Kapitel 4: Nyttefunktioner

Relaterede dokumenter
Kapitel 4: Nyttefunktioner. Hvad er nytte? - det gamle syn:

1 Kapitel 5: Forbrugervalg

Kapitel 3: Præferencer. Hvordan skal vi modellere præferencer?

Kapitel 3: Præferencer. Hvordan skal vi modellere

1 Kapitel 5: Forbrugervalg

Kapitel 3 Forbrugeradfærd

Forbrugerteori: Optimale valg og efterspørgsel

1 Virksomheders teknologi (kapitel 18)

1 Virksomheders teknologi (kapitel 18)

1 Bytteøkonomier (kapitel 30)

1 Bytteøkonomier (kapitel 31)

Mikroøkonomi Projektopgave: Valg Under Usikkerhed

Differentiation af sammensatte funktioner

Anvendt Lineær Algebra

Program. Statistik og Sandsynlighedsregning. Eksempler. Sandsynlighedstæthed og sandsynlighedsmål

Mere om differentiabilitet

Vejledende opgavebesvarelse Økonomisk kandidateksamen 2005I 1. årsprøve, Mikroøkonomi

Introduktion til Laplace transformen (Noter skrevet af Nikolaj Hess-Nielsen sidst revideret marts 2013)

Statistik og Sandsynlighedsregning 2

Program. Statistik og Sandsynlighedsregning 2 Middelværdi og varians. Eksempler fra sidst. Sandsynlighedstæthed og sandsynlighedsmål

Landmålingens fejlteori - Lektion4 - Vægte og Fordeling af slutfejl

1/41. 2/41 Landmålingens fejlteori - Lektion 1 - Kontinuerte stokastiske variable

Opgave 1: Mikro (20 point)

Bedste rette linje ved mindste kvadraters metode

Oversigt [S] 2.7, 2.9, 11.4

MASO Uge 7. Differentiable funktioner. Jesper Michael Møller. Uge 7. Formålet med MASO. Department of Mathematics University of Copenhagen

MM502+4 forelæsningsslides. uge 6, 2009

Økonometri 1. Den simple regressionsmodel 11. september Økonometri 1: F2

Test grafisk afledede Højere partielle afledede Differentiationsordenen er ligegyldig Partielle differentialligninger Test Laplaces ligning

Mat H /05 Note 2 10/11-04 Gerd Grubb

Differentiabilitet. f(h) = f(x 0 +h) f(x 0 ). y = f(x) f(h) df(h) Figur 1: Tangent, tilvækst og differential. lim. df(h) = f (x 0 )h.

Mich Tvede 29. januar Økonomisk Institut Københavns Universitet

Forbrugeroverskud, ækvivalerende og kompenserende variationer

Oversigt [S] 2.7, 2.9, 11.4

Matematisk modellering og numeriske metoder

Landmålingens fejlteori Lektion 1 Det matematiske fundament Kontinuerte stokastiske variable

Partielle afledede og retningsafledede

Gradienter og tangentplaner

Sætning (Kædereglen) For f(u), u = g(x) differentiable er den sammensatte funktion F = f g differentiabel med

Nøgleord og begreber Analysens hovedsætning Stamfunktioner Itereret integral Test itereret integral Fubinis sætning Test Fubini Eksempler Test produkt

1 Markedsefterspørgsel (kapitel 15) 1. Markedseftersspørgselskurven: Sammenhængen mellem markedspris og samlet efterspørgsel på et marked.

MATEMATIK 11 Eksamensopgaver Juni 1995 Juni 2001, 4. fjerdedel

= λ([ x, y)) + λ((y, x]) = ( y ( x)) + (x y) = 2(x y).

Matematik B-niveau 31. maj 2016 Delprøve 1

MASO Uge 7. Differentiable funktioner. Jesper Michael Møller. Uge 7. Formålet med MASO. Department of Mathematics University of Copenhagen

Kapitel 15: Markedsefterspørgsel

Økonometri: Lektion 2 Multipel Lineær Regression 1/27

Substitutions- og indkomsteffekt ved prisændringer

UGESEDDEL 9 LØSNINGER. Sydsæter Theorem 1. Sætning om implicitte funktioner for ligningen f(x, y) = 0.

Det teknisk-naturvidenskabelige basisår Matematik 1A, Efterår 2005, Hold 3 Prøveopgave C

Mich Tvede 29. december 2007 Økonomisk Institut Københavns Universitet. En virksomhed har følgende produktionsmulighedsområde:

Logistisk Regression - fortsat

Vektorfunktioner. (Parameterkurver) x-klasserne Gammel Hellerup Gymnasium

Matematisk modellering og numeriske metoder. Lektion 8

Definition: Normalfordelingen. siges at være normalfordelt med middelværdi µ og varians σ 2, hvor µ og σ er reelle tal og σ > 0.

Vektorfelter langs kurver

Teoretisk Statistik, 16. februar Generel teori,repetition

matx.dk Enkle modeller

Statistik II 1. Lektion. Analyse af kontingenstabeller

Kapitel 12: Valg under usikkerhed

matx.dk Differentialregning Dennis Pipenbring

Anvendt Statistik Lektion 8. Multipel Lineær Regression

Analyse 2. Gennemgå bevis for Sætning Supplerende opgave 1. Øvelser. Sætning 1. For alle mængder X gælder #X < #P(X).

π er irrationel Frank Nasser 10. december 2011

Repetition. Diskrete stokastiske variable. Kontinuerte stokastiske variable

GEOMETRI-TØ, UGE 6. . x 1 x 1. = x 1 x 2. x 2. k f

Anvendt Statistik Lektion 7. Simpel Lineær Regression

Funktion af flere variable

Uge 43 I Teoretisk Statistik, 21. oktober Forudsigelser

Konstruktion af Splines

Besvarelse, Eksamen Analyse 1, 2013

(Prøve)Eksamen i Calculus

Vægte motiverende eksempel. Landmålingens fejlteori - Lektion4 - Vægte og Fordeling af slutfejl. Vægtet model. Vægtrelationen

Matematisk modellering og numeriske metoder. Lektion 11

10. Differentialregning

Landmålingens fejlteori - Lektion 2. Sandsynlighedsintervaller Estimation af µ Konfidensinterval for µ. Definition: Normalfordelingen

Økonometri: Lektion 2 Multipel Lineær Regression 1/33

Statistik Lektion 3. Simultan fordelte stokastiske variable Kontinuerte stokastiske variable Normalfordelingen

Landmålingens fejlteori - Lektion 2 - Transformation af stokastiske variable

OR stiger eksponentielt med forskellen i BMI. kompliceret model svær at forstå og analysere

Simpel Lineær Regression: Model

Matematisk modellering og numeriske metoder. Lektion 10

matx.dk Mikroøkonomi

Rettevejledning til 1. obligatoriske opgave Beslutninger og strategi

Transkript:

Kapitel 4: Nyttefunktioner Hvad er nytte? - det gamle syn: 1. Nytte betragtet som en indikator for et individs overordnede velfærd. 2. Nytten er kardinal: Størrelsen på nyttedifferencer har betydning. 3. Hvert individ ønsker at maksimere egen nytte 4. Utilitarisme: Maximere summen af nytter. 5. Læs mere...: 6. http://cepa.newschool.edu/het/profiles/bentham.htm 7. http://www.utilitarianism.org/

Jeremy Bentham, 1748-1832. Problemer: 1. Hvordan måler vi nytten? 2. Kan vi sammenligne nytten mellem individider? 3. Hvordan fortolker vi kardinal nytte? 4. Kan vi nøjes med et mindre ambitiøst nyttebegreb?

Hvad er nytte? - det nye syn: 1. Udgangspunktet er en præferencerelation º 2. Nytte er en funktion som repræsenterer præferencer. 3. Nyttefunktionen tildeler et tal til hvert alternativ så at det foretrukne varebundt får højest nytte og vice versa: 4. u repræsenterer º hvis: 5. u(x 1,x 2 ) >u(y 1,y 2 ) (x 1,x 2 ) Â (y 1,y 2 ). 6. Ordinal nytte: Kun rangordning af alternativer har betydning. 7. Operationelt nyttebegreb: Kender vi præferencerelation º kan vi konstruere nytten.

Finder der altid en nyttefunktion? 1. Nej! Modeksempel: 2. Tre alternativer x, y og z. (a) x  y (b) y  z (c) z  x 3. Hvis nytte u eksisterer da giver a) u(x) >u(y), b) giver u(y) >u(z), c) giver u(z) >u(x), dvs: 4. u(x) >u(y) >u(z) >u(x) - modstrid! 1. Hvornår findes en nyttefunktion? 2. Sætning: Hvis der er et endeligt antal alternativer, da er følgende ækvivalent: (a) º er komplet og transitiv. (b) º kan repræsenteres ved en nyttefunktion. 3. Bevis: Mikro 2. år. 4. POINTE: Så længe at vi antager komplethed og transitivitet, da kommer det ud på et om vi starter med præferencerelation º eller nyttefunktion u.

5. NB: Typisk har vi uendeligt mange alternativer (alle mulige tænkelige størrelser varebundter). 6. Her findes eksempler på komplette og transitive præferencer som ikke kan repræsenteres ved en nyttefunktion. 7. Eksempel: Leksikografiske præferencer: 8. To goder. (x 1,x 2 ) º L (y 1,y 2 ) hvis [x 1 >y 1 eller x 1 = y 1 og x 2 y 2 ]. 9. Komplet? -Ja! 10.Transitiv? -Ja! 11.MEN kan ikke repræsenteres ved en nyttefunktion. 12.PROBLEMET: Den leksikografiske præferencerelation º L ikke kontinuert i varerummet R 2. 13.I praksis kan vi roligt antage at præferencer er kontinuerte.

Er nyttefunktion entydig? 1. SPM: Hvis der findes en nyttefunktion u der repræsenter præferencerelation º,eru da entydigt bestemt ud fra º? 2. NEJ: Hvis u repræsenter º og f er en strengt voksende funktion, da repræsenter f(u) også º. 3. HVORFOR? 4. u repræsenterer º hvis: 5. u(x 1,x 2 ) >u(y 1,y 2 ) (x 1,x 2 ) Â (y 1,y 2 ). 6. Hvis f er strengt voksende har vi da også: 7. f(u(x 1,x 2 )) >f(u(y 1,y 2 )) (x 1,x 2 ) Â (y 1,y 2 ). 8. OMVENDT: Hvis u og v begge repræsenterer º så findes der en strengt voksende funktion f så u(x 1,x 2 )=f(v(x 1,x 2 )) for all (x 1,x 2 ). 9. POINTE: Hvis u repræsenterer º da er u entydigt bestemt op til en vilkårlig strengt voksende transformation.

1.

Konstruktion af nyttefunktion 1. Fra indifferenskurver: Se figur! 2. Eller direkte ud fra fortolkning af præferencer: (a) Perfekte substitutter 1:1. Det eneste der betyder noget er det samlede antal goder. Så u(x 1,x 1 )=x 1 + x 2 er en nyttefunktion. (b) Perfekte substitutter generelt. u(x 1,x 1 )= ax 1 + bx 2. (c) Perfekte komplementer 1:1. Det eneste der betyder noget er minimum af de to goder. u(x 1,x 1 )=min{x 1,x 2 }. (d) Perfekte komplementer generelt. u(x 1,x 1 )= min{ax 1,bx 2 }.

2.

3. Konstruktion af indifferenskurver fra nyttefunktion 1. Eksempel: u(x 1,x 2 )=x 1 x 2. 2. x 1 x 2 = k x 2 = k x 2. 3. Plot kurve for k =1, 2, 3,...etc.

To vigtige eksempler på nyttefunktioner 1. Kvasi-lineær nytte: u(x 1,x 2 )=v(x 1 )+x 2. (a) Nytte lineær i x 2. v(x 1 ) kan være x 1, log(x 1 ),... (b) Indifferenskurver vertikalt parallelle. 2. Cobb-Douglas nytte: u(x 1,x 2 )=x c 1x d 2. (a) Kan normalisere koefficienter til at summe til 1: (b) (u(x 1,x 2 )) 1 c+d =(x c 1 x d 2) 1 c c+d = x c+d c+d 1 x d 2 = bu(x 1,x 2 ). (c) a c c+d. bu(x 1,x 2 )=x a 1x 1 a 2. (d) Kan gøres additiv ved en logaritmisk tranformation : (e) log u(x 1,x 2 )=logx a 1x 1 a 2 = a log x 1 +(1 a)logx 2.

4. 5.

Marginalnytte 1. Hvis u(x 1 ) er funktion af én variabel, da er marginalnytte u(x 1 ) x 1 = u 0 (x 1 ) = lim x1 0 u(x 1 + x 1 ) u(x 1 ) x 1. 2. Hvis u(x 1,x 2 ) er funktion af to variable, da kan vi også udregne marginalnytte af x 1 for fastholdt x 2 - den partielle afledede. 3. Definition: x 1 = u 0 x 1 (x 1,x 2 ). = lim x1 0 u(x 1 + x 1,x 2 ) u(x 1,x 2 ) x 1 4. Eksempel 1: u(x 1,x 2 )=ax 1 + bx 2. x 1 = a. 5. Eksempel 2: u(x 1,x 2 )=x a 1x 1 a 2. x 1 = ax a 1 1 x 1 a 2.

Sammenhæng mellem MRS og partielle afledede 1. Husk: MRS i et punkt er hælding på indifferenskurve. 2. I punktet (x 1,x 2 ) lad (dx 1,dx 2 ) være ændring i x 1 hhv x 2 så u(x 1,x 2 )=u(x + dx 1,x 2 + dx 2 ). Altså: 3. du = u(x 1,x 2 ) dx 1 + u(x 1,x 2 ) dx 2 =0. x 1 x 2 Hvilket giver: 4. dx 2 dx 1 = x 1. x 2

Transformationer, partielle afledede, MRS. 1. Hvis u transformeres, da transformeres partiel afledet også! 2. Men MRS ændres ikke: x 3. u(x 1,x 2 ).MRS= 1. x 2 4. v(x 1,x 2 )=f(u(x 1,x 2 )). 5. MRS = v x 1 v x 2 = f u u x 1 f u u x 2 = u x 1 u x 2.

Eksempel: Cobb-Douglas 1. u(x 1,x 2 )=x c 1x d 2 x 2. MRS = 1 x 2 = cxc 1 1 x d 2 x c 1 dxd 1 2 = c d x c 1 1 x d 2 x c 1 xd 1 2 = c x 2 d x 1. 3. v(x 1,x 2 )=log(u(x 1,x 2 )) = c log x 1 + d log x 2 x 4. MRS = 1 x 1 d 1 x 2 x 2 = c 1 = c x 2 d x 1.

Anvendelse: bil eller bus til arbejde? 1. Tage bus og bil til arbejde? 2. Lad x 1 være rejsetid i bil, y 1 rejsetid i bus. 3. Lad x 2 være omkostning ved at køre bil, y 2 være omkostning ved at køre bus. 4.... 5. Antag lineær nytte: u(x 1,..., x n )=β 1 x 1 +... + β n x n. 6. Estimér β i ere ud fra observerede valg. 7. Domenich-McFadden (1975): Nyttefunktion gav korrekt forudsigelse af valg i 93% af tilfælde. 8. Med estimeret nyttefunktion kan vi: (a) Udregne MRS mellem to attributter. F.eks.: Hvad er værdi målt i $ for kortere rejsetid? (b) Lave forudsigelser. F.eks. hvor mange skifter til bus hvis rejsetiden forkortes? (c) Udregne velfærdsgevinster: Hvad er værdien (målt i $) for en rejsetidsforkortelse for dem der allerede allerede tager bussen?