Es una librería en étapas tempranas tiene la intención de facilitarle la realización de ejercicios microeconómicos. Disponible tanto en Google Colab como en JupyterNotebook.

Creador: Diego Armando Barquero Sánchez

Profesor encargado: Alexander Amoretti Alvarado

Si gustas colaborar al código abierto para ciencias económicas no tengas miedo de hacer un push request, explorar el código o contactar para corregir cualquier malfuncionamiento.

Utiliza el comando de python pip to install git primeramenta, esto te permitirá accesar al repositorio y clonarlo dentro de tu servidor local (computadora).

pip install git

!git clone https://github.com/barquerosanchezdiegoarmando/econsimulation.git

%cd econsimulation

Para ello emplearemos el siguiente ejercicio Microeconómico.

Para confirmar que la elección del consumidor es 120,20 del bien 1 y el bien 2 respectivamente, utilizaremos la librería econsimulation y la función max_utilidad_cobb_douglas(alpha,beta,m,p1,p2)

Primeramente llamamos a la librería y le ponemos el pseudonimo "es" por practicidad.

import econsimulation as es

A continuación llamamos a la librería por su pseudonimo "es" y utilizamos la función max_utilidad_cobb_douglas() Input

es.max_utilidad_cobb_douglas(alpha=2,beta=1,m=180,p1=1,p2=3)

Explicación de los parámetros

• alpha: Exponente asociacido al bien 1
• beta: Exponente asociado al bien 2
• m: Presupuestos
• p1: Precio del bien 1
• p2: Precio del bien 2

Output

La canasta de bienes que maximiza la utilidad de consumidor es ( 119.99995118859513 , 20.000016270468286 ), con U = 287999.99999985704

Primero vamos a crear dos variables que para el ejemplo las nombraremos "x1_vex" y "x2_vec", llamamos a la librería por su pseudonimo "es" y utilizamos la función curva_indiferencia_tangente(). Lo que estamos guardando en las variables son los pares ordenados que forman a la curva de indiferencia que maximiza la utilidad del consumidor y que es tangente a la RMS Input

x1_vec,x2_vec = es.curva_indiferencia_tangente(y1=120,y2=20,alpha=2,beta=1,N=1000,x2_max=60)

Explicación de los parámetros

• y1: Cantidad elejida del bien 1
• y2: Cantidad elejida del bien 2
• alpha: Exponente asociado al bien 1
• beta: Exponente asociado al bien 2
• N: Números necesarios para graficar, recomendado "1000"
• x2_max: Máxima cantidad que el consumidor/productor, se obtiene de dividir m/p2

Si gustas ver lo que se guarda en las variables creadas, puedes colocarlas en un dataframe y ver la tabla Input

import matplotlib.pyplot as pltr
import pandas as pd

df= pd.DataFrame([x1_vec, x2_vec])
print(df)

Output

Genial! Ahora vamos a graficarlo adecuadamente como en los libros de Microeconomía(Varian, Pearson etc...) para ello utilizaremos la siguiente función.

Es una función que emplea los datos del ejercicio y las variables x1_vec y x2_vec.

Input

es.graficar_indiferencia(x_1=120,x_2=20,m=180,p1=1,p2=3,x1_vec=x1_vec,x2_vec=x2_vec)

Explicación de los parámetros

• x_1: Cantidad que maximiza la utilidad del bien 1
• x_2: Cantidad que maximiza la utilidad del bien 2
• m: Presupuesto
• p1: Precio del bien 1
• p2: Precio del bien 2
• x1_vec: Vector del bien 1
• x2_vec: Vector del bien 2

Output

Ahora si quisieramos ver el epsilon dado un cambio en alguna de las condiciones iniciales, entiéndase presupuesto, precios, preferencias.

Primeramente debemos realizar la maximizamización de la utilidad dado el cambio en el precio del bien 1.

Input

es.max_utilidad_cobb_douglas(alpha=2,beta=1,m=180,p1=2,p2=3)

Output

La canasta de bienes que maximiza la utilidad de consumidor es ( 59.99999778305689 , 20.00000147796207 ), con U = 71999.9999999997

Una vez obtenido el resultado del par ordenado que maximiza la utilidad debemos obtener los vectores de la curva de indiferencia tangente a la RMS. Para ello emplearemos la función de curva_indiferencia_tangente() para encontrar a la curva de indiferencia prima.

Input

x1_vec_prima,x2_vec_prima = es.curva_indiferencia_tangente(y1=60,y2=20,alpha=2,beta=1,N=1000,x2_max=60)

Ya teniendo lo anterior, emplearemos la siguiente función que es una ampliación de graficar_indiferencia()

Input

es.graficar_2_indiferencias(x_1=120,x_2=20,x_1_prima=60,x_2_prima=20,m=180,m_prima=180,p1=1,p2=3,p1_prima=2,p2_prima=3,x1_vec=x1_vec,x2_vec=x2_vec,x1_vec_prima=x1_vec_prima,x2_vec_prima=x2_vec_prima)

Importante aclaración, en caso de que alguna cosa no cambie entonces el dato original debe mantenerse para que el grafico se realice de forma adecuada.

Explicación de los parámetros

• x_1: Cantidad que maximiza la utilidad del bien 1 originalmente
• x_2: Cantidad que maximiza la utilidad del bien 2 originalmente
• x_1_prima: Cantidad que maximiza la utilidad del bien 1 post cambio
• x_2_prima: Cantidad que maximiza la utilidad del bien 2 post cambio
• m: Presupuesto original
• m_prima: Presupuesto post cambio
• p1: Precio del bien 1
• p2: Precio del bien 2
• p1_prima: Precio del bien 1 post cambio
• p2_prima: Precio del bien 2 post cambio
• x1_vec: Vector del bien 1 original
• x2_vec: Vector del bien 2 original
• x1_vec_prima: Vector del bien 1 post cambio
• x2_vec_prima: Vector del bien 2 post cambio

Output

Universidad de Coppenaghen material NumeEcon: https://numeconcopenhagen.netlify.app/lectures/ Cristian Camilo Moreno - Ejercicio de teoría del consumidor: https://ccamilocristian.github.io/posts/optimizacion_teoria_consumidor/

MIT