Usuario:

Problema Inverso: Optimización de Campo (Empresa)

Storyboard

La firma no responde al campo, lo genera y lo optimiza. Incluye la condición de primer orden para el óptimo, la cuota de mercado tipo logit multinomial (extensión directa de M02) y el equilibrio competitivo tipo Nash la base formal de Empresa (recursos, portafolio, estrategia).

>Modelo

ID:('ky', 1601)


Beneficio esperado de B

Storyboard



$\Pi_B=vD_B-C_B$

$Pi_B$
Beneficio esperado de B
$unit$
$C_B$
Costo de modificación de la oferta B
$unit$
$D_B$
Demanda esperada de B
$1$
$v$
Valor económico normalizado por elección
$unit$



>Modelo

ID:('gm', 14096)


Brecha respecto de mejores respuestas

Storyboard



$G_N=\sqrt{(x_A^*-x_A)^2+(x_B^*-x_B)^2}$

$G_N$
Distancia respecto del equilibrio de mejores respuestas
$1$
$x_A^*$
Mejor respuesta de la firma A
$1$
$x_B^*$
Mejor respuesta de la firma B
$1$
$x_A$
Oferta o campo controlado por la firma A
$1$
$x_B$
Oferta o campo controlado por la firma B
$1$



>Modelo

ID:('gm', 14106)


Ajuste temporal de B

Storyboard



$x_B(t+\Delta t)=x_B(t)+\dfrac{\Delta t}{\tau_{\mathrm{adj}}}\left[x_B^*-x_B(t)\right]$

$x_B^*$
Mejor respuesta de la firma B
$1$
$x_B(t+Delta t)$
Oferta actualizada de B
$1$
$x_B$
Oferta o campo controlado por la firma B
$1$
$Delta t$
Paso temporal de simulación
$s$
$ au_{mathrm{adj}}$
Tiempo característico de ajuste
$s$



>Modelo

ID:('gm', 14105)


Ajuste temporal de A

Storyboard



$x_A(t+\Delta t)=x_A(t)+\dfrac{\Delta t}{\tau_{\mathrm{adj}}}\left[x_A^*-x_A(t)\right]$

$x_A^*$
Mejor respuesta de la firma A
$1$
$x_A(t+Delta t)$
Oferta actualizada de A
$1$
$x_A$
Oferta o campo controlado por la firma A
$1$
$Delta t$
Paso temporal de simulación
$s$
$ au_{mathrm{adj}}$
Tiempo característico de ajuste
$s$



>Modelo

ID:('gm', 14104)


Equilibrio competitivo tipo Nash

Storyboard



$(x_A^N,x_B^N)=\bigl(BR_A(x_B^N),BR_B(x_A^N)\bigr)$

$BR_A$
Función de mejor respuesta de A
$1$
$BR_B$
Función de mejor respuesta de B
$1$
$x_A^N$
Oferta de A en equilibrio Nash
$1$
$x_B^N$
Oferta de B en equilibrio Nash
$1$



>Modelo

ID:('gm', 14103)


Mejor respuesta de B

Storyboard



$BR_B(x_A)=\arg\max_{x_B}\Pi_B(x_A,x_B)$

$Pi_B$
Beneficio esperado de B
$unit$
$BR_B$
Función de mejor respuesta de B
$1$
$x_A$
Oferta o campo controlado por la firma A
$1$
$x_B$
Oferta o campo controlado por la firma B
$1$



>Modelo

ID:('gm', 14102)


Mejor respuesta de A

Storyboard



$BR_A(x_B)=\arg\max_{x_A}\Pi_A(x_A,x_B)$

$Pi_A$
Beneficio esperado de A
$unit$
$BR_A$
Función de mejor respuesta de A
$1$
$x_A$
Oferta o campo controlado por la firma A
$1$
$x_B$
Oferta o campo controlado por la firma B
$1$



>Modelo

ID:('gm', 14101)


Condición de primer orden B

Storyboard



$\dfrac{\partial\Pi_B}{\partial x_B}=0$

$Pi_B$
Beneficio esperado de B
$unit$
$x_B$
Oferta o campo controlado por la firma B
$1$



>Modelo

ID:('gm', 14100)


Condición de primer orden A

Storyboard



$\dfrac{\partial\Pi_A}{\partial x_A}=0$

$Pi_A$
Beneficio esperado de A
$unit$
$x_A$
Oferta o campo controlado por la firma A
$1$



>Modelo

ID:('gm', 14099)


Optimización de oferta B

Storyboard



$x_B^*=\arg\max_{x_B}\Pi_B(x_A,x_B)$

$Pi_B$
Beneficio esperado de B
$unit$
$x_B^*$
Mejor respuesta de la firma B
$1$
$x_B$
Oferta o campo controlado por la firma B
$1$



>Modelo

ID:('gm', 14098)


Optimización de oferta A

Storyboard



$x_A^*=\arg\max_{x_A}\Pi_A(x_A,x_B)$

$Pi_A$
Beneficio esperado de A
$unit$
$x_A^*$
Mejor respuesta de la firma A
$1$
$x_A$
Oferta o campo controlado por la firma A
$1$



>Modelo

ID:('gm', 14097)


Campo generado por la firma A

Storyboard



$h_A=b_A+q_A+x_A$

$q_A$
Calidad o atributo externo de A
$1$
$b_A$
Campo basal de la firma A
$1$
$h_A$
Campo de preferencia generado por A
$1$
$x_A$
Oferta o campo controlado por la firma A
$1$



>Modelo

ID:('gm', 14085)


Beneficio esperado de A

Storyboard



$\Pi_A=vD_A-C_A$

$Pi_A$
Beneficio esperado de A
$unit$
$C_A$
Costo de modificación de la oferta A
$unit$
$D_A$
Demanda esperada de A
$1$
$v$
Valor económico normalizado por elección
$unit$



>Modelo

ID:('gm', 14095)


Costo de modificación de B

Storyboard



$C_B=\dfrac{cN x_B^2}{2}$

$c$
Coeficiente de costo cuadrático
$unit$
$C_B$
Costo de modificación de la oferta B
$unit$
$N$
Número de agentes o consumidores
$1$
$x_B$
Oferta o campo controlado por la firma B
$1$



>Modelo

ID:('gm', 14094)


Costo de modificación de A

Storyboard



$C_A=\dfrac{cN x_A^2}{2}$

$c$
Coeficiente de costo cuadrático
$unit$
$C_A$
Costo de modificación de la oferta A
$unit$
$N$
Número de agentes o consumidores
$1$
$x_A$
Oferta o campo controlado por la firma A
$1$



>Modelo

ID:('gm', 14093)


Demanda esperada de B

Storyboard



$D_B=N,MS_B$

$MS_B$
Cuota de mercado de B
$1$
$D_B$
Demanda esperada de B
$1$
$N$
Número de agentes o consumidores
$1$



>Modelo

ID:('gm', 14092)


Demanda esperada de A

Storyboard



$D_A=N,MS_A$

$MS_A$
Cuota de mercado de A
$1$
$D_A$
Demanda esperada de A
$1$
$N$
Número de agentes o consumidores
$1$



>Modelo

ID:('gm', 14091)


Cuota de mercado de B

Storyboard



$MS_B=1-MS_A$

$MS_A$
Cuota de mercado de A
$1$
$MS_B$
Cuota de mercado de B
$1$



>Modelo

ID:('gm', 14090)


Cuota de mercado de A

Storyboard



$MS_A=P_A$

$MS_A$
Cuota de mercado de A
$1$
$P_A$
Probabilidad individual de elegir A
$1$



>Modelo

ID:('gm', 14089)


Probabilidad individual de elegir B

Storyboard



$P_B=1-P_A$

$P_A$
Probabilidad individual de elegir A
$1$
$P_B$
Probabilidad individual de elegir B
$1$



>Modelo

ID:('gm', 14088)


Probabilidad individual de elegir A

Storyboard



$P_A=\dfrac{e^{\beta_{\mathrm{eff}}h_A}}{e^{\beta_{\mathrm{eff}}h_A}+e^{\beta_{\mathrm{eff}}h_B}}$

$h_A$
Campo de preferencia generado por A
$1$
$h_B$
Campo de preferencia generado por B
$1$
$P_A$
Probabilidad individual de elegir A
$1$
$\beta_{mathrm{eff}}$
Sensibilidad o racionalidad de los agentes
$1$



>Modelo

ID:('gm', 14087)


Campo generado por la firma B

Storyboard



$h_B=b_B+q_B+x_B$

$q_B$
Calidad o atributo externo de B
$1$
$b_B$
Campo basal de la firma B
$1$
$h_B$
Campo de preferencia generado por B
$1$
$x_B$
Oferta o campo controlado por la firma B
$1$



>Modelo

ID:('gm', 14086)


Estructura del modelo

Descripción

Red de modelo


Primero, seleccione la ecuación:   a ,  luego, seleccione la variable:   a 

Símbolo
Ecuación
Resuelto
Traducido

Cálculos

Símbolo
Ecuación
Resuelto
Traducido

 Variable   Dado   Calcule   Objetivo :   Ecuación   A utilizar



Variables

Símbolo
Texto
Variable
Valor
Unidades
Calcule
Valor MKS
Unidades MKS
$Pi_A$
Profit_A
Beneficio esperado de A
unit
$Pi_B$
Profit_B
Beneficio esperado de B
unit
$q_A$
quality_A
Calidad o atributo externo de A
1
$q_B$
quality_B
Calidad o atributo externo de B
1
$b_A$
base_A
Campo basal de la firma A
1
$b_B$
base_B
Campo basal de la firma B
1
$h_A$
h_A
Campo de preferencia generado por A
1
$h_B$
h_B
Campo de preferencia generado por B
1
$c$
cost_quad
Coeficiente de costo cuadrático
unit
$C_A$
C_A
Costo de modificación de la oferta A
unit
$C_B$
C_B
Costo de modificación de la oferta B
unit
$MS_A$
MS_A
Cuota de mercado de A
1
$MS_B$
MS_B
Cuota de mercado de B
1
$D_A$
D_A
Demanda esperada de A
1
$D_B$
D_B
Demanda esperada de B
1
$G_N$
Nash_gap
Distancia respecto del equilibrio de mejores respuestas
1
$BR_A$
BR_A
Función de mejor respuesta de A
1
$BR_B$
BR_B
Función de mejor respuesta de B
1
$x_A^*$
x_A_star
Mejor respuesta de la firma A
1
$x_B^*$
x_B_star
Mejor respuesta de la firma B
1
$N$
N_agents
Número de agentes o consumidores
1
$x_A(t+Delta t)$
x_A_next
Oferta actualizada de A
1
$x_B(t+Delta t)$
x_B_next
Oferta actualizada de B
1
$x_A^N$
x_A_Nash
Oferta de A en equilibrio Nash
1
$x_B^N$
x_B_Nash
Oferta de B en equilibrio Nash
1
$x_A$
x_A
Oferta o campo controlado por la firma A
1
$x_B$
x_B
Oferta o campo controlado por la firma B
1
$P_A$
P_choice_A
Probabilidad individual de elegir A
1
$P_B$
P_choice_B
Probabilidad individual de elegir B
1
$\beta_{mathrm{eff}}$
beta_eff
Sensibilidad o racionalidad de los agentes
1
$v$
value_unit
Valor económico normalizado por elección
unit
$Delta t$
dt
Paso temporal de simulación
s
$ au_{mathrm{adj}}$
tau_adjust
Tiempo característico de ajuste
s

ID:(0, 1601)


gphysics.net - Dr. Willy H. Gerber
Palos Verdes, Costa de Corral, Región de los Rios, Chile