MATEMÁTICA APLICADA

 Disciplina: Técnicas de Preferência Declarada

Utilidade Aleatória

12 - Utilidade Aleatória

A equação (1) (ver Conceito de Função Utilidade) dada para a função utilidade é uma forma simplificada para modelar a utilidade, pois os indivíduos podem exibir inconsistência em sua conduta ou considerar fatores que não foram percebidos pelo pesquisador. Surge, então, o conceito de utilidade aleatória que completa a equação anterior incluindo um erro relativo a elementos que não foram observados. Desta forma, define-se a função utilidade como soma de componentes observáveis e não observáveis:

Manski (1973) Apud Bem-Akiva (1985) identificou quatro fontes de eleatoriedades das utilidades:

 

a) os atributos não observados;

 

b) as variáveis de gostos não observadas;

 

c) os erros de medidas e a informações imperfeitas; e

 

d) as variáveis instrumentais. A teoria da Utilidade Aleatória foi primeiramente proposta por Thurstone (1927) Apud Louviere (1988) como uma maneira de modelar os comportamentos dominantes num contexto de comparação para a par. Essencialmente, a teoria diz que os consumidores tentam escolher as alternativas, baseando-se nos atributos de maior importância, tais como renda e tempo. Entretanto, sabe-se que os consumidores nem sempre adquirem aquilo que mais lhe agradam. Pode-se explicar estas flutuações no comportamento através de uma componente aleatória na função utilidade. Assume-se que os indivíduos selecionam a alternativa com a mais alta utilidade. Entretanto, as utilidades são tratadas como variáveis aleatórias. Define-se     o conjunto de alternativas apresentadas ao indivíduo n. Desta forma, a probabilidade de escolha da alternativa i é igual à probabilidade da utilidade da alternativa i ser maior ou igual à utilidade de todas as outras alternativas no conjunto de escolha      . Isto pode ser escrito como:

A parcela determinística da utilidade de uma alternativa é definida como uma função do conjunto de alternativas (ou variáveis). A tarefa do pesquisador é identificar todas as variáveis e outras possíveis influências na hora da escolha. Uma vez especificadas as variáveis, deve-se identificar como estas variáveis se combinam para influenciar na decisão. A regra de combinação será a expressão de relacionamento entre as variáveis e o comportamento de escolha. A regra mais comumente utilizada entre os pesquisadores tem sido uma função linear aditiva, expressa da seguinte forma:

A Equação acima indica que o objeto da análise é estimar os parâmetros β’s associados com os atributos que explicam hipoteticamente o comportamento do indivíduo. Para isso é necessário conhecer a distribuição de probabilidade da parcela aleatória ou da diferença das parcelas. Uma variedade de modelos de probabilidades de escolha discreta pode ser formulada dependendo da distribuição assumida. Segundo Bem-Akiva and Lerman (1985), quando se assume, por exemplo, uma Distribuição Normal, produz-se um Modelo PROBIT; assumindo uma Distribuição de Gumbel (Arquivo no Formato ".PDF"), resulta-se no Modelo Logit Multinomial.

__________________________________

Bem-Akiva, M. and Lerman, S. “Discrete Choice Analysis: Theory and Application to Travel Demand”. The Massachusetts Institute of  

       Technology, p. 369, 1985.

Louviere, J. J. “Conjoint Analysis Modeling of Stated Preference - A Review of Theory, Methods, Recent Developments and External Validity”.

       Journal of Transport Economics and Policy, pp. 93-119, January, 1988.

(48) 8410.6510 /  faleconosco@ensinoeinformacao.com  /  Florianópolis - SC - Brasil

  • w-facebook
  • Twitter Clean
  • w-googleplus

® 2003 - 2018 Todos os direitos Reservados, ensinoeinformacao.com

Temos Uma versão desta Revista Especificamente para SmartPhones: Versão mais Enxuta somente com Vídeo Aulas e Eventos