cin.

En estos problemas de sealizacin el agente anticipa informacin
imperfecta para influir en el contrato a firmar con el principal: por
ejemplo en el caso de un postulante en una contratacin de perso-
nal (A.M.Spence); en un vendedor de bienes semejantes pero con
precios muy diferentes; en la venta de botellas de vino con dudosas
referencias segn la etiqueta, la bodega o el precio, que no siempre
se corresponden con la calidad del producto.

Otro ejemplo es el modelo J.E.Stiglitz-Weiss sobre el racionamiento
del crdito en mercados con informacin imperfecta, donde el pre-
cio puede ser utilizado como una seal, que produce distorsiones
impidiendo una adecuada asignacin de los recursos. Tal es el caso
de clientes que, no obstante tener proyectos similares a otros, estn
dispuestos a pagar mayor inters, pero son a veces penalizados por
los bandos, porque presumen que podra tener algo negativo en su
proyecto (caracterstica contraintuitiva insertada en un mecanismo
de los precios no optimizante).

AXIOMAS DE LA LGICA NEUMANN-MORGENSTERN

1- Transitividad. Si el individuo se muestra indiferente entre
dos premios a y b; y entre b y c, entonces es indiferente
entre a y c.
2- Continuidad de las preferencias como una funcin de p.
Es posible establecer un valor intermedio de probabilida-
des para el cual el individuo sea indiferente entre el bille-
te artificial y un bien a.
3- Independencia. Si el individuo se muestra indiferente en-
tre un bien A y un bien B, ser indiferente entre dos bille-

704
tes de lotera idnticos en todos los sentidos, excepto
que uno brinde como premio un bien A y el otro un bien
B.
4- Deseo de grandes probabilidades de xito. Dados dos bi-
lletes de lotera idnticos el individuo prefiere el que ten-
ga mayores probabilidades de ganar.
5- Probabilidades compuestas. Si a la persona se le ofrece
un billete de lotera cuyos premios son a la vez, otros bi-
lletes de lotera, su actitud respecto a este billete de lote-
ra compuesta ser cual si hubiese pasado por todos los
clculos de probabilidades de ganar el premio final.

CONTEXTOS BAJO LA OPTICA DE LA DISPONIBILIDAD DE
INFORMACION:

1) Certeza con Informacin perfecta

2) Informacin imperfecta o parcial:

a) es con Riesgo: Disponibilidad intermedia de datos. Los
datos se representan a travs de las funciones de probabilidad
una sola etapa para la evaluacin de alternativas de.
Criterios:
c) Valor esperado
d) Valor esperado y Varianza combinados
e) Nivel de aceptacin conocido
f) Ocurrencia ms probable de un estado futuro
mltiples etapas para la evaluacin de alternativas de: Cri-
terio del rbol de decisin.

b) Decisiones con Incertidumbre: No se disponen de datos:
b1) No se conocen los datos y no puede determinarse una
funcin de probabilidad
Criterios:

705
a) Laplace
b) Wald
c) Savage
d) Hurwicz

b2) Si el decisor adems tiene un oponente inteligente se
formulan como Teora de Juegos.

CRITERIOS DE BIENESTAR: TEORIA DE LA DECISION

En este trabajo se han visto diferentes anlisis agrupndolos, en
forma aproximada, bajo cuatro contextos. En cuanto a los criterios
de decisin dependen de los tipos de problemas tratados y su con-
texto; por ejemplo, en los juegos de estrategia estudiados por Neu-
mann-Morgenstern el criterio de decisin es el minimax; en otros
casos, cuando se pueden conocer las probabilidades que tienen los
diferentes estados, el criterio tradicional es la esperanza matemti-
ca; Harry Markowiz sugiri como regla de decisin la media-varianza
en los casos de seleccin de carteras; y cuado no se enfrentan ca-
sos de total incertidumbre los criterios de decisin son: el de Laplace
o igual verosimilitud; el criterio pesimista (o de Wald); el criterio op-
timista; el criterio de Hurwicz (optimismo parcial); y el criterio de Sa-
vage.

1. Criterio de la Razn Insuficiente de Laplace: en vez de re-
currir a la subjetividad de quien decide, en este criterio se
pondera asignando a cada resultado posible similar probabi-
lidad de ocurrencia. Al no existir alguna razn para suponer
que un estado pueda ocurrir antes que los dems, se le
asigna a todos la misma probabilidad (todos equiprobables).
La crtica a este criterio surge ante la dificultad de prever un
conjunto exhaustivo de todos los estados posibles de ocu-
rrencia)

706

2. Criterio maximin: se prefiere la mejor de todas las peores al-
ternativas, segn la lgica N-M (Wald, 1950, criterio pesimis-
ta).

3. Criterio maximax: se adopta la mejor de todas las acciones
(criterio optimista).

4. Criterio de Hurwicz: pondera la suma de las probabilidades
asignadas al valor de las alternativas multiplicadas por el re-
sultado maximin y maximax en ellas. Este criterio se basa en
la definicin de un coeficiente de optimismo ( { ) de que ocu-
rra el desenlace entre los lmites 0-1, y un coeficiente de pe-
simismo (1- {). El primer coeficiente muestra el estado del su-
jeto decisor frente al horizonte econmico. Segn este autor
al sujeto solo le interesa los valores extremos de cada alter-
nativa, as el valor mximo se multiplica por { y el mnimo por
1 {. El valor de cada alternativa ser la suma de estos pro-
ductos, eligiendo aquella con un valor mayor.

5. Savage propone una alternativa que minimice los pesares
ms altos de cada opcin. En este caso el decisor presupone
que sea cual sea la situacin que ocurra, elegir siempre la
peor opcin, por tanto tomar aquella decisin que minimice
el coste de oportunidad (o el pesar) de entre todos los pesa-
res ms grandes de las diferentes opciones. Implica elaborar
una matriz de coste de oportunidad: en cada estado de la na-
turaleza se da valor 0 a la mejor opcin, y en el resto de las
opciones se halla la diferencia en relacin con la mejor. De
este modo, esta matriz muestra lo que se deja de ganar al
elegir la opcin equivocada. La mejor opcin es la que pre-
sente un coste de oportunidad total menor, es decir la que
presente un resultado menos desfavorable.


707
El contexto en el cual se encuadran los problemas origina
variantes en los criterios: puede haber casos de decisiones
sin riesgo entre mercancas inconmensurables imposibles de
medir bajo el mismo parmetro; eleccin bajo impredicibili-
dad; eleccin intertemporal; casos de decisiones sociales ba-
jo una estructura, etc.Incluso, se ha planteado la paradoja
de la eleccin: la posibilidad de una mala eleccin o errnea
debido al exceso de alternativas de eleccin.

RIESGO vs. INCERTIDUMBRE

En las situaciones bajo riesgo se efectan los viejos anlisis de pro-
babilidades; son probabilidades objetivas porque se generan resul-
tados sobre la base de hechos concretos ocurridos, por ejemplo, en
el pasado o en anlisis parciales de una situacin presente, que se
generalizan con aquel contexto aleatorio tradicional.

Pero en las situaciones de incertidumbre, cuando no se conoce na-
da de lo que puede ocurrir ante contingencias o el azar, no se pue-
den asignar esas probabilidades a los resultados esperados.

UTILIDAD ESPERADA

En particular, desde este punto de vista de la incertidumbre y el de
la reciente teora de la utilidad, se estudian bajo incertidumbre las
decisiones del consumidor cuando maximiza la utilidad esperada
(en vez de la subjetiva utilidad incluida en el anlisis clsico de
Marshall y otros).Se piensa que se asocia la utilidad esperada con
un concepcin as ms realista, completa y objetiva de la utilidad
(que la del tradicional enfoque subjetivista clsico).

El sujeto al considerar segn su criterio personal la capacidad de
las cosas para satisfacer una necesidad estara de un modo u otro

708
hacindolo objetivamente; por lo cual el resultado esperado debe
incluir esto para efectuar la medicin (y graficar) con mayor realis-
mo, tanto por incluir esta racionalidad ampliada como por seguir una
lgica consistente.

CONTEXTO INCIERTO - SEGUROS

Supngase una persona con una propiedad que vale $1000, que en
caso de incendio puede perder $ 750 y quedarle el valor del terreno
por $250.

Puede contratar un seguro a un costo del 33% (premio de 1/3), pero
la suma asegurada depender de su aversin o aficin al riesgo (su
Utilidad Esperada).

Llamando X a la situacin si no hay incendio e Y a la situacin con
incendio, es posible representar sus posibilidades de eleccin, anal-
tica y grficamente para explicar su conducta de afeccin o aversin
al riesgo.


709
1) Patrimonio en caso de no incendio: X = $1000 - 1/3 F

2) En caso de incendio es: Y = $1000 - 750 - 1/3 F + F
(valor - prdida incendio - costo seguro + monto seguro)

Despejando en 1) X - 1000 = 1/3 F F = - 3X + 3000

Reemplazando en 2)
Y = 1000 - 750 - 1/3 ( - 3X + 3000) + ( - 3X + 3000)
Y = 250 + X - 1000 - 3X + 3000
Y = 2250 - 2 X

ecuacin lineal que relaciona la cantidad del haber en caso de in-
cendio con la cantidad en el caso sin incendio.

Se la puede graficar como una recta de presupuesto del esquema
paretiano, e incluyendo una funcin de Utilidad Esperada del indivi-
duo -curva de indiferencia que indique su utilidad de un suceso por
la probabilidad de su ocurrencia- si su conducta se rigiera por los
cinco axiomas de von Neumann y O. Morgenstern indicando deter-
minadas preferencias por el riesgo segn el punto de contacto ele-
gido.

Solamente tendra $1000 si corriera el riesgo del posible incendio.
Pero si es neutral al riesgo tendra solamente $750. Cualquier otra
precaucin implicara comprar ms seguro, ubicando la curva de
utilidad esperada a la izquierda del punto E.

La ordenada paretiana indica el caso Y= incendio; la abscisa el caso
X= noincendio; la recta de presupuesto es la ecuacin lineal prece-
dente ( con extremos X= 1125 e Y=2250); y las curvas de indiferen-
cia indican su mapa de utilidad esperada.


710
Una persona neutral al riesgo maximiza su UE en el punto de tan-
gencia de la curva ms alejada y la recta indicada, con coordena-
das X=750 e Y=750.
Su consumo contingente o demanda de seguros segn la utilidad
esperada N-M es:

EU = p ( caso 1) + (1 - p) (caso 2) = 750

para esta persona "Neutral" al riesgo.

EVALUACIN DE PROYECTOS INCIERTOS

Suponiendo que la valoracin subjetiva sobre riesgos es preponde-
rante nos alejamos del anlisis bajo contexto cierto y la utilidad es-
perada de una inversin estar ponderada por la probabilidad de
ocurrencia que le asigne el demandante.

Si la funcin de utilidad U y el haber Y fueran U= (Y/1000)
1/2
, con
3000>=Y>=0, el consumidor debe decidir entre la alternativa de con-
tratar un seguro con prima de $50 y la posibilidad de 0,02 que ocu-
rra un siniestro que le reducira el haber a solo $500


711
Contexto cierto: haber $ 2950
U = (2950/1000)
1/2
= 1,7175

Contexto incierto: haber 0,98 por $3000 0,02 por $500
U*=0,98 (3000/1000)
1/2
+ 0,02 (500/1000)
1/2
=
= 1.6974 + 0.01414 = 1,7115

En este caso resulta U > U*: 1.7175 > 1.7115; de modo que el de-
mandante prefiere asegurarse y contratar el seguro comentado.

MERCADOS DE FUTUROS

Dada su valoracin de riesgos, es posible calcular cunto estara
dispuesto a pagar esta persona por un seguro:

U* = (Y/1000)
1/2
= 1.7115, de donde Y = 2929,23

La diferencia entre el haber cierto $2950 y 2929.23 es $20.77, que
podra sumarse al costo del seguro actual $50; de tal modo que es-
tara dispuesto a pagar por un seguro hasta $70.77.-

Estos anlisis son usuales en los mercados de futuros, en los que
las personas adversas al riesgo adoptan sus previsiones, bajo la
lgica de los axiomas Neumann-Morgensterm. Las funciones de
oferta para futuro de las personas adversas al riesgo igualan los
precios de futuro con sus costos marginales, asegurando un ingreso
determinado. Otras personas podrn comprar si con ello entienden
que aumentan su utilidad. Los niveles dependern de la aficin o
aversin al riesgo de unos y otros.

VALOR ESPERADO


712
EL VE se obtiene multiplicando cada resultado de una alternativa
por la probabilidad P de que ella ocurra y efectuando la suma de los
productos para todas las alternativas (como en H3 y H4).

Supngase un caso de maximizacin del beneficio para la eleccin
entre dos acciones X o Y, con tres resultados monetarios posibles y
tres grados de probabilidad de ocurrencia (bueno, regular y malo)
segn se muestra:

UTILIDAD ESPERADA

Segn el criterio algo arriesgado de Teresa, su funcin de utilidad
N-M es U = 10 +2M (siendo M la ganancia monetaria).

Tiene la oportunidad de invertir $25 en la financiera XX, y con su
criterio personal valora 0,5 la probabilidad de perder todo y 0,5 la
probabilidad de ganar $32.

Se pregunta cul es su utilidad esperada si invierte; as como si de-
be o no invertir.

a) utilidad de no invertir: UE
0
= 10 + 2(0) = $10

713
Utilidad de perder la inversin de $25:
U
-25
= 10 + 2(-25) = -$40
Utilidad de ganar la inversin de $25:
U
32
= 10 + 2(32) = $74
Utilidad Esperada si decide invertir:
0,5 (-40) + 0,5 (74) = $17
b) Si no invierte obtendra $10; si invierte ganara $17; entonces,
segn el criterio arriesgado de Teresa, le conviene invertir.

COMPETENCIA BAJO INCERTIDUMBRE

Una empresa estudia invertir en un mercado competitivo, en el cual
se espera que los precios futuros sean p=$6 a p=$8.

Sus costos totales son actualmente CT = 9+ 10X -5X
2
+X
3
. En el
corto plazo el costo medio mnimo indica su punto crtico, al compa-
rarlo con los precios fluctuantes (en el largo plazo esto sera el punto
ptimo de explotacin). A cortsimo plazo es usual comparar con el
costo medio variable mnimo.

Para medir esos dos costos mnimos se puede calcular matemti-
camente el mnimo de ambos costos medios (total y variable), obte-
niendo la cantidad X al despejar (haciendo sus derivadas nulas y
que las segundas sean positivas; es decir, CM'= 0 y CM''>0; asi-
mismo CMV'=0 y CM''>0):

Asimismo, igualando ambos costos medios con el costo marginal
tambin se obtendran las dos cantidades correspondientes a fun-
cionar cubriendo ambos costos medios mnimos (implicara resolver
funciones cbicas con alguno de los mtodos usuales, como el re-
pasado antes en este captulo segn Ruffini);. Reemplazando esas
cantidades en estas funciones se obtienen los importes de estos
costos medios (totales y variables) que interesa sean menores a los
precios de mercado.

714

EJEMPLO BAJO INCERTIDUMBRE:

a) Empresario afecto al riesgo:

El precio futuro puede ser $ 6 a $8, entonces un empresario con
cierta aficin por el riesgo adoptar la actitud de ponderar riesgos
promediando los resultados probables (la utilidad esperada con $6 y
con $8 con probabilidad P=0,5 cada una).

Siendo el Beneficio = ingresos menos costos, y la probabilidad
P=0,5 de ocurrir ambos precios, la Esperanza de la utilidad o Bene-
ficio esperado sera: E(BE) = PB
6
+ PB
8
=

=0,5 {[6(X)] -[9+10X-5X
2
+x
3
]} + 0,5 {[8(X)] -[9+10X -5X
2
+X
3
]}
= -3X -9 +5X
2
-X
3
;

el mximo beneficio se obtiene igualando la primer derivada a cero y
con la segunda negativa, surgiendo X=3, cantidad correspondiente
al punto crtico, con precios de $7, por lo cual efectuar la inversin,
ya que con $7 se calcul inicialmente el punto ptimo a cubrir.

b) empresario adverso al riesgo:

Efecta el mismo clculo anterior pero, al actuar prudentemente, en
vez de ponderar con probabilidades de 0,5 iguales valora aqu ms
la posibilidad del trmino con precio $6 que el trmino con $8, obte-
niendo as al maximizar precios esperados menores que $7, tal
como era el mximo en a).

Entiende que el nivel de produccin ser menor que el ptimo X=3 y
el precio y el beneficio inferiores que en a). Es decir que comparan-
do con los $7 calculados inicialmente para el punto ptimo ve una
Utilidad Esperada negativa y decide no invertir en este mercado.

715

Pero tambin se puede realizar este clculo con Excel, simplemente
anotando cada funcin en la lnea 2 y copindola a la lnea 3.

Pintando ambas lneas y arrastrando el ngulo inferior derecho has-
ta la lnea 15 se puede observar cuando ambos costos medios son
mnimos: con X=3 es mnimo el costo medio (ah igual al costo mar-
ginal); con X=2,5 es mnimo el costo medio variable (ah igual al
costo marginal).

Eligiendo, antes de arrastrar, un intervalo para X menor al aqu
adoptado aumentara el grado de aproximacin (interpolacin).

Es decir, en el corto plazo el punto crtico aparece cuando el precio
baja a $7 (CM=$7, con X=3) y ste es tambin su ptimo de explo-
tacin de largo plazo; mientras que en el cortsimo plazo el mnimo
de explotacin surge produciendo X=2,5, con precio y CMV =$4.


716
La interpretacin del corto y largo plazo depende de considerar o no
los costos fijos; por lo que el ptimo de explotacin a largo plazo (sin
costos fijos) como igual el punto crtico es una aproximacin concep-
tual.

Admitiendo incertidumbre, el empresario podra promediar los resul-
tados con precios de $6 y $8: la esperanza de los beneficios espe-
rados suma cada probabilidad por el resultado
E(BE) = p
6
Benef
6
+ p
8
Benef
8

= 0,5[ 6(X) - 9 -10X+5X
2
- X
3
] + 0,5[ 8(X) - 9 -10X+5X
2
- X
3
] =
= -3X -9 +5X
2
-X
3

Optimiza maximizando la esperanza de estos resultados probables
Max E(BE) con E'
BE
= 0 y E''
BE
<0
E'
BE
= -3X
2
+10X -3 = 0 y con X=3 cumple B''<0 (pero
no cumple con X=1/3)

La cantidad X=3 implica un costo medio de $7, por lo que si el em-
presario fuera adverso al riesgo no invertira en este negocio cuyo
precio posible puede bajar a $6.

Solo invertiran empresarios afectos al riesgo, ya que al no ponderar
igual los beneficios esperados bajo ambas situaciones de precios
obtendran un clculo de ptimo con menores costos medios, lo cual
mostrara algn margen de beneficio an frente a la alternativa del
precio ms pesimista.


717
TEORA DE LA INCERTIDUMBRE - SUBASTAS

Los anlisis econmicos, tanto con los modelos concretamente apli-
cados a la realidad de la empresa o del consumidor, como con los
modelos abstractos (sin relacin con las caractersticas de la reali-
dad prctica) se pueden plantear bajo cuatro contextos diferentes:

1 Certidumbre; con consecuencia determinsticas: se conocen todas
las caractersticas y antecedentes del problema; existe una relacin
directa entre causa y efecto y los modelos generan soluciones pti-
mas invariantes.

2 Aleatorio; con consecuencias solo probables: se conoce el pro-
blema en forma incompleta y no se conoce con certeza el resultado
o las posibles soluciones; se utilizan modelos matemticos; modelos
con probabilidades tanto objetivas segn hechos concretos, como
subjetivas, dependientes de opiniones y juicios personales.

3 Hostil; con consecuencias influidas por el oponente: decisiones
bajo conflicto con algn oponente, en las que se desconocen los
resultados de los eventos porque estn influidas por lo que decida el
oponente, que tiene intereses opuestos.

4 Incierto; con consecuencias desconocidas: en situaciones cuando
se dispone de informacin incompleta para la toma de decisiones;
aunque se pueda reconocer alternativas de solucin, no se les pue-
de asignar probabilidades


718
LICITACIONES (SUBASTAS / AUCTIONS)

En las ltimas dcadas se le est dando importancia a la bsqueda
en general de mecanismos para explicar mercados, no analizados
anteriormente y en particular en aquellos no institucionalizados o
formalizados en las formas usuales (en materia de precios, deman-
da, oferta, lugares, momentos, producto, etc), atendiendo a su ef i-
ciencia, a la autogestin, optimizacin, distribucin con equidad,
ausencia de corrupcin, etc. Estos mecanismos, tal como son los de
subastas, aportan claridad y facilitan las decisiones pblicas (o pri-
vadas) en materia de oferta de bienes, concesiones de servicios
pblicos (como el de licencias para emisoras de radio y de TV, dis-
tribucin de electricidad, etc), adjudicacin de pozos petrolferos, de
yacimientos o de reas de pesca, oferta de bonos del tesoro o de la
deuda pblica, contratacin de proveedores para servicios pblicos
y muchos otros casos.

Estas licitaciones son uno de los tantos mecanismos de negocia-
cin (como lo son bsicamente los mercados, el regateo, la vota-
cin, la asignacin de tareas, las coaliciones, etc). Sobre las licita-
ciones existe una amplia doctrina y legislacin tanto local como en
los dems pases (e internacional en organismos regionales y de la
ONU) sobre este amplio tema de las licitaciones pblicas (y priva-
das). Contiene reglas de procedimiento sobre la confeccin de plie-
gos y tambin sobre los procedimientos para cotizar; buscando la
transparencia y que tenga la equidad de la competencia; intentando
evitar la corrupcin (que se presenta incluso solapada bajo la propia
forma de un exceso de requerimientos formales o de la venta de
pliegos a clubes de interesados y sin amplia publicidad) mediante
normas, como por ejemplo, sobre la impugnacin de los pliegos por
eventuales clusulas con favoritismos, etc.; a veces se convoca a
los oferentes para que participen en la confeccin de los pliegos.


719
Destacamos que desde el punto de vista microeconmico no intere-
sa analizar los largos listados de ofertas en los Boletines Oficiales
de cada pas, estado o provincia, sino que interesa analizar los me-
canismos de las licitaciones, en cuanto a que son a) una fuente de
ingresos a maximizar (y/o una asignaciones adecuada de recursos)
y tambin b) en cuanto a sus reglas de competencia entre los pro-
pios oferentes, que condicionan c) su objetivo de ganar la licitacin
(tercer aspecto microeconmico a estudiar), buscando finalmente
los mecanismos microeconmicos que las hagan competitivas y sin
posibilidades de corrupcin. En esta tarea interviene la teora de los
juegos (como los repetidos y los coalicionales) y por lo tanto tambin
la programacin lineal Simplex (para esos casos repetidos y las coa-
liciones /colusin), as como la programacin computacional (espe-
cialmente o principalmente).

Hay licitaciones de muy diversas formas, como por ejemplo las lici-
taciones o subastas a) para la venta o concesin de servicios, co-
mo las poco frecuentes del tipo todos-pagan (gana el mayor postor
pero todos pagan segn su oferta, que es solo aplicable en algunos
casos muy particulares); las frecuentes licitaciones con clusula de
preferencia para inquilinos, socios, accionistas etc.y otras frecuentes
que estudiamos abajo. Desde otro punto de vista, tambin estn las
b) subastas inversas (o de procuracin, referidas a las compras
por algn ente de los bienes o servicios que le son ofrecidos por
muchos competidores).

En general, las subastas son formas especiales de mercados que
no son competitivos y generalmente estn poco institucionalizados o
formalizados (por con una indefinida oferta, demanda, precios,
transparencia, etc); pero tienen como caracterstica comn el hecho
de referirse a bienes o servicios cuyo valor para los interesados es
desconocido; y tambin comparten que usualmente no interviene
en sus decisiones el costo (a veces desconocido o nulo) del oferente
de estos bienes o servicios.


720
Existe los remates (de derechos de explotacin de yacimientos mi-
neros o energticos, de uso del agua de riego, o derechos de pres-
tacin de servicios pblicos, de TV, Internet, radio, telefona mvil o
espectro 3G y tantos otros), los concursos de oferentes y en gene-
ral las licitaciones (subastas), las cuales hasta ahora se las suele
simplificar en los siguientes cuatro los tipos o formas ms frecuen-
tes:

1) La licitacin oral ascendente: todo oferente va conociendo el
nivel ofrecido en cada momento y gana quien ofrece el ma-
yor precio y queda nico en la puja (tambin le dice subasta
inglesa).
2) Licitacin oral descendente: el subastador inicia con un pre-
cio alto y lo va reduciendo hasta que finalmente solo un
comprador ofrece (tambin se le dice subasta alemana
/holandesa /danesa)
3) Licitacin al primer precio a sobre cerrado: gana quien pre-
sente el mayor precio entre los compradores potenciales. A
diferencia con la licitacin oral, los oferentes no pueden aqu
observar las ofertas de los dems ni ir revisando su oferta.
4) Licitacin al segundo precio a sobre cerrado (subasta W.
Vickrey, 1971, generalizada para mltiples bienes por E.H.
Clarke y T.Groves): gana quien presente el mayor precio, pe-
ro abona segn la segunda oferta ms alta (por lo cual po-
dran ser una fuente potencial de colusin, como por ejemplo
si solo hubiera dos oferentes y se pusieran de acuerdo para
que el segundo ofrezca muy poco).

721
TEOREMA DEL INGRESO EQUIVALENTE

En teora (sin colusin, bajo supuestos de neutralidad al riesgo, si-
metra e independencia), estos cuatro tipos bsicos de licitacin
comparten el hecho de representar una asignacin eficiente, acor-
de con la mayor valoracin de los oferentes: as, el teorema del
ingreso equivalente establece que, para el caso de valores indivi-
duales, estos diferentes mecanismos de subastas conducen a la
obtencin de un mismo ingreso esperado, siempre que el subasta-
dor establezca un precio de reserva ptimo.

Bajo estas condiciones tericas, este teorema de la equivalencia de
ingresos equipara los resultados (Pareto eficientes) de los cuatro
tipos; lo que permite simplificar calculando la solucin bsica de
estas licitaciones tericas segn la maximizacin de ingresos que
genera la oferta o precio del segundo oferente o costo marginal del
segundo oferente mejor (entindase bien, ello bajo estas condicio-
nes tericas solamente; en la realidad, este principio y el criterio
puede no cumplirse y estos tipos de subastas son objeto de
crticas diversas:

Solo la subasta inglesa y la de VIckrey implican estrategias domi-
nantes, en cuanto los oferentes no necesitan recurrir a los complica-
dos procesos combinatorios para calcular alternativas en las ofertas
de sus rivales.

Cuando se prev la existencia de eventual colusin, con las subas-
tas Vickrey y la inglesa se generaran menores ingresos que con la
licitacin descendente o con la licitacin al primer precio a sobre
cerrado, las cuales resultan ms adecuadas para evitar la formacin
de coaliciones.

Las licitaciones dependen de la credibilidad en el compromiso del
subastador, sobre que no va a cambiar de criterio una vez observa-
das las ofertas: una eventual prdida de la reputacin sobre ste

722
distorsionara la presentacin de ofertas en futuras licitaciones (por
ejemplo, en las licitaciones Vickrey se puede implementar la firma
electrnica encriptada, para evitar una eventual falta de honestidad
o posibles problemas de corrupcin).

MALDICIN DEL GANADOR
Es un fenmeno parecido a una victoria prrica, que se puede pro-
ducir en las subastas de valor comn con informacin incompleta.

Esta expresin se refiere a que en dichas subastas, el ganador ten-
der a pagar de ms. El ganador puede pagar en exceso o ser
"maldito" en una de dos maneras: 1) la oferta ganadora supera el
valor del bien subastado de manera que el ganador es el peor en
trminos absolutos, o 2) el valor del activo es menor que el previsto
por el postor, por lo que el licitante puede todava tener una ganan-
cia neta, pero ser menor a la prevista.

Sin embargo, un exceso de pago real generalmente slo se produci-
r si el ganador no tiene en cuenta esta maldicin del ganador al
hacer una oferta (un resultado que, de acuerdo con el teorema de
equivalencia de rentas, no necesita ocurrir). As que a pesar de co-
mo suena este terrible nombre, la maldicin del ganador no necesa-
riamente tiene efectos nocivos en la prctica.
SUBASTA VICKREY

W.Vickrey (en Counterspeculative, Auctions, and Competitive Sead-
le Tenders, 1961), efecta un anlisis del mercado de las subastas,
detallando el mecanismo de competicin de los oferentes y el de la
optimizacin de ingresos para el licitante; analiza los casos de
subastas simples (sin colusin, asimetras, etc.) de un solo producto
a sobre cerrado; tambin ampli para subastas de mltiples produc-
tos y para subastas mltiples de un productos idntico. Estas subas-

723
tas, al primer precio o al segundo precio (subasta Vickrey) son una
extensin de las tradicionales subasta inglesa y subasta holandesa,
que VIckrey extiende a sobre cerrado.

Su complejo anlisis terico describe el tratamiento para subastas,
pero bajo condiciones de perfeccin de mercado: considerando la
inclusin de precios mnimos de reserva y neutralidad hacia el ries-
go; ausencia de asimetras; independencia de oferentes, o sea sin
su colusin (suponiendo homogeneidad y continuidad en oferentes y
valuaciones, etc.).

Posteriores ampliaciones de estos anlisis, por Myerson (1981) y
Milgron (1985), McAfee y McMillan (1987) y otros, permiten concluir
algunas observaciones que facilitan el complejo anlisis inicial de
Vickrey. En este esquema terico simplificado sin asimetras ni co-
lusin (con homogeneidad, continuidad, etc.), se cumple que, en
una licitacin al primer precio bajo sobre cerrado, el mecanismo de
oferta se puede definir, segn McAfee y McMillan (1987), como:

Donde B = oferta del oferente; v
i
= valoracin del bien por cada
oferente; v
e
= precio de reserva; F( ) =distribucin de valuacin; N =
cantidad de oferentes;

- Esta expresin muestra que la funcin B es creciente en el nmero
de oferentes, o sea que las ofertas aumentan con el mayor nmero
de oferentes.

- Asimismo, si la cantidad de oferentes tiende a infinito las ofertas
tendern a coincidir con el efectivo valor del bien (desaparecera el

724
beneficio extraordinario contemplado en el modelo de la competen-
cia perfecta).

- Bajo esas condiciones tericas mencionadas, revelar los verdade-
ros valores resulta ser una estrategia dominante (dbil) para los ofe-
rentes.

- Considerando una distribucin uniforme de la valoraciones de los
oferentes para el clculo de la expresin anterior, se podra simplif i-
car su clculo, suponiendo la existencia de solo dos eferentes: en
este caso el valor ofrecido se podra calcular como
B(v
i
) = (V
i
+ V
e
)/2

- La poltica de ingresos para el vendedor ser ptima con tan solo
establecer precios mnimos (precios de referencia) ptimos.

- Los cuatro tipos bsicos de licitaciones originan ingresos equiva-
lentes para el vendedor: en la subasta ascendente y la subasta al
segundo precio el ganador paga segn la segunda cotizacin ofreci-
da. En la subasta al primer precio y en la subasta holandesa cada
oferta coincide con la estimacin de la segunda valoracin ms alta
entendiendo que la propia es la mayor. Es decir que, se presentan
precios que ganan si son los ms altos pero abonan segn el se-
gundo precio; en definitiva, los precios esperados por el vendedor
son coincidentes en los cuatro casos.

- En la prctica, el principio de equivalencia de ingresos entre las
cuatro formas bsicas de licitaciones, permite simplificar estos casos
(sin colusin ni asimetras, etc.) calculando el ingreso ptimo segn
el nivel de la subasta Vickrey, al segundo precio a sobre cerrado.

- Las cuatro formas bsicas de licitacin son las ms fciles y con-
venientes, comparndolas con otras formas ms elaboradas posi-
bles (como por ejemplo, permitir ofertas por solo un tiempo limita-

725
dos; o exigir pagos acordes con cada oferta; o subsidiar a los gana-
dores; o fraccionar la licitacin en diferentes rondas; etc.)


726
EJEMPLO DE SUBASTA VICKREY MULTIPLE OBJE-
TO

En este caso de licitacin de 3 unidades idnticas de un bien, entre
5 oferentes, que cotizaron los siguientes precios:

b.1 b.2 b.3
Ofe.1 20 16 14
Ofe.2 18 13 12
Ofe.3 19 17 16
Ofe.4 15 13 12
Ofe.5 21 20 12

Ordenando los precios cotizados, se pueden anotar la cantidad de
oferentes para cada precio, hasta agotar la disponibilidad de bienes:

Precios: 21 20 19 18 17 16 15
adjudicac.: 1 2

Las tres unidades subastadas son adquiridas por el Oferente 5 (dos
unidades) y el oferente 1 (una); y pagan $19 por cada unidad (el
primer precio perdedor).

PRECIO MINIMO DE RESERVA

Para asegura un mecanismo justo, resulta importante la fijacin de
un precio de reserva ptimo, a efectos de asegurar un mecanismo
con valores que sean justos, tanto para el licitante como para la dis-
tribucin entre los oferentes:

Ejemplo de licitacin de solo 3 bienes entre 2 oferentes, sin un pre-
cio de reserva:
b.1 b.2 b.3
Ofe.1 20 4 3

727
Ofe.2 21 20 2

En ausencia de un precio de reserva el oferente 1 adquirira una
unidad y el oferente 2 adquirira dos unidades; y si no hubiera precio
mnimo de reserva pagaran solo $4 (el primer precio perdedor, que
posiblemente hubiera sido producto de un acuerdo colusivo entre los
concursantes).

Pero en la realidad la colusin puede ocurrir tambin por parte del
ente licitante; al igual que pueden ocurrir otras distorsiones, como
sera la disuasin al ingreso de nuevos participantes; o la accin
predatoria de un oferente ms fuerte (reputacin); etc., en una am-
plia variedad de juegos posibles.

SUBASTA MULTIPLE (PAQUETES)

Por otra parte, las licitaciones tambin renen algunas caractersti-
cas, que pueden ser o no adecuadas segn sean los tipos de bienes
pblicos a subastar. Por ejemplo, en el caso de licitacin simult-
nea de varios bienes, se complica la obtencin de una asignacin
eficiente (asignacin para los compradores que ms los valoren):
estas subastas mltiples necesitan ser flexibles y permitir, las ofer-
tas separadas cuando los bienes son sustitutos (si no existen ex-
cesivas combinaciones posibles que imposibiliten las presentacio-
nes); cuando los bienes son complementarios deben permitir las
ofertas simultneas en paquete (ya que con el empaquetamiento el
valor conjunto de estos bienes suele superar a la suma de sus valo-
res individuales, debido a cierta sinergia o superaditividad propia
del paquete).

Desde el punto de vista del subastador, tambin se puede necesitar
la formacin de paquetes para optimizar el valor a percibir; pero
sobre todo el subastador siempre necesita determinar si el entorno
en el cual se va a realizar la licitacin se incluye la posibilidad de

728
valores comunes, con colusin entre los agentes, o por el contrario
las ofertas son de carcter individual privado (tambin puede existir
una combinacin de ambas situaciones).

EJEMPLO SUBASTA VICKREY EN PAQUETES

Por ejemplo, se subastan dos bienes X e Y en una licitacin del tipo
Vickrey (o VCG VIckrey, Clarke, Groves):

Conviene admitir ofertas conjuntas en paquete?

Licitacin Vickrey - VCG:

Bien X Bien Y Paquete XY
Ofer. 1 50 30 40
Ofer. 2 22 50 45
Ofer. 3 34 32 48

a) Si los bienes fueran sustitutos, en principio, ante ofertas indi-
viduales el oferente 1 ganara la compra individual del bien X
y pagara solo 34 (el segundo precio ofrecido); el oferente 2
ganara la compra individual del bien Y pagando solo 32, de
modo que la licitacin generara un ingresos por 64.

Pero si se previera la oferta en paquetes, el oferente 3 ganara la
compra del paquete con ambos bienes, de modo que se obtendra
con esta licitacin un ingreso de solo 45 (segundo precio), muy infe-
rior a la suma de lo ofrecido individualmente por 1 y por 2 (quizs
sera posible atenuar estos inconvenientes estableciendo algn tipo
de descuento o compensacin a efectos del cotejo para quienes
presenten solo ofertas individuales)

b) Si los bienes fueran complementarios habra que considerar
la sinergia o superaditividad en la oferta conjunta del paquete

729
XeY; individualmente los bienes X o Y pueden tener un valor
reducido pero este aumenta con la posibilidad de obtenerlos
conjuntamente.

En estas ofertas en paquetes se suelen presentar dos problemas
bsicos, uno referido a la optimizacin del ingreso y otro a la
determinacin de los ganadores. En la optimizacin de ingresos
dificultara una presencia de demasiados paquetes, ya que cada
postor debe definir ofertas entre 2
m
-1 paquetes. Pero tambin hay
otro aspecto, la veracidad de las valuaciones (o afines por even-
tual corrupcin), que influyen decisivamente en la determinacin
final de los ganadores.

La colusin puede distorsionar todo, tanto los resultados del licitante
como una distribucin eficiente. Por ejemplo, si 3 de los 7 ms in-
teresados concursantes se ponen de acuerdo y dos ofrecen algo
mayor a los otros 4, pero el tercero ofrece algo + un plus ganan,
pagaran solo el importe algo y se evitaran competir entre ellos.

Es por esto ltimo, que la teora de los juegos (cooperativos, mi-
diendo el valor segn la formacin de coaliciones con el criterio ini-
ciado por Shapley) busca conseguir asignaciones que finalmente
contengan las deseables cualidades de justicia, eficiencia y estabili-
dad, y se utiliza un complejo clculo o valor de Aumann-Shapley.

Se observa entonces, que en este tipo de problemas microecon-
micos sobre subastas estn influyendo diversas disciplinas, como la
programacin computacional y la matemtica o la investigacin ope-
rativa (teora de los conjuntos, programacin lineal y no lineal), que
son enfoques para definir cuestiones segn los criterios de decisin
de la reciente teora de los juegos cooperativos (nueva metodologa
que est complicando, enriqueciendo y encareciendo el panorama
sobre las licitaciones, con creciente expansin local e internacional).


730
Recordamos, que los primeros anlisis con teora de juegos corres-
pondieron a casos simples nicos sin colusin, le siguieron otros
tambin simples, en los cuales se calcul el equilibrio de Nash (con-
junto de estrategias del juego tal que ningn jugador ganara algo
cambiando la suya); luego los juegos repetidos, etc. y en las ltimas
dcadas esta teora se aplic al mbito de la poltica y tambin al de
las licitaciones, con posibilidades crecientes.

731
SUBASTAS CON EXCEL,
CON GAMS, WINQSB, MATLAB, TORA, LINDO,
VIEWS, SPSS, STATA

EJEMPLO DE SUBASTA MULTIPLE

Un caso de bienes independientes, sin superaditividad (transferen-
cia de utilidad), privada sin colusin ni asimetras, en la cual se
subastan 3 bienes entre 5 oferentes, que cotizan por uno o por va-
rios bienes, en paquete, los siguientes importes ((bienes), importe)):

Ofe
1
= ((2), 2)
Ofe
2
= ((1, 2), 5)
Ofe
3
= ((1, 3), 9)
Ofe
4
= ((1), 8)
Ofe
5
= ((2, 3), 13)

En estos casos simples se debe considerar la maximizacin de los
ingresos (utilidad) para el licitante y simultneamente tambin para
cada uno de los oferentes, que compiten deseando asimismo mini-
mizar su gasto al haber ajustado sus ofertas a sus valuaciones de
cada bien.

Se trata de una optimizacin mediante programacin lineal, que
conviene implementar con Solver de Excel (tambin se explic antes
aqu como resolver estos casos utilizando Gams, WinQsb, Matlab,
Tora, Lindo, Eviews, SPSS, Stata), en la cual la funcin objetivo
busca optimizar maximizando el producto de los valores cotizados
por la mezcla de bienes, sujeto a una restriccin de valores enteros
y positivos, que se puede implementar considerando en el cuadro
una digitacin binaria (0 1, salvo para las cotizaciones):


732

La imagen resalta en G6 el clculo de las restricciones implemen-
tando suma-producto de cada bien por la fila de soluciones (celdas
cambiantes B7:F7), incluyendo tambin la fila de las cotizaciones,
que abarca hasta la celda objetivo G6; la digitalizacin binaria del
cuadro permite cumplir con la restricciones indicadas en la columna
G hasta I, tambin contempladas en Sujeto a las restricciones:

Al ejecutar esta optimizacin Solver calcul como ganadores de la
licitacin a los oferentes 3 (bien 1 y 3) y 4 (bien2), generando un

733
importe mximo por $ 17 (el ejemplo es fcilmente ampliable a ma-
yor cantidad de bienes y/o empresas oferentes).

EJEMPLO DE SUBASTAS REPETIDAS

Los procesos repetidos de subastas son usuales en diversos mer-
cados, como carnes, pesados, frutos y hortalizas, etc. La programa-
cin lineal tambin es el mtodo adecuado para encarar subastas
en los contextos dinmicos, en los cuales suelen presentarse pro-
blemas de sealizacin, reputacin, aprendizaje, etc. El mtodo
adecuado es plantearlos segn el esquema visto aqu anteriormente
para juegos repetidos.

Para el primal (principal, licitante) se trata de maximizar un VE, suje-
to a las condiciones que cada una de las estrategias valga entre 0 y
1; que cada una sea un valor positivo no nulo; y que el conjunto de

734
ellas debe valer uno, segn la condicin de las probabilidades de La
Place y/o Bayes.

cambiantes a calcular por Excel las celdas D9:D10 y separado por


trategias de A que figuran en el cuadro en D9:D10. En estas licita-
ciones repetidas el principal juega al azar pero cuidando mantener
estas proporciones con las dos estrategias (estos juegos matriciales
requieren cumplir con la condicin de juego sin ensilladura de Nash
y tambin con las requeridas por al lgebra matricial, matriz no nula,
etc.consideradas aqu anteriormente).

Para el caso dual, B o juego repetido del agente en estas licitacio-
nes, dado que con Solver se usa la matriz de pagos para A, para B
se tilda Minimizar; las estrategias de B se asignan a Solver ahora
segn una fila de celdas cambiantes D10:E10 juntamente con la
celda objetivo separada por punto y coma (previamente se sumaron
ambas celdas en F10); las restricciones son anlogas, pero en este
caso las estrategias del oponente deben figurar como menores o
iguales a la celda objetivo.

Como esta matriz es la de pagos para A, el jugador B busca el m-
nimo de los mximos. Su ptimo no coincidir con la estrategia pura

735
estrategia mixta para este juego "repetido", jugando al azar pero
cuidando de totalizar las proporciones que indique Solver. De este
modo ambos (licitante y oferente) obtienen un mismo VE, segn la
condicin de equilibrio del teorema mnimas: si ambos actan bajo
las reglas de la lgica N-M y sin asimetras, optimizan estimando
valores prudenciales, que coinciden asegurando a la otra parte un
premio similar al propio.

SUBASTAS DE UN UNICO BIEN Y DE PAQUETES

Sin embargo, cuando en los casos estticos (nico bien o paquetes)
se pasa a restringir esas condiciones tericas de tipo competiti-
vo, introduciendo diversas condiciones de asimetra o colusin, el
tratamiento se complica, con innumerables posibilidades de juegos,
objeto de los anlisis recientes.

En 1961 Vickrey explic sobre la conveniencia de las subastas de
un nico bien al segundo precio para el caso de bienes pblicos
importantes. Otro hito es cuando en 1994 la Comisin Federal de
Comunicaciones de los EEUU dise un mecanismo para las lici-
taciones de mltiples tem, en forma instantnea (en las cuales
influye si los tem se subastan simultneamente, permitiendo o no
ofertas por paquetes o combinaciones de tem) o con repeticin, en
una secuencia; pero en los textos estos temas eran todava solo
menciones superficiales; y numerosos casos diversos y aplicaciones
fueron publicados nterin y posteriormente.

Los arreglos, permutaciones y combinaciones segn corresponda a
cada posible caso de licitacin a dilucidar se complicaran (e impedi-
ran el tratamiento manual de estas situaciones) para juegos gran-
des. Sin embargo, con el enfoque iniciado por Shapley y Banzhaf
(para los acuerdos o colusin, que en el fondo consistente en listar y
comparar todas las posibles situaciones y observar los incrementos

736
de poder/costo/valor) se simplifica la innumerable gama de juegos
posibles con colusin y agregacin de utilidad, al implementarlos
computacionalmente.

Una idea del procedimiento concreto se puede obtener analizando el
criterio segn los ejemplos desarrollados anteriormente paso a paso
para el valor de Shapley y su anlogo el de poder de Banzhaf con
Excel.


737

Estos anlisis de la colusin o posibles acuerdos, siguiendo la idea
de Shapley o de Banzhaf mediante Excel, resultara ser una forma
concreta de objetivar el tratamiento de estos problemas de licitacio-
nes o subastas asimtricas.


738
Concretamente, el campo profesional de aplicacin de la teora de
licitaciones a los servicios pblicos en los pases es cada vez ms
frecuente (telecomunicaciones y medios, energa, etc.).

Sin embargo, sobre estas aplicaciones generalmente solo aparecen
presentaciones axiomticas en forma simblica (matemtica de con-
juntos y grupos), que no debieran asustar por ser especficas, sino
por variadas y sin su objetivacin.

En la prctica, esos esquemas abundan en solo presentaciones
formales (simblicas, generalmente sin aclarar si los smbolos re-
presentan valores cardinales u ordinales y sin la objetividad de su
correspondiente desarrollo numrico y/o computacional paso a pa-
so. Por ello suelen brindar una apariencia de ser a veces poco ms
que pantallas (carteles, bluff, promociones) en estos tan variados y
complejos asuntos de juegos computacionales mltiples, con asime-
tras, transferencia de utilidad (UT), colusin, etc.

Es importante tener presente que la presentacin simblica por s
sola no es suficiente, y que salvo excepciones simples, siempre es
necesario recurrir a algn programa de computacin para implemen-
tar estas ideas: la teora de conjuntos parece ser el lenguaje apro-
piado para los algoritmos; pero tambin existen otros lenguaje alge-
braicos (como los expuestos aqu), as como muchsimos lenguajes
computacionales, que en definitiva son los que permiten concretar
las ideas y los clculos.

Recientemente, se destaca (al menos a nivel acadmico) una apli-
cacin de la teora de los juegos, para el campo de la negociacin,
de conflictos internacionales y otros. La presentan Sergei Izmalkov y
Muhamed Yildiz del MIT, pero con el tratamiento alternativo del l-
gebra abstracta de grupos (axiomtica de Frobenius), muy especfi-
ca, que podra resultar de inters como otra herramienta, otro enfo-
que algebraico, o modo de programacin para generar nuevas apli-
caciones informticas sobre el tema.

739

La exposicin de la teora de juegos en modo formal y axiomtico,
utilizando los variados smbolos lgicos matemticos, fue contem-
plada por Neumann-Morgenstern en 1928 y en 1944, as como por
gran cantidad de desarrollos ampliatorios de fines del s.XX y conti-
na en el XXI.

Este lenguaje lgico de las diferentes ramas matemticas usuales
es amplio y complejo; pero con l la teora de juegos no siempre se
puede implementar concretamente. Es quizs la forma idnea de
presentacin y planteamiento de los juegos; pero muchsimos jue-
gos requieren necesariamente la instrumentacin computacional
para su desarrollo concreto.

Entonces este lenguaje lgico formal conforma una alternativa ade-
cuada, pero no siempre imprescindible, para posibilitar la necesaria
instrumentacin computacional de muchos juegos, como son los
juegos repetidos o las crecientes aplicaciones de los juegos con
acuerdo, que aqu fueron expuestos mediante a) el anlisis matem-
tico, b) el anlisis geomtrico, c) la programacin lineal Simplex, as
como con d) varias formas de planteos con Solver (vanse antes los
modos normales de solver, el modo paramatricial y el modo valo-
res de; equivalentes y alternativos a los modos de planteo del Sim-
plex y/o del Simplex matricial; o a soluciones mediante matrices)

LOS ALGORITMOS NO CALCULAN NADA (2)

Una cosa es escribir simblicamente lo que voy a hacer para calcu-
lar algo (algoritmo); y otra cosa muy diferente es escribir ese ejecu-
table computacionalmente y que efectivamente calcule lo buscado
(es ms fcil describir que realizar una aplicacin computacional)

Gran cantidad de aplicaciones econmicas y empresariales de estos
juegos es solo viable mediante enfoques computacionales, con sus
propias lgicas y lenguajes. Aqu, a diferencia de las exposiciones

740
formales de otros textos, se trat de ejemplificar mostrando paso a
paso, utilizando presentaciones bsicas simples y accesibles a un
tcnico o profesional no especializado en lgica.

No obstante se pegan a continuacin dos resmenes de Wikipedia,
sobre una nmina de algunos smbolos lgicos matemticos y sobre
la lgica de cojuntos de Neumann, Bernays, Gdel: bienvenido el
lgebra abstracta de NBG y otros, pero no es imprescindible para
todo profesional; mientras que las aplicaciones computacionales si
que lo son.

(esta aseveracin se efecta conjuntamente con la resolucin y pre-
sentacin aqu de diversos tipos de juegos, subastas y otros me-
diante varios mtodos algebraicos y varios utilitarios computaciona-
les)


741
Algunos smbolos matemticos

(Wikipedia)
Genricos
Smbolo Nombre se lee como Categora

igualdad igual a todos
x = y significa: x y y son nombres diferentes que hacen referencia a un
mismo objeto o ente.
1 + 2 = 6 3

definicin se define como todos
x := y o x y significa: x se define como otro nombre para y (notar, sin
embargo, que puede tambin significar otras cosas, como congruencia)
P : Q significa: P se define como lgicamente equivalente a Q
cosh x := (1/2)(exp x + exp (x)); A XOR B : (A B) (A B)
Aritmtica

adicin ms aritmtica
4 + 6 = 10 significa que si a cuatro se le agrega 6, la suma, o resultado, es
10.
43 + 65 = 108; 2 + 7 = 9

substraccin menos aritmtica
9 4 = 5 significa que si 4 es restado de 9, el resultado ser 5. El smbolo
'menos' tambin se utiliza para denotar que un nmero esnegativo. Por
ejemplo, 5 + (3) = 2 significa que si 'cinco' y 'menos tres' son sumados,
el resultado es 'dos'.
87 36 = 51

multiplicacin por aritmtica
7 x 6 = 42 significa que si se cuenta siete veces seis, el resultado ser 42.
4 x 6 = 24 4 * 6 = 24 4 6 = 24

742

divisin entre aritmtica
significa que si se hace seis pedazos uniformes de cuarenta y
dos, cada pedazo ser de tamao siete.

sumatoria suma sobre ... desde ... hasta ... de aritmtica
k=1
n
a
k
significa: a
1
+ a
2
+ ... + a
n

k=1
4
k = 1 + 2 + 3 + 4 = 1 + 4 + 9 + 16 = 30

productorio
producto sobre... desde ... hasta ...
de
aritmtica
k=1
n
a
k
significa: a
1
a
2
a
n

k=1
4
(k + 2) = (1 + 2)(2 + 2)(3 + 2)(4 + 2) = 3 4 5 6 = 360
Lgica proposicional

implicacin material o en un
solo sentido
implica; si ..
entonces; por lo
tanto
lgica proposicional
A B significa: si A es verdadero entonces B es verdadero tambin;
si B es verdadero entonces nada se dice sobre A.
puede significar lo mismo que , o puede ser usado para deno-
tar funciones, como se indica ms abajo.
x = 2 x = 4 es verdadera, pero 4 = x x = 2 es, en general, falso
(ya que x podra ser 2)

doble implicacin
si y slo si; sii,
syss
1

lgica proposicional
A B significa: A es verdadera si B es verdadera y A es falsa siB es falsa.
x + 5 = y + 2 x + 3 = y

conjuncin lgi-
ca ointerseccin en una reja
y
lgica proposicio-
nal,teora de rejas
la proposicin A B es verdadera si A y B son ambas verdaderas; de otra
manera es falsa.todo es verdadero de los valores
n < 4 n > 2 n = 3 cuando n es un nmero natural

743

disyuncin lgica ounin en
una reja
o
lgica proposicio-
nal,teora de rejas
la proposicin A B es verdadera si A o B (o ambas) son verdaderas; si
ambas son falsas, la proposicin es falsa.
n 4 n 2 n 3 cuando n es un nmero natural

negacin lgica no lgica proposicional
la proposicin A es verdadera si y slo si A es falsa.
una barra colocada sobre otro operador es equivalente a un colocado a
la izquierda.
(A B) (A) (B); x S (x S)
Lgica de predicados

cuantificador universal
para todos; para cual-
quier; para cada
lgica de predi-
cados
x : P(x) significa: P(x) es verdadera para cualquier x
n N: n n

cuantificador existencial
existe por lo menos
un/os
lgica de predi-
cados
x : P(x) significa: existe por lo menos un x tal que P(x) es verdadera.
n N: n + 5 = 2n

cuantificador existencial con
marca de unicidad
existe un/os nico/s
lgica de predi-
cados
! x : P(x) significa: existe un nico x tal que P(x) es verdadera.
! n N: n + 1 = 2

reluz tal que
lgica de predi-
cados
x : P(x) significa: existe por lo menos un x tal que P(x) es verdadera.
n N: n + 5 = 2n
Teora de conjuntos

delimitadores
deconjunto
el conjunto de ...
teora de con-
juntos

744
{a,b,c} significa: el conjunto consistente de a, b, y c
N = {0,1,2,...}

notacin constructora
de conjuntos
el conjunto de los elementos ...
tales que ...
teora de con-
juntos
{x : P(x)} significa: el conjunto de todos los x para los cuales P(x) es
verdadera. {x | P(x)} es lo mismo que {x : P(x)}.
{n N : n < 20} = {0,1,2,3,4}

conjunto vaco conjunto vaco
teora de con-
juntos
{} significa: el conjunto que no tiene elementos; es la misma cosa.
{n N : 1 < n < 4} = {}

pertenencia de conjun-
tos
en; est en; es elemento de; es
miembro de; pertenece a
teora de con-
juntos
a S significa: a es elemento del conjunto S; a S significa: a no es
elemento del conjunto S
(1/2)
1
N; 2
1
N

subconjunto es subconjunto de
teora de con-
juntos
A B significa: cada elemento de A es tambin elemento de B
A B significa: A B pero A B
A B A; Q R

unin de conjuntos la unin de ... y ...; unin
teora de con-
juntos
A B significa: el conjunto que contiene todos los elementos de Ay tam-
bin todos aquellos de B, pero ningn otro.
A B A B = B

interseccin de conjun-
tos
la interseccin de ... y ...; inter-
seccin
teora de con-
juntos
A B significa: el conjunto que contiene todos aquellos elementos
que A y B tienen en comn.
{x R : x = 1} N = {1}

complemento de un
conjunto
menos; sin
teora de con-
juntos

745
A \ B significa: el conjunto que contiene todos aquellos elementos
de A que no se encuentran en B
{1,2,3,4} \ {3,4,5,6} = {1,2}
Funciones

aplicacin de funcin; agrupamiento de funciones
para aplicacin de funcin: f(x) significa: el valor de la fun-
cin fsobre el elemento x
para agrupamiento: realizar primero las operaciones dentro del
parntesis.
Si f(x) := x, entonces f(3) = 3 = 9; (8/4)/2 = 2/2 = 1, pero 8/(4/2) =
8/2 = 4

mapeo funcional de ... a funciones
f: X Y significa: la funcin f mapea el conjunto X al conjunto Y
Considrese la funcin f: Z N definida por f(x) = x
Nmeros

nmeros naturales N nmeros
N significa: {1,2,3,...}, pero vase el artculo nmeros naturalespara una
convencin diferente.
{|a| : a Z} = N

nmeros enteros Z nmeros
Z significa: {...,3,2,1,0,1,2,3,4,...}
{a : |a| N} = Z

nmeros raciona-
les
Q nmeros
Q significa: {p/q : p, q Z, q 0}
3.14 Q; Q

nmeros reales R nmeros
R significa: {lim
n
a
n
: n N: a
n
Q, el lmite existe}
R; (1) R

746

nmeros comple-
jos
C nmeros
C significa: {a + bi : a, b R}
i = (1) C

raz cuadrada
la raz cuadrada de; la principal raz
cuadrada de
nmeros reales
x significa: el nmero positivo cuyo cuadrado es x
(x) = |x|

infinito infinito nmeros
es un elemento de la recta real extendida mayor que todos los nmeros
reales; ocurre frecuentemente en lmites
lim
x0
1/|x| =

valor absoluto valor absoluto de nmeros
|x| significa: la distancia en la recta real (o en el plano complejo) en-
tre x y zero
|a + bi | = (a + b)
rdenes parciales

comparacin es menor a, es mayor a rdenes parciales
x < y significa: x es menor a y; x > y significa: x es mayor a y
3 < 4 5 > 4

comparacin es menor o igual a, es mayor o igual a rdenes parciales
x y significa: x es menor o igual a y; x y significa: x es mayor o igual
a y
x 1 x x
Geometra eucldea

pi pi Geometra euclideana
significa: la razn de la circunferencia a su dimetro.
A = r es el rea de un crculo con radio r

747
Combinatoria

factorial factorial combinatoria
n! es el producto 12...n
4! = 24
Anlisis funcional

norma norma de; longitud de anlisis funcional
x es la norma del elemento x de un espacio vectorial normado
x+y x + y
Clculo

integracin
integral desde ... hasta ... de ... con respecto
a ...
clculo
a
b
f(x) dx significa: el rea, con signo, entre el eje-x y la grfica de
la funcin f entre x = a y x = b
0
b
x dx = b/3; x dx = x/3

derivacin derivada de f; f prima clculo
f '(x) es la derivada de la funcin f en el punto x, esto es, lapendiente de
la tangente en ese lugar.
Si f(x) = x, entonces f '(x) = 2x y f ' '(x) = 2

gradiente del, nabla, gradiente de clculo
f (x
1
, , x
n
) es el vector de derivadas parciales (df / dx
1
, , df /dx
n
)
Si f (x, y, z) = 3xy + z entonces f = (3y, 3x, 2z)

derivada parcial derivada parcial de clculo
Con f (x
1
, , x
n
), f/x
i
es la derivada de f con respecto a x
i
, con todas las
otras variables mantenidas constantes.
Si f(x, y) = xy, entonces f/x = 2xy
Ortogonalidad

perpendicular es perpendicular a ortogonalidad

748
x y significa: x es perpendicular a y; o, ms generalmente, x es ortogo-
nal a y.

lgebra matricial

perpendicular traspuesta matrices y vectores
(a,b) con al lado o a modo de potencia significa que el vector se debe
colocar no de izquierda a derecha, sino de arriba a abajo. En numerosos
trabajos de investigacin se utiliza esta sintaxis al no poder representar en
un documento vectores verticales.

Teora de rejas

fondo el elemento fondo teora de rejas
x = significa: x es el elemento ms pequeo.


749
TEORIA DE CONJUNTOS de Von Neumann-Bernays-
Gdel
(Wikipedia)
La teora de conjuntos de von Neumann-Bernays-Gdel (denotada
NBG) es una teora de conjuntos axiomtica. Su nocin primitiva es
la de clase, en lugar de conjunto como en la teora de Zermelo-
Fraenkel (denotada ZF). A diferencia de otras teoras de conjuntos,
NBG es finitamente axiomatizable.
Ontologa
Siendo una teora de conjuntos, las nociones primitivas de NBG
son clase X y pertenencia . Sin embargo, aun cuando las clases
retienen su significado como colecciones de objetos, se reserva la
palabra conjunto para un tipo especial de clases con una propiedad
adicional:
(NBG) Un conjunto X es una clase que est contenida en alguna
otra clase:

A las clases que no son conjuntos se las denomina clases propias.
Entre las clases propias se encuentran la clase universal V, la clase
de todos los ordinales On, etc. Sin embargo, los axiomas de NBG
postulan algunas propiedades slo para conjuntos no para cual-
quier clase , de tal modo que en NBG se evitan las clsicas para-
dojas de la teora de conjuntos.
Axiomas
Notacin
En los axiomas de NBG se distingue entre clase y conjunto, y habi-
tualmente se utilizan letras minsculas para especificar conjuntos:
Las expresiones

donde es una frmula cualquiera, son abreviaturas para

Axiomas generales
El primer grupo de axiomas es bsicamente equivalente a sus co-
rrespondientes versiones en ZF.

750
Extensionalidad. Dos clases son iguales si y slo si tienen los
mismos elementos.

Par. Dados dos conjuntos existe un tercero que los contiene slo a
ambos:

Unin. Dados dos conjuntos, existe un tercero que contiene a los
elementos de ambos:

Conjunto vaco. Existe un conjunto sin elementos:

Reemplazo. Dada una clase F que sea una funcin, la imagen de
de un conjunto cualquiera por F es tambin un conjunto:1

Esta formulacin del axioma de reemplazo est comprendida en una
nica sentencia, a diferencia de la formulacin habitual en ZF que es
un esquema axiomtico.
Axiomas de formacin de clases
NBG tiene la propiedad particular de ser finitamente axiomatizable,
esto es, puede establecerse con un nmero finito de axiomas. ZF no
comparte esta propiedad, pues su axioma de reemplazo es en reali-
dad un esquema axiomtico, una afirmacin del tipo: Dada una
frmula (x) la siguiente sentencia es un axioma de ZF.... En NBG
tambin puede utilizarse un esquema de formacin de clases a par-
tir de una frmula dada, pero es posible demostrar dicho esquema a
partir de una coleccin finita de casos particulares:2
Interseccin. Dadas dos clases existe una tercera que contiene los
elementos comunes a ambas:

Complemento. Dada una clase existe otra que contiene todos con-
juntos que no estn en la primera:

Pertenencia. Existe la clase de la relacin binaria de pertenencia
entre conjuntos:

751

Dominio. El dominio entendido en el sentido del dominio de una
funcin de una clase siempre existe:

Producto cartesiano. Dada una clase X, existe otra que contiene
todos los pares ordenados con primeros elementos en X:

Y por ltimo dos axiomas que permutan las n-tuplas ordenadas de
una clase dada de diversas maneras:
Permutacin 1.

Permutacin 2.

De este modo, combinando estos casos particulares con los
axiomas generales puede demostrarse un esquema axiomtico para
frmulas que hablen solamente de conjuntos:
Esquema de formacin de clases
Dada una frmula (X1, ..., Xn) con al menos las variables libres
indicadas cuyas nicas variables cuantificadas son conjuntos, la
expresin

es un teorema de NBG.
Si se prescinde de estos axiomas y en su lugar se adopta el esque-
ma de formacin de clases, se obtiene una axiomatizacin alternati-
va de NBG, pero no finita. Si se elimina de estos axiomas la restric-
cin a frmulas sin variables de clase cuantificadas se obtiene
la teora de conjuntos de Morse-Kelley.
Axiomas adicionales
Adems de estos axiomas iniciales, es necesaria una serie de axio-
mas para que la teora de conjuntos contenga los aspectos estndar
que se usan en la matemtica.
Partes. Dado un conjunto, existe otro formado por la totalidad de los
subconjuntos del primero:

752

Infinito. Existe un conjunto inductivo:

Regularidad. Toda clase no vaca contiene una clase disjunta con-
sigo misma:

El axioma de eleccin puede aadirse tambin a la lista:
Eleccin. Dado un conjunto, existe una funcin de eleccin sobre
sus elementos no vacos:1

Vase tambin
Teora de conjuntos de Morse-Kelley
Teora de conjuntos de Zermelo-Fraenkel
Bibliografa y referencias
a b Fun F, Dom F y Im F son abreviaturas para denotar F es una funcin, el dominio
de F y la imagen de F. Como es habitual en teora de conjuntos, una funcin se define
de forma extensiva como una clase de pares ordenados en la que no se repiten primeras
componentes.
Estos son los axiomas de formacin de clases recogidos en Mendelson, 1997.
Ivorra, Carlos, Lgica y teora de conjuntos, consultado el 1-1-2011.
Mendelson, Elliott (1997) (en ingls). Introduction to Mathematical
Logic. Chapman & Hall. ISBN 0-412-80830-7.

Este artculo fue creado a partir de la traduccin del artculo Von NeumannBernaysGdel
set theory de la Wikipedia en ingls, bajo la licencia Creative Commons Atribucin Compartir
Igual 3.0 Unported y la licencia de documentacin libre de GNU.


753
TEORIA DE LA INCERTIDUMBRE NO ESTRUCTURADA

Se pueden distinguir dos clases de enfoques sobre incertidumbre:

- Estructurada: si bien no se sabe cul ocurrir entre diferentes
alternativas, es posible determinar que pueden ocurrir varias
de estas.

- No estructurada: no se sabe cules alternativas pueden ocu-
rrir, ni sus probabilidades ni consecuencias.

Una de las modalidades de solucin es introducir sentimientos sub-
jetivos de optimismo (criterio maximax, que selecciona la accin
mxima del pago mximo) y de pesimismo (criterio maximin, que
selecciona el mayor de los pagos mnimos); que a veces pueden
tener bases razonables, segn algn conjunto de pautas parcial-
mente orientativas.

Otra alternativa es asignar una distribucin de probabilidades a los
sentimientos, para convertir el problema en uno de decisiones bajo
riesgo y poder as elegir un ptimo.

Por otra parte, cuando no existen elementos para esto, antes que
tomar una decisin solo al azar, se puede recurrir al principio de
la razn insuficiente (de Laplace), suponiendo que todas los
eventos tienen igual probabilidad, ponderando 50 y 50.

Interesan los aspectos formales; que las preferencias sean consis-
tentes desde el punto de vista lgico, respetando los criterios si-
guientes:

- Transitividad: si X > Y; Y > Z; entonces X > Z.

754
- Completitud: si solo hay X e Y, entonces se prefiere X, o bien
Y, o bien son indiferentes.
- Asimetra: si X > Y, no puede ser Y > X.
- Simetra de la indiferencia: si X es indiferente a Y, entonces
Y es indiferente a X.

PARADOJA DE SAN PETERSBURGO DE D. BERNOULLI

El concepto de utilidad esperada que se utiliza recientemente tiene
su origen en el siglo 18, cuando Daniel Bernoulli resolvi la paradoja
que representaba el juego de tirar la moneda. SI sale cara pago $2;
si sale cruz vuelvo a lanzar y pagar el doble si es cara; y as suce-
sivamente. Cunto pagara alguien por participar del juego?

El valor esperado (VE) depende de las tiradas hasta que salga cruz;
1) x $2 = $1
2) x $4 = $1
3) 1/8 x $8 = $1
x = $ . pagara infinito?. No tendra sentido este VE,
pero deba ser explicado por qu, segn hizo Bernoull:

Conforme va aumentando la riqueza se la va valorando menos; y
por el contrario, va resultando cada vez ms importante evitar la
prdida (de pagar).

Este comportamiento se puede ver grficamente como una funcin
logartmica, para la UE finita del juego, creciente solo hasta un lmi-
te. Esto abri la posibilidad de introducir el anlisis matemtico en la
teora de la utilidad esperada subjetiva, as como la programacin
computacional.


755
TEORIA DE LA DECISION SEGUN TIPOS DE INCER-
TIDUMBRE

En la teora de la decisin se utilizan usualmente diferentes criterios:

Criterio maximin: se prefiere la mejor de todas las peores alternati-
vas, segn la lgica N-M.
Criterio maximax: se adopta la mejor de todas las acciones.
Criterio de Hurwicz: pondera la suma de las probabilidades asigna-
das al valor de las alternativas multiplicadas por el resultado maxi-
min y maximax en ellas.
Criterio de la Razn Insuficiente de Laplace: en vez de recurrir a la
subjetividad de quien decide, en este criterio se pondera asignando
a cada resultado posible similar probabilidad de ocurrencia.

UTILIDAD ESPERADA SUBJETIVA SEU:

En 1944 Neumann y Morgenstern publicaron los axiomas para la
toma de decisiones racionales bajo incertidumbre, incluyendo:
- Preferir una lotera que otorgue el mayor premio.
- Ser indiferente una lotera con premio de G de ganar o P de
perder, con otra cuyo premio es intermedio entre G y P.

En 1954 Savage demostr que sobre ese criterio se puede obtener
probabilidades subjetivas de tipo cardinal (medible). Para obtener
probabilidades subjetivas en este contexto incierto es necesario ser
lgicamente consisten en la toma de decisiones:

AXIOMAS DE LA UTILIDAD ESPERADA SUBJETIVA SEU:

1. Completitud

756
2. Transitividad
3. Independencia ante alternativas irrelevantes: por ejemplo;
qu le sirvo, pollo o cerdo?. Deme pollo. Ah, me olvid que
tambin hay pescado. Entonces deme cerdo.
4. Independencia ante consecuencia contrafcticas: una vez
realizada una accin se decide segn sus resultados y no
segn las posibilidades que existan a priori.
5. Independencia con respecto a la ganancia esperada: se elige
una de las apuestas segn sus probabilidades de ganar y no
segn los premios que ofrezcan.

PARADOJA DE ALLAIS:

Este enfoque no racional es una crtica a la teora racional SEU de
Savage, bajo el concepto de racionalidad limitada en los decisores.
Segn Simon, 1986, ni las personas ni las PC disponen siempre de
capacidad suficiente para la toma de decisiones con plena racionali-
dad.

A veces se decide bajo diferentes reglas no siempre racionales en el
sentido SEU, segn obligan las dificultades planteadas al tomar de-
cisiones en terminados casos.

PRINCIPIO DE INDETERMINACION DE HEISEMBERG

En 1927 el fsico W. Heisemberg formul el principio de indetermi-
nacin: la temperatura del termmetro haba modificado impercep-
tiblemente la medicin en un lquido; y no era el estado de la cien-
cia no suficientemente evolucionado para medir esa alteracin ni la
pequeez del dispositivo, sino que en s los diminutos cambios de-
ba ser considerados lgicamente como no medibles con precisin:
el principio de indeterminacin presente en todo tipo de medicin

757
fsica (si la precisin con la que se determina la posicin y veloci-
dad de una partcula es mayor, menor ser su velocidad).

Ms reciente, en el mbito de la programacin industrial y de la
computacional, se adoptaran en forma especialmente intensa es-
tos criterios del anlisis bajo incertidumbre; siendo todava incipien-
tes en otras disciplinas.

INCERTIDUMBRE SEGN J. M. KEYNES

En 1937 Keynes ampli un concepto incluido en su Teora General
del Empleo y el Dinero, refirindose al tipo de incertidumbre empre-
saria, tratando "simplemente de distinguir lo que se conoce como
seguro de lo que es slo probable. El juego de la ruleta no est suje-
to, en este sentido, a incertidumbre ...El sentido en el que estoy
usando el trmino es que... no existe base cientfica sobre la que
formar cualquier probabilidad calculable. Sencillamente no sabe-
mos".

URNA DE PLYA

Un ejemplo sobre el estado actual de la matemtica (no tan exacta
como se crea) es este modelo, til para estudiar procesos econmi-
cos estocsticos, en los cuales las circunstancias iniciales, la au-
sencia de libre competencia, el libre albedro de los consumidores,
etc. conduce a la obtencin de resultados que no estn directamen-
te basados en la teora de la probabilidad, la competencia, los ren-
dimientos, economas a escala, etc.

La dinmica de estos procesos no-ergdicos est influida por el
azar y su evolucin no converge automticamente, como se podra
pensar, a una distribucin probabilstica de los resultados, debido a
la influencia distorsionadora de esos accidentes histricos.

758

El modelo de Plya consiste en una urna con bolas de dos colores;
cada vez que extrae una (muestras con reposicin) se la repone
pero conjuntamente con otra (otras) de ese color. Luego de una se-
rie de extracciones se observa que el resultado no guarda las pro-
porciones quizs esperadas, sino que es azaroso.


La implementacin del modelo en Excel es fcil: en la columna B se
introduce la funcin =Aleatorio(); en las columnas C y D se utiliza la
funcin =Si ( ; ; ) para cuantificar la posibilidad de reponer las bolas
de un color u otro, segn aclaran las formulas de la imagen para
este ejemplo con cien mil extracciones, cuyo resultados cambia
drsticamente con cada pulsacin de reclculo F9 etc.

LOGICA DIFUSA (FUZZY) / MATEMATICA BORROSA

El ttulo del trabajo de G. Boole, Lows of trhorugh, de 1850 constitu-
y una aseveracin sobre el comportamiento de la naturaleza de las
cosas y las visin terica instrumentada en las simplificaciones cien-

759
tficas para abarcar los problemas cientficos (incluso microeconmi-
cos) tanto objetivos como subjetivos, Luego de los aportes de L.
Zadeh en 1965, otros posteriores amplan estos enfoques con cre-
ciente intensidad.

Un relevamiento de la utilizacin de la matemtica borrosa en el
mbito microeconmico con numerosos temas figura en el trabajo
Introduccin a la teora de los subconjuntos borrosos a la gestin de
las empresas, de A. Kaufmann y J.Gil Aluja (Ed. Milladoiro, Santiago
de Compostela, 1986)

Dado que la empresa implica dedicar capitales inmovilizados anali-
zan ah problemas de la inversin y renovacin de equipos median-
te matemtica borrosa; la produccin fue incorporada con el trata-
miento mediante conjunto borrosos de los materiales (gestin de
stocks) y de la incorporacin de mano de obra (seleccin de perso-
nal); la comercializacin se plantea con la distribucin fsica de pro-
ductos; y la direccin y administracin con subconjunto borrosos a
travs del anlisis de balances y de los presupuestos y las previsio-
nes a largo plazo.

Tambin en estos enfoques tiene un lugar preponderante, no solo la
nueva visin conceptual lgica, sino su modelacin matemtica y el
tratamiento mediante computacin.

L A. Zadeh present en 1965 en Berkeley, California sus conceptos
sobre la lgica difusa o fuzzy. En esta metodologa reciente del
anlisis cientfico y computacional tambin se permite la inclusin
de situaciones multivariantes para criterio de verdad o del estado de
una cosa, en vez del criterio tradicional bivalente o binario (de Boo-
le) tipo verdadero o falso, fro o caliente, lleno o vaco, etc.


760

En este ejemplo sobre la puntuacin de deportistas goleadores ante
16 tiros, la solucin clsica ponderara la estatura mayor a 1,85 y los
mayores aciertos, seleccionando a los deportistas F e I. Bajo la lgi-
ca difusa se tienen en cuenta otras ponderaciones, que permitiran
en este caso incluir con los mayores puntajes tambin al deportista
E que tuvo 16 aciertos y antes estaba excluido.

Esta lgica de los conjuntos difusos (elementos pertenecientes a
ms de un conjunto) progres especialmente en computacin y en
algunos campos de la tecnologa; tiene desarrollos importantes en la
matemtica de conjuntos y otras disciplinas estn todava esperan-
do mayores aplicaciones. Al parecer tiene mayor intensidad de uso
en las recientes industrias de Japn y de China, la que habra facili-
tado la aparicin de las computadoras recientes con mayor capaci-
dad que las existentes en Europa y EEUU hasta 1990y estos anli-
sis comentados de Zadeh y otros (especialmente sobre Fuzzy Mo-
deling and Control e Intelligent Systems, del japons Michio Sujeno;
y de F. H. Mandani del Reino Unido).


761
ANALISIS NUMERICO - CALCULO NUMERICO DEL COS
FUNCION LOGISTICA DE LORENZ

El anlisis dinmico en los modelos de economa y otras disciplinas
estudia el movimiento para predecir su estado en fases futuras.
Cuando resultan cambios muy complejos se les dice caticos. Fun-
ciones logsticas como P = 1 / 1+e
-t
y similares describen compor-
tamientos iniciales tipo exponencial que luego se atenan o alteran
y evolucionan hacia estructuras o lmites asintticos (los atracto-
res del meteorlogo Lorenz, para rotacin del anillo, temperatura y
desviacin de sta)

En 1961 Edward Lorenz estudiaba el comportamientos atmosfrico
mediante simulaciones con series y encontr resultados muy dife-
rentes cuando repiti el anlisis utilizando en la constante inicial tres
decimales (0,506) en vez de seis decimales (0,506127), estable-
ciendo as que los sistemas caticos son muy sensibles a las condi-
ciones iniciales.

En 1975 R. MAY us un modelo de simulacin del crecimiento de la
poblacin de insectos tipo logstico ya que consider que luego de

762
un crecimiento exponencial la poblacin se acercara a un mximo
posible ante la saturacin de los recursos del medioambiente.

Estudi las series con una funcin diferente, una parbola logstica,
que llev a precisar mejor la transicin entre el comportamiento
normal y el catico, segn pequeos cambios en las constantes
iniciales y en el exponente:


Vase en la fila dos los comentarios sobre las cifras de la fila 1 que
llevaron a determinar los lmites entre el comportamientos determi-
nista, caticamente ergdico y absolutamente catico.

763

ATRACTORES FRACTAL CAOS

El fsico M. FEIGENBAUM precis luego que la constante
4,6692016091020 es el punto a partir del cual el sistema lgico (y la
transicin caticamente lgica) se convierte en definitivamente ca-
tico (este Excel con 10 mil observaciones muestra varios niveles
lgicos hasta caticos que se indican en las filas 1 y 2).

Considrense los dbiles computadores que se utilizaban en 1961,
comparando por ejemplo con las fciles y potentes funciones iterar y
otras de Excel. La posibilidad de efectuar infinitas pruebas con la
computacin permiti analizar las estructuras de los atractores y su
comportamiento fractal (composicin de estructuras por repeticin
de formas similares, que se muestra en esta grfico de Excel).

El efecto mariposa (o si hay o no leyes de formacin entre el aleteo
de una mariposa en China que origine un tornado en Texas) fue la
nueva metfora para enfrentar la visin mecanicista tradicional (de
LAPLACE; o de A. Einstein en Dios no juega a los dados el univer-
so). Con el anlisis del caos, la matemtica moderna haba aban-
donado los lmites deterministas de la matemtica tradicional.

En economa, al igual que en la fsica, qumica y otras disciplinas, se
incorpor este anlisis; y ante la imposibilidad de prediccin en los
sistemas caticos se utilizan simulaciones del comportamiento hu-
mano posible, siendo Excel la herramienta adecuada para imple-
mentarlas (modelos de optimizacin, programacin y logstica; jue-
gos de empresa; estudios de poblacin y demanda; etc.)

Por ejemplo, los sismlogos influyen con sus informes en muchas
actividades; suelen opinar sobre algunos tipos de terremotos que no
son acontecimientos predecibles pero que s son prevenibles.


764
Considerando el caso de la probabilidad tradicional sobre una tirada
de dados, se estaba suponiendo implcito que estos no incluan im-
perfecciones y cada resultado tenia as 1/6 de probabilidad. Pero en
el anlisis de la incertidumbre se analiza e incluye tambin la posibi-
lidad de que por ejemplo los dados tengan imperfecciones (que es-
tn cargados).

Asimismo, en el anlisis tradicional sobre la tirada de una moneda
se suponan monedas perfectas, con probabilidad cierta de para
cara y 1/2 para cruz. Pero en esta nueva teora se incluira por
ejemplo, la posibilidad de que la moneda pueda tener tambin dos
caras o dos cruces u otra imperfeccin dable, que sea relevante
para el resultado esperado.

Ciertamente, est ingresando as con esta lgica plurivalente la in-
fluencia de las valoraciones del decisor sobre la decisin u optimiza-
cin; pero an con esto se entiende que las conclusiones siguen
siendo racionales (ms racionales, en realidad) al considerarlas.


765

MARKETING

Investigacin de mercado (mercadeo) es un conjunto de tcnicas
todava no muy bien definido (o en expansin), que hacen referencia
a empresas especializadas o a las secciones de cualquier empresa
grande dedicadas a actividades, diversas pero cuyo fin es suminis-
trar a la direccin de una empresa informaciones sobre novedades
(amenazas y oportunidades) en los mercados (sobre demanda, gus-
tos, productos complementarios o sustitutos, tcnicas de producto o
de proceso, costos; e incluso ideas sobre creacin de nuevas nece-
sidades, etc.), tal que le ayuden a mejorar los ingresos o a reducir
los costos de esa empresa comercial o productora de bienes o ser-
vicios (tangibles o intangibles).

Las ideas sobre marketing estn evolucionando y recientemente
avanzaron desde una simplificacin inicial en el s.XX, como simples
tcnicas de promocin o publicidad de venta, para ir incorporando
nuevas actividades, como ser la distincin entre marketing B2C (bu-
siness to customer, o sea Emprea2cliente) y B2B (empre-
sas2empresa), cuando en el aos 80 se ampliaron estas activida-
des de investigacin de mercado para abarcar las tcnicas de pro-
duccin de insumos que fueran mejor adaptados a las necesidades
del cliente empresario: por ejemplo, en tecnologa de producto se
pas de las autopartes elaboradas con chapa comercial al carbono
(que se oxida si no se pinta), hacia chapa ms delgada pero en cali-
dad apta para ser recubierta en una o dos caras con cinc (galvani-
zada): igual superficie, menor espesor, menor peso, menor consumo
de combustibles y mayor duracin.

Desde hace dcadas, una actividad usual B2B es la presentacin
por las empresas grandes, sus cmaras o sus institutos sectoriales
(por ejemplo el Instituto Argentino de Siderurgia), ofreciendo infor-
macin til para los usuarios fabricantes sobre nuevos productos

766
(insumos), tcnicas de proceso o aplicaciones (usos finales), etc.
con una interaccin tcnica permanente entre proveedores y clien-
tes y viceversa (caos de plstico para usos petrolferos y de con-
duccin; unin por termo-soldado; paragolpes de plstico; tablesta-
cas de chapa, galvanizada corrugada para alcantarillados viales,
perfilera o carpintera metlica de chapa vs. aluminio, etc..

La American Marketing Association promocion la idea de las 4
P, para hacer referencia a un conjunto de actividades involucradas
en este campo: producto, promocin, precio, place, enfoque que
tambin se conoce con la sigla VISA (por Solucin tcnica con un
material o producto, Informacin o publicidad, Valor de uso y de
cambio, Plaza o lugar de distribucin) y la concepcin actual del
marketing es de tipo holistico (o globalista), incluyendo algunas
actividades sobre RSE (responsabilidad social empresaria o empre-
sa socialmente responsable.

En enfoque holstico (Ph.Kotler) surgen sobre la idea de Aristteles
en su Metafsica, cuando se refiere a temas en los que el todo es
mayor que la suma de las partes (por oposicin a la visin de la
fsica (o de la matemtica, en el V postulado de Euclides, el todo es
la suma de las partes). Por ejemplo, una semilla transgnica ms un
defoliante glifosato, representan mucho ms que solo un tipo dife-
rente de semilla y de agroqumico; pueden representar la sustitucin
masiva de cultivos, deforestacin, erradicacin de poblaciones, tras-
lacin de ingresos regionales hacia otros sectores privados o estata-
les, riesgos por monocultivo o ecolgicos, etc. con franca influencia
sobre la actual RSE.

La organizacin de actividades en una empresa dedicada al marke-
ting es compleja y puede reunir a socilogos, economistas, ingenie-
ros, mdicos neurlogos, etc. Al igual que en las empresas grandes
y corporaciones, el rea de marketing, tal como en la siderrgica
SOMISA, se diferenciaba en dos secciones: una dedicada a la ta-
rea de campo (encuestas e intercambio de informacin con usua-

767
rios o grandes consumidores, distribuidores, etc) y otra dedicada a
la investigacin economtrica y econmica sobre la base de los
datos recabados en esos estudios de campo (por ejemplo analizar
que no es igual lo que dicen los consumidores en una encuesta a lo
que realmente o efectivamente suelen comprar); y sobre el anlisis
de la informacin estadstica de precios, cantidades, comercio exte-
rior competitivo, costos de competidores, novedades en los merca-
dos internacionales que puedan representar amenazas u oportuni-
dades en el rea de ventas o en el rea de compra, etc.(con revistas
como Metal Bulletin, JSJ, CRU-MM, AMM) .

En el caso SOMISA esta oficina efectuaba los estudios de mercado
y tambin las proyecciones y pronsticos de ventas; por afinidad de
materia, tambin se ocupaba de la defensa del mercado (el anti-
dumping), sobre la base de la teora microeconmica de la libre
competencia: evidentemente, todas novedades sobre amenazas y
oportunidades que surgan en los mercados e interesaban a la
direccin de la empresa).

NEGOCIACION (BARGAINS)TEORIAS- METODOS:

Se estudian las tcnicas de negociacin de las personas e institu-
ciones, en el intercambio econmico y en todos los mbitos, como
polticos y dems. Existe un importante conjunto de tcnicas, mto-
dos o teoras, que conforman un universo conceptual todava en
desarrollo e incompleto.

El tradicional regateo en el intercambio es la cuestin de fondo o
esencial, pero se analiza con nuevos aportes y desde disciplinas tan
opuestas como la sicologa y la teora de los juegos; que abarcan
ms all de ese tradicional regateo (bargaining) en los mercados
minoristas.


768
Este regateo puede ser usual en regiones de Oriente Medio o Asia,
pero que en zonas urbanas occidentales puede considerarse como
una discriminacin de precios; y a su ausencia como una seal de
seriedad y fidelizacin del cliente; aunque en estas ltimas tambin
es usual en transacciones de otro tipo de bienes, como las vivien-
das, autos, etc.; y se lo estudia segn las posiciones individuales de
negociacin duras o blandas; la oferta de precios individuales tipo
gancho o especiales, bonificaciones, compras grupales, etc.

ENFOQUE COMPETITIVO VS. COOPERATIVO

La sociologa y la neurosicologa aportan pautas de comportamien-
to, distinguiendo segn zonas o segn tipos de bienes; pero tratan-
do de diferenciar el comportamiento humano del enfoque matemti-
co de la teora de los juegos para estas decisiones: es como el pro-
blema de la hiptesis bsica en C. Popper para construir un modelo
con una base racional, enfrentado con la dificultad o imposibilidad
del tratamiento matemtico para el comportamiento humano (M.
Bunge); las decisiones humanas van ms all que solo lo racional y
que el simple regateo; y se estara tendiendo actualmente hacia una
visin holstica, abarcativa, del tipo enfocado en la economa de la
informacin.

Existe diferentes enfoques: como este del comportamiento segn
diferentes zonas o pases; tambin el enfoque procesual, que ana-
liza los procesos de negociacin, distinguiendo el rango de la nego-
ciacin, las posiciones de las partes, sus intereses de fondo, los
riesgos y puntos de seguridad, etc.

Una variante ms reciente la brida el enfoque de la computacin
evolutiva, sobre la base del desarrollo computacional y los anlisis
que permite la incorporacin de algoritmos con aprendizaje, para el
estudio masivo de las comunicaciones por internet y otras.


769
Por otro lado est el enfoque segn la teora de los juegos, segn
los axiomas N-M de eficiencia, simetra, independencia de alternati-
vas irrelevantes, invariancia escalar, monotonicidad, etc., que se
plantean como casos de suma cero (competitivos) y tambin como
casos del tipo juegos cooperativos, pero siempre con un enfoque
matemtico subyacente. Especialmente los juegos de suma cero
ponen su acento en las posiciones de las partes, trabajando con
sus justificaciones o argumentaciones, en una actitud agresiva
(competitiva, de amenaza).

Tambin hay una visin cooperativa, segn los intereses de las
partes, los riesgos incurridos, el reconocimiento del otro y la crea-
cin de valor segn alternativas que brinde el reconocimiento de los
intereses, en vez del enfrentamiento de las posiciones.

W. Ury, en la Escuela de Negociacin de Harvard, habla de un en-
foque de integrativo, reconociendo los intereses comunes de las
partes y los opuestos, apuntando a la creacin de opciones y mayo-
res alternativas (creacin de valor) que posibiliten acuerdos nego-
ciados, incluso con la figura del mediador, en el mbito econmico,
desarme nuclear, etc.; distingue MAAN como la mejor alternativa de
un acuerdo negociado y PAAN como la peor alternativa de acuerdo
negociado.

Herramientas: de tipo actitudinal: como por ejemplo, analizar si
uno reconoce o no la idoneidad de la otra parte como interlocutor
vlido, o bien se est admitiendo desinters en la negociacin, etc.
Herramientas de tipo comunicacional, como reconocer y no enfren-
tar o atacar la posicin de la otra parte, escucharla atentamente,
tomar notas de sus planteos, evitar la carga emocional, hacer pre-
guntas, distinguiendo las de tipo cerrado, abierto, coercitivo, circula-
res, etc. que permitan un replanteo del tema. Herramientas proce-
dimentales, diferenciando reuniones personales o va representan-
tes, acompaados o no, en diferentes lugares, tiempos y plazos,
telefnicamente, por email, etc.


770
EL JUEGO DE LA CERVEZA DEL MIT

En una aproximacin al Juego de la cerveza a travs del bestseller
La quinta disciplina (de P. Senge) alguien podra obtener una ima-
gen deplorable, desde el punto de vista microeconmico.

Un sistema de distribucin de cerveza entre el productor, mayorista,
distribuidores, minoristas y consumidores, malformado por un retar-
do de semanas en la comunicacin va camioneros entre las etapas
origina que, ante una promocin ocasional, los altibajos en la de-
manda generen un caos en toda la cadena.

La impresin deplorable podra surgir por un 80% del bestseller,
dedicado a consejos irrelevantes e incoherentes, con una absoluta
ausencia de los principios microeconmicos, referidos a la estima-
cin de la demanda, a la programacin de la produccin o sobre
optimizacin (abarcando enfoques bsicos, y/o bien otros como el
anlisis de series estocsticas para el suavizado y ruidos o la opti-
mizacin multiobjetivo entre etapas y para esa industria).

Sin embargo, este viejo trabajo del MIT (J. D. Sterman, 1960),
adems de ilustrar sobre un efecto ltigo en el sistema de distribu-
cin tambin incluye otros aspectos: la construccin de modelos
dinmicos de simulacin; as como la programacin y la optimiza-
cin computacional, que si bien en los aos 60 incluida lenguajes de
programacin hoy suplantados con numerosas alternativas, tambin
sera hoy interesante brindar con el utilitario Excel (el de mayor uso
entre los profesionales), pero abarcando no solo principios de siste-
masde distribucin sino tambin la optimizacin microeconmica
(ver en cap. 7-modelos de simulacin en el MIT).

Una antigua costumbre de ilustrados cientficos era recurrir a las
argumentaciones por referencia a los incunables griegos; este hbi-
to fue cambiado modernamente por la recurrencia a las ideas de
excelencia observando las opiniones y consejos varios (y vagos)

771
de eminencias y destacados en cualquier mbito, como por ejemplo,
consejos para pensar y razonar o bien el frrago de citas de toda
ndole en la Quinta disciplina, pero con absoluta ausencia de mto-
dos para lo bsico: no hay mtodos para estimar las funciones de
demanda de cerveza en distribuidores, en el mayorista ni en el pro-
ductor; tampoco hay mtodos para optimizar la produccin, la entre-
ga y los beneficios en cada eslabn de la cadena. Todos actan por
sus impulsos del momento y sin estrategia adecuada son vctimas
del latigazo de un sistema malformado con el retardo de semanas
segn rdenes va camionero.

Pero los principios sobre sistemasde distribucin en el conjunto no
pueden funcionar ajenos a los principios microeconmicos de opti-
mizacin en cada eslabn y en el conjunto de esa industria. Por esto
en microeconoma se estudian los mtodos, para sostener esos
principios.
En el medioevo Grecia y Europa perdieron su biblioteca de Alejan-
dra y el conocimiento se retrajo a los monasterios. Monjes, sabios y
reyes peregrinaban a Espaa por motivos religiosos y tambin para
comprar las traducciones al latn hechas por las escuelas de traduc-
tores. En Toledo, Salamanca, Tarazona se suministraba a esos
monjes (algunos luego denominados santos), los conceptos sobre el
cero y de los nmeros indoarbigos, la geometra euclidiana, las
matrices del Corintiano y en general sobre la cosa y sus mtodos.

Descartes introdujo en 1630 al final del Discurso del mtodo las
coordenadas, que posibilitaron avanzar desde la geometra euclidia-
na hacia la analtica, luego utilizadas por Pareto para ilustrar los
avances que permita el anlisis infinitesimal con dos variables.
Slutsky avanz utilizando la funcin combinada de Lagrange para 3
4 variables y gener la necesidad de utilizar los aportes de Sarrus
y de Cramer para determinantes, adjuntos y matrices. En 1938 Dan-
tzing aport las tablas Simplex, simplificando el clculo matricial,
para algunas variables ms, segn entonces era posible con solo
papel y lpiz.

772

Ms recientemente la teora de los conjuntos se utiliza como otro
lenguaje que es alternativo en este lgebra para explicar algunos
(quizs numerosos) casos de juegos, que en especial incluyen otra
explicacin para los mercados imperfectos y para las subastas.
Pero, en la empresa actual se manejan desde decenas hasta milla-
res o ms variables; y la optimizacin, incluso con algoritmos multi-
objetivo, es necesariamente computacional. Por esto en Microeco-
noma con Excel (MCE) tambin se comparan estos mtodos con
similares en 10 15 otros utilitarios destacados, no obstante que la
de MS Office es por ahora la herramienta profesional ms eficiente y
ms utilizada).

En particular Excel facilita la correlacin mltiple y el anlisis de la
varianza para estimar la demanda sin los sobresaltos mencionados
en la Quinta disciplina. Con Excel es posible estudiar fcilmente las
series, individualizando sus componentes estacionales, cclicas,
tendenciales y ruidos aleatorios del latigazo (efecto bullwhip); y Ex-
cel facilita los tratamientos de series estocsticas con suavizados
del tipo de la familia de modelos ARMA (autorregresivos de prome-
dios mviles).

Excel simplific las varias presentaciones de la programacin lineal
o no lineal mediante Solver, tanto para esta optimizacin como para
la optimizacin multiobjetivo /multicriterio, as como para teora de
los juegos (y de subastas), dinmicos sin TU y tambin cooperativos
con numerables jugadores, con informacin imperfecta. Igualmente
es instantneo con Excel el clculo de matrices, con solo utilizar sus
utilidades elementales como =minversa( ; ), =mdeterm( : ), =mmult( :
; ), etc., para miles de variables (y con limitaciones de capacidad,
tambin son estos trabajos posibles con varias de las otras 10 15
aplicaciones computacionales que se explican en MCE).

773
PELIGROSOS FALLOS Y ERRORES EN MICROSOFT EXCEL
Y OTROS

Es razonable suponer que si alguien utiliza un procesador para
resolver un problema de optimizacin necesite contrastar los
resultados para asegurarse el resultado; el contador o econo-
mista puede arriesgar dinero de las empresas o vidas en un
laboratorio o empresa mdica y un ingeniero puede arriesgar
estructuras u otros, con peligro para unas u otras si el resulta-
do no es seguro o no se est seguro de la mquina procesa-
dor.

A lo largo de los aos alumnos y profesores hemos encontra-
do resultados desconcertantes tambin utilizando las utilida-
des de Excel y en algunos casos se ha solicitado alguna orien-
tacin o aclaracin a Microsoft Argentina y a Microsoft USA,
sin obtener alguna; pero la poltica comercial de cada corpora-
cin es un tema particular que no se trata en este punto y nos
ocuparemos de la necesidad de controlar los procesos obteni-
dos con Excel u otros (tanto economtricos como de investi-
gacin operativa).

En cuanto a la necesidad de contrastar procesos que impli-
can cientos o miles de variables, tambin se han incorpora-
do en este libro, con esta finalidad, bastantes utilitarios alter-
nativos a los de Microsoft (incorporando aclaraciones para
varios procesos tanto de investigacin operativa como de eco-
nometra con Matlab, Mathematica, WinQSP, SPSS, Tora,
Stata, Eviews, Lindo, Lingo, Gams, y otros).

Comenzamos analizando casos de 2x2, cuatro variables, que
es posible contrastar manualmente con facilidad.


774
Los sistemas 2x2 con cuatro variables fueron ejecutados con
las primeras versiones de MS Office hasta la versin 2007,
utilizando software legal. La versin 2010 fue tambin com-
probada con los mismos errores mediante la ayuda del gabine-
te de computacin de la FCE-UBA.

Constatados los fallos o errores tambin en la versin Office
2013, se solicit la colaboracin de Microsoft Argentina para
abonar el canon preestablecido para estas aclaraciones. Se
reiteraron las consultas por email y telefnicamente sin resul-
tado. Posteriormente tambin se solicit lo mismo a MS USA
sin resultados.

---------- Mensaje reenviado ----------
De: aplinfo <eirasroel@gmail.com>
Fecha: 26 de julio de 2011 10:59
Asunto: Fwd: Fallo en Solver y en matrices Excel?:
Para: cliente@microsoft.com
El 18 y el 21 de abril 2011 les envi mensajes, solicitando aclaracio-
nes sobre un posible fallo en las macros Solver y en matrices de Ex-
cel; pero no he tenido respuestas a mis dos consultas.
Solicito una vez ms tengan la deferencia de responderlas.
Atentamente. S. Eiras
Fecha: 18 de abril de 2011 10:16
Asunto: Fallo en Solver y en matrices Excel?:
Para: cliente@microsoft.com
Buenos Aires 18/04/11 - 10:15
A Sres. Cliente-Microsoft - Atencin Sr. Jorge -08002229467
10:10hs.- cliente@microsoft.com
Ref: Fallo en Solver y en matrices Excel?:

775
1) Uso Excel en la Universidad de Buenos Aires para calcular breves
sistemas de ecuaciones lineales, de 2x2, mediante Solver y con matri-
ces de Excel (enseo a los alumnos de microeconoma de la FCE
clculo mediante Solver y matrices Excel por que permitiran mayor
nmero de variables...).
Tambin resolvemos los sistemas 2x2 mediante programacin lineal
Simplex o por el mtodo grfico y/o con los operadores de Lagrange.
Cualquiera de estos breves sistemas 2x2 debiera tener similar resulta-
do sea cual sea alguno de estos mtodos.
Pero por alguna razn que desconozco, algunos de estos siste-
mas obtienen solucin diferente usando Solver y sobre todo usando
matrices de Excel (=minversa( ; ); =mmult( ; ) ..... No debiera diferir
el resultado con Solver y matrices Excel.
2) Adjunto un pequeo archivo con 4 hojas. En la primera hay un
sistema que tiene respuesta correcta con Solver y con matrices de
Excel. Pero en las otras 3 hojas difieren las respuestas con Solver y/o
con matrices: esto no debiera ocurrir.
Espero que ello no sea un fallo de las macros Excel sino otra razn
(quizs humana, ma, lo cual sera algo penoso por que trato de pro-
mover el uso de Excel entre los alumnos).
En la hoja1 figura abreviado como sera el procedimiento para pro-
gramacin lineal (Simplex) Solver; igualmente para el mtodo alter-
nativo de resolucin mediante matrices (de Excel en este caso).
Sea cual sea la versin del Office (se prob hasta el Office 2007),
tambin se puede ver este posible fallo de respuestas diferentes con
solo pulsar F9.
3) Agradecera su ayuda para informarme por este email si uds. con-
firman este posible fallo en Solver y matrices de Excel segn el ar-
chivo adjunto por error humano mo; o bien si se trata de un fallo en
las macros y me indicaran como obtener la correccin para
las mismas.
Muchas gracias.

776

2x2_NO matrices.xls 49 kb

Similar consulta se dirigi a MS USA (en castellano y en ingls),
pero Microsoft Argentina ni MS USA contestaron nunca la solicitud,
ni a travs de la FCE ni en forma particular abonando el cargo prees-
tablecido.
Para confirmar con Office 2013 se solicit la colaboracin de gabine-
te de computacin de la FCE-UBA.
Asunto: errores en matrices con excel ?-s.eiras
Para: ngg120@gmail.com

Buen da Nicols, adjunto un pequeo Excel con 3 ejemplitos de siste-
mas de 2x2 que resolv manualmente y me dan resultados diferentes que
con Excel Solver ....y/o con matrices Excel ...usando =minversa( ) y
=mmult( ).
Solo suelo cargar las funciones Solver y Herramientas para Analisis.
A ver si con el Office 2010 se confirma el resultado correcto o siguen los
errores.... Como para ver que hacer.... o preguntarle a Microsoft ya cono-
ciendo el resultado del Office 2010 "legal"....y que no se mareen los alum-
nos....
Muchas gracias
santiago eiras roel
de micro1-Distancia....

De: Ngg <ngg120@gmail.com>
Asunto: Re: errores en matrices con excel ?-s.eiras
Para: aplinfo <eirasroel@gmail.com>

Hola profesor abr el archivo que me mand y sali as; le mando una ima-
gen de la pantalla


777

--
Ngg
--
S.Eiras Roel
eirasroel@gmail.com

2x2_NO matrices.xls
38 kb


778
De: Ibarra Ana Ins <aibarra@econ.uba.ar>
Asunto: Re: fallos en Excel, s.eiras
Para: aplinfo <eirasroel@gmail.com>

Sr. Eiras,
Recib su mail. Voy a comunicarme con el rea de Sistemas de la Facultad
para comentarle la situacin a un especialista y poder solucionarlo a la
brevedad.

Cualquier novedad, lo mantengo informado.

Muchas gracias!

Ibarra Ana
Gabinete de Computacin

Buen da Sra. Ibarra, soy Santiago Eiras Roel de Microeconomia1

Los alumnos y yo concurrimos eventualmente al Gabinete FCE para prc-
ticas
en Excel, en las que he comprobado frecuentes errores en la aplicacin
de las
funciones Solver y de las funciones de matrices, que necesitamos utilizar
para desarrollar la prctica de nuestro programa de la asignatura
Microeconomia1.

Me he comunicado con la web de ayuda de Microsoft para tener alguna
orientacin sobre este inconveniente y se me indic que antes debo pedir
al Gabinete de la FCE *el cdigo de "Software Ayudas", conformado por
las
letras AS... y un nmero de 6 dgitos, *para que Microsoft proceda a
informar sobre este asunto. (en caso contrario creo que entend que me
cobraran $1003 por atender mi solicitud)
Recin entonces los ingenieros de Microsoft, estudiaran los errores
que comento y me diran si corresponden a fallos en Excel, o fallos en las
actualizaciones del soft del Gabinete, o a otras razones.


779
En caso que las dificultades correspondieran a las actualizaciones del
soft del Gabinete, entiendo que debera comunicarse con Microsoft el
sector
responsable del servicio o esta licencia, para actualizar las PC.

Los fallos que he notado en Excel son concretamente que falla Solver al
resolver sistemas de ecuaciones (falla con mucha frecuencia, con
resultados totalmente inconcebibles); tambin fallan las funciones de Excel
para
resolver sistemas de ecuaciones con matrices (fallan con demasiada
frecuencia con resultados totalmente inconcebibles).
Estos fallos desorientan a los alumnos (y a este profesor le quitan la con-
fianza
asignada a Excel para cumplir con el programa de la asignatura).
Los fallos fueron constatados con el viejo Office del Gabinete y en forma
particular tambin con los Office 1997/ 2003/ y 2007.

He consultado anteriormente en el Gabinete y a Microsoft por email del
18/04/11 y tambin hoy telefnicamente, donde se me inform que no
obtuve respuesta por esta circunstancia de faltar el cdigo del Soft ayu-
das, SA
y nmero de 6 digitos.

Muchas gracias por su colaboracin.
Santiago Eiras Roel
Microeconomia1

La consulta incluy las siguientes hojas exponiendo ejemplos en los
cuales no coincidan los resultados obtenidos con Solver y con la
aplicacin de matrices y determinantes mediante Excel.
Un primer ejemplo en Excel, expona un caso sencillo con similar
resultado en Solver y con matrices.

780

En la siguiente hoja se incluy otro ejemplo con Excel en el
cual difieren los resultados con Solver y con matrices:

781

En otra hoja se expuso un ejemplo breve con otros errores diferentes:


782

En una cuarta hoja tambin se expusieron resultados contradictorios
entre Solver y matrices:

783

Hay otros casos en que las respuestas son inconsistenes, con fallos de
Solver y/o de matrices mediante Excel, por ejemplo:

X Y Rec B/u
2 1 100 4
2 3 200 3 tiene respuestas
inconsistentes.

784

Tambin:
2 1 600 120
inconsistentes.

Igualmente:
1 3 11 1
inconsistentes, al igual que otros casos ms.

Pero, ni se respondi el pedido con intervencin de la FCE, ni
ofreciendo para abonar el canon establecido para consultas; no hubo
respuestas de Microsoft Argentina ni de Microsoft USA , ante lo cual
se concluye la necesidad de contrastar todo resultado obtenido con
Excel u otros mediante utilitarios diferentes, especialmente cuando
son muchas las variables (y hacerlo con ms seguridad si es posible
la forma manual cuando estas sean pocas).


785

TEORA IRREAL vs PRCTICA REAL

La variedad de productos y servicios es amplia (consumo perecede-
ro, durable, insumos, servicios tangibles e intangibles) y tambin la
de los contextos aqu explicados; y es por esto que en microecono-
ma y en estadstica se incluyen captulos sobre anlisis de series
estadsticas (Student, pequeas muestras, CHI2, estacionalidad y
aleatoriedad en series de tiempo, etc.), adems de mtodos de infe-
rencia inductiva (estimacin), otros deductivos para programacin
con mltiples variables; y en diferentes tipos de mercado y explica-
ciones, como con la teora de los juegos.

Lamentablemente, en la mayora de los textos no est clara la for-
mulacin de conceptos: explican trabajando sobre funciones teri-
cas y se quedan en ello; lo hacen con un enfoque incompleto, en el
que no se percibe por ejemplo, como un clculo del equilibrio al mo-
do clsico puede tener sentido en una empresa real, en la que no
existen funciones ni un nico producto o insumo, etc. Suponen qui-
zs que, con la prctica empresaria sera posible redondear la hila-
cin de los conceptos.

Con los mtodos estudiados es posible aqu cerrar el proceso mi-
croeconmico efectivo y en estos cursos se lo hace a travs de
ejemplos sobre equilibrio emprico y/o con modelos de simulacin.

El concepto de cierre entre lo terico clsico y lo real se bas aqu
en lo siguiente: con programacin lineal y otras se determina la
mezcla ptima de productos; mediante la estimacin se obtienen
funciones representativas de cada familia de producto relevante; se
calcula el punto de equilibrio clsico; se estudian las tendencias y
otras caractersticas de las series; se proyectan las ventas; y a con-

786
tinuacin se completa el resto de la actividad en cada ciclo o perodo
(mediante el clculo de las existencias, la necesidad de compra de
insumos, la produccin, venta y marketing).

Esta idea global terico-prctica se capta en estos cursos al mo-
mento de concretar la prctica sobre ejercicios, como los del equili-
brio emprico y otros con modelos de simulacin dinmicos, simila-
res al comentado / criticado juego de la cerveza del MIT (pero con
tratamiento profesional y sin las exageraciones que aparenta la sim-
plificacin de Senge).

BRECHA ENTRE MODELACION Y REALIDAD - BROCHE DE
ORO AUSENTE -

La generalidad de las empresas producen u ofrecen una amplia
variedad de productos; sin embargo, siempre es posible agruparlos
en una cantidad menor de gamas o tipos de productos afines, e in-
cluso identificar a cada una de estas mediante el bien o servicio ms
frecuente en ella (con un precio cercano al promedio de esa gama).
Este producto representativo es el que se utilizar para simplificar
los anlisis y presentaciones identificando su precio y cantidad pro-
ducida o vendida, costos y rentabilidad en los anlisis clsicos y de
optimizacin.

Mediante programacin lineal y/o matrices (Dantzing, Kantorovich,
Dorfman, S., Solow, etc) se facilita la determinacin de la mezcla
ptima de bienes o servicios a producir o vender.

Esta mezcla ptima permite simplificar efectuando los clculos a
partir de ella con solo el producto ms relevante, suponiendo que la
cantidad del bien X sea una mix ponderado segn la mezcla ptima.

Con una sola variable X (o si se prefieren X e Y, dos de dicha gama)
es ahora posible implementar los anlisis clsicos segn Cournot,

787
Marshall, Pareto y otros. Tiene as sentido la maximizacin clsica
para ingresos, produccin, beneficios, costos, segn sean los mer-
cados competitivos u oligoplicos, con o sin incertidumbre o infor-
macin imperfecta.

La objetividad se facilita mediante ejemplos reales. En una empresa
siderrgica (como SOMISA) se producen chapas estructurales, cha-
pa automotriz y para artefactos del hogar, hojalata para alimentos,
rieles, perfiles estructurales, palanquilla para relaminar en barras y
tambin varios subproductos. Los insumos principales son mineral
de hierro, carbn de hulla, fundentes como calizas/dolomita, mano
de obra, fuel y combustibles, electricidad (si no tuviera usina pro-
pia), y una enorme cantidad de repuestos como cilindros y maquina-
rias diversas (dinero).

Para la mezcla representativa se ponderan los precios representati-
vos (por ejemplo U$S/ton 800 chapa en caliente, U$S/ton 1200 cha-
pa en fro, U$S/ton 2500 hojalata, etc) por sus cantidades produci-
das o vendidas; y el anlisis de costos por producto permite identifi-
car el beneficio o contribucin marginal por producto(s) representati-
vo(s) de toda la gama.

La programacin lineal Simplex o con Solver permite calcular la can-
tidad a laminar para cada producto, teniendo en cuenta las mermas
de laminacin y que para obtener hojalata de 0,20 mm de espesor
hay que relaminar bobinas en fro de 1,5 mm; o que para obtener
estas se deben relaminar bobinas de chapa en caliente de 6 a 9 mm
de espesor, las cuales son necesarias para la venta en diversas
calidades para usuarios finales y para continuar los otros procesos
de relaminacin. Las variables involucradas se multiplican segn la
cantidad, la calidad y los distintos usos finales de cada material re-
querido por los clientes y para relaminacin.

Sin embargo, la direccin de la empresa necesita disponer de una
modelacin como la clsica aqu estudiada, tal que le permita simpli-

788
ficar sus anlisis de produccin, mnimo costos o mximo beneficio
competitivos con solo una o dos variables. Por ejemplo, los accionis-
tas o las autoridades locales o de otros pases clientes pueden tam-
bin requerir esta informacin simplificada, pero cuya cuantificacin
sea rigurosamente demostrativa de la situacin competitiva.

Por ejemplo, algunas exportaciones de SOMISA en los aos 80/90
fueron errneamente acusadas de precios en condiciones dumping;
y fue necesario demostrar el comportamiento competitivo segn la
modelacin clsica sobre precios, costos y beneficios, coincidente
con los datos contables. La explicacin se plante bajo el modelo de
una empresa transitoriamente sobredimensionada para la demanda
local, que necesitaba exportar para operar con un volumen competi-
tivo y acorde con su punto crtico u ptimo. Se modeliz simplifican-
do con costos totales de tipo lineal, porque as surgen costos me-
dios hiperblicos, evidenciando que solo mediante adicionales ex-
portaciones competitivas el volumen operativo se acercara al punto
ptimo o crtico.

Las inspecciones de costos y precios demostraron que para expor-
tacin las condiciones ofrecidas eran similares a las de otros clien-
tes distribuidores o grandes usuarios locales, con ausencia de dis-
criminacin de precios o dumping, al disponer de un listado pblico
de extras de costos o descuentos de precio por cantidad tabulados
para los productos relevantes de la gama ofrecida.

Los imprescindibles informes con detalles de costos, precios e in-
gresos son informacin interna y muy reservada de cada empresa,
careciendo adems de poder o evidencia pblica demostrativa. Sin
embargo, toda empresa est obligada a emitir balances, contenien-
do una mnima informacin global; y que al estar firmados por un
contador constituyen instrumentos pblicos legalmente vinculantes.

En los cuadros y anexos de las memorias y balances figuran sola-
mente unos pocos datos de ingresos, costos y beneficios, pero que

789
resultan suficientes: el ingreso total por ventas y la cantidad vendi-
da, el costo total fijo y variable, as como el resultado de cada ejerci-
cio; cinco datos clave, suficientes para deducir el anlisis microeco-
nmico clsico con una variable, si se dispone adems de la mezcla
ptima obtenida mediante programacin lineal.

Es decir, que una vez que con la programacin lineal se determina
la mezcla ptima es luego posible aplicar el anlisis clsico con una
o dos variables, para precisar las condiciones del equilibrio competi-
tivo con el o los productos efectivamente representativos por ponde-
racin. Algo no difcil o fcil de entender pero que no es para nada
evidente, especialmente para un estudiante o profesional cuya es-
pecializacin se limite a la microeconoma captada en los textos.

Esta cuestin del broche de oro (slo aqu as denominada) la cono-
cen muy bien los doctores e ingenieros gerentes y directivos de em-
presas.

Las publicaciones tcnicas especializadas en cada industria (con
relevancia a nivel internacional), suelen aportar datos sobre la situa-
cin competitiva de las principales firmas internacionales, estiman-
do en cada industria con una precisin muy acertada sus costos de
produccin en todo tipo de actividad industrial, servicios u otras,
obtenindolos desde las publicaciones de precios de insumos y
commodities (insumos o productos de venta generalizada y estanda-
rizada), que son negociados en las bolsas locales, mundiales y de-
ms medios representativos.

Sin embargo, no siempre los economistas y dems acadmicos son
necesariamente hombres de empresa (difcilmente un gerente o
directivo disponga de tiempo para estas cuestiones acadmicas) y
este alejamiento tambin explica la existencia de esta carencia o
falta de (broche de oro) nexo comentada


790
Desde el punto de vista didctico, esta enseanza del nexo puede
efectuarse mediante ejemplos ilustrativos o tambin a travs de tra-
bajos prcticos especficos, incluso del tipo modelo de simulacin
dinmico, como el juego de la cerveza del MIT; pero cuidando que
la orientacin para el estudiante incluya en detalle la individualiza-
cin, separacin y nexo de estos conceptos clave y no solo aquel
priorizado efecto ltigo por una programacin con retardo.

791
ENUNCIADOS DE EJERCICIOS CON 50 TIPOS DE TP

Orientativos sobre los TP del cronograma con 50 TP, a completar
como informes profesionales incluyendo la teora, la parte analtica,
grficos, detalles y fuentes primarias que tratan el tema (figura aqu
una orientacin sobre informes para cada TP).

Ejemplos semiresueltos (a revisar y/o corregir estn en archivos pdf
identificados por unidad (como 2dem_ofer.pdf , 3estabilidad.pdf etc)
y en archivos Word o Excel, tambin en Microeconoma con Excel y
segn la bibliografa oficial detallada.

(Nota: numerosos conceptos tericos y otros temas breves del pro-
grama no estn incluidos en estos 50 TP pero para entender la
asignatura deben ser considerados completando el programa).

Nmero de unidad y TP:

UNIDAD 1

1a) informe en detalle sobre sistemas econmicos, sus teoras y
casos reales (unidad 1 y 10).

1b) informe en detalle sobre el circuito econmico, incluyendo las
consecuencias para la empresa de las formulaciones sobre la iden-
tidad, la igualdad, teora cuantitativa y la ecuacin fundamental, se-
gn Say, Walras, Arrow, Keynes, tratadas en la unidad 1 y 10.

UNIDAD 2:

2) agregacin unidad 2: a) construya las funciones de demanda y
de oferta de 3 grupos para ambos casos. b) Suponga que existan
10 agentes en cada grupo de ambos casos y obtenga las funciones
agregadas de este mercado, suponiendo que se trata de bienes

792
privados; c) suponiendo que se trata de bienes pblicos. d) Comente
ejemplos de estos dos casos.

3) a) Elasticidad puntual, clasifique a los bienes para:
Elasticidad precio: Dx = 1/1000 P + 8 para P = 5 Defina
la elasticidad precio con sus tres expresiones alternativas
Elasticidad Ingreso: Dx = 1/8 M + 4.75 para M = 8000 Def i-
na la elasticidad renta con sus tres expresiones alternativas
Elasticidad cruzada: Dx = 2Py + 60 para Py = 10 Defina la
elasticidad cruzada con sus tres expresiones alternativas.
b) Describa y comente sobre el coeficiente de elasticidad
media o promedio.
c) dada esta funcin de demanda clasifique a los bienes:
Qx= 50 - Px + 0,01 M + 3 Py con M= 100; PX= 1 ; Py= 10.

4) Teora de los ingresos: explique la conducta de una empresa
con dificultades para levantar un pagar y no ser rematada en el
prximo mes; su demanda es Px = - 0,10 X + 60 Comente cual
sera el nivel de actividad que le conviene a la empresa; calcule las
funciones y los grficos. Detalle los ocho conceptos y supuestos
requeridos para esta teora puntual de cortsimo plazo.

UNIDAD 3:
5) Sea un mercado con demanda Xd = 30 - P y oferta Xo
= 80 - 4P ; calcule la estabilidad esttica segn Walras y segn
Marshall; explique y grafique estos modelos.

6) Determinar los efectos que producir un impuesto sobre la ofer-
ta en una cuanta de $0,90 por unidad vendida en este mercado,
con: Dp = - 400p + 4000; Sp = 500p - 500
Comente los efectos de diversos tipos de impuestos sobre el exce-
dente del oferente, del demandante y de la sociedad.


793
7) Estabilidad dinmica: en un mercado competitivo, con demanda
Xd = 100 3 P y oferta Xo= 20 + 0,5 P Establezca la estabilidad
dinmica del equilibrio si
a) baja la demanda baja 20%
b) si se encarece la oferta por un impuesto del 10%.
c) comente sobre ejemplos reales de mercados a los que se adapta
este modelo dinmico explicativo.

8) a) Estimacin de funciones por mnimos cuadrados diseados en
1812 para el caso simple con dos variables, si a= (X P
2
-P XP)
/ ( NP
2
(P)
2;
) y b=( NPX - PX ) / (NP
2
(P)
2;
);
b) caso realista mediante correlacin mltiple; comentando al me-
nos tres medidas sobre la calidad del ajustamiento.

UNIDAD 4:
9) Programacin lineal
Caso a) Un granjero tiene posee 100 hectreas para cultivar trigo y
alpiste. El costo de la semilla de trigo es de $4 por hectrea y la
semilla de alpiste tiene un costo de $6 por hectrea. El costo total
de la mano de obra es de $20 y $10 por hectrea respectivamente.
El ingreso esperado es de $110 por hectrea de trigo y $150 por
hectrea de alpiste. Si no se desea gastar ms de $480 en semillas
ni ms de $1500 en mano de obra, cuntas hectreas de cada uno
de los cultivos debe plantarse para obtener la mxima ganancia?
Caso b) Optimice con estos coeficientes, recursos y beneficios:
X Y DISPONIBILIDAD
Mano de obra 1 1 200
Materia Prima 2 1 260
Fondos 10 20 3500
Beneficio 100 400 ----
Caso c) Sea una firma que produce un bien Q, poseyendo dos cla-
ses de mquinas, siendo su dotacin de recursos 200 trabajadores,
60 mquinas clase M1 y 40 mquinas clase M2. Dos trabajadores y
una mquina M1 producen 50 unidades del bien por perodo (acti-

794
vidad X1) , en tanto que 4 trabajadores y 1 mquina M2 produ-
cen 60 unidades (actividad X2).
Se calcular:
1) La mxima cantidad de Q que la firma puede producir por
perodo, qu retribucin cabe imputar a las dos clases de mquinas
y al trabajo.
2) El incremento de la produccin que se lograr en el caso
de contarse con un trabajador ms.
3) Cmo vara el plan ptimo de produccin si mantener
ociosas M1 M2 cuestan 2 y 10 unidades del bien Q por perodo y
por mquina inactiva.

10) Programacin lineal, mnimos con mtodo grafico (ejemplos
resueltos en TP u4)

11) Programacin lineal Simplex, mximos (resueltos en
33resumenes o en Microeconoma con Excel y en archivos)

12) Programacin lineal Simplex, mnimos (en 33resumenes, en
Microeconoma con Excel y archivos)

13) Programacin lineal con Solver de Excel (en archivos Excel
y.pdf, 33 resmenes y Microeconoma con Excel o Microeconoma
Eiras.pdf)

UNIDAD 5:
14a) Adems de calcularlo demuestre cmo y porqu se puede en-
contrar el equilibrio del consumidor segn la teora de la utilidad
cardinal si: U = XY
2
; Px = $10 ; Py = $20; M = $1.000.

14b) Adems de calcularlo demuestre como y porque se puede
encontrar el punto de equilibrio del consumidor segn Pareto: U =
3XY ; Px = $8 Py = $6 ; M = $240


795
15) Minimizacin del gasto si: U = XY =165 ; Px = $3 ; Py =
$10 ; X = 16,70; Y = 5 Mnimo costo para una utilidad total
=165?.

16) Anlisis del concepto de dualidad. (en archivos Excel y.pdf, 33
resmenes y en Microeconoma con Excel o Microeconoma Eiras)

17) Funcin combinada de Lagrange, mximos: condicin de primer
orden, condicin de segundo orden y demuestre el significado eco-
nmico de landa para los casos 14a o b).

18) Funcin combinada de Lagrange, mnimos para el caso 15).

19 ) Funcin de demanda hiperblica: a) Sea U = 2XY; Py=$10;
M=$100. Calcule la funcin de demanda de Px = y explique los
aportes de este enfoque.

b) Encuentre la funcin de demanda del consumidor maximizador
de utilidad por el bien X si la funcin de utilidad es U= XY; su renta
M= $1.000 y Py=$ 20.

20a) Determine analticamente y grafique el efecto ingreso-
sustitucin segn Hicks. Si:
U = 2XY
2
; Px =$ 2; Py = $3; M = $540; si sube Px =$ 3

20b) Ecuacin de Slutsky. Dada una funcin de utilidad, los precios
del mercado y el presupuesto (de los casos anteriores) clasifique a
los bienes y determine la demanda compensada y ordinaria. (TP
u5, en archivos Excel y.pdf, 33 resmenes y Microeconoma con
Excel o Microeconoma Eiras)

21) Determine la elasticidad media o promedio (en archivos Excel,
33 resmenes y Microeconoma con Excel o Microeconoma Eiras)


796
22) ndices de precios y cantidades, con ejemplo somero para los
del nivel de vida Gasto, Paasche y Laspayres (en archivos Excel, 33
resmenes y Microeconoma con Excel o Microeconoma Eiras)

Unidad 6:
23) Produccin con un solo factor variable : a) dada una funcin de
produccin Q
z
= -6X
3
Y + 2X
2
Y
2
con X insumo variable e Y=5 fijo
determinar las etapas de los rendimientos analtica y grficamente.
b) produccin conjunta dependiente: con una funcin de produccin
conjunta X = q
1
+ q
2
que muestra las cantidades del producto 1 y
2 que se pueden derivar del insumo X. Si se tiene una cantidad fija
de 100 de insumo X, y el producto 1 y 2 se venden en el mercado a
$3 y a $2 respectivamente. Qu cantidad de producto 1 y 2 con-
vendra producir para maximizar el ingreso, dado una cantidad de
insumo de 100?

24) Produccin con dos factores variables a) Sea una empresa
con la siguiente funcin de produccin: Q = 8C
Con Pc =
$4; Pt = $6; M = $280. Hallar el nivel de produccin tal que la em-
presa alcance su Eficiencia Fsica. (Aplicar el enfoque Paretiano).
b) Cul es el mnimo costo para producir 300.000 toneladas? Utili-
ce la funcin combinada de Lagrange. c) optimice y comente sobre
los rendimientos si Q = 5CT
3
; con Pc = $6; Pt = $3; M = $100
d) Teniendo en cuenta la siguiente funcin de produccin, hallar el
producto mximo aplicando el mtodo de Lagrange. Q =
18CT; Pc = $2; Pt = $3; M = $150.

25) Funcin de produccin Cobb-Douglas Q = 4C
1/3
T
1/ 3
; Pc = $3;
Pt = $4; M = $300 y comente las principales consecuencias
prcticas de este enfoque.
b) Si Q= 100K
0,5
L
0,5
, ; con un precio de K = $ 40 y precio de L = $
30. A) Determine la cantidad de trabajo y capital que debe utilizar la
empresa con el fin de minimizar el costo de obtener 1444 unidades
de produccin. B) Cual es este costo mnimo ?


797
26) Teora de los costos a) Corto plazo. Construir la funcin de
oferta de una empresa cuyo costo a corto plazo est dado por
Ccp = 0.04X - 0.8X + 10X + 5.
b) Supongamos que la funcin de costo total a corto plazo
de un empresario es
C = X - 10X + 17X +66. Determinar el nivel de produccin
para el cual se maximiza el Beneficio si P= 5$. Calcular la elastici-
dad de la produccin respecto al costo en dicho punto.
c) Etapas de los costos si: C = 0,03X
2
+ 12X + 100, con P = $20
(en unidad 6, tp 27)
d) Una empresa competitiva con la siguiente funcin de costos: C =
0.04X
3
0.8X
2
+10X + 5 Se pide: la funcin de oferta a cortsimo
plazo, argumentndolo.
e) Largo plazo. Dada la funcin de costo C = X - 2X + X, con un
precio de venta de $5 por unidad. Determinar los ptimo, mnimo de
explotacin y de oferta mnima, bajo el supuesto del corto y largo
plazo clsicos; suponga y analice las consecuencias de una cada
de $1 en el precio.
f) En un mercado competitivo, la empresa estudia la posibilidad
de instalarse en el mismo. Determinar la decisin de instalarse o no
en el mismo si el precio es $10 y la empresa trabaja con la siguiente
funcin de costo total: C = 3X
3
15X
2
+ 52X (en unidad 6, tp
31)

27) Equilibrio de la empresa y cantidad de competidores
a) La funcin de costo a largo plazo de cada una de las empresas
que producen el bien Q es C = q - 4q + 8q Nuevas empresas
entraran o abandonaran la industria segn los beneficios sean posi-
tivos o negativos. Obtener la funcin de oferta a largo plazo. Supo-
niendo que la funcin de demanda correspondiente es D = 2000
100p determinar el precio de equilibrio, la cantidad total y el nmero
de Empresas en esa industria.
b) Dada la funcin de costos totales CT= 128 + 69X -14X +X; y el
precio de mercado es 60 $. Hallar el nivel de produccin que maxi-

798
miza beneficios. Hallar el ingreso, costo total y beneficios en este
nivel.
Suponga que el ingreso permanece como IT = 60(X) pero la funcin
de los costos totales cambia a CT = 10 + 5*X. Como difiere esta
funcin de los costos totales de la presentada en la parte superior
del grfico (enfoque total).
Cul es la produccin maximizadora de beneficios y cual es este
importe maximizante? (en unidad 6, tp32)

28) Empresa necesariamente sobredimensionada: algunas caracte-
rsticas tericas del modelo y de sus consecuencias prcticas (en
archivos Excel, 33 resmenes y Microeconoma con Excel o Micro-
economa Eiras)

29) inventario ptimo, optimizando con una sola variable, siendo la
necesidad anual de insumos Q=100; el costo del dinero t=$8; el
flete unitario a=$60 y el precio del bien P
Q
=$3 cul ser el nmero
de pedidos y cul el tamao de ellos que hagan mnimo el costo del
abastecimiento e inventarios? (casos resueltos en archivos Excel
y.pdf, 33 resmenes y Microeconoma con Excel o Microeconoma
Eiras)

30) VAN y TIR: somero ejemplo cuantificando ambos concepto con
algunos pocos perodos anteriores y otros pocos posteriores (en
archivos Excel y.pdf, en 33 resmenes y Microeconoma con Excel
o Microeconoma Eiras)

30b) evaluacin de proyectos inciertos: somero ejemplo suponiendo
el criterio tradicional laplaciano o bayeriano, aclarando las conse-
cuencias de invertir, no invertir, perder (en archivos Excel, 33 res-
menes y Microeconoma con Excel o Microeconoma Eiras)

31) Detalle sobre las diversas fuentes de financiamiento de la em-
presa (en archivos Excel y en .pdf por unidad, en 33 resmenes y
Microeconoma con Excel o Microeconoma Eiras)

799

32) Equilibrio de la empresa empricamente y comente sus limita-
ciones o posibilidades (en archivos Excel y.pdf, en 33 resmenes y
Microeconoma con Excel o Microeconoma Eiras)

UNIDAD 7:

33) Monopolio: puro y que acta competitivamente; Siendo la fun-
cin de Costo Total
CT = 1/3X
3
-5X
2
+20X +50 ; y la demanda P = -4X +100 (en ar-
chivos Excel y.pdf, en 33 resmenes y Microeconoma con Excel o
Microeconoma Eiras)

34) Monopolio con un impuesto especfico o ad-valoren, de tipo fijo,
o sobre beneficios, o sobre ventas sobre el caso 33); (en archivos
Excel, en TP u.pdf, en 33 resmenes y Microeconoma con Excel o
Microeconoma Eiras)

35a) Monopolio discriminador si el caso 33) las demanda fueran P
1

= -5X
1
+80 y P
2
= -20X
2
+180 ; con X = X
1
+X
2

35b) Optimice un monopolio con dos plantas (multiplefactora), cu-
yos costos son: C
1
= 1/4X
1
2
+10X
1
+20 ; y C
2
= 1/3X
2
2
+8X
2
+18 ; y su
demanda competitiva es: P = 30X con X=X
1
+X
2
;
(en archivos Excel y.pdf, en 33 resmenes y Microecono-
ma con Excel o Microeconoma Eiras; Diguez y Porto etc. segn el
programa)

36) Carga impositiva en exportadores, ejemplo somero (en archivos
Excel y.pdf, en 33 resmenes y Microeconoma con Excel o Micro-
economa Eiras)

37) Duopolio segn Cournot: EJERCICIO: Teora Microeconmica
El modelo supone que hay dos empresas que producen un bien
homogneo. Sean las funciones de demanda y costo:

800
P= 100 5(x
1
+ x
2
) ; C
1
= 5 x
1
; C
2
= 0,5 x
2
2

38a) Empresa lider y seguidora de Stackelberg, ssuponiendo
P=100 0,5(X+Y) ;
Cx= 5x ; Cy= 0,5 y
2
;
b) Modelos de Sylos-Labini, Modigliani; modelo de demanda que-
brada o apuntada; otros no enumerados anteriormente.

c) Modelacin para una empresa sobredimensionada que acta
competitivamente en pases en desarrollo (en 7tp28 en zip y MCE).

d) bienes pblicos y bienes de uso comn: propuestas o teoremas
de Coase y de Tow (en zip y separatas o MCE, unidad 7 y 10).

39) Caracterizacin del antidumping (en archivos Excel, 33 res-
menes y Microeconoma con Excel o Microeconoma Eiras)

40a) Cartel (colusin). Suponiendo que las funciones de demanda
y de costo vienen dadas por, P= 100 05(X + Y) ; Cx=
5x ; Cy= 0,5y
2
;
b) Supongamos que las funciones de demanda y de costo vienen
dadas por: P= 100 0,5 (x + y) ; C1= 0,3X
2
; C2= 20Y ;

41) Teora de los juegos; JUEGO DE SUMA CERO CON DOS
ADVERSARIOS
a) En todos estos casos resuelva y explique ampliamente sobre
las estrategias y clculos de cada jugador:

8 40 20 5
10 30 -10 -8

(en Unidad7, tp 31; 33 clases.pdf o Microeconomacon Excel.pdf)

b) estrategias puras y mixtas: (en Unidad7, tp26 etc) Se ejemplifica
este caso a travs de una matriz de resultados que representa en

801
sus filas, los 3 cursos de accin alternativos de la empresa A para
ganar participacin en el mercado; y en sus columnas los cursos de
accin alternativos de la empresa B para ganar participacin en el
mercado.

B1 . B2 . B3-Bonificacion
sobre precios
B4 .
A1- Afiches
en va pblica
6 -3 15 -11
A2- . 7 1 9 5
A3- . -3 0 -5 8

b) juegos de suma No cero: Contrariamente a lo desarrolla-
do con anterioridad los juegos de suma distinta de cero
son aquellos en los cuales los intereses de los jugadores
no son completamente opuestos. (en unidad 7, tp 30 etc)
c)
B1:Mantener el precio B2: Rebajar precio
A1: Mantener el
precio normal
A= 20 B=20 A=12 B=32
A2: Rebajar el pre-
cio
A= 32 B=12 A=14 B=14

d) dilema del prisionero. e) duopolio segn Stackelberg (contexto
hostil)

42) Anlisis de dominancia, estrategia mixta del caso anterior (en
unidad7, tp28)

UNIDAD 8:

43) Contratacin de factores en competencia. a) La produccin de
trigo depende de un solo factor, trabajo: Q = F (L) ; su precio es
p=$4; el salario w y F los costos fijos). Su producto marginal es la
primer derivada respecto a L, PMg= Q'
L
El beneficio es ingresos
menos costos: B = I - C ; o sea, B = p Q - w L - F Cons-
truya un breve cuadro con un ejemplo numrico de este situacin

802
segn el modelo clsico competitivo. (en unidad8, tp en .pdf,
33clases etc)
b) Distribucin segn la funcin Cobb-Douglas (verlo en teora de
la produccin, TP 25 y en unidad 8) y explicitar aqu las consecuen-
cias de aplicar esta teora o modelo.
44) Contratacin de factores en monopsonio. Una sola empresa
es productora de trigo y nico demandante de un solo factor, traba-
jo; la oferta del factor es en competencia (sin sindicatos). El mo-
nopsonista no puede adquirir una cantidad ilimitada de insumo a un
precio uniforme; el precio que debe pagar por cada unidad viene
dado por el mercado de ese factor, con una funcin de oferta cre-
ciente e independiente de la cantidad adquirida
r = 263 + 43 X Se supone que tambin vende el trigo en un
mercado competitivo, al precio $4; y su funcin de produccin indica
la cantidad producida como dependiente del factor contratado Q =
F ( X ), supongamos Q = 27X
2
- 0,4X
3
(en unidad 8,tp 6 etc)
b) Monopolio bilateral: Sean Q
1
= 270Q
2
2Q ; X= 0.25X, las fun-
ciones de produccin del comprador y el vendedor respectivamente,
correspondiente al monopolio bilateral. El precio de Q1 es 3$, y el
de X es 6$. A- Determinar los valores de Q
2
, P
2
y los beneficios del
comprador y el vendedor correspondientes a las soluciones de mo-
nopolio, monopsonio y cuasi- competencia. Determinar los lmites de
negociacin para P
2
bajo el supuesto de que el comprador no puede
estar peor que cuando la solucin es la del monopolio, y el vendedor
que cuando es la del monopsonio. (en unidad 8, 33clases, etc.)

UNIDAD 9: (enunciados sobre juegos aqu en unidad 8)

45) juego no cooperativos y cooperativos: enfoques, incluyendo pro-
gramacin Simplex y aplicaciones de Shapley o de Banzhaf (para
casos de oligopolio, coaliciones, subastas)

46a) Teora de la incertidumbre e industria de los seguros. Axio-
mas de la lgica Neumann-Morguenstern. Explique sobre la utili-

803
dad esperada bajo contexto cierto y bajo incertidumbre tradicional
(en TP unidad 9 y en 33clases y Microeconoma con Excel.pdf)

46b) evaluacin de proyectos inciertos. E En n c cu ua al l a ac cc ci i n n i in nv ve er rt ti ir r u un n
i in nv ve er rs so or r s si i c co om mp pr ra a A Ac cc ci io on ne es s A A P Pu ue ed de e g ga an na ar r $ $4 42 20 0, ,0 00 0 p pe er rd de er r
$ $1 11 10 0, ,0 00 0 ( (s si in n t t r rm mi in no o m me ed di io o) ). . S Si i c co om mp pr ra a A Ac cc ci io on ne es s B B p pu ue ed de e g ga an na ar r
$ $6 65 50 0, ,0 00 0 p pe er rd de er r $ $3 30 00 0. . L La as s p pr ro ob ba ab bi il li id da ad de es s d de e g ga an na ar r c co on n A A y y B B s so on n
i ig gu ua al le es s P P= =0 0, ,5 5 y y n no o p pu ue ed de e d di iv vi id di ir r s su u i in nv ve er rs si i n n e en nt tr re e a am mb ba as s. . c c) ) C Cu u l l
p pr ro ob ba ab bi il li id da ad d d de e g ga an na ar r d de eb be er r t te en ne er r p pa ar ra a e es st ta ar r i in nd de ec ci is so o e en nt tr re e A A y y B B

UNIDAD 10:

47) Ley de Walras y Ley de Say. Consecuencias para la empresa
de las formulaciones sobre la identidad, la igualdad, teora cuantita-
tiva y la ecuacin fundamental keynesiana (en separatas, en
33resumenes, TP en .pdf por unidad, 33clases o Microeconoma
con Excel o segn el programa oficial)

48) Caja de Edgeworth. Demuestre las consecuencias del traslado
desde un punto ineficiente (interseccin) a un punto eficiente (tan-
gencia) y explique el criterio de distribucin y si rol en las dos leyes
del bienestar segn Arrow y Debreu. (en separatas, 33resumenes,
TP por unidad, 33clases o Microeconoma con Excel y/o en el pro-
grama oficial)

49) a) Matriz Insumo-Producto. Determine la optimizacin de un
grupo empresario o de un pas con solo dos procesos y dos bienes,
mediante el uso de matriz inversa y el producto de matrices. Cuanti-
fique las repercusiones indirectas si los coeficientes son:
2 3 ; y las demandas finales son: 8000
1 4 10000

b) Qu podra adems obtener si supiera que ambos bienes dejan
un beneficio unitarios de $3 y $5 respectivamente? (en sepa-

804
ratas y archivos Excel y.pdf de la unidad 10; en 33resumenes, en
Microeconoma con Excel.pdf y/o en el programa oficial).

50 a) Teorema de Coase y economa del bienestar; estado del mer-
cado de bonos del carbono. Extensin en el modelo de Tow. (en
separatas en el zip, 33resumenes, TP por unidad, y en el programa
oficial unidad 7 y 10).
b) Economa del bienestar y criterios de decisin: criterio de Hur-
wicz (en criterios de valoracin unidad 9 y 10 en MCE y separatas,
en zip)

51) Criterio de distribucin en competencia; criterios de valoracin
segn la economa del bienestar y vinculacin con las dos leyes del
bienestar de Arrow y Debreu (coincidencias y/o crticas en separa-
tas, 33resumenes, TP por unidad, Microeconoma con Excel y/o en
el programa oficial)

Nota:
Numerosos conceptos tericos y otros temas breves del programa
no estn incluidos en estos 50 TP pero deben ser considerados; sin
ellos no podr comprender y completar el programa.

EJERCICIOS PROPUESTOS:

Esos son los enunciados (consignas) correspondientes a TP simila-
res a los 50 TP bsicos del curso; los alumnos pueden consultar los
textos usuales, para completar otros TP similares a los aproxima-
damente 400 que hay ya resueltos en los sitios de este curso, para
estos 50 tipos de TP (en realidad los enunciados no son imprescin-
dibles y pueden obviarse, segn se capte el conocimiento bsico de
la teora de cada principio sobre estos 50 tipos de temas o pregun-
tas. Como ayuda conceptual se orienta a continuacin con un some-
ro informe sobre cada uno.

805

50 INFORMES PARA 50 TP (GUIA)

Los exmenes y los trabajo prcticos (TP) deben ser estructurados
bajo su identificacin, una breve introduccin con los supuestos o lo
que se va a informar, un largo desarrollo explicativo del anlisis
numrico u otros, una breve conclusin final con lo que se hizo y el
cierre con las fuentes primarias y textos consultados (obviamente,
no es esttico incluir estas palabras como subttulos de cada parte
del
Informe).
Hay ms adelante un largo listado de archivos en pginas web con
ejercicios resueltos numricamente, pero a todos les falta la revisin
final y presentacin como informe profesional. Se comentan a conti-
nuacin estos resmenes pero solo como algunas ideas parciales,
para ampliar o modificar segn el contenido de cada tema.
1a)
Sistema econmico:
Los pases se organizan con instituciones y leyes. La ciencia explica
esto recurriendo a ejemplos, metforas o modelos como el de la
mano invisible, el circuito sanguneo, la maqueta hidrulica, el ten-
tempi, el sistema solar, etc._

Histricamente hubo 3 sistema importantes: 1) el real (con propie-
dad privada, estado que organiza y controla e invierte) 2) el modelo
liberal, con librecambio, hedonismo, propiedad privada y mercados
competitivos) desde 1776 (ms efectivo que las 3 invasiones a Bue-
nos Aires) 3) el socialismo (propiedad estatal y precios fijados por el
gobierno) hasta el la Perestroika y derrumbe en 1990 de la URSS y
apertura comercial en Shanghai y resto de China._

Desaparecida la URSS se confirm que la organizacin del sistema
econmico con instituciones del mercado libre y leyes basadas en el

806
mercado competitivo es ptima para coordinar las actividades y ma-
ximizar el bienestar general._
Fuentes:

1b)
Circuito econmico:

En las sociedades se intercambian continuamente bienes y servi-
cios. Desde F. Quesnay en 1750 La ciencia lo explica con el mode-
lo, ejemplo o metfora del sistema sanguneo.

Empresas y familias (o ms sectores, como el gobierno o el externo)
tienen un doble circuito de prestaciones: servicios por salarios; bie-
nes por sus precios, etc. en continua circulacin de Produccin -
Distribucin de ingresos - Consumo.

J.B. Say supona una identidad con pleno empleo permanente (fun-
cionando la teora cuantitativa de la moneda de J.S. Mill) pero luego
de 1930 se reconoci que la igualdad de Walras explicaba que solo
para determinado nivel de precios se cumpla la igualdad entre de-
manda y oferta habiendo pleno empleo. J.M.Keynes explic la crisis
con las expectativas empresarias que concretaron su profeca auto
realizadora del crack (y propuso la obra pblica para reactivar: cavar
y tapar zanjas)

A travs de precios y salarios circula la riqueza continuamente, con
pleno empleo, salvo en las crisis, como el desempleo por expectati-
vas de 1930 o la intervencin oficial distorsionante del tipo de cam-
bio argentino uno a uno en 1992.

La estructura actual de la oferta y demanda global argentina es en
miles de millones segn Indec en 2011 la siguiente:
(sitio web del INDEC; archivos sobre el PIB y la matriz insumo pro-
ducto argentina en los sitios web del curso)
2)

807
Agregacin en mercados de bienes privados y pblicos:
Los precios surgen en los mercados por interaccin de oferentes y
demandantes

La suma o agregacin de todos los demandan y oferentes de bienes
privados se modeliza por suma horizontal, utilizando funciones ex-
plicitas (porque la variable independiente para cada uno es el precio
que fija el mercado). En los bienes pblicos, cuya disponibilidad no
es reducida por los dems, la suma es vertical, con funciones impl-
citas (ya que la variable independiente o asegurada es la cantidad
disponible por el estado)

El equilibrio surge por igualdad entre demanda y oferta agregada,
con un precio y cantidad libremente determinados en los mercados
competitivos.
Fuentes:

3)
Elasticidad precio, renta, cruzada y media o promedio:
Para diversas comparaciones de variaciones de precios y cantida-
des se necesita relacionarlas mediante cocientes incrementales.

Se define cada coeficiente, calculando sus expresiones alternativas,
para opinar sobre la demanda u oferta de un bien o factor puntual-
mente, para calificar al bien de tpico o atpico, normal o inferior,
sustituto o complementario, etc

La medicin puntual permite calificar al bien o factor, pero en la em-
presa para clasificar a los bienes se utiliza el promedio de unos 40
meses de tendencia uniforme: elasticidad media o promedio.
Fuentes:

4) Teora de los ingresos (y/o gasto)
Bajo algunas circunstancias (como un vencimiento inminente) con-
viene suponer costos nulos y maximizar ingresos

808
Si se utilizan demandas lineales, se puede aplicar el mximo de una
funcin de una variable -la doble pendiente del ingreso marginal vs.
el medio; el concepto de recta por dos puntos; las relaciones entre
elasticidad y precios altos o bajos y en general las relaciones que
W: Baumol define como el X total, medio y marginal- para graficar
el desarrollo geomtrico de los ingresos , que ser til para obtener
conclusiones sobre sus mximos, elasticidades y las funciones so-
bre datos aparentemente no suministrados.

Con estos conceptos matemticos y costos nulos se puede optimi-
zar para el corto plazo maximizando ingresos en vez de los benefi-
cios.
Fuentes:

5)
Estabilidad esttica en el mercado:
Luego de alteraciones un mercado puede o no volver por si solo a
otro equilibrio estable.

Walras y Marshall calculan la demanda excedente, y el excedente
de precio demandado, negativos como muestra de estabilidad; pero
sus teoras no coinciden cuando las demandas y ofertas no tienen la
forma tpica de la tijera marshaliana.

Ambas teoras difieren en algunos casos por ser solo teoras, o me-
ras interpretaciones de la realidad, la cual explican bien o no.
Fuentes:

6)
Impuestos que interfieren en el mercado:
Se calcula el equilibrio de los mercados, sin y con impuestos, obser-
vando quien los soporta mayormente y si lo afectan frenando o no
las actividades.


809
Los impuestos ad-valoren o especficos sobre ventas reducen la
actividad del mercado; pero aquellos fijos o sobre beneficios no la
reduciran.
Fuentes:

7)
Estabilidad dinmica o problema de la telaraa.
Ante una baja de la demanda, o de una suba de costos en la oferta,
se calcula en el nuevo punto la funcin de la demanda (u oferta)
nueva utilizando el coeficiente de la recta por dos puntos; y final-
mente con ella el nuevo equilibrio.

Si en valor absoluto la oferta es ms inelstica que la demanda, las
aproximaciones sucesivas conducirn a un nuevo equilibrio ms rpida-
mente.
Fuentes:

8)
Estimacin de funciones:

En la empresa se estiman funciones diversas, especialmente las de
demanda, para pronosticar la actividad (y calcular luego la compra
de insumos, la produccin necesaria y proceder a la venta y expedi-
cin).

Estudios de mercado con encuesta, experimentos controlados (co-
mo ofertas gratis para observar las preferencias) y sobre todos el
mtodo estadstico del ajuste segn mnimos cuadrados son utiliza-
dos paralelamente

La estimacin minimocuadrtica es muy utilizada, ya que Excel cal-
cula los coeficientes de la lnea o funcin de ajuste, lineal, igual que
con mltiples variables independiente; y en instantes presenta au-
tomticamente los coeficientes de significacin, colinealidad y otros
del ANOVA.

810
Fuentes:

9)
Programacin lineal, mximos, con mtodo grfico:
Suponiendo 2 variables, restricciones lineales y recursos.

Al dibujar las restricciones surge un rea con una frontera de posibi-
lidades de produccin. Superponiendo las lneas de isobeneficio (de
la funcin objetivo) se determinara el punto de contacto que optimi-
zar la produccin maximizando el beneficio.

Pero el mtodo grafico con 2 variables no permite trabajar efectiva-
mente en la empresa y antes de existir PC se recurri a las tablas
Simplex (o a matemticos hbiles con matrices para casos de pocas
variables, 5 a 10)
Fuentes:

10)
Programacin lineal, mnimos, con mtodo grfico:
Suponiendo 2 variables, restricciones lineales y requerimiento mni-
mos.

Al dibujar las funciones de cada requerimiento surge un rea alejada
del origen con una frontera de costos mnimos. Superponiendo las
lneas de isocostos (de la funcin objetivo) se determinar el punto
de contacto, que optimizar minimizando el costo.

Pero el mtodo grfico con 2 variables no permite trabajar efectiva-
mente en la empresa; y antes de existir PC se recurri a las tablas
Simplex (o a matemticos hbiles con matrices para casos de pocas
variables, 5 a 10)
Fuentes:

11)
Programacin lineal,Simplex, mximos.

811
Mediante las tablas Simplex se puede optimizar manualmente utili-
zando hasta unas 6 variables sin ser un experto matemtico.
Las tablas Simplex (de Dantzing y posteriores) se obtienen reiteran-
do 10 operaciones elementales; incluyendo capacidades ociosas
(variables de holgura) para el clculo inicial sin producciones reales.

Excel agiliza el Simplex con su macro Solver en la opcin maximi-
zar, para hasta 16 variables y no solo dos como en el mtodo grfi-
co que utilizaba la escuela clsica tradicional inglesa.
Fuentes:

12)
Programacin lineal, mnimos:

Mediante las tablas Simplex se puede optimizar manualmente utili-
zando hasta unas 6 variables sin ser un experto matemtico
Las tablas Simplex (de Dantzing y posteriores) se obtienen reiteran-
do con 10 operaciones elementales, incluyendo capacidad ociosa (o
variables de holgura) y en este caso adems otras variables artificia-
les, para el clculo inicial: suponiendo costos altos de M$ que des-
aparecern en los sucesivos clculos de tablas.

Asimismo, la idea de dualidad tambin permite transformar casos de
mnimo en mximo, trasponiendo recursos en objetivos y filas en
columnas.

Pero Excel agiliza el Simplex con su macro Solver, en la opcin mi-
nimizar, para hasta 16 variables y no solo dos como en el mtodo
grafico que utilizaba la escuela clsica tradicional inglesa.
Fuentes:

13)
Programacin lineal con Solver de Excel.


812
Solver de Excel sigue la rutina del Simplex. Se escriben los datos
del cuadro resumen en una hoja y se identifican esas celdas (con
sus frmulas correspondientes) ingresando a Herramientas> Sol-
ver, en Funcin objetivo, en celdas cambiantes y en las opciones
para ingresar las restricciones. Ejecutando, se obtiene la optimiza-
cin y tres informes usuales orientadores (Excel incluye 6 ejemplos
tpicos en muestras.xls)

Excel agiliza la programacin lineal con su macro Solver eligiendo
en la opcin minimizar o maximizar, para hasta 16 variables y no
solo dos como en el mtodo grafico que utilizaba la escuela tradicio-
nal inglesa.
Fuentes:

14)
Teora de la demanda segn la utilidad:

Maximizacin de la utilidad. En el precio del mercado influye espe-
cialmente la utilidad (decreciente) del consumidor.

Definiendo la utilidad total y la marginal, se explica el concepto ma-
temtico de mximo relativo (segn derivadas) a la demanda de un
bien conforme a la utilidad marginal.

Con dos bienes, la doble condicin de la ley dos de Gossen (y
Marshall), sobre la proporcionalidad del cociente placer sobre pre-
cio en ambas compras y sobre agotar el gasto del presupuesto. El
consumidor que termin de estudiar el mercado, pasa as a ser de-
mandante, comprador, en ese equilibrio.

Este modelo sicolgico-matemtico neoclsico explicaba solo las
necesidades primarias (con saturacin). Posteriores desarrollos ma-
temticos (Friedman y otros) permitieron ampliar esta teora a otras
necesidades (con utilidad marginal constante y creciente, adems
de decreciente)

813
Fuentes:

15)
Teora de la demanda segn la utilidad:
Minimizacin del gasto. En el precio del mercado influye especial-
mente la utilidad (decreciente) del consumidor

Calculada la relacin de intercambio segn los gustos y los precios
del mercado, el problema de minimizar el gasto para esa u otro util i-
dad dada, es reemplazar esa relacin en la funcin de utilidad dada,
para calcular las nuevas demandas; y luego reemplazar estas en la
funcin de presupuesto para determinar ese monto de gasto.

Este modelo sicolgico-matemtico explicaba solo las necesidades
primarias (con saturacin), tambin para minimizar el gasto de una
utilidad dada. Posteriores desarrollos matemticos (Friedman y
otros) permitieron ampliar esta teora a otras necesidades (con utili-
dad marginal constante y creciente, adems de decreciente)
Fuentes:

16)
Dualidad de todo acto econmico: Toda maximizacin de utilidad
implica un mnimo costo para alcanzarla.

Utilizando los conceptos matemticos de mximo y mnimo para dos
variables y la doble condicin de Gossen o Marshall, el modelo sico-
lgico-matemtico neoclsico explicaba la demanda segn la utili-
dad marginal y necesidades (inicialmente solo primarias, con satu-
racin). Pero al ser un nico acto econmico, lo vean tanto para el
problema primal de maximizar la utilidad y demandas como para su
dual de minimizar el gasto de satisfacer esa utilidad dada u otra.
Fuentes:

17)
Funcin combinada de Lagrange para mximos:

814
La eleccin entre 2 bienes sujeta a una restriccin de presupuesto
se resuelve como un sistemas con 3 variables (dos bienes reales y
una variable adicional matemtica landa).
Friedman y la teora de W.Pareto permitieron explicar la demanda
con curvas de indiferencia infinitas para casos con utilidad marginal
decreciente, constante y creciente (de las necesidades primarias,
sociales y culturales).

Usando el modelo geomtrico, se igualaban las pendientes (TMS)
de los gustos con la del presupuesto o precios relativos del merca-
do. La funcin combinada de Lagrange requera dos pasos: igualar
a cero las primeras derivadas parciales y luego ver que el Hessiano
(segundas derivadas) fuera positivo, para garantizar un mximo de
utilidad con esas demandas de bienes. Las condiciones de primer
orden y segundo orden.

Este modelo matemtico alternativo al anterior de Marshall-Gossen,
permita calcular adems la utilidad marginal del dinero en ese pre-
supuesto (igual a la derivada de una tercera variable auxiliar inven-
tada, landa).

La utilidad marginal del dinero, representada aqu por este valor de
landa, se demuestra porque coincide con el aumento de utilidad total
al gastar un peso ms en alguno de los dos bienes (frente a la utili-
dad total original).
Fuentes:

18)
Funcin combinada de Lagrange para mnimos:
Dados los precios del mercado, sujetos a una restriccin de una
utilidad dada por consumir una determinada cantidad de bienes, es
otro sistema de 3 variables.
La teora de W.Pareto explico con curvas de indiferencia infinitas la
demanda con utilidad marginal tambin constante, creciente y de-
creciente (de las necesidades sociales, culturales y primarias),

815
usando el modelo geomtrico, igualando las pendientes (TMS) de
los gustos con las del presupuesto o precios relativos del mercado.
Para el problema dual de minimizar el gasto de una utilidad dada
parta de combinar la funcin de presupuesto con una restriccin de
un consumo (o produccin) dado.

La condicin de primer orden (FOC-first order condition) es igualar a
cero las primeras derivadas; la segunda (o SOC -second order con-
dition) es que las segundas derivadas o Hessiano sea aqu positivo
para garantizar que ese costo o gasto es mnimo.

Este modelo matemtico alternativo al anterior de Marshall, permita
calcular adems la utilidad marginal del dinero en ese presupuesto
(pero no aqu sino solo en el primal del mximo).
Fuentes:

19)
Deduccin de la demanda terica:
M. Friedman demostr que la demanda hiperblica explica la de-
manda tambin con utilidad marginal constante y creciente.

Partiendo de una funcin de utilidad, los precios y el presupuesto
(nominales, sin especificarlos) se calcula el equilibrio, resultando
siempre en una funcin de demanda implcita de tipo hiperblico
(solo la rama positiva interesa).

La suma de los exponentes de la funcin de utilidad menor, igual o ma-
yor que uno, indica si la utilidad marginal es decreciente, constante o
creciente.
Friedman us la hiperblica para superar la limitacin de la utilidad de
Marsall solo aplicable a necesidades primarias con utilidad marginal de
creciente (y as precios decrecientes), debido a la saturacin de aque-
llas; pero no aplicable en las necesidades sociales o culturales.
Fuentes:


816
20)
Efecto renta y sustitucin segn Hicks:
Hicks (1938, V. y Capital) demostr grficamente (como Pareto) los
efectos de la difcil ecuacin de Slutsky.

Al cambiar un precio la nueva recta de presupuesto mostraba el segundo
equilibrio y las demandas. Con un supuesto subsidio surgira una tercer
RP tangente a la curva de indiferencia inicial, en un punto S distinto del
equilibrio E inicial. Sus coordenadas permiten seccionar la cada total
de demanda de X en el efecto Renta (subsidio) y el resto o efecto susti-
tucin (o ley de la demanda); tambin calcular la demanda compensada
(subsidiada) y la ordinaria (o total o final). _

Los gustos hacen que el nuevo equilibrio implique ms, igual o me-
nos del otro bien Y; y se los pueda calificar (a X y a Y) de sustitutos,
independientes o complementarios, segn el efecto sustitucin neto
sea positivo, nulo o negativo).
Fuentes:

20b)
Ecuacin de Slutsky:
En 1915 Slutsky prest atencin al efecto de la inflacin sobre la
demanda. _

Este matemtico descompuso el efecto del cambio de un precio
(denominador) sobre la cantidad estudiada (numerador), en dos
trminos, considerando en uno la utilidad marginal del dinero (el
landa de Lagrange) y en el otro la cantidad gastada en el bien que
cambi de precio. As calculo la demanda compensada (subsidiada)
con una y la total u ordinaria con ambos.

Calculando los cuatro efectos por variacin de ambos precios sobre
ambos productos, la ecuacin ilustra (al menos tericamente) sobre
las elasticidades (precio, renta y cruzada) para clasificar a los bie-
nes. Sin embargo se desconoce cmo implementar esta ecuacin

817
en las empresas, en las cuales (por el contrario) Excel permite cal-
cular en instantes las elasticidades media o promedio y posibilita
clasificar a los bienes efectivamente. (la ecuacin de Slutsky solo
permite hacerlo hipotticamente, bajo el ambiente de los supuestos
tericos que usa)
Fuentes:

21)
Elasticidad media o promedio:
La medicin puntual de las elasticidades es terica y solo til con-
ceptualmente.

La elasticidad media o promedio de unos 40 meses uniformes, es el
producto de la pendiente (de esa recta de correlacin precio-
cantidad demandada) por el cociente suma de precios sobre suma
de cantidades. Excel calcula esto en un instante graficando ambas
series (y tildando en las opciones incluir la ecuacin en el grfico).
Fuentes:

22)
ndices de precios y de cantidades:
Adems del efecto renta y sustitucin (Hicks o Slutsky) y la ecuacin
de Slutsky, la teora de la demanda segn la preferencia revelada
utiliza los ndices del INDEC para observar las reacciones de los
consumidores ante cambios en los precios o cantidades.

Los ndices de gasto comparan la cantidad y los precios de la ca-
nasta base con la actual. Laspayres observa los precios actuales de
la canasta base. Paasche compara la canasta actual con los precios
base. Los 12 ndices usuales de precios y de gastos estn en los
archivos de Microeconoma con Excel (siguiendo a F. Toranzos).

Mejora el nivel de vida cuando el ndice de gasto es mayor que el de
Laspayres y tambin es mayor que el de Paasche. Es indefinido si el
ndice de gasto est entre ambos.

818
Fuentes:

23)
Produccin con un solo factor variable:
Nuevamente usamos el modelo matemtico-geomtrico para teori-
zar sobre la empresa.

Se define y grafica el producto total, medio y marginal (siguiendo el
X total, medio y marginal de W. Baumol).
Cuando el total es mximo el marginal es nulo. En el punto de infle-
xin del mximo est el mximo marginal.

La mxima tangente al producto mximo indica el mximo producto
medio (y para el resto de los valores monetarios tendr dos niveles
de produccin, segn sendas ramas de la campana de Gauss )
La grafica del X total, medio y marginal utiliza el concepto de pen-
diente /tangente trigonomtrica del modelo geomtrico junto con el
matemtico de mximos y mnimos de una funcin univariante, para
determinar los puntos relevantes: etapas de rendimientos crecien-
tes, decrecientes y negativos.

Rendimientos crecientes hasta el mximo producto medio; decre-
cientes desde ah hasta el producto marginal nulo; negativos desde
ah.
Fuentes:

24)
Produccin con dos factores variables:
Las curvas de Pareto tambin se utilizan para la produccin con dos
insumos variables.

La tangencia de (aqu) isocuantas e isocostos indica la optimizacin
maximizando la produccin de un bien con dos factores.
Dada la tcnica, los rendimientos de cada factor indicarn la remu-
neracin posible en una empresa para ambos factores al momento

819
de distribuir los ingresos producidos. La contratacin efectiva tam-
bin depender de los precios del mercado, segn la oferta y de-
manda de ambos factores.
Fuentes:

24b)
Numerosos conceptos tericos y extensiones del programa no tie-
nen aqu TP individualizados pero son necesarios.
Elecciones intertemporales; concepto del costo de bsqueda,
etc.son otros punto tericos suficientemente identificados en los
sitios web y en la bibliografa.

25)
Funcin de produccin Cobb-Douglas
La funcin lineal y homognea (por ser de un solo trmino con dos
variables y exponentes fraccionarios que suman uno), de Euler, in-
dica rendimientos constantes.

Los profesores Cobb y Douglas verificaron que serva para repre-
sentar la distribucin del ingreso entre trabajo y capital, tanto en
EEUU en 1890-1920 como en Sudfrica, Australia y otros.
Si los rendimientos vienen dados por la suma de exponentes, estas
funciones tambin sirven para representar la distribucin de ingre-
sos en las empresas.
Fuentes:

26)
Teora de los costos:
Se utiliza para costos el modelo matemtico y geomtrico del X
total, medio y marginal de W. Baumol.

Los costos totales aumentan a partir del fijo inicial; los variables de-
penden de la produccin; el costo medio conforma la tpica U del
CMV; el marginal se ve como la pendiente de la lnea del costo total,
de modo que el costo marginal intersecta al CMV en su mnimo (ah

820
mnimo de explotacin a corto plazo) , delimitando los costos decre-
cientes y crecientes (o sus conceptos inversos, rendimientos cre-
cientes y decrecientes)

Si el CMV es mayor al precio indica los rendimientos negativos,
completando las tres etapas de los costos o rendimientos. En el lar-
go plazo se supone no existen costos fijos, de modo que el CMV
coincide con el CM. El mnimo de este (el punto crtico del corto pla-
zo) es el ptimo de explotacin en el largo plazo.
Fuentes:

27)
Equilibrio de la empresa competitiva y cantidad de competidores en
el mercado:

Si el mercado competitivo tiene agentes atomizados, al identificar el
precio y la cantidad de uno puede deducirse el tamao del mercado
y nmero de firmas en esa industria.

Solo perduran las empresas eficientes, operando en su mnimo
CMV. Calculando el mnimo de esa funcin surge la cantidad pti-
ma y el valor de su CMV.

Reemplazando este ltimo en la demanda del mercado -como pre-
cio uniforme- se obtiene la cantidad total operada. Dividindola por
la cantidad del productor inicial se obtiene el nmero de firmas de
esa industria.

Si en competencia el precio es nico (no hay discriminacin) se ob-
tienen los valores de la industria a partir de agente individual cono-
cido.
Fuentes:

28)
Empresa sobredimensionada:

821
Las funciones de costo total lineales tienen costos medios hiperb-
licos.

El costo medio hiperblico representa el caso en que nunca se llega
al nivel del costo medio mnimo. Tal es el caso de las industrias b-
sicas que requieren grandes instalaciones, que superan la demanda
domstica de los pases en desarrollo; y necesitan operar competiti-
vamente exportan excedentes, segn precios acortes a los menores
costos medios de esos grandes volmenes.

Ese modelo se utiliz exitosamente en Argentina por SOMISA para
demostrar competitividad y no discriminacin monoplica, ante de-
nuncias antidumping de gobiernos de EEUU por las exportaciones
de dos barcos mensuales, con chapa de acero hacia ese pas en los
aos 1980-1993.
Fuentes:

29)
Inventario optimo:
La condicin matemtica de mnimo permite racionalizar el costo de
mantener inventarios.

Esos costos dependen del tamao de los pedidos, del flete y del
costo financiero de mantener existencias paralizadas. Se define la
necesidad anual, el nmero de pedidos, del tamao de cada despa-
cho o pedido y el stock medio o promedio de un perodo.
Es posible armar as una funcin de costos lineal en la variable des-
pacho, cuyo mnimo matemtico determinar el lote a adquirir con
cada pedido (y la cantidad de estos).

Esta tarea con la ecuacin diferencial comentada racionaliza el an-
lisis frente a las aproximaciones sucesivas tradicionales de alguien
no tcnico.
Sin embargo, la programacin Simplex y especialmente Solver de
Excel facilitan todava ms esta determinacin racional.

822
Fuentes:

30)
Evaluacin de proyectos. VAN y TIR:
Es usual calcular el valor actual para evaluar proyectos.
El valor actual pondera el capital por el inters, tanto en ingresos
como en gastos. Al considerar ingresos y gastos surge el VAN o
VNA (valor actual neto).

Los valores viejos se actualizan multiplicando por (1+i)
t
(i de inters
y t perodos); a los valores futuros se los divide por (1+i)
t
.
Otros anlisis complementan ese criterio de evaluacin (como con-
siderar los diferentes costos de los prstamos segn sean los tama-
os de las empresas; la existencia o no de liquidez inicial; los posi-
bles costos de explotacin consecutivos; las reglamentaciones fisca-
les; el valor residual; alternativas de compra o alquiler, porque pue-
den considerarse ya sea como inversin o ya como gasto; los ries-
gos de cada inversin; etc).

Asimismo, en la evaluacin de proyectos tambin se usan otros in-
dicadores, adems del VAN: la TRF (tasa rentabilidad financiera);
PR (el periodo de repago); los rboles de decisin; varias medidas
de rentabilidad; el criterio FODA (fortalezas, oportunidades, debili-
dades, amenazas); la cruz de Porter (ver si es el nico proveedor
/ver si es el nico cliente; ver si hay muchos proveedores / muchos
clientes); etc.

La TIR (tasa interna de retorno o discounted cash-flow) se calcula
por tanteos, igualando el VA de los Ingresos al VA de los Egresos
La tasa que permita igualar ambos conceptos es la TIR; si es acep-
table para un inversor aportar sus recursos en vez de por ejemplo
depositarlos en un banco a tasas menores.

Excel calcula el VNA y la TIR con solo pintar el rea de ingresos y
egresos e indicar la funcin.

823
Fuentes:

31)
Evaluacin de proyectos inciertos:
Los empresarios pueden ser adversos o afectos al riesgo y asignar
diferentes probabilidades de ocurrencia a los escenarios posibles
de siniestro y no siniestro.

Dada una funcin de utilidad se puede calcular el monto de un segu-
ro o bien correr el eventual riesgo de un siniestro. Adems, al com-
parar los ingresos bajo contexto cierto (sin seguro) e incierto (con
seguro) tambin se puede estimar por diferencia el valor posible por
el seguro.

El anlisis de seguros implica as estimaciones valorando la aver-
sin al riesgo de los clientes
Fuentes:

31b)
El financiamiento de la empresa:

Las empresas pueden tener financiamiento o conseguirlo de los
proveedores y otras fuentes. Bajo el peligroso enfoque monetarista y
la actual globalizacin generalizada (que sobredimensionan este
enfoque) interesa especialmente el financiamiento proveniente de
los bonos y el proveniente de las acciones (ya sean comunes, pref e-
rentes y convertibles, con sus caractersticas propias).

Pero esta visin sobre el papel proveedor de recursos de las bolsas
de valores conduce a desrdenes regulatorios y a crisis recurren-
tes, que perjudican a todos y muy especialmente a los ahorristas
menores.
Fuentes:

32)

824
Equilibrio de la empresa empricamente:
La modelizacin matemtica permite optimizar precisando los ingre-
sos y los costos

Se pueden estimar funciones de demanda, de ingresos totales y de
marginales. Igualmente funciones de costos lineales o parablicas
(segn el tipo de empresa sea sobredimensionada o normal).
Igualando ingresos y costos marginales es posible llegar al punto de
equilibrio o de Cournot.

Dado que las funciones surgen de listados de 40 ms meses uni-
formes, el Anlisis de Excel y Solver facilitan determinar el nivel
ptimo sobre bases empricas. Esto no es as un concepto solo te-
rico, calculable nicamente con funciones conceptuales sin aplica-
cin concreta.
Fuentes:

33)
Monopolio:
El modelo terico de un solo proveedor y demanda competitiva es
estudiado bajo diversas actitudes.
La optimizacin monoplica implica el criterio de Cournot (maximi-
zando la funcin de beneficio (con la primer derivada nula y la se-
gunda negativa, surge la cantidad, el precio y monto de cada varia-
ble)

Al graficar con enfoque total y por unidad, se observa que el monopolio
restringe la cantidad y sube el precio frente al equilibrio en un mercado
de competencia (mayor precio que ingreso marginal).
Fuentes:

Si fuera el caso de un monopolio con dos plantas (multifactora),
la condicin es calcular previamente el costo marginal conjunto (por
suma horizontal) para luego continuar con la optimizacin; con ese

825
nivel de equilibrio se ve cuanto producir cada planta, con similares
precios.
34)
Monopolio con impuestos:

El gobierno puede controlar a los monopolios con impuestos o favo-
reciendo las importaciones para que le sean competitivas.

El impuesto represente una suba de costos que limitara sus benefi-
cios y puede afectar o no (segn el tipo de impuesto) a la cantidad y
precios de ese mercado.

Los impuestos fijos o sobre a beneficios no alteran las condiciones
del mercado (como aquellos que se aplican sobre ventas) y solo
limitan los beneficios.
Fuentes:

35)
Monopolio discriminador:
Si discrimina precios diferenciando mercados aumentar ms sus
beneficios.

Cuando le es permitido fraccionar la demanda puede cobrar precios
diferentes segn la elasticidad de cada tramo de mercado (ms caro
en el tramo rgido), vendiendo la misma cantidad total que sin dis-
criminar, pero con mayores beneficios que en su optimizacin pura
sin diferenciar mercados. Su condicin es igualar el ingreso marginal
conjunto con el costo marginal y a ese nivel de pesos determinar la
cantidad para cada mercado (y reemplazndola, su precio en cada
uno)

Existen diversos grados de discriminacin y estos casos lesionan la
competencia, segn las normas domsticas y las de la OMC.
Fuentes:


826
36)
Carga impositiva en los exportadores:

Los exportadores no incluyen los impuestos en este precio, ya que
tambin existen estos al ingreso en el pas receptor.
Localmente, la carga impositiva total incluye la imposicin directa
ms la indirecta en cascada incorporada en los insumos y costos
(sin incluir el IVA a los consumidores, ni lo no incorporado fsica-
mente al producto en salarios y gastos financieros, segn requiere la
OMC). Se calcula la carga en los insumos nacionales, importados,
impuestos directos, etc. (sin los gastos financieros ni la carga sala-
rial que no admite la OMC)
La carga impositiva suele ser del orden del 40% medida macroeco-
nmicamente (participacin del estado) y es natural pensar que toda
empresa tiene una carga similar. Pero debe ser detallada para los
casos de denuncias antidumping (o countervailing duty por subsi-
dios) de otros pases, y hay que justificar los escasos reintegros
(reembolsos) a los exportadores, porque son usualmente vistos co-
mo subsidios en el exterior (con carga mucho mayor que reintegros).
Fuentes:

37)
Duopolio segn Cournot:

Solo dos oferentes, sin colusin, frente a una demanda competitiva
en la cual la cantidad X es la suma de X1 + X2 para ambas firmas.
Calculan cada uno as sus ingresos totales y sus beneficios. Al op-
timizar separadamente, surge que cada uno acta considerando su
oferta como dependiente de la cantidad ofrecida por el otro (funcio-
nes de reaccin X1= f(X2) y viceversa X2= g(X1) que incluyen la
cantidad del otro).

Ninguno supone que el otro mantiene la cantidad fija sino que am-
bos reaccionan ofreciendo segn lo que produzca la otra empresa.
Fuentes:

827

38)
Empresa lider y seguidoras
Una firma lider con varias seguidoras ante una demanda competiti-
va.

Cada uno estudia eligiendo actuar como lider o como seguidor y
coloca la produccin del oponente en su propia funcin de beneficio
y por tanto de oferta.

El resultado de estos escenarios se compara con otros posibles, sin
y con colusin, para determinar cul conducta le conviene ms a la
empresa(s).
Fuentes:

39)
Antidumping:
La ley comercial, domstica e internacional, se basa en el modelo
de la competencia.

Pero la competencia es difcil de practicar; y a menudo hay que
defenderla ante las autoridades locales y/o de la OMC, con denun-
cias por precio predatorio o por subsidios.
Una denuncia documentada puede llegar a tener resultado positivo y
obtenerse en un derecho antidumping o similar, si adems se de-
mostr que los montos originaron daos considerable (o amenazan
con ello).
Fuentes:

40)
Cartel
Si es posible la colusin los oligopolios optimizan conformando un
cuasimonopolio. Para calcular la cantidad de cada uno se suma ho-
rizontalmente el costo marginal conjunto (tal como en el caso multi-
factora). No se explica el reparto de los beneficios (pero sera razo-

828
nable suponer que ambos pretendan ms que lo que obtendra ac-
tuando por su cuenta: repartiran solo el excedente sobre ello)
Pueden fijarse polticas comunes de precios, de cuotas y /o de re-
parto de beneficios, si fueran permitidas (controladas) por el go-
bierno.

Bajo colusin se obtendran beneficios mayores a toda otra alterna-
tiva de optimizacin de competencia imperfecta, ya que conforma-
ran un monopolio. Se demuestra que los mayores beneficio surgen
bajo monopolio (y an mayores cuando puede discriminar precios o
mercados)
Fuentes:

41)
Teora de los juegos:
En el contexto hostil del duopolio y en el de la incertidumbre y segu-
ros se aplica la nueva lgica de Neumann-Morguenstern, que am-
pla el rigor del criterio matemtico de verdad o falso al agregar la
posibilidad de desconocido.

En los juegos sin y con acuerdo se estudian las probabilidades de
ocurrencia y ganancia, llegndose a un segundo mejor, realista o
seguro, que es lo preferible a toda otra alternativa inalcanzable se-
gn el oponente.

Cada duopolista calcula sus posibilidades, asegurndose el mejor
resultado posible entre aquellos que no interesan a su oponente.
Para los casos en que no coinciden las estrategias J. Nash agreg
al anlisis de las estrategias mixtas, con y sin colusin; o en juegos
reiterados segn la dominancia, al igualar las probabilidades segn
cada juego que pueda hacer el otro..

42)
Anlisis de dominancia:

829
Sin colusin, puede convenir una estrategia mixta con sucesivos
juegos al azar. En los juegos repetitivos se calcula la dominancia
igualando las alternativas segn que el oponente acte con una u
otra estrategia, para luego jugar al azar pero guardando esas pro-
porciones como promedio. Se logra un ptimo segundo, o lo mejor
posible, luego de igualar las probabilidades de cada accin, con
igual premio para ambos duopolistas.
Fuentes:

43)
Contratacin de factores en competencia:

La asignacin ptima sigue el criterio paretiano para determinar la
remuneracin segn el valor de su producto marginal (salario = valor
del producto marginal del trabajo)

Al igualar la TMS y el cociente de los precios de factores Pareto
calcula la produccin ptima, de modo que la remuneracin de los
factores no puede superar al producto marginal de cada factor.
De este modo la distribucin de ingresos agota el producto genera-
do.
Fuentes:

44)
Contratacin de factores en monopsonio:
Una nica empresa demanda factores, que actan competitivamen-
te.
Igualando el valor del producto marginal a la oferta del factor surge
una remuneracin posible y otra mayor del resultado monopsnico.
La diferencia entre ambos valores es el margen monopsnico.
Fuentes:

45)
Teora de la incertidumbre seguros:

830
La lgica N-M tambin es aplicable cuando no se puede calcular la
probabilidad de ocurrencia de un suceso.

Segn su aversin o afeccin al riesgo el agente pondera las con-
tingencias, de ocurrir o no un suceso, para obtener la utilidad espe-
rada de esa contingencia.

El patrimonio efectivo o neto considera e incluye el costo del seguro
contratado por la persona racional.
Fuentes:

46)
Evaluacin de proyectos bajo contexto incierto
Los empresarios pueden ser adversos o afectos al riesgo y asignar
diferentes probabilidades de ocurrencia a los escenarios posibles de
siniestro y no siniestro.
Dada una funcin de utilidad se puede calcular el monto de un segu-
ro o bien correr el eventual riesgo de un siniestro.

Adems, al comparar los ingresos bajo contexto cierto (sin seguro) e
incierto (con seguro) tambin se puede estimar por diferencia el
valor posible por el seguro.
El anlisis de seguros implica estimaciones valorando la aversin al
riesgo de los clientes.
Fuentes:

47)
Ley de Walras y Ley de Say
Las empresas dependen del nivel de actividad general, que no
siempre est en equilibrio.

En 1803 J.B. Say crea en una igualdad entre la demanda y la ofer-
ta, siempre con pleno empleo (excedente de demanda nulo). La
teora cuantitativa de la moneda de J.S. Mill en 1840, consideraba

831
que si se emita ello solo resultara en inflacin sin afectar al equili-
brio de los mercados reales.

J. M. Keynes explic la gran crisis mundial de 1929, cuando las ex-
pectativas/ desconfianza de los empresarios sobre una burbuja de la
bolsa de Wall Street los llev a retirar sus inversiones, catapultando
una quiebra general mundial con desempleo. Recet cavar y tapar
zanjas para dinamizar la actividad con los salarios de esa obra p-
blica.

Desde 1934, en vez de la identidad de Say , se prefiere utilizar la
igualdad de Walras (Paris 1874), ya que solo para un determinado
valor de precios la suma de ofertas se convierte en igual a la suma
de demandas, pero con pleno empleo.
Fuentes:

48)
Caja de Edgeworth:
Utiliz en 1885 curvas de indiferencia para demostrar las ventajas
del intercambio entre dos pases. W. Pareto complet analticamen-
te su criterio geomtrico de ptimo.

La interseccin de dos curvas de los pases era una combinacin
ineficiente, ya que era posible trasladarse por una u otra curva hacia
una combinacin eficiente (con punto de tangencia, no de intersec-
cin), que representaba una mejora para uno o para el otro de los
pases.
Como no explicaba cul de ambos deba mejorar surgieron otros
criterios de bienestar, como los de Kaldor, Tibor de Scitowky y Berg-
son.
Fuentes:

49)
Matriz Insumo-Producto para miles de variables

832
El lgebra de matrices incluye solo media docena de reglas y permi-
ta resolver manualmente sistemascon ms de tres variables pero
pocas ms (no haba as publicados sistemasde 5 variables)

La matriz inversa por el vector de demandas finales da como resul-
tado el valor de las transacciones directas e indirectas de una eco-
noma o grupo empresario microeconmico.

El lgebra de matrices se aplic exitosamente a la macroeconoma
de los pases, basndose en datos de los censos econmicos.
En Argentina se escondieron o no se publicaron estos datos, apare-
ciendo recin en 2003 una matriz I-P suficientemente desagregada,
no obstante los censos que se efectan cada 10 aos.
Excel permite calcular en instantes miles de variables con la matriz
inversa (=minversa( ) ) y las multiplicaciones (con =mmult( ) ); basta
pintar el cuadro de los datos, seleccionar estas funciones y aplicar-
las con Cntrl+Shift+Enter a todo otro rango similar pintado.
Fuentes:

50)
Teorema de Coase:
El Estado puede dictar leyes pasivas y leyes activas (las que obligan
a no hacer y a hacer)

Repartiendo unos derechos iniciales a contaminar por un determi-
nado nivel (limitado), puede surgir un mercado de esos derechos,
para equilibrar las empresas deficitarias en polucin con las sobran-
tes y lograr simultneamente combatir la polucin o carbono.

Este aspecto del comportamiento bajo el criterio de las ESR no
fue logrado; el acuerdo de Kyoto no fue cumplido por EEUU, demo-
rndose hasta hoy la implementacin del proyecto antipolucin.
Fuentes:

51)

833
Criterio de distribucin en competencia

Igualando las TMS en el equilibrio paretiano de la empresa, o bien
en la Caja de Edgeworth, se determinan las combinaciones eficien-
tes para demostrar que uno mejora y nadie empeora. Pero pueden
hacer falta otros criterios de bienestar para determinar quin mejora
o quien empeora, o que ambos mejoren, como algunos criterios que
estudia la economa del bienestar.
Fuentes:

PD:
7 TP OBLIGATORIOS EN EXCEL

El curso requiere la prctica obligatoria de al menos cinco temas en
Excel: elasticidad media o promedio; estimacin de funciones por
correlacin mltiple incluyendo el anova; programacin Simplex
con Solver; VAN y TIR; resolucin de sistemas o matrices NxN; teo-
ra de los juegos con Simplex y un caso 2x2 con 6 mtodos equiva-
lentes.

Los mtodos que son practicados en el curso conviene sean
presentados por el alumno con otro enunciado similar, llegando
en ellos a similares resultados (en este caso 2x2 como el ex-
puesto aqu en el punto programacin con seis mtodos equi-
valentes (cap. 7).

Asimismo, otros temas tericos figuran en el programa y quizs no
implican utilizar ecuaciones para modelizarlos, pero son igualmente
necesarios. Por ejemplo los dos axiomas de la teora del bienestar;
otros criterios de bienestar; empresa socialmente responsable
(ESR); teorema de Coase, juegos de subastas /licitaciones, etc.


834

LISTADO DE TP RESUELTOS Y ARCHIVOS

En los sitios de la FCEUBA y en otras pginas web, como
www.microconexcel.com.ar , www.microeconomaconexcel.com ,
etc. figuran numerosos archivos, con prctica analtica y otros enfo-
ques. Son ejercicios de alumnos resueltos numricamente, pero sin
concluir con el correspondiente informe profesional y una revisin
metdica preventiva. Hay all adems muchos otros TP, con resolu-
cin de sistemascon miles de variables en Excel, simulaciones di-
nmicas, etc.(en todos los casos comienzan el ttulo con la Unidad
seguido del nmero de TP y una palabra clave).

1 33 Resmenes De 33 Clases
1 50 Informes sobre los 50 Tp
1 50 TP resueltos Cronograma
1 Bibliografa
1 Cdigo Hammurabi Sistema econmico real hace 4000 aos
1 Conceptos Introductorios Relevantes
1 Gua Inicial
1 Orientacin Inicial
1 Orientacin Y Cronograma Distancia
1 Tp 1 (circuito Econmico)
1 Tp 1 (sistema Econmico)
1 Tutor
1 Tutora
1 Utopa de T. Moro Sistemas Econmicos
1 Visin
1 Y 2 Tutoras Distancia
2 Agregacin Bienes Privados Y Pblicos
2 Agregacin Demandas Y Ofertas
2 Demofe
2 Elasticidades Puntual Y Media
2 Grficos Total Medio Marginal

835
2 Ingreso
2 Ingresos
2 Oferta Y Demanda
2 Prcticos Analticos
2 Tp 2 Agregacin
2 Tp 2 Bienes Privados
2 Tp 2 Bienes Privados Y Pblicos
2 Tp 2 Suma Horizontal
2 Tp 3 Elasticidad
2 Tp 3 Elasticidad
2 Tp 3 Elasticidad Cigarrillos
2 Tp 3 Y 21 Elasticidad Media o Promedio
2 Tp 4 (teora De Los Ingresos-gastos)
2 Tp 4 Ingreso Marginal
2 Tp 4 Ingresos
2 Tp 4 teora De Los Ingresos
2 Tp 8 teora Ingresos O Gasto
2 Tp Suma Horizontal Bienes Privados
3 El Mercad Competitivo U.3
3 Estabil
3 Micro Con Excel
3 Tp 12 Simplex Dieta
3 Tp 5 (estabilidad Esttica)
3 Tp 5 Estabilidad Del Mercado
3 Tp 5 Estabilidad Mercado
3 Tp 5 Estabilidad Walras Y Marshall
3 Tp 6 Efecto De Impuestos
3 Tp 6 Impuestos
3 Tp 7 Modelo Telarana
3 Tp 7 Modelos Telaraa Con Ajustes
3 Tp 7 Modelos Telaraa Con Ajustes2
3 Tp 8 Demanda Caso Industrias 1999
3 Tp 8 Detalle Datos Mercado A
3 Tp 8 Detalle Datos Mercado B
3 Tp 8 Detalle Datos Mercado C

836
3 Tp 8 Detalle Datos Mercado D
3 Tp 8 Estimacin Demanda Helados Con Anova
3 Tp 8 Estimacin Demanda Helados Correlac Mltiple
3 Tp 8 Estimacin Demanda Y Anlisis De Coyuntura
3 Tp 8 Estimacin Funcin Demanda Discos Freno
3 Tp 8 Estimacion Funciones Demanda Cocinas
3 Tp 8 Import Argentina Por Firma Y Producto 11
3 Tp 8 Import Argentina Por Firma Y Producto1
3 Tp 8 Nomenclador Internacional De Productos
3 anova
4 Archivos Paginas Micro Con Excel
4 Modela
4 Solver
4 Tabla0 Simplex
4 Tp 10 Minimizacin Lineal mtodo Grafico
4 Tp 10 Minimizacion Y Simplex
4 Tp 11 (simplex)
4 Tp 11 Inversiones Con Solver
4 Tp 11 Maximizacion Simples Caso Zonda
4 Tp 11 Muestras De Excel Para Transportes y otros Simplex
4 Tp 11 Simplex
4 Tp 11 Simplex Con Solver De Excel
4 Tp 11 Simplex Con Solver De Productora
4 Tp 11 Simplex Con Solver Dulces
4 Tp 11 Simplex Con Solver Lenceria
4 TP 11 Simplex con Solver paso a paso

837
4 Tp 11 Simplex Con Solver Peras
4 Tp 11 Simplex Fabrica Remeras
4 Tp 11 Simplex Gualeguaychu
4 Tp 11 Simplex Solver Duraznos
4 Tp 11 Simplex Solver Motos
4 Tp 11 Simplex Textil
4 Tp 11 Simplex Trigo Centeno
4 Tp 11 Simplex Y Solver Lagrange Y Matrices
4 Tp 11 Tablas Simplex Programac Lineal
4 Tp 11 Tablas Simplex Programacin Lineal
4 Tp 12 Simplex Camperas
4 Tp 12 Simplex Con Solver Dietas
4 Tp 12 Simplex Con Solver Imprenta
4 Tp 13 Minimizar Costo Dieta
4 Tp 13 Programacin Con Solver-remeras
4 Tp 13 Simplex Solver Sensibilidad
4 Tp 9 mtodo Grafico Programacin Lineal
4 Tp 9 Prog Lineal mtodo Grafico
4 Tp 9 Y 10 Programacin Lineal-mtodo Grafico
4 Tutora Simplex Programacin Lineal Solver
5 Graficos Total Medio Marginal
5 Hicks Efecto Renta
5 Slutsky E Inclusin Del Tiempo
5 Tp 14 (maximizacin De La Utilidad)
5 Tp 14 (minimizacin Del Gasto T.utilidad)
5 Tp 14 Tres Teoras De La Demanda Y El Sistema econmico
5 Tp 14 Utilidad Cardinal
5 Tp 15 Curvas Indiferencia Pareto
5 Tp 16 Y 18 Lagrange Dual Y Teorias
5 Tp 17 Lagrange
5 Tp 17 Lagrange Max Y Tp18 Minimiza
5 Tp 19 Demanda Teorica
5 Tp 20 Ecuac Slutsky
5 Tp 20 Ecuacion Slutsky
5 Tp 20 Efecto Renta Y Sustitucion De Hicks

838
5 Tp 22 12indices De Toranzos
50 Informes De 50 Tp
50 Tp Micro1 Octub 2007
6 Dumping
6 Juegos
6 Produc
6 Producion
6 teora Juegos Estrategias Mixtas
6 Tp 23 Y 24 Produccin
6 Tp 23 Y teora Produccin Y Costos
6 Tp 24 Maximizacion Con Operadores De Lagrange
6 Tp 25 Euler Y Cobb Douglaseulercob
6 Tp 26 Costos
6 Tp 26 Costos A Corto Plazo
6 Tp 26 Costos Con Excel
6 Tp 26 Costos Unitarios
6 Tp 26 Punto Muerto
6 Tp 27 (cantidad De Competidores)
6 Tp 27 Cantidad De Emrpesas
6 Tp 27 Cantidad De FirmsEn Competencia
6 Tp 28 Sobredimensionada
6 Tp 29 (inventario Optimo)
6 Tp 29 Inventario Optimo Stocks
6 Tp 30 Evaluacion Estados Financieros
6 Tp 30 Tir Segun Excel
6 tp 30 TIR y VAN Teresa Eiras
6 Tp 30 Van Y Tir Etileno
6 Tp 32 Equilibrio Empirico
6 Tp 33 ( Monopolio )
6 Tp 33 Monopolio
6 Tutora
6 Y 8 Tp 31 Y 46 Evaluacion Proyecto Incierto
6 Tp SistemasNxN
6 TP sistemasNxN ABRA
6_6 Mtodos equivalentes

839
6 Metodos equivalentes
7 Carga Impositiva
7 Compett
7 Medio Ambiente
7 Monopolio
7 Monopolios
7 Oligopo
7 Teorema De Coase
7 Tp 28 Empresa Sobredimensionada Y Antidumping
7 Tp 28 Y 39 Competencia Y Antidumping
7 Tp 32 Equilibrio Empresa Con Series Empiricas
7 Tp 34 (monopolio Con Impuestos)
7 Tp 34 Efecto De Los Impuestos
7 Tp 34 Impuestos En Monopolio
7 Tp 35 Discriminacin
7 Tp 35 Discriminacion De Precios O Mercados
7 Tp 35 Discriminacion Mercados
7 Tp 36 Carga Impositiva
7 Tp 36 Cargaimpositiva
7 Tp 37 (duopolio Segun Cournot)
7 Tp 37 A 40 Oligopolio
7 Tp 37 duopolio de Cournot
7 Tp 37 Listas De Extras Sin Discriminacion En Antidumping
7 Tp 37 Y 38 Duopolio De Cournot Etc
7 Tp 38 Estacion Vivitos
7 Tp 38 Lider Y Seguidora De Stackelgerg
7 Tp 38 Vivitos Rapidito Lentito
7 Tp 39 (antidumping)
7 Tp 39 Dumping Y Gatt
7 Tp 39 Proceso De Dumping
7 Tp 40 Cartel
7 Tp 40 Stackelberg Y Otros
7 Tp 41 Dilema Del Prisionero
7 Tp 41 Juegos Duoplio Supermercados
7 Tp 41 Juegos Duopolio

840
7 Tp 41 Juegos Radio Tv
7 Tp 41 teora De Los Juegos E Incertidumbre
7 Tp 41 Y 42 teora De Los Juegos Y Dominancia
7 Tp 41,45 Y46 Juegos-incertidumbre
7 Tp 42 (juegos Dominancia)
7 Tp 42 Dominancia En Juegos
7 Tp32 Equilibrio Con Funciones Empiricas
7 Vivitos, Rapidito Y Lentito
8 A 10 Tp 43 Y 44 teora Distribucion
8 A 10 Tp 47 A 51 Caja De Edgewourt
8 Distribucion
8 Equilibrio General
8 o 10 Tp 47 Equilibrio General
8 o 10 Tp 51 Excedente Consumidor
8 o 9 Tp 45 Seguros E Incertidumbre
8 o 9 Tp 45 Seguros Incertidumbre
8 o 10 Criterios De Bienestar Y Valoracin
8 Tp 47 Equilibrio General
8 Tp 49 Matriz Inversa
8 Tp 49 Matriz I-p Acero Autos
8 Tp 49 SistemasEcuaciones Y Matrices
8 Tp 50 Teorema Coase
8 Tp 51 Bergson Perdida Social
8 Tp 51 Excedentes Y Bienestar
9 Incertumbre
10 Bienestar

Zip con versiones anteriores:
Zip1 Programa y TP Micro1
Zip2 Prcticos Analticos
Zip3 Micro Con Excel 2012 <<<
Zip4 Archivos Paginas Micro conExcel<<<
Zip5 Otros Archivos Excel
Zip6 Acrobat Reader Para Leer el Libro
Zip7 Con varios Programas

841

Los 5 recuadrados son los 5 TP obligatorios en Excel

ayuda para alumnos u otros 24 horas 365 das en:
eirasroel@gmail.com
cursos Distancia correo por el sitio Distancia

Todos y el libro son libres ( 0 $ )


842

COMPARACIONES DE SOFT

Las tablas siguientes comparan la informacin general y tcnica
para un anlisis estadstico de los principales paquetes. Los autores
incluyen tambin una gran cuadro con la comparacin integral por
rubro (ver abajo su direccin). Unos paquetes de este soft son gra-
tis, otros tienen un alto costo, pero en muchos casos se pueden ba-
jar de sus pginas web versiones de prueba trial por 30 das sin
costo.

Informacin general:
Informacin bsica sobre cada producto (producto, licencia, interfaz
utilizador etc). Nota del precio
[1]
indica que el precio era precios
altos promocionales (as que ms elevados puede aplicarse a las
compras actuales), y nota
[2]
indica eso ms bajo tasacin de pene-
tracin se ofrece a los compradores acadmicos (e.g. las ediciones
del give-away de algunos productos se lan con algunos libros de
textos del estudiante en estadstica).

843

Producto Productor
La fecha ms
ltima de la
versin
Coste
(USD)
fuente
Licencia
del soft-
ware
In-
ter-
faz

AcaStat
Acastat $29 No Propietario GUI
ADaMSoft
Marco
Scarno 24-ene-08 Libre S GNU GLP CLI/GUI
Analizar-l
Analizar-l $185-495 No Propietario GUI
ASReml
VSN inter-
nacional
Febrero de
2007 >$150 No Propietario CLI/GUI
BioStat
AnalystSoft
8 de enero,
2007 $100
[1][2]
No Propietario GUI
BrightStat
Daniel
Stricker
22 de febrero,
2008 Libre No Propietario GUI
Dataplot
Alan
Heckert
Marzo de
2005 Libre S
Public do-
main CLI/GUI
EasyReg
Herman J.
Bierens
Libre[3] /
No Propietario GUI $300
Epi Info
Centros
para el
control y la
prevencin
de la en-
fermedad
8 de noviem-
bre, 2007 Libre No Propietario CLI/GUI
EViews
Software
micro cuan-
titativo
Marzo de
2007 No Propietario CLI/GUI

844
GAUSS
Sistema de
Aptech 2006 No Propietario CLI
GenStat
VSN inter-
nacional Julio de 2006 >$190 No Propietario CLI/GUI
Hlice de
oro
Hlice de
oro
Marzo de
gretl
El equipo
del gretl
21 de marzo,
2008 Libre S GNU GLP CLI/GUI
JMP
Instituto del
SAS
1 de noviem-
bre, 2005 $1190 No Propietario GUI/CLI
MacAnova
Gary W.
Oehlert y
Christopher
Bingham
29 de agosto,
2005 Libre S GNU GLP GUI
Mathemati-
ca
Investiga-
cin del
volframio
25 de febrero,
2008 $1880 No Propietario CLI/GUI
MedCalc
Schoonjans
franco
22 de abril,
2008 $395 No Propietario GUI
modelQED
[marke-
tingqed]
15 de junio,
2007 No Propietario GUI
Minitab
Minitab Inc.
10 de enero,
2007 $1195[2] No Propietario CLI/GUI
MRDCL
[1]
4 de enero,
2008 $4000[2] No Propietario CLI/GUI

845
NCSS
Software
estadstico
de NCSS >$399 No Propietario GUI
OpenEpi
A. Decano,
K. Sullivan,
M. Soe
Diciembre de
Origen
OriginLab $699 No Propietario GUI
Lenguaje de
programa-
cin del
buey
OxMetrics,
J.A. Door-
nik
Octubre de
2007
Libere
para el
uso aca-
dmico No Propietario CLI
OxMetrics
OxMetrics,
J.A. Door-
nik
Octubre de
2007
$500-
Origen
OriginLab $699 No Propietario GUI
Partek
Partek Junio de 2007 No Propietario GUI
Cartilla
Cartilla-e
Febrero de
2007
$500-
$1000 No Propietario GUI
PSPP
Pspp
3 de agosto,
2005 Libre S GNU GLP CLI
R
Fundacin
de R
8 de febrero,
2008 Libre S GNU GLP CLI
Coman-
dante de
R
[4]

Zorro de
Juan
1 de agosto,
2006 Libre S GNU GLP CLI/GUI
RATAS
Estima
1 de octubre,
RKWard
[4]

Comunidad
de RKWard
15 de febrero,

846
SalStat
Alan James
Salmoni
Febrero de
SAS
Instituto del
SAS
Marzo de
SOCR
UCLA
30 de no-
viembre,
Stata
Statacorp Junio de 2007 $129 No Propietario CLI/GUI
Statgraphics
StatPoint Junio de 2005
$695 -
$1295 No Propietario GUI
STATIS-
TICA StatSoft >$695 No Propietario GUI
StatIt
StatIt >$395 No Propietario GUI
StatPlus
AnalystSoft
7 de enero,
2007 $150
[1][2]
No Propietario GUI
SPlus
Insightful
Inc. 2005 No Propietario CLI
SPSS
SPSS Inc. 2007 $1599[2] No Propietario GUI
StatsDirect
StatsDirect $179 No Propietario GUI
Statistix
Statistix $695 No Propietario GUI
SYSTAT
Systat
Software
Inc.
21 de febrero,
UNISTAT
Unistat Ltd
15 de marzo,
2005
$895,
$495,
$300 No Propietario GUI, Excel
VisualStat
El computar
de VisualS-
tat $195 No Propietario GUI
Winpepi
J. H. Abra-
mson Sep de 2007 Libre No Propietario GUI

847
XLStat
El computar
de Kovach $395[2] No Propietario Excel
XploRe
MD*Tech 2006 No Propietario GUI

Producto Producto
La fecha ms
ltima de la
versin
Coste
(USD)
Abra
la
fuen-
te
Licencia del
software
Interfaz


848
Ayuda del sistema operativo
Producto Windows OS del Mac Linux DEB Unix

ADaMSoft
S S S S S
MacAnova
S S S S S
Dataplot
S S S S S
SalStat
S S S S S
Cartilla
S No No No No
AcaStat
S No No No No
Analizar-l
S No No No No
BioStat
S No No No No
BrightStat
S S S No S
EasyReg
S No No No No
Epi Info
S No No No No
EViews
S
Terminado
(1.1) No No No
GAUSS
S S S No S
Hlice de oro
S S S No S
gretl
S S S No No
JMP
S S S No S
Mathematica
S S S No S
MedCalc
S No No No No
modelQED
S No No No No
Minitab
S Terminado No No No
NCSS
S No No No No
Origen
S No No No No
OpenEpi
S S S S S
Partek
S No S No No

849
PSPP
S S S S S
R
S S S S S
Comandante de
R
S[5] S[5] S[5] S[5] S
RATAS
S S S No S
RKWard
No No S No S
SAS
S Terminado S No S
AcaStat
S S S S S
SOCR
S S S S S
Stata
S S S No S
Statgraphics
S No No No No
STATISTICA
S No No No No
StatIt
S No No No No
StatPlus
S S No No No
SPlus
S No S No S
SPSS
S S S No No
StatsDirect
S No No No No
Statistix
S No No No No
SYSTAT
S No No No No
UNISTAT
S No No No No
VisualStat
S No No No No
Winpepi
S No No No No
XLStat
S S No No No
XploRe
S No S No S
Producto Windows OS del Mac Linux DEB Unix


850
Ayuda para varios mtodos ANOVA
Producto
Unidi-
reccional
De dos
vas
MA-
NOVA
GLM
prue-
bas
Poste-
hoc
Anlisis
de los
cua-
drados
latinos

AcaStat
No No No No No No
ADaMSoft
No No No No No No
Analizar-l
S S No No S No
BioStat
S S S S S No
BrightStat
S S No No S No
EasyReg
No No No No No No
Epi Info
S S No No No No
EViews
S
GAUSS
No No No No No
Hlice de oro
S S
gretl

Mathematica
S S S S S No
MedCalc
S S No No S No
Minitab
S S S S S S
NCSS
S S S S S S
OpenEpi
S No No No No No
Origen
S S No No No No
Partek
S S S S S S
R
S S S S S
Comandante de
R
S S S
SAS
S S S S S

851
SOCR
S S No No No No
Stata
S S S S
Statgraphics
S S S S S S
STATISTICA
S S S S S S
StatIt
S S S S S No
StatPlus
S S S S S S
SPlus
S S S S S S
SPSS
S S S S S S
StatsDirect
S S No No S S
Statistix
S S S S S S
SYSTAT
S S S S S S
UNISTAT
S S No S S S
VisualStat
S S S No S No
Winpepi
No No No No No No
XLStat
S S S No S No
Producto
Unidi-
reccional
De dos
vas
MA-
NOVA
GLM
prue-
bas
Poste-
hoc
Anlisis
de los
cua-
drados
latinos


852
REGRESION - Ayuda para varios mtodos de regresin:
AcaStat

ADaMSoft
S No No S S No No No
Analizar-l
S
BioStat

BrightStat
S S S
EasyReg
S S
Epi Info
S No No No S No No No
EViews
S S S S S S S S
GAUSS

Hlice de oro
S S
gretl
S S S S S No S
Mathematica
S S S
MedCalc
S No No S S No No S
Minitab
S S No No S No No S
NCSS
S S S
Origen

Partek
S No No No No S No S
R
S S S S S S S S
Comandante
de R
[4]

S S
RATAS
S S S S S No S S
Sagata
S S No No No No S S
SAS
S S S S S S
SOCR
S No No No S No No No
Stata
S S S S S S S S
Statgraphics
S S No S S S No S
STATISTICA
S S S S S S S S

853
StatIt

StatPlus
S No S S S S No S
SPlus
S S S S S
SPSS
S S S S S S No S
StatsDirect
S S S S
Statistix

SYSTAT
S S S S S S S S
UNISTAT
S S S S S S No S
VisualStat

Winpepi
S S
XLStat
S S S
Producto OLS WLS
2SL
S
NLLS
Lo-
gs-
tico
GLM
CHA
VAL
Por
etapas


854
SERIES DE TIEMPO -Ayuda para vario anlisis de serie de tiempo.
Producto ARIMA GARCH
Prueba de
la raz de la
unidad
Prueba de
Cointegration
VAR
GAR
CH
Mul-
tiva-
riate

AcaStat

Analizar-l

BioStat

EasyReg
S S S S
EViews
S S S S S S
GAUSS

gretl
S S S S S
Mathematica
S S
MedCalc
No No No No No
Minitab
S No No No No
NCSS
S
Origen

R
S S S S S
Comandante
de R
[4]

RATAS
S S S S S S
SAS

SOCR
No No No No No
Stata
S S S S
Statgraphics
S No No No No
STATISTICA
S No No No No
StatIt


855
StatPlus
S No No No No
SPlus
S S
SPSS
S
StatsDirect

Statistix

SYSTAT
S
UNITAT
S No No No No
VisualStat

Winpepi

XLStat

Producto ARIMA GARCH
Prueba de
la raz de la
unidad
Prueba de
Cointegration
VAR
GAR
CH
Mul-
tiva-
riate
COMPARACON INTEGRAL DE PAQUETES ESTADISTICOS DISPONI-
BLE EN:
http://www.worldlingo.com/ma/enwiki/es/Comparison_of_statistical_packag
es


856

AYUDA DE MICROSOFT ON LINE

Existe ayuda automtica de Microsoft en
(http://support.microsoft.com/gp/mtdetails ) con traducciones auto-
mticas o de un traductor humano. Microsoft le ofrece artculos tra-
ducidos por un traductor humano y artculos traducidos automtica-
mente para que tenga acceso en su propio idioma a todos los artcu-
los de nuestra base de conocimientos (Knowledge Base). Sin em-
bargo, los artculos traducidos automticamente pueden contener
errores en el vocabulario, la sintaxis o la gramtica, como los que un
extranjero podra cometer al hablar el idioma. Microsoft no se hace
responsable de cualquier imprecisin, error o dao ocasionado por
una mala traduccin del contenido o como consecuencia de su utili-
zacin por nuestros clientes. Microsoft suele actualizar el software
de traduccin frecuentemente.

NOTA:
Es usual encontrar PC con teclados desconfigurados y tener dificul-
tades para ubicar algunos signos, smbolos, caracteres. Pueden
obtenerse pulsando simultneamente Alt + (pad numrico):

Alt 40 (
Alt 41 )
Alt 42 *
Alt 43 +
Alt 45 -
Alt 46 .
Alt 47 /
Alt 60 <
Alt 61 =
Alt 62 >
Alt 92 \

857
Alt 94 ^
Alt 97 a
Alt 208
Alt 230
Alt 255

EDITOR DE ECUACIONES DEL OFFICE MICROSOFT

Puede ser necesario en Excel, o con Word, recurrir al editor de
ecuaciones, al cual se accede con: Insertar > Objeto > Editor de
ecuaciones Microsoft. Incluye plantillas para anotar valores en dife-
rentes niveles, como subndice y suprandice (potencias tambin se
consiguen en Word con Ctrl+Shift y +; y subndices con Ctrl y +,
respectivamente)

POTENCIAS Y RACES


858

RACES EN FUNCIONES CUADRTICAS: RUFFINI

Las ecuaciones de segundo grado son presentadas por Ruffini or-
denadas con exponente decreciente. Las dos races son fciles de
obtener manualmente, siguiendo el clculo (del hind Bhakara, del
siglo X ).
Pero la dificultad se presenta para el estudiante o profesional que
debe efectuar numerosos clculos con esta frmula. Inviables por
falta de tiempo, son instantneos recurriendo a Excel, segn se ilus-
tra: en A9, B9 y C9 se anotan los coeficientes a, b, c; y las dos ra-
ces son calculadas en E9 y F9.

RACES EN FUNCIONES CBICAS: RUFFINI

En estos tipos de problemas suele haber funciones cbicas o poli-
nomios de orden superior. La regla de Ruffini permite obtener las
tres races de funciones cbicas.

859

En este nuevo ejemplo la funcin U=X
3
-2X
2
-2X +1 se presenta en
la tabla de dividir de B4 a E6; se siguen los 6 pasos A12 a A17 y en
la fila 7 se ha factoreado la cbica como (X+1) (X
2
- 3X +1) como se
muestra en la fila 6 y 8.

Segn el primer parntesis, la primer raz es X= -1; las otras dos
surgen de aplicar la ms usual frmula de Ruffini para resolver la
cuadrtica: X = -b+-(b
2
-4ac)
1/2
/ 2a, siendo X= 0,38 y X=2,61.


860
RACES EN POLINOMIOS DE ORDEN SUPERIOR

Otra manera de obtener las races de una funcin cbica, u otro
polinomio de orden superior, es escribindolo como se muestra en
la siguiente tabla.

En H1e I1 se eligen valores para X con un rango a eleccin. En H2 e
I2 se anota la funcin. Se pintan las cuatro celdas y se arrastra des-
de el ngulo inferior izquierdo hacia la derecha o abajo. Buscando
los valores en que la funcin U es nula estn las races X.

ORGANIGRAMAS CON MICROSOFT CHART

La planificacin requiere a veces utilizar organigramas. El Office de
Microsoft los facilita con: Insertar > Objeto > Microsoft Chart.


861
PROGRAMA MICROECONOMA FCE-UBA:

UNIDAD 1: CONCEPTOS INTRODUCTORIOS A LA MICROECO-
NOMA

El problema econmico. Descripcin sinttica de un sistema
econmico global y su funcionamiento desde la perspectiva micro-
econmica. Consumidores. Productores. Propietarios de los factores
de produccin. Mercado de productos y de factores. Sectores eco-
nmicos. Sector gobierno y sector externo. Gustos y tecnologa.
Interrelaciones. Flujo circular. Sistema de precios. Diferenciacin de
la microecoma. Aspectos metodolgicos: economa positiva y nor-
mativa, teora y realidad. Variables. Funciones e identidades. Mode-
los determinsticos y estocsticos.

DETALLE
UNIDAD 1: CONCEPTOS INTRODUCTORIOS A LA MICROECO-
NOMA
El problema econmico. (Lipsey cap.4)
Descripcin sinttica de un sistema econmico global y su funcio-
namiento desde la perspectiva microeconmica. (Parkin 1)
Consumidores. Productores. Propietarios de los factores de produc-
cin.
Mercado de productos y de factores.
Sectores econmicos. Sector gobierno y sector externo.
Gustos y tecnologa. Interrelacines.
Flujo circular.
Sistema de precios. (Lipsey 5; Friedman 1)
Diferenciacin de la microecoma.
Aspectos metodolgicos: economa positiva y normativa; teora y
realidad. (Lipsey 1)
Variables. Funciones e identidades. (Lipsey 2)
Modelos determinsticos y estocsticos. (Lipsey 3)


862

Lipsey, Richard: Introduccin a la economa positiva. Cap. 1 - 5
Objeto y mtodo. Visin general del sistema de precios.
Parkin, M. Microeconoma. Cap. 1 Qu es la economa?
Friedman, M. Teora de los precios. Cap. 1 - Introduccin.

UNIDAD 2: LA DEMANDA Y LA OFERTA.

La funcin de demanda y de oferta de mercado. Conceptos
ex-ante y ex-post. Unidad de tiempo y de medida. Variables depen-
dientes e independientes. Elasticidades. Definicin de los bienes.
Gasto e ingreso total. Composicin de las curvas mediante suma
horizontal. Desplazamientos de las curvas. Relacin entre los con-
ceptos.

DETALLE
UNIDAD 2: LA DEMANDA Y LA OFERTA.
La funcin de demanda y de oferta de mercado. (Lipsey
7,8,10; Parkin 4; Friedman 2 hasta49).
Conceptos exante y expost
Unidad de tiempo y de medida.
Variables dependientes e independientes.
Elasticidades. (Baumol c.8 hasta 175 ed.1964; cap9 hasta
190 ed.1980; Mochn 5; Parkin 5; Varian 15)
Definicin de los bienes.
Gasto e ingreso total. (Varian 15; conviene tambin el
cap 3 de Baumol)
Composicin de las curvas mediante suma horizontal.
(Diguez-Porto ej.35)
Desplazamientos de las curvas. Relacin entre los conceptos.


863
Lipsey, R. Introduccin a la economa positiva. Cap. 7 La teora
elemental de la demanda. La teora elemental de la oferta. Cap. 10
La elasticidad de la oferta y la demanda.
Mochn F. y Becker V. Economa, Principios y aplicaciones. Cap. 5
Oferta y demanda: conceptos bsicos y aplicaciones.
Parkin, M. Microeconoma. Cap.4 Demanda y oferta. Cap.5 Elastici-
dad.
Friedman, M. Teora de los precios. Cap. 2 La teora de la demanda
(hasta la pag. 49)
Baumol W. Teora econmica y anlisis de operaciones. Cap. 8 Teo-
ra del demanda (hasta la pag. 175).
Fernndez Pol, J. Conceptos matemticos tiles en microeconoma.
Parte I. Cap. 5 Funciones homogneas. Teorema de Euler.
Varian, Harl R. Microeconoma intermedia. Cap. 15 La demanda del
mercado.

UNIDAD 3: EL MERCADO COMPETITIVO.

Caracterizacin. Equilibrio. Condiciones de estabilidad (est-
ticas). Hiptesis del exceso de demanda (Walras). Hiptesis del ex-
ceso de demanda precio (Marsall). Modificacin del equilibrio. Est-
tica comparada. Subsidios e impuestos. Oferta conjunta, demanda
compuesta y demanda derivada en condiciones de coeficientes fijos.
Mercados relacionados. Modelo de la telaraa y otros modelos di-
nmicos. Condiciones de estabilidad dinmica. Predicciones e inter-
pretacin a travs del modelo de la oferta y demanda. Comparacin
de esquemas analticos. Introduccin a la estimacin de las funcio-
nes. Problemas de identificacin. Estudio de casos de la realidad.
Extensiones: introduccin a la econometra.

DETALLE:
UNIDAD 3: EL MERCADO COMPETITIVO.

Caracterizacin.

864
Equilibrio. Condiciones de estabilidad (esttica). Hiptesis del ex-
ceso de demanda -Walras). Hiptesis del exceso de demanda pre-
cio -Marsall. (Henderson-Quandt 6-7 y 6-8)
Modificacin del equilibrio. Esttica comparada. Subsidios e im-
puestos (Lipsey 9 y 11; Parkin 6)
Oferta conjunta, demanda compuesta y demanda derivada en con-
diciones de coeficientes fijos. Mercados relacionados.
(Friedman 7)
Modelo de la telaraa y otros modelos dinmicos. Condiciones
de estabilidad dinmica. (Lipsey 12; Henderson-Quandt
6-8 y 6-9)
- Predicciones e interpretacin a travs del modelo de la oferta y
demanda. Comparacin de esquemas analticos:
Introduccin a la estimacin de las funciones. Problemas de iden-
tificacin. (Baumol cap.10 ed.1980 es ms especfico
pero excede el nivel de la asignatura)
Estudio de casos de la realidad. (Eiras: chapa fro; discos
embrague; helados; departamentos, etc. resueltos en pginas Web )
Extensiones: introduccin a la econometra. (Baumol,
etc. ...)

Lipsey, R. Introduccin a la economa positiva. Cap. 9 La teora
elemental del precio de mercado. Cap. 11 Algunas predicciones de
la teora del precio (centra su enfoque en los impuestos, precios
mximos y precios mnimos). Cap. 12 La teora elemental del pre-
cio. Anlisis dinmico (incluye el modelo de la telaraa)
Varian H. R. Microeconoma intermedia. Cap. 16 El equilibrio.
Parkin, M. Microecoma. Cap. 6 Los mercados en la prctica.
Friedman M. Teora de los precios. Cap. 7 La demanda derivada.
Henderson J. y Quandt, R.: Teora microeconmica. Cap. 6 El equi-
librio del mercado; punto 6-7 La existencia y unicidad del equilibrio;
6-8 La estabilidad del equilibrio; 6-9 El equilibrio dinmico con ajuste
retrasado (modelo de la telaraa)

Bibliografa complementaria.

865
De Pablo, J y Tow, F.: Lecturas de microecoma por economistas
argentinos. Canavese, Alfredo J, Una exposicin sobre problemas
habituales en la estimacin de funciones de demanda.
Stigler, G. y Boulding, K., Ensayos sobre la teora de los precios.
Cap. 4 Working, E. J,: Qu demuestran las funciones estadsticas de
demanda ?

Ejercicios resueltos:
Diguez, H. y Porto, A,: Problemas de microeconoma. Problema 35
Agregacin de demandas.

UNIDAD 4: PROGRAMACION LINEAL COMO INSTRUMENTO DE
MODELACION MICROECONOMICA.

Los supuestos: aditividad, proporcionalidad, no negatividad y
funcin objetivo lineal. Actividades, item, flujos externos, ecuacio-
nes de balance, coeficientes de insumo producto. Variables de hol-
gura. Minimizacin y maximizacin. Planteo de problemas. Proble-
ma primal y dual. Variables artificiales. El mtodo Simplex. Su in-
terpretacin econmica. Precios sombra. Planteo y aplicacin de
teoremas. Anlisis de sensibilidad. Extensiones: programacin ente-
ra y no lineal.

DETALLE:
UNIDAD 4: PROGRAMACIN LINEAL COMO INSTRUMENTO DE
MODELACION MICROECONOMICA.

Los supuestos: aditividad, proporcionalidad, no negatividad y
funcin objetivo lineal. Actividades, item, flujos externos, ecuacio-
nes de balance, coeficientes de insumo producto. Variables de hol-
gura.
Minimizacin y maximizacin. Planteo de problemas.
(Baumol 5; Henderson-Quandt 5-6 y 5-7; Tow ficha
ed.Macchi)

866
Problema primal y dual. Variables artificiales. (Baumol
6)
El mtodo Simplex. Su interpretacin econmica. Precios sombra.
Planteo y aplicacin de teoremas. Anlisis de sensibilidad.
(3 paginas Eiras en Web; Ej. en Excel-Solver)Extensiones:
programacin entera y no lineal. (Baumol 7; Ej.en pagi-
nas Web Eiras con Solver de Excel)

Baumol, W. Teora econmica y anlisis de operaciones. Cap. 5
Programacin lineal
Henderson, J. y Quandt, R: Teora microeconmica. Cap. 5 punto 5-
6 Funciones de produccin lineales y 5-7 Programacin lineal.
Tow, Fernando V. Programacin lineal como instrumento de mode-
lacin microeconmica. Todas las secciones.
Bibliografa complementaria:
Dorfman, R., Samuelson, P., Solow, R, Programacin lineal y anli-
sis econmico. Cap. 5 El problema del transporte; punto 5-1 Un ca-
so sencillo y 5-4 Los valores implcitos: el dual.
Ejercicios resueltos:
Diguez H. y Porto, Problemas de microeconoma. Problema 13
Maximizacin del producto. Problema 14 Minimizacin del costo.
Problema 16 Plan de produccin. Problema 17 Plan de produccin
(II). Problema 18 Plan de produccin (III)

UNIDAD 5: EL CONSUMIDOR.

Preferencias y elecciones racionales. Utilidad cardinal y ordi-
nal. La restriccin presupuestaria. Maximizacin de la utilidad. Equi-
librio del consumidor. Deduccin de la curva de demanda individual.
Propiedades. Ecuacin de Slutsky. Efectos precio y renta. Clasifica-
cin econmica de los bienes. La preferencia revelada. Los ndices
de ingresos. Elecciones intertemporales. Extensiones: inclusin del

867
tiempo en la tecnologa del consumo y como restriccin. Costos de
bsqueda.

DETALLE UNIDAD 5: EL CONSUMIDOR

Preferencias y elecciones racionales.
Utilidad cardinal (Parkin 7)
...y ordinal (Parking 8; Baumol 8-5 hasta 8-10 ed.1964
9-5 hasta 9-10 ed.1980).
La restriccin presupuestaria.
Maximizacin de la utilidad.
Equilibrio del consumidor. (Friedman 2 pag. 49-73)(Varian
3,4,5)(Baumol 2 y3)
Deduccin de la curva de demanda individual. Propiedades.
(Diguez-Porto ej 32 y 34 )
Ecuacin de Slutsky. Efectos precio y renta. (Baumol
8-11 y 8-12 ed.1964 9-11 hasta 9-17 ed.1980; Henderson-Quandt
cap2 y 3-5)
Clasificacin econmica de los bienes. (Varian 8)
La preferencia revelada. (Baumol 8-12 o 9-13 ed.1980,
etc.) (Henderson-Quandt 3-5)(Varian 7) (Diguez-Porto ej.36)
Los ndices de ingresos.
Elecciones intertemporales. (Diguez-Porto ej.40)
Extensiones: inclusin del tiempo en la tecnologa del consumo y
como restriccin. (Varian 10) (Lago: Microec. c.XII)
Costos de bsqueda.

Fernndez Pol, J : conceptos matemticos tiles en microeconoma.
Parte II Cap. 3 Tercer caso: funciones de dos variables y una res-
triccin.
Parkin, M. Microeconoma. Cap. 7 Utilidad y demanda. Cap. 8 Posi-
bilidades, preferencias y elecciones.
Baumol, W.: Teora econmica y anlisis de operaciones. Cap. 8
Teora de la demanda (pag. 175 en adelante)

868
Friedman, M. Teora de los precios. Cap. 2 La teora de la demanda
(pag. 49 en adelante)
Henderson, H. y Quandt, R Teora microeconmica. Cap. 2 La teora
de la conducta del consumidor. Cap. 3 Temas sobre la teora de la
conducta del consumidor: puntos 3-5 La teora de la preferencia
revelada.

Varian, H. Microeconoma intermedia. Cap. 3 Las preferencias. Cap.
4 La utilidad. Cap. 5 La eleccin. Cap. 6 La demanda. Cap. 8 La
ecuacin de Slutsky.

Ejercicios resueltos.
Diguez H. y Porto A. Problemas de microeconoma. Problema 32
Utilidades independientes e interdependientes. Problema 34 Autar-
qua de un productor-consumidor. Problema 36 Preferencia revela-
da.

UNIDAD 6: LA EMPRESA Y LA UNIDAD DE NEGOCIOS.

Funcin de produccin. Isocuantas e isocostos. Rendimien-
tos de los factores variables y rendimientos a escala. Minimizacin
de costos. Eficiencia tcnica y econmica. Deduccin de las funcio-
nes de costos y sus relaciones. Costos de corto y largo plazo. Asig-
nacin de los factores de la produccin. La naturaleza de la em-
presa. Modelos de inventarios ptimos. El problema de los incen-
tivos. El financiamiento. La inversin y los flujos financieros. Anlisis
costo beneficio. Extensiones: evaluacin econmica y financiera de
proyectos.

DETALLE UNIDAD 6: LA EMPRESA Y LA UNIDAD DE NEGOCIO.


869
Funcin de produccin. (Mochn 7; Parking 10; Baumol
9 )
Isocuantas e isocostos.
Rendimientos de los factores variables y rendimientos a escala.
Minimizacin de costos (Baumol 2 y 3; Diguez-Porto ej.1 y 6;
Henderson-Quandt 5-1, 5-2; Varian 17 a 21)
Eficiencia tcnica y econmica. (Parkin 9; Mochon 7)
Deduccin de las funciones de costos y sus relaciones.
Costos de corto y largo plazo. (Mochon 8)
Asignacin de los factores de la produccin.
La naturaleza de la empresa. (Coase)
Modelos de inventarios ptimos. (Baumol 1);
El problema de los incentivos. El financiamiento. La inversin y los
flujos financieros. Anlisis costo beneficio. (Parkin 9)
Extensiones: evaluacin econmica y financiera de proyectos.

Mochn, F. y Becker, V. Economa, principios y aplicaciones. Cap. 7
La teora de la produccin y de los costos.
Parkin, M., Microeconoma. Cap. 10 Produccin y costos.
Baumol W., Teora econmica y anlisis de operaciones. Cap. 1
Optimizacin y un ejemplo de anlisis de existencias. Cap. 9 Pro-
duccin y costos.
Henderson J. y Quandt R. Teora microeconmica. Cap. 4 La teora
de la empresa. Cap. 5 Temas sobre la teora de la empresa: puntos
5-1 Funciones de produccin homogneas y 5-2 Las funciones de
produccin CES (elasticidad de sustitucin constante)

Bibliografa complementaria
Varian, H. Microeconoma intermedia. Cao. 17 La tecnologa. Cap.
20 Las curvas de costes.
Friedman, M. Teora de los precios. Cap. 5 Las relaciones entre cur-
vas de oferta y curvas de costes.
Coase, Ronald. La naturaleza de la empresa, en Stigler, G. y Boul-
ding, K.,: Ensayos sobre la teora de los precios.

870

Diguez, H. y Porto, A. Problemas de microeconoma. Problema 1
Minimizacin del costo de producir una cantidad dada de un bien.
Problema 6 Rendimientos a escala.

UNIDAD 7: EL OBJETIVO DE LA EMPRESA Y FORMAS DE MER-
CADO DE PRODUCTOS.

Competencia perfecta, maximizacin de beneficios y la curva
de oferta individual y de la industria. Corto y largo plazo, Economas
y deseconomas externas. Monopolio maximizador de beneficios.
Monopolio maximizador de ventas con restriccin de beneficios.
Monopolio discriminador de precios. Empresa lder con competi-
dores perfectos. Competencia imperfecta. Duopolio: soluciones de
Cournot, de von Stackelberg, de Bertrand y de colusin. Teora
de los juegos. Publicidad. Oligopolios: la demanda quebrada, la
participacin fija en el mercado. Modelos de competencia espacial.
Extensiones: evaluacin emprica de algunos modelos de con-
ducta empresaria.

DETALLE UNIDAD 7: EL OBJETIVO DELA EMPRESA Y FORMAS
DEL MERCADO DE PRODUCTOS

Competencia perfecta, maximizacin de beneficios y la curva
de oferta individual y de la industria.
Corto y largo plazo,
Economas y deseconomas externas (Mochon 9) (Par-
kin 11) (Henderson-Quandt 6-1 hasta 6-5) (Varian 21, 22)
Monopolio maximizador de beneficios. (Monchon 10;
Baumol 11; Henderson-Quandt 7; Varian 19)
Monopolio maximizador de ventas con restriccin de beneficios.

871
Monopolio discriminador de precios. (Diguez-Porto ej. 25
caso general ! )(Parkin 12) (Varian 23, 24) (Baumol 16-13 caso
sencillo !)
Empresa lder con competidores perfectos.
Competencia imperfecta. (Mochon 11)(Parking 13) (Hen-
derson-Quandt 8-1 8-2 8-3))
Duopolio: soluciones: de Cournot
de von Stackelberg,
de Bertrand y
de colusin. (Diguez-Porto ej.19, 20, 23,24,25,28,30,31)
Teora de los juegos. (Parkin 13) (Henderson-Quandt 8-5)
Publicidad. (Baumol 10)
Oligopolios: la demanda quebrada, la participacin fija en el merca-
do. (Stigler)
Modelos de competencia espacial. (Lago: Microec. c.XI)
Extensiones: evaluacin emprica de algunos modelos de con-
ducta empresaria. (Baumol 10 o 15 ed.1980 ) ( DiTella;
De Pablo; Tow)

Mochn F. y Becker V. Economa, principios y aplicaciones. Cap. 8
El mercado de competencia perfecta. Cap. 9 El monopolio. Cap. 10
El oligopolio y la competencia monopolista.
Parkin, M. Microecoma. Cap. 11 Competencia. Cap. 12 Monopolio.
Cap. 13 Competencia monopolista y oligopolio.
Baumol W. Teora econmica y anlisis de operaciones. Cap. 10 La
empresa y sus objetivos. Cap-. 11 Estructura del mercado, determi-
nacin de precios y produccin.
Henderson J y Quandt R Teora microeconmica. Cap. 6 El equili-
brio del mercado: punto 6-1 Los supuestos de la competencia per-
fecta; 6-2 Funciones de demanda; 6-3 Funciones de oferta; 6-4
Equilibrio del mercado de un bien; 6-5 Una aplicacin a los impues-
tos. Cap. 7 Monopolio, monopsonio y competencia monopolisti-
ca.Cap. 8 Duopolio, oligopolio y monopolio bilateral: puntos 8-1
Duopolio y oligopolio: producto homogneo; 8-2 Duopolio y oligopo-

872
lio: productos diferenciados; 8-3 Duopsonio y oligopsonio; 8-5 Mo-
nopolio bilateral.
Varian, H. Microeconoma intermedia. Cap. 18 La maximizacin del
beneficio. Cap. 19 La minimizacin de los costes. Cap. 21 La oferta
de la empresa. Cap. 22 La oferta de la industria. Cap. 23 El mono-
polio. Cap. 24. La conducta del monopolio. Cap. 2 El oligopolio.

De Pablo J. y Tow F. Lecturas de microeconoma por economistas
argentinos. Di Tella, Guido y Baccino, Osvaldo: Anlisis terico de
los efectos de la intermediacin comercial. El caso de la industria del
automvil en Argentina. De Pablo, J.; Monopolio y tarifas de impor-
tacin. De Pablo, J.: Comparacin del equilibrio competitivo y mono-
plico. Tow, F. Un caso de equilibrio mltiple en el monopolio sim-
ple.
Stigler, G. y Boulding, K. Ensayos sobre la teora de los precios.
Stigler G. La demanda quebrada y precios rgidos.

Diequez H y Porto A. Problemas de microeconoma. Problema 19
Impuesto a las ventas a un monopolista. Problema 20 Publicidad.
Problema 23 Monopolista con ventas en dos mercado (I). Problema
24 Monopolista con ventas en dos mercados (II). Problema 25 Mo-
nopolista con ventas en dos mercados y discriminacin de precios
en uno de ellos. Problema 28 Duopolio. Problema 30 Mercado de un
bien: soluciones de competencia y monopolio. Problema 31 Empre-
sa de energa: tarifas y capacidad de planta.

Las Unidades 8 y 9 estn consideradas como extensiones de la
Unidad 7 Distancia y la Unidad 10 es la Unidad 8 Distancia

UNIDAD 8: FORMAS DE MERCADO DE FACTORES.

873

La demanda de los factores de produccin bajo condiciones
de competencia y monopolio en el mercado de productos. Oferta de
factores en condiciones de competencia, de monopsonio y oligop-
sonio. Monopolio bilateral. Sindicatos. Negociacin. Intermediarios
monoplicos y monopsnicos. Rentas y cuasirentas. La oferta de
trabajo a corto plazo: eleccin entre ocio e ingreso. La oferta laboral
a largo plazo. Diferenciales de ingreso. Extensiones: capital humano
y no humano.

DETALLE UNIDAD 8: FORMAS DE MERCADO DE FACTORES.

La demanda de los factores de produccin bajo condiciones de
competencia y monopolio en el mercado de productos. (Lipsey
28)(Mochn 13)(Parkin 14 y 15)(Friedman 7 y 9)(Varian
25)(Henderson-Quandt 4-3 y 6-6)
Oferta de factores en condiciones de competencia,
de monopsonio
y oligopsonio. (Tow)
Monopolio bilateral. (Hendersn-Quandt 8-5)
Sindicatos. Negociacin.
Intermediarios monoplicos y monopsnicos.
Rentas y cuasirentas.
La oferta de trabajo a corto plazo: eleccin entre ocio e ingreso.
La oferta laboral a largo plazo.
Diferenciales de ingreso.
Extensiones: capital humano y no humano. (Parkin
18)(Mochon 14)

Lipsey R. Introduccin a la economa positiva. Cap. 28 Salarios y
contratacin colectiva.
Mochn F. y Becker V. Economa, principios y aplicaciones. Cap. 13
Distribucin y sistema de precios.

874
Parkin, M. Microeconoma. Cap. 14 La fijacin de precios y la asig-
nacin de los factores de la produccin. Cap. 15 Mercados de traba-
jo.
Varian H. Microeconoma intermedia. Cap. 25. Los mercados de
factores.
Henderson J. y Quandt R. Teora microeconmica. Cap. 4 La teora
de la empresa: punto 4-3 Demanda de inputs. Cap. 6 El equilibrio
del mercado: punto 6-6 El equilibrio en el mercado de factores.
Friedman M. Teora de los precios. Cap. 7 Demanda derivada (La
demanda de trabajo y la oferta de trabajo, el control sobre los sala-
rios). Cap. 9 La teora de la productividad marginal y la demanda de
los factores de produccin. Cap. 11 La oferta de factores de produc-
cin.

De Pablo, J. y Tow F., Lecturas de microeconoma por economista
argentinos. Tow F. Anlisis crtico de un caso de oligopsonio.

Salario mximo. Problema 33 Eleccin entre consumo y ocio.

UNIDAD 9: INCETIDUMBRE Y RIESGO Y CONCEPTOS DELA
TEORIA DE LOS JUEGOS.

Distincin. Axiomas de von Neumann y Morgenstern. La utili-
dad esperada. Funciones cncavas y convexas de utilidad. El segu-
ro y el juego. La maximizacin de la utilidad esperada en la teo-
ra del consumidor y de la empresa. Comparacin con modelos
de certeza. Juegos cooperativos y no cooperativos en forma estra-

875
tgica. Conceptos de solucin. Extensiones: aplicaciones macro-
econmicas.

DETALLE UNIDAD 9: RIESGO E INCERTIDUMBRE Y CONCEP-
TOS DE LA TEORA DE LOS JUEGOS.

Distincin. (Parkin 13 y 17)(Friedman 4)
Axiomas de von Neumann y Morgenstern.
La utilidad esperada.
Funciones cncavas y convexas de utilidad.
El seguro y el juego. (Varian 12 y 27; Henderson-Quandt 3-
8, 3-9, 5-5, 6-10, 8-4; Baumol 17, 18, 19; Diguez-Porto ej.42 y 43)
La maximizacin de la utilidad esperada en la teora del consumidor
y de la empresa.
Comparacin con modelos de certeza.
Juegos cooperativos y no cooperativos en forma estratgica.
Conceptos de solucin.
Extensiones: aplicaciones microeconmicas.

Parkin, M. Microeconoma Cap. 13 Competencia monopolstica y
oligopolio. Cap. 17 Incertidumbre e informacin.
Varian H. Microeconoma intermedia. Cap. 12 La incertidumbre.
Cap. 27 La teora de los juegos.
Henderson J. y Quandt R. Teora microeconmica. Cap. 3 Temas
sobre la teora de la conducta del consumidor: puntos 3-8 EL pro-
blema de la eleccin en situacin con riesgo. Los axiomas. Utilidad
esperada. Cap. 5 Temas sobre la teora de la empresa: punto 5-5
Produccin en un contexto de incertidumbre. Cap. 6 El equilibrio del
mercado: punto 6-10 Los mercados de futuros. Cap. 8 Duopolio,
oligopolio y monopolio bilateral: punto 8-4 Teora de los juegos.
Friedman M. Teora de los precios. Cap. 4 El anlisis de la incerti-
dumbre basado en la utilidad.
Baumol W. Teora econmica y anlisis de operaciones. Cap. 17
Utilidad cardinal de Neumann-Morgenstern. Cap. 18 teora del jue-
go. Cap. 19 Teora de los acuerdos.

876
Gibbons, R. Un primer curso de teora de los juegos. Cap. 1 y 2

Stigler G. y Boulding K. Ensayos sobre la teora de los precios. Cap.
3.
Friedman, Milton y Savage, L. Estudio de las elecciones que impli-
can un riesgo, a la luz de la teora de la utilidad.
Dorfman R, Samuelson P y Solow R. Programacin lineal y anlisis
econmico. Cap. 15 Elementos de la teora de los juegos.

Elecciones en situacin de riesgo (I) Problema 43 Eleccin en si-
tuaciones de riesgo (II).

Las Unidades 8 y 9 estn consideradas como extensiones de la
Unidad 7 Distancia y la Unidad 10 es la Unidad 8 Distancia

UNIDAD 10: EQUILIBRIO GENERAL Y DISTRIBUCION DEL IN-
GRESO.

El modelo de dos factores (fijos) y dos productos con eco-
noma cerrada. Ley de Walras y de Say. Caja de Edgeworth. Curva
de posibilidades de produccin. Modelo con coeficientes fijos de
produccin. Distribucin del ingreso bajo competencia perfec-
ta. Efecto del monopolio y de impuestos. Apertura de la econo-
ma de un modelo de pas pequeo. Equilibrio parcial versus ge-
neral. Extensiones: costos privados y sociales. Introduccin a la
teora del bienestar.

DETALLE UNIDAD 10: EQUILIBRIO GENERAL Y DISTRIBUCION
DEL INGRESO


877
El modelo de dos factores (fijos) y dos productos con economa ce-
rrada.
Ley de Walras y de Say. (Baumol 12, 13 ed. 1964 o Cap
20, 21,22 en ed.1980) (Henderson-Quandt 9-2) (Varian 28)
Caja de Edgeworth. (Mochon 12)(Henderson-Quandt 9-2;
Varian 29 + apndice; Diguez-Porto 45)
Curva de posibilidades de produccin.
Modelo con coeficientes fijos de produccin. (Diguez-
Porto ej. 4, 48, 50; ej. Paginas Web Eiras)
Distribucin del ingreso bajo competencia perfecta.
(Parkin 20, 21, 22)
Efecto del monopolio y de impuestos. (Friedman 3)
Apertura de la economa de un modelo de pas pequeo. (
Tow )
Equilibrio parcial versus general.
Extensiones: costos privados y sociales. (Mochon
12)(Varian 34)
Introduccin a la teora del bienestar. (Varian 30, 31)

Parkin , M. Microeconoma. Cap. 19 Imperfeccin del mercado. Cap.
20 Eleccin pblica. Cap. 21 Regulacin y legislacin antimonopolio
Varian H. Microeconoma intermedia. Cap. 33 Los bienes pblicos.
Friedman M. Teora de los precios. Cap. 3 Los efectos de los im-
puestos sobre el bienestar.

Varian H. Microeconoma intermedia. Cap. 29 La produccin.

Diguez H y Porto A. Problemas de microeconoma. Problema 4 -
Funcin de transformacin. Problema 48 Modelo de economa con
dos sectores productivos y relaciones de insumo-producto. Proble-
ma 50 Caso de un factor no reasignable.


878
REFERENCIAS BIBLIOGRFICAS
Se han buscado y no fueron encontrados (en Microsoft, ni en edito-
riales internacionales, en ingls o en castellano) textos o CD (tienen
interactividad) con casos ejemplificados mediante Excel sobre este
tipo de contenido. Consecuentemente, se aplic en el presente
trabajo el utilitario Excel, para clarificar y abreviar la solucin de
ejercicios conceptuales publicados en diversos trabajos.
Algunos pocos ejercicios forman parte del paquete Excel del Office
de Microsoft; pero la mayor parte de los ejercicios conceptuales ha
sido obtenida de los textos utilizados en los programas de Micro-
economa I, o de Estadstica, de la Facultad de Ciencias Econmi-
cas de la Universidad de Buenos Aires.

Varios de ellos se listan a continuacin (otros trabajos pueden no
estar listados aqu y se pide disculpa):

-Allen, R. G. D., Anlisis Matemtico para Economistas, Madrid:
Aguilar Ediciones, 1964.

-Baumol, W. J., Teora Econmica y Anlisis de Operaciones,
Madrid: Editorial Dossai, 1980.`

-Becker, V. A., Microeconoma Aplicada, Buenos Aires: Editorial de
Belgrano, 1992.

-Bronson, R., Investigacin de Operaciones- Teora y 310
Problemas Resueltos. Editorial McGaw Hill: serie Schaum
publicado en espaol. ISBN 968-451-385-2

-Cecil Mills, F., Mtodos Estadsticos Aplicados a la Economa y a
los Negocios, Madrid, Aguilar Ediciones, 1965.

-Chiang A., Mtodos fundamentales de economa matemtica,
Buenos Aires: Amorrortu Editores, 1977.

879

-Cortada, N.-Carro, J. M., Estadstica Aplicada, Buenos Aires,
EUDEBA, 1968.

-Davies, O. L., Mtodos Estadsticos Aplicados a la Investigacin a
la Produccin, Madrid: Aguilar Ediciones, 1965.

-Diguez, H.-Porto, A., Problemas de Microeconoma, Buenos
Aires: Editorial Amorrortu, 1972.

-Eiras Roel, S., Microeconoma: ejercicios de los cursos FCE-UBA,
Buenos Aires, accesibles en:
www.Microeconomaconexcel.com
http://distancia.econ.uba.ar
http://www.econ.uba.ar/www/departamentos/economia/plan9
7/micro1/eiras_roel/
Dep..Economa (Microeconoma I-ctedra I -adjunto Eiras
Roel);
www.aplinfo.com.ar (clave en Entrar: Microeconoma)

-Ferguson, C. E.-Gould, J., Teora Microeconmica, Buenos Aires:
Editorial Fondo de Cultura Econmica, 1983.

-Fernndez Pol, J. Demanda de los Consumidores, Ediciones
Rancagua.

-Gonzlez Garca, J. A., Tcnica operativas para la toma de
decisiones, Madrid: Editorial Index, 1976.
-Gujarati, Damodar N., Econometra (Un. West Point)
-Henderson, J.M.-Quandt, R.E., Teora Microeconmica, Barcelona,
Editorial Ariel, 1985.
-Kmenta, J., Elementos de Econometra, Barcelona: Editorial Vicens
Universidad, 1980.


880
-Lago. A. V., Microeconoma, Buenos Aires: Ediciones Macchi,
1976.

-Moroney, M. J., Hechos y Estadsticas, Buenos Aires: EUDEBA,
1970.

-Rbora, T. I., Ejercicios de los cursos de microeconoma I, en
www.rebora.homestead.com

-Solana, R. F., Planeamiento y control de la produccin, Buenos
Aires: Editorial El Coloquio, 1974.

-Spiegel, M. R., Estadstica, Bogot: Editorial McGraw Hill, 1969.

-Taha, Handy A., Investigacin Operativa (Un. Arkansas).
-Toranzos, F. I., Estadstica, Buenos Aires, Editorial Kapelusz, 1962.
Tambin Formacin Matemtica del Economista, Buenos Aires,
Fondo de Cultura Econmica, 1964.

-Tow, F., Programa de Microeconoma I, Buenos Aires: Facultad
Ciencias Econmicas-UBA, 1997.

-Tow, F., Gua de trabajos prcticos Microeconoma, Ed. CECE.

-Trejo, C. A., Matemtica General, Buenos Aires, Editorial Kapelusz,
1962.

-Varian y Bergstrom (Bergstrom-Varian), Ejercicios de
Microeconoma Intermedia, Barcelona: Editorial Bosch, 1987.

-Varian, H. R., Anlisis Microeconmico, Barcelona: Editorial Bosch,
1998.
-Varian, H. R., Microeconoma Intermedia, Barcelona: A. Bosch
Editor, 1998.


881
-Watson, D. S., Teora de los precios en accin, Mxico: Editorial
Trillas, 1981.

-Yamane, T., Matemticas para Economistas, Barcelona, Editorial
Ariel, 1965.

INDICE ALFABTICO

A. MARSHALL 324
Y LAGRANGE) 328
CON SERIES, CON ECUACIONES, MATRICES O CON PROGRAMACIN LINEAL? 177
HASTA DNDE MICROECONOMA Y HASTA DNDE ESTADSTICA? 88
LOS ALGORITMOS NO CALCULAN NADA (2) 728
ANALISIS DE COYUNTURA 184
AJUSTE LINEAL DE LA DEMANDA 382
AJUSTAMIENTO LINEAL CON EXCEL 169
AJUSTAMIENTO LOGARITMICA CON EXCEL 170
AJUSTAMIENTO POLINOMICA CON EXCEL 173
AJUSTAMIENTO POTENCIAL CON EXCEL 171
AJUSTAMIENTOS 126
AJUSTE ANTE UNA BAJA DE OFERTA POR SUBA DE COSTOS 464
AJUSTE ANTE UNA BAJA EN LA DEMANDA 461
ALGORITMOS PARETO EFICIENTE 666
Algunos smbolos matemticos 730
AMENAZA CREIBLE 560
ANLISIS COMBINATORIO. Reglas de conteo 282
ANLISIS DE BALANCES 458
ANLISIS DE COYUNTURA PARA PRONSTICOS 178
ANLISIS DE REGRESIN 137
ANLISIS DE UNA SERIE CRONOLGICA 122
ANLISIS DE VARIABLES INDIVIDUALES 100
ANLISIS DE VARIANZA 136
ANLISIS DE VARIANZA Y COVARIANZA 133
ANALISIS DINAMICO - MODELOS DE SIMULACION 466
ANALISIS ENVOLVENTE DE DATOS (DEA) 660
ANALISIS NUMERICO - CALCULO NUMERICO DEL COS 750
ANOVA (en ingls ANLISIS DE VARIANZA 138

882
ANTIDUMPING 543
APORTES DE MICROECONOMA CON EXCEL (MCE)
55
1) Exposiciones simplificadas 55
2) Seis mtodos equivalentes 56
3) Estimacin de funciones 57
4) Programacin con cientos de variables 58
5) Matrices con Excel 58
6) Otros 10 utilitarios 58
7) Empresa sobredimensionada: 59
8) Casos de antidumping y countervailing duty 60
9) Cuatro contextos econmicos 60
10) Elasticidad media 62
11) Es prcticamente til la ecuacin Slutsky? 62
12) Como obtener funciones y grficos desde series y viceversa 64
13) Funciones muy complejas 64
14) Anlisis dinmico 64
15) Modelo de la Telaraa y su nmero de perodos 64
16) Modelos de simulacin: 65
17) El problema de identificacin 65
18 Mtodos cientficos 67
19) Un error en la microeconoma clsica, el sujeto 68
20) Otro error en la microeconoma clsica, las generalizaciones sobre sistemasNxN: 69
21) Visin de la microeconoma como la economa de la empresa 71
22) Simplificacin de la Teora de los Juegos, del S.XXI 72
23) Omisin tradicional en el MIT, LSE, OXFORD Y SALAMANCA 72
24) Brecha entre modelacin y realidad Broche de Oro - 74
25) MONOPSONIO OLIGOPSONIO CON MS PRECISION 78
APUESTA DE PASCAL 636
ARCHIVO CON 6 METODOS: 395
METODOS SEIS EQUIVALENTES 398
(UN CASO CON 12 RESULTADOS IGUALES DEL PRIMAL Y DEL DUAL) 398
Cuadro resumen del ejemplo autos y motos: 399
Aproximacin, recordando cmo derivar: 400
1 ) LAGRANGE 401
1b ) DUAL: 403
DETERMINANTE 404
2 ) METODO GRAFICO - Maximizacin 405
2b ) DUAL - Minimizacin 407
3 ) AUTOS y MOTOS SEGN SIMPLEX 409
3b) VERIFICACION DE LA ULTIMA TABLA SIMPLEX CON MATRICES 411

883
4 ) SOLUCION CON SOLVER de Excel 412
5 ) MATRICES (MANUALMENTE) 413
AYUDA: ALGEBRA MATRICIAL 416
6 ) MATRICES CON EXCEL 417
DUALIDAD: 418
ASIMETRA Y CURTOSIS 115
ATRACTORES FRACTAL CAOS 752
AXIOMAS DE LA LGICA NEUMANN-MORGENSTERN 692
AXIOMAS DE LA UTILIDAD ESPERADA SUBJETIVA SEU: 744
AYUDA DE MICROSOFT ON LINE 827
B) AJUSTE PARABLICO DEL COSTO MEDIO 383
BAYES REGLA O TEOREMA DE BAYES 280
BIENES SUNTUARIOS 341
BONDAD DE UN AJUSTE 311
BRECHA ENTRE MODELACON Y REALIDAD BROCHE DE ORO AUSENTE - 762
CADENAS DE MARKOV 297
CAPTULO 1 87
CAPTULO 6 - 313
CAPITULO 10 652
CAPTULO 2 - 100
CAPTULO 3 - 177
CAPTULO 4 - 275
CAPTULO 5 - 302
CAPTULO 7 - 364
CAPITULO 9 548
CARGA IMPOSITIVA PARA EXPORTADORES 545
CARPINTERIA 423
CARTEL (COLUSIN ENTRE EMPRESAS) 496
CICLOS 124
CIVILIZACION OCCIDENTAL 17
COASE: COSTOS DE TRANSACCION E INSTITUCIONES ADECUADAS 499
COEFICIENTE DE CORRELACIN 128
COMPARACIONES DE SOFT 813
COMPETENCIA BAJO INCERTIDUMBRE 702
COMPETENCIA DESLEAL 542
COMPETENCIA MONPOLICA 491
COMPUTADORES 427
CON GAMS, WINQSB, MATLAB, TORA, LINDO, VIEWS, SPSS, STATA 720
CON SOLVER DE EXCEL 189
CON SOLVER DE EXCEL 570

884
CONCLUSIN 121
CONSENSO DE WASHINGTON 74
CONTEXTO ALEATORIO 275
CONTEXTO CIERTO 100
CONTEXTO INCIERTO - SEGUROS 697
CONTRATACIN BAJO MONOPOLIO (CON SINDICATO) 506
CONTRATACIN BAJO MONOPSONIO 504
CONTRATACIN EN COMPETENCIA PERFECTA: 479
Contribucin marginal (precios sombra) 197
CORRELACIN - EN MUESTRAS 131
CORRELACIN EN UNA POBLACIN 129
CORRELACION MLTIPLE CON STATA 158
CORRELACION CON EVIEWS (ex TSP) 154
CORRELACIN MULTIPLE Y ANOVA CON SPSS (IBM) 152
Costo de oportunidad: 197
COVARIANZA 127
CREAR UNA MACRO DINAMICA (BUCLE) 469
CRITERIO DE CONTRATACIN 479
CRITERIOS DE BIENESTAR: TEORIA DE LA DECISION 694
CUATRO CONTEXTOS EN EL ANALISIS Y TOMA DE DECISIONES 685
CURVA DE INDIFERENCIA Y RECTA DE PRESUPUESTO 320
DECILES: 113
DEDUCCION DE LA ECUACION DE SLUTSKY 343
DEFORMACIONES CONTABLES USUALES 455
DEMANDA COMO CORRELACIN PRECIO-CANTIDAD 130
DEMANDA QUEBRADA DE SWEEZY 618
DEMANDA, INGRESO TOTAL Y MARGINAL 97
DESDE ECUACIONES OBTENER SERIES Y GRFICOS 92
DESDE LA GEOMETRIA PLANA DE EUCLIDES HACIA LA GEOMETRIA ANALITICA 39
DESDE SERIES OBTENER ECUACIONES Y GRFICOS 91
DESTINATARIOS DE LA MICROECONOMA 51
DESVIACIN ESTNDAR- EN UNA POBLACIN: 108
DESVO CUARTLICO 120
DESVIO ESTNDAR 107
DESVIO ESTNDAR Y VARIANZA: 114
DETERMINANTES 330
DISCOS DE FRENO PARA AUTOS 134
DISGRESIN MACROECONMICA 75
DISTRIBUCIN BINOMIAL 277
DISTRIBUCIN BINOMIAL 285

885
DISTRIBUCIN DE POISSON 291
DISTRIBUCIN NORMAL 278
DISTRIBUCIN NORMAL 286
DISTRIBUCIN STUDENT 305
DOMINACION - DOMINANCIA 562
DOS RECTAS DE REGRESION 127
DOS SOFAS SIMPLES MS UNO TRIPLE 370
DUALIDAD 198
DUALIDAD 366
DUDAS SOBRE MICROECONOMA Y SUS METODOS CIENTIFICOS: 392
DUOPLIO DE EDGEWORTH 620
DUOPOLIO DE BERTRAND 619
DUOPOLIO DE CHAMBERLIN 614
ECONOMIA DE LA INFORMACION 690
ECONOMIA DEL BIENESTAR 681
ECONOMIA EXPERIMENTAL Y LA SEU 679
ECONOMIA NO ES MEDICINA NI ES MECNICA 151
ECUACIN DE SLUTSKY 338
EDITOR DE ECUACIONES DEL OFFICE MICROSOFT 828
EFECTO DEL CAMBIO DEL PRECIO DE X SOBRE LA DEMANDA DEL BIEN Y: 342
EFECTO DEL CAMBIO DEL PRECIO DEL BIEN X SOBRE LA DEMANDA DEL BIEN X: 340
EFECTO INGRESO-SUSTITUCIN SEGN HICKS 331
EJECUTABLE MULTICRITERIO ORDENADOR FCE-UBA 667
EJEMPLO BAJO INCERTIDUMBRE: 703
EJEMPLO DE SUBASTA MULTIPLE 720
EJEMPLO DE SUBASTA VICKREY MULTIPLE OBJETO 715
EJEMPLO DE SUBASTAS REPETIDAS 722
EJEMPLO SUBASTA VICKREY EN PAQUETES 717
EJEMPLOS DE JUEGOS NO COOPERATIVOS 556
EJERCICIOS PROPUESTOS 775
EL DILEMA DEL PRISIONERO 557
EL JUEGO DE LA CERVEZA DEL MIT 757
EL KILO DE GUISANTES DE MENDEL 310
EL TEOREMA DE LA MEDIANA 616
ELASTICIDAD MEDIA O PROMEDIO 129
EMPRESA CON DOS PLANTAS (MULTIPLE FACTORIA) 489
EMPRESA DOMINANTE 617
EMPRESA LDER Y SEGUIDORAS 494
Enfoque prctico del curso: 865
ENSAYOS CON UNA Y DOS COLAS 303

886
ENUNCIADOS DE EJERCICIOS CON 50 TIPOS DE TP 762
EQUILIBIO DEL CONSUMIDOR: DEMANDA DERIVADA 324
EQUILIBRIO DE LA EMPRESA CON PRODUCCION DIVERSIFICADA: 530
-A) Produccin simple: 530
- B) Producciones mltiples 531
- C) producciones mltiples conjuntas o conexas 532
SUBPRODUCTOS 533
PRODUCCION CONJUNTA DEPENDIENTE (CONEXA) 536
MODELACION Y PROGRAMACION MULTIPRODUCTO. 538
EQUILIBRIO DE LA EMPRESA CON SOLVER 386
EQUILIBRIO EMPRICO CON HOJA DE CLCULO EXCEL 381
EQUILIBRIO EN MERCADOS COMPETITIVOS 95
EQUILIBRIO GENERAL DE PRODUCCIN-INTERCAMBIO 221
EQUILIBRIO GENERAL Y TEORIA DE LOS JUEGOS -CAJA DE EDGEWORT- 681
EQUILIBRIO Y CANTIDAD DE COMPETIDORES 481
EQUILIBRIO Y OPTIMIZACION MULTIPLE PRODUCTO 530
ERRORES EN LA MICROECONOMA CLASICA 50
ESTABILIDAD DINAMICA (teorema de la telaraa) 459
ESTADISTICA DESCRIPTIVA EXCEL 140
ESTIMACIN DE DEMANDA POR CORRELACIN MLTIPLE - PRONSTICOS: 134
ESTIMACION DE FUNCIONES (REGRESION) 166
ESTIMACIN LINEAL (MLTIPLE) - VENTA DE HELADOS 142
ESTRATEGIAS DOMINADAS 560
ESTRATEGIAS MIXTAS 559
ESTUDIAR LA DEMANDA 90
ESTUDIOS DE DEMANDA EN LAS EMPRESAS y 94
ESTUDIOS DE DEMANDA Y MERCADO BAJO CUATRO CONTEXTOS 98
ETAPAS DEL PROCESO PRODUCTIVO 187
EUCLIDES: El V POSTULADO EN LOS ELEMENTOS 21
EVALUACION CONTABLE DE UNA EMPRESA 455
EVALUACIN DE EXMENES 132
EVALUACIN DE INVERSIONES TIR Y VAN 450
EVALUACION DE LA TEORIA DEL LOS JUEGOS 672
EVALUACIN DE PROYECTOS INCIERTOS 699
EVOLUCION DE LA MATEMATICA Y LA ECONOMIA 19
EXTENDER CLCULOS EN EXCEL 97
FBRICA DE MESAS Y SILLAS ZONDA 200
FOLK THEOREM 601
FUNCIN DE DEMANDA TERICA (HIPERBLICA) 93
FUNCIN DE DEMANDA LINEAL 92

887
FUNCIN COMBINADA DE LAGRANGE 336
FUNCION LOGISTICA DE LORENZ 750
HALCON Y PALOMA 593
IMPUT-OUTPUT 220
INCERTIDUMBRE SEGN J. M. KEYNES 746
INDICE ALFABTICO 853
INDICE DE PODER DE BANZHAF CON EXCEL 646
INDICE DE PODER DE SHAPLEY Y DE BANZHAF CON EXCEL 640
INDICES DE PRECIOS Y LOS INSTITUTOS DE ESTADISTICAS Y CENSOS (INDEC) 348
INFORMACION ASIMETRICA (CONTRATOS) 690
INFORMACION IMPERFECTA 632
50 INFORMES PARA 50 TP (GUIA) 776
INTRODUCCIN 17
INVESTIGACION OPERATIVA CON EXCEL, WINQSB; GAMS, LINDO, TORA Y OTROS 234
ITERACIONES EXCEL 467
JUEGOS CON COLUSION (CARTEL) 614
JUEGOS CON PROGRAMACION LINEAL SIMPLEX 569
JUEGOS CON PROGRAMACIN LINEAL, GEOMTRICAMENTE, ANALTICAMENTE Y CON
SOLVER
562
JUEGOS EN FORMA EXTENSIVA 565
JUEGOS MULTIPLES NO COOPERATIVOS 652
JUEGOS REPETIDOS Y SUPERJUEGOS 569
LA OPTIMIZACION SUBJETIVA (Y LOS BANZHAF): 645
LA TRAGEDIA DE LOS (BIENES) COMUNES: OSTROM 501
LICITACIONES (SUBASTAS / AUCTIONS) 707
LIMITACIONES DE LA TEORIA DE LOS JUEGOS 676
LISTADO DE TP RESUELTOS Y ARCHIVOS 805
LOGICA DIFUSA (FUZZY) / MATEMATICA BORROSA 747
LOS ALGORITMOS NO CALCULAN NADA 665
MALDICIN DEL GANADOR 711
MARKETING 754
MATRICES METODO DE DETERMINANTES: 255
MATRICES Y DETERMINANTES: 216
MATRIZ DE COVARIANCIA 147
MATRIZ DE CORRELACION CON EXCEL 144
MATRIZ DETERMINANTE 218
MATRIZ INSUMO-PRODUCTO 216
MATRIZ INSUMO-PRODUCTO ARGENTINA 1997 224
MAXIMIZACIN DE LA PRODUCCIN 364
MAXIMIZACIN SEGN LA INDIFERENCIA DE W. PARETO 328

888
MAXIMIZACIN SEGN LA UTILIDAD MARGINAL 324
MAXIMIZAR UNA INVERSIN EN BONOS 208
MEDIA ARITMTICA 110
MEDIA ARMNICA 103
MEDIA ARMNICA: 112
MEDIA GEOMTRICA 102
MEDIA GEOMTRICA: 111
MEDIANA: 105
MEDIDA DE LA RAPIDEZ DEL AJUSTE 462
MEDIDAS DE DISPERSIN 114
MEDIDAS DE DISPERSIN - VARIANZA: 106
MEDIDAS DE POSICIN. MEDIA ARITMTICA: 102
MEJOR AJUSTAMIENTO CON FINDGRAPH 174
MERCADO COMPETITIVO 481
MERCADO COMPETITIVO CON IMPUESTOS 95
MERCADOS DE FUTUROS 700
Mtodo de los mnimos cuadrados: 126
Mtodo de los nueve puntos: 124
Mtodo de los promedios mviles 122
METODO GRAFICO CON WINQSB 238
METODO SIMPLEX, EN FORMA ESTANDAR Y CANONICA 228
MTODOS CIENTICOS: 388
a ) FORMAS DE ESTUDIAR 388
b) PRESENTACION TIPO INFORME PROFESIONAL 389
c) METODOS DE DEMOSTRACION 389
MICROECONOMA CLASICA 37
MINIMIZACIN DE COSTOS CON SOLVER 369
MINIMIZACION, ENTERO - MINERA 424
Minimizar el costo de produccin: 198
MNIMO COSTO PARA OBTENER UNA PRODUCCIN DE 200.000 KILOS 366
MODA(O): 105
MODA(O): 113
MODELACION DEL EQUILIBRIO EMPRESARIO (Y GENERAL) 435
MODELACION DE PROGRAMACION CON SOLVER 427
MODELACION EMPRESA SOBREDIMENSIONADA EN UN PAIS EN DESARROLLO 621
MODELACION MATEMTICA 423
MODELACION NEOCLSICA 510
MODELACION Y PROGRAMACION MULTIPRODUCTO 530
MODELO DE COURNOT COMO TEORIA DE JUEGOS 609
MODELO DE HOTELLING (LOCALIZACION) 615

889
MODELO DE LA CERVEZA EN EXCEL 474
MODELO DE VON STACKELBERG 612
MODELO DI TELLA SOBRE INTERMEDIARIOS COMERCIALES 508
MODELOS SIMULACION OFERTA DEMANDA GLOBAL PARA ESTIMAR DEMANDA CHAPA DE
SOMISA:
180
MODELOS DE SIMULACION EN EL MIT: 471
MOMENTOS ABSOLUTOS HASTA SU CUARTO GRADO: 115
MOMENTO 0: 115
MOMENTO 1: 116
MOMENTO 2: 117
MOMENTO 3: 117
MOMENTO 4: 118
MOMENTOS CENTRADOS HASTA CUARTO ORDEN 118
MOMENTO 1 118
MOMENTO 2 119
MOMENTO 4 120
MONOPOLIO BILATERAL 507
MONOPOLIO DISCRIMINADOR 486
MONOPOLIO QUE ACTA COMPETITIVAMENTE 485
MONOPOLIO SIN DISCRIMINACIN 488
MONOPSONIO OLIGOPSONIO CON MS PRECISION 514
MUESTRA DE 10 ARANDELAS 305
MUESTRA DE 100 TUBOS FLUORESCENTES 289
MUESTRA DE 16 PIEZAS TORNEADAS 307
MUESTRA DE 200 ARANDELAS 288
MUESTRA DE 200 BOMBITAS 308
MUESTREO 302
MULTICOLINEALIDAD - 144
MULTICOLINEALIDAD - FIV 139
MULTICRITERIO MULTIOBJETIVO CON EXCEL 2007 o 2010 670
MULTIPRODUCTO 530
NEWTON RAPHSON 470
NO SIRVE CUALQUIER MATRIZ 218
NMEROS ALEATORIOS 304
NMEROS NDICE 324
NUMEROS INDICE TEORA ESTADSTICA DE LOS 350
1. ndice agregativo aritmtico simple, de precios y de cantidades: 351
2. ndice promedio aritmtico de relativos: 352
3. ndice promedio geomtrico de relativos 353
4. ndice mediana de relativos 354

890
5. ndice promedio aritmtico ponderado de relativos 354
6. ndice promedio geomtrico ponderado de relativos 355
7. ndice de Laspeyres 356
8. ndice de Paasche 356
9. ndice Ideal de Fisher, aplicado a precios y a cantidades 357
10. ndice de Edgeworth-Marshall para precios y cantidades 358
11. ndice de Walch para precios y a cantidades 359
12. ndice de Drovish-Bowley para precios y cantidades 360
OBSERVACION GENERAL SOBRE LATEORIA DE LOS JUEGOS 678
OLIGOPOLIO DE 3 A 9 EMPRESAS 628
OLIGOPOLIO Y LA TEORIA DE JUEGOS 606
OMAN: COMUNIDAD DE PESCADORES Y CAZADORES 435
OPTIMIZACION DE LA PRODUCCION / MINIMIZACION DEL COSTO 375
OPTIMIZACION MULTIOBJETIVO - MULTICRITERIO 653
OPTIMIZAR UNA CARTERA DE VALORES-ACCIONES 211
ORGANIGRAMAS CON MICROSOFT CHART 831
ORIENTACIN Y CONTENIDO 87
OTRO ENFOQUE INSTITUCIONAL DIFERENTE 501
OTROS MERCADOS - MONOPOLIO 484
PARA QU SE ESTUDIA MICROECONOMA 85
PARADOJA DE ALLAIS: 745
PARADOJA DE LA INDUCCION - MANO TEMBLOROSA 673
PARADOJA DE LAS ESTRATEGIAS GATILLO -TRIGGER 676
PARADOJA DE SAN PETERSBURGO DE D. BERNOULLI 743
PARADOJA DEL INGRESO DE COMPETIDORES -BARRERAS DE ENTADA -MERCADOS CONTES-
TABLES
675
PARADOJA GIFFEN 340
PARADORA DEL PRISIONERO 675
PEQUEAS MUESTRAS 305
PERCENTILES 114
PERMUTACIONES 283
PLANIFICACIN DEL PERSONAL DE UN PARQUE DE DIVERSIONES 206
POLICIAS Y LADRONES 589
POR QU ES INSUFICIENTE LA MICROECONOMA CLSICA CON ENFOQUE SOLO FORMAL 52
POTENCIAS Y RACES 828
PRIMERA ) Hace falta gran conocimiento previo de matemtica? 393
PRIMERA TEORA DE LA DEMANDA: sicolgico-utilitaria 317
PRINCIPIO DE INDETERMINACION DE HEISEMBERG 745
PRINCIPIO DE REVELACION 689
PROBABILIDAD DE DISTRIBUCIONES 276

891
PROBLEMA DE LA MOCHILA CON ENTEROS 373
PROBLEMA DE TRANSPORTE 203
PROBLEMA DUAL: 326
PRODUCCIN DE TV, ESTREOS Y ALTAVOCES 202
PRODUCCION, COSTOS, BENEFICIOS 42
PROGRAMACION BINARIA 374
PROGRAMACIN NO LINEAL O LINEAL - 189
PROGRAMACION CON PRESENTACIONES MATRICIALES 206
PROGRAMACION DE TURNOS DE TRABAJO 378
PROGRAMACIN DINMICA 297
PROGRAMACION ENTERA DE UNA DIETA 372
PROGRAMACION LINEAL CON GAMS 241
PROGRAMACION LINEAL CON LINDO 249
Programacin lineal con Solver de Excel 442
PROGRAMACION LINEAL CON TORA 246
PROGRAMACIN LINEAL CON WINQSB 234
PROGRAMACION LINEAL -OTRA FORMA DE SOLVER 446
PROGRAMACIN LINEAL SIMPLEX 193
PROGRAMACIN LINEAL SIMPLEX CON SOLVER DE EXCEL 200
PROGRAMACION POR METAS 653
PROGRAMACION POR METAS CON EXCEL 654
PRLOGO 15
PROGRAMACON POR METAS CON WINQSB 657
PROTECCIN EFECTIVA DE UNA INDUSTRIA 547
PARA QU PROYECTAR CON CORRELACIONES? 178
PROYECCIN Y PROGRAMACIN 177
PRUEBA X2 (DE ASOCIACIN ENTRE DOS VARIABLES Y DOS O MS MUESTRAS) 306
PRUEBA Z 287
QUIEN FUE EL ASESINO? 445
RACES EN FUNCIONES CUADRTICAS: RUFFINI 829
RACES EN FUNCIONES CBICAS: RUFFINI 829
RACES EN POLINOMIOS DE ORDEN SUPERIOR 831
RAPIDITO Y LENTITO EN LA ESTACION VIVITOS 510
RECALCULAR AUTOMATICO O MANUAL F9 468
REFERENCIAS BIBLIOGRFICAS 849
REFINERIA AZTECA 431
REGRESIN MLTIPLE 134
RELACIN ENTRE VARIABLES - SIMPLE (DOS VARIABLES) 126
RESPONSABILIDAD SOCIAL EMPRESARIA-ESR 684
RESPUESTAS 436

892
RESPUESTAS: 515
RESPUESTAS: 521
RESTRICCIONES ADICIONALES CON MATRICES 370
RIESGO MORAL 690
RIESGO vs. INCERTIDUMBRE 696
SALIERON 115 CARAS y 85 CRUCES 309
SEGUNDA ) Para que sirve todo esto de los mtodos? 394
SEGUNDA TEORA DE LA DEMANDA: curvas de indiferencia 319
SEIS METODOS EQUIVALENTES 530
SELECCIN ADVERSA 691
SENSIBILIDAD 192
SEALIZACION 691
SERIES DE FRECUENCIAS 109
SERIES SIMPLES 100
SERIES Y FUNCIONES EN LA EMPRESA 87
SIGNIFICADO Y VALOR DE : 337
SIMPLEX MATRICIAL 231
SIMULACIN DE MONTECARLO 292
SISTEMAS CON 1700 VARIABLES 253
SISTEMAS DE ECUACIONES Y MATRICES CON MATLAB 265
SISTEMAS DE ECUACIONES NxN 253
SISTEMAS DE ECUACIONES NxN CON EVIEWS 260
SISTEMAS DE ECUACIONES NxN CON EXCEL, STATA, EVIEWS, MATLAB, SPSS 255
SISTEMAS DE ECUACIONES NxN CON STATA 257
SISTEMAS NXN CON DETERMINANTES EN EXCEL 256
SISTEMAS NxN CON SOLVER DE EXCEL 253
SISTEMAS NxN CON SPSS 270
SOLVER EN FORMA TIPO MATRICIAL / SIMIL MATRICIAL / o PARAMATRICIAL 429
SUBASTA MULTIPLE (PAQUETES 716
SUBASTA VICKREY 711
SUBASTAS CON EXCEL, 720
SUBASTAS DE UN UNICO BIEN Y DE PAQUETES 724
TABLAS DE EXTRAS DE PRECIOS Y COSTOS 477
TAMAO DE LA MUESTRA 296
TELEFOCOM Ejercicio 4: 514
TELEFOCOM **EJERCICIO 7: 519
TEMAS FUNDAMENTALES PARA UN CURSO GENERAL DE MICROECONOMA 83
TEOREMA DEL INGRESO EQUIVALENTE 710
TEOREMA MINIMAX: 553
TEORIA DE CONJUNTOS de Von Neumann-Bernays-Gdel 738

893
TEORIA DE JUEGOS 548
TEORIA DE JUEGOS CONTEXTO HOSTIL 548
TEORIA DE LA DECISION 686
TEORIA DE LA DECISION SEGUN TIPOS DE INCERTIDUMBRE 744
TEORA DE LA DEMANDA 313
TEORA DE LA INCERTIDUMBRE - SUBASTAS 706
TEORIA DE LA INCERTIDUMBRE NO ESTRUCTURADA 742
TEORA DE LA PROBABILIDAD 275
TEORA DE LAS COLAS 290
TEORIA DE LOS ACUERDOS 638
TEORA DE LOS COSTOS CON EXCEL 369
TEORA DEL EQUILIBRIO DE LA EMPRESA 364
Teoras de la demanda y sistemaseconmicos 313
TEORAS ECONMICAS Y LEGISLACIN OBLIGATORIA 476
TERCERA TEORA DE LA DEMANDA: PREFERENCIA REVELADA 321
TIPOS DE BIENES 94
TIPOS DE BIENES, CONTEXTOS Y MTODOS 98
TEORIA IRREAL PRACTICA REAL 760
TOMA Y DACA 558
TRABAJOS PRACTICOS: 7 OBLIGATORIOS EN EXCEL 804
TRES POSIBLES ENFOQUES MICROECONOMICOS: 81
TRES ESTADOS CONTABLES: 457
URNA DE PLYA 746
USO DE FUNCIONES 77
USO DE TABLAS Y DE LAS FUNCIONES INCORPORADAS EN EXCEL 279
UTILIDAD ESPERADA 701
UTILIDAD ESPERADA SUBJETIVA SEU: 744
VALOR DE RESISTENCIA PARA UN CIRCUITO ELCTRICO 213
VALOR DE SHAPLEY 640
VALOR DE SHAPLEY CON EXCEL 651
VALOR ESPERADO 700
VAN Y TIR (VALORACION DEL TIEMPO) 452
VARIANZA MEDIANTE MOMENTOS 121
VIDA TIL DE UN PRODUCTO 288

894

Enfoque prctico del curso:
Este curso tiene una modalidad analtica similar a los dicta-
dos en la Escuela de Economa de Londres., en el MIT y en alguna
universidad espaola. Sin embargo, como Microeconoma a nivel
intermedio, de aplicacin directa y plena en los diversos departa-
mentos de toda empresa, se le ha asignado un tratamiento tipo
Microeconoma en Accin: el alumno debe captar la aplicacin
de cada principio / modelo -incluso su clculo matemtico y con PC
(el ejemplo resuelto con 6 mtodos (CAP.7) es ilustrativo ya que es
efectivamente generalizable a miles de variables); tambin para la
posible confrontacin de su empresa con las competidoras locales y
externas; y en las negociaciones ante las Secretaras de Comercio,
de Industria o Comisin Nacional de Defensa de la Competencia
locales, as como ante la OMC, Mercosur, CECA, International Tra-
de Commission y U.S. Department of Commerce, etc., guindose
sobre la base de los casos reales gestionados por el profesor en la
actividad empresaria.

Micro Econom Iacon Excel

Diunggah oleh

Informasi Dokumen

Deskripsi Asli:

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Micro Econom Iacon Excel

Diunggah oleh

Hak Cipta:

Format Tersedia

Anlisis microeconmico con Excel

Anda mungkin juga menyukai