¿Qué tal una función de utilidad que sólo disfruta de cantidades discretas? Esto toma valores discretos pero permite entradas continuas.
$$U(x,y) = (floor(x))^{\alpha} \cdot (floor(y))^{1-\alpha}$$
import numpy as np
import seaborn as sns
import pandas as pd
import matplotlib.pyplot as plt
x = np.arange(0, 10, 0.01)
y = np.arange(0, 10, 0.01)
alpha = 0.7
xv, yv = np.meshgrid(x, y)
def U(x1,y1, alpha1):
return(np.floor(x1)**alpha1 * np.floor(y1)**(1-alpha1))
uv = U(xv,yv, alpha)
fig, ax = plt.subplots()
CS = ax.contourf(xv, yv,uv, levels=np.unique(uv))
ax.set_xlabel('x')
ax.set_ylabel('y')
plt.colorbar(CS)
plt.show()
Si debe ser fuertemente monótona y diferenciable, entonces no, creo que es imposible. Se dice que las preferencias de un agente son fuertemente monótonas si, dado un conjunto de consumo $x$ el agente prefiere todos los paquetes de consumo $y$ que tienen más de al menos un bien, y no menos en cualquier otro bien. Es decir $y\geq x$ y $y\neq x$ implica $y\succ x$ . Si se trata de una función de utilidad continua y diferenciable, significa que: $$ \frac{\partial U}{\partial X_{i}} > 0 \: \forall i$$ Esto implica que las curvas de indiferencia no pueden ser gordas. Considere la posibilidad de estar en una curva de indiferencia delgada y, manteniendo fija x, aumentar y en una cantidad infinitesimal. Esto aumentará la utilidad en $\frac{\partial U}{\partial y}$ que acabamos de estipular es positivo. Por lo tanto, se debe pasar a una curva de indiferencia superior y, por lo tanto, no es "gorda" en la dirección y. Del mismo modo, dar un paso infinitesimal en la dirección x manteniendo fija la dirección y aumenta la utilidad en $\frac{\partial U}{\partial x}$ que también acabamos de estipular es positivo. Así que esta función de utilidad no puede tener curvas de indiferencia gordas.
No sé si esto también es cierto para las funciones de utilidad no diferenciables.
3 votos
Debería especificar más claramente cada una de sus suposiciones/condiciones. En particular, ¿requieres una monotonicidad fuerte?