📈 economics

The Distribution of Envy in Matching Markets

El artículo analiza la distribución de la envidia en mercados de emparejamiento aleatorios bajo el algoritmo de aceptación diferida, demostrando que, aunque el número esperado de agentes proponentes no envidiados es idéntico al del Dictatorato Serial Aleatorio ( $H_n$ ), estos agentes representan una fracción desvaneciente del mercado total.

Autores originales: Josué Ortega, Gabriel Ziegler, R. Pablo Arribillaga, Geng Zhao

Publicado 2026-03-25

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Josué Ortega, Gabriel Ziegler, R. Pablo Arribillaga, Geng Zhao

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

¡Hola! Vamos a desglosar este artículo académico de una manera sencilla, como si estuviéramos tomando un café y hablando de cómo se asignan los cupos en las escuelas.

Imagina que tienes un gran baile escolar con 10,000 estudiantes y 10,000 escuelas. Cada estudiante tiene una lista de sus escuelas favoritas (de la 1 a la 10,000) y cada escuela tiene una lista de estudiantes que prefiere. El problema es: ¿cómo emparejarlos de forma justa y estable?

Los autores del estudio comparan dos métodos principales para hacer esto:

DA (Aceptación Diferida): El método más común y "justo" donde los estudiantes proponen y las escuelas aceptan o rechazan temporalmente.
RSD (Dictadura Serial Aleatoria): Imagina que sacan los nombres de un sombrero y, en orden, cada estudiante elige su escuela favorita de las que aún quedan libres.

El estudio se centra en una emoción muy humana: la envidia.

Envidia: Cuando un estudiante piensa: "¡Ojalá estuviera en la escuela de Fulano, porque me gusta más la suya que la mía!".
No ser envidiado: Cuando un estudiante está tan bien colocado que nadie piensa: "Ojalá fuera yo en su lugar".

Aquí están los hallazgos clave, explicados con analogías:

1. El "Cupón de la Suerte" (Los que nadie envidia)

Imagina que estás en un juego de "Coleccionar Caramelos". Tienes que conseguir todos los tipos de caramelos diferentes para ganar.

El hallazgo: En el método DA, la cantidad de estudiantes que nadie envidia es extremadamente pequeña. Es como encontrar un caramelo único en una bolsa gigante.
La matemática: Si tienes 10,000 estudiantes, solo unos 10 (o menos) estarán en una situación donde nadie les envidia.
La analogía: Es como si en un estadio lleno de gente, solo unas pocas personas estuvieran sentadas en asientos tan especiales que nadie más en el estadio quisiera cambiar de lugar con ellas. La mayoría de la gente, aunque esté bien, tiene al menos un vecino que piensa: "Yo preferiría estar ahí".
Lo curioso: ¡Esto pasa igual en el método DA que en el método RSD! Aunque los métodos son muy diferentes, la cantidad de "asientos mágicos" que nadie envidia es siempre la misma (aproximadamente el número logarítmico del total). Es una propiedad fundamental del caos aleatorio, no un error del sistema.

2. El "Sueño Cumplido" (Los que no envidian a nadie)

Ahora pensemos en los estudiantes que están tan felices que no envidian a nadie. Esto significa que consiguieron su primera opción (su escuela soñada).

El hallazgo: En el método DA, la cantidad de estudiantes que consiguen su primera opción es pequeña, pero mucho más grande que los que "nadie envidia".
La matemática: Con 10,000 estudiantes, unos 1,100 consiguen su primera opción.
La analogía: Imagina que DA es como un juego de "silla musical" muy competitivo. Al final, solo unos pocos logran sentarse en la silla de sus sueños. La mayoría termina en su segunda o tercera opción, y por eso sienten un poco de envidia hacia los afortunados.
Comparación con RSD: Aquí es donde DA pierde frente a RSD. En el método de "sacar nombres del sombrero" (RSD), casi la mitad de los estudiantes (unos 5,000 de 10,000) consiguen su primera opción simplemente porque llegan temprano al sorteo. DA es mucho menos generoso en este aspecto.

3. ¿Por qué nos importa esto? (La lección final)

El estudio nos dice dos cosas importantes:

La mayoría no es "inmejorable": Un estudiante es "inmejorable" (nadie puede hacerle un trato para que esté mejor) si o bien nadie le envidia, o bien él no envidia a nadie. El estudio muestra que, en un mercado grande, casi nadie cae en estas categorías. La inmensa mayoría de los estudiantes podrían, en teoría, mejorar su situación si intercambiaran lugares con otros.
La envidia es inevitable: Aunque el método DA es "estable" (nadie tiene una razón justificada para romper el emparejamiento), sigue generando mucha envidia "injustificada" (simplemente porque a alguien le gusta más la escuela de otro).

En resumen, con una metáfora final:

Imagina que DA es como un juego de cartas muy estricto.

Al final del juego, hay muy pocas personas (unos 10 de 10,000) que tienen una carta tan buena que nadie quiere cambiar con ellas (Nadie las envidia).
Hay un grupo un poco más grande (unos 1,100) que tiene la carta que siempre soñaron y están felices (No envidian a nadie).
Pero el 98% de la gente se queda con cartas "buenas, pero no perfectas", y siempre miran con envidia a los que tienen algo mejor.

El estudio nos recuerda que, en mercados grandes y aleatorios, la perfección es una rareza estadística. Incluso con el mejor sistema posible, la mayoría de la gente sentirá un poco de envidia o será envidiada, y eso es simplemente parte de la naturaleza de las grandes multitudes.

Resumen Técnico: La Distribución de la Envidia en Mercados de Emparejamiento

1. Planteamiento del Problema

El artículo investiga la distribución de la "envidia" en mercados de emparejamiento aleatorios bajo el algoritmo de Aceptación Diferida (DA, por sus siglas en inglés), el mecanismo más utilizado en asignación de escuelas.

El problema central se enfoca en dos tipos específicos de relaciones de envidia generadas por DA:

Estudiantes que no envidian a nadie: Aquellos asignados a su primera opción (o a una opción que prefieren sobre cualquier otra disponible para otros en su situación).
Estudiantes que nadie envidia: Aquellos asignados a escuelas "subdemandadas" (escuelas que reciben propuestas de exactamente un estudiante durante todo el proceso).

Motivación:

Eficiencia Pareto: DA no garantiza eficiencia Pareto. Comprender cuántos estudiantes son "inmejorables" (no pueden mejorar su situación mediante intercambios) es crucial. Los estudiantes que no envidian a nadie o que nadie envidia son inherentemente inmejorables.
Bienestar: La proporción de estudiantes que obtienen su primera opción es una métrica de bienestar común para los formuladores de políticas.
Comparación: Se busca contrastar estos resultados con la Dictadura Serial Aleatoria (RSD), un mecanismo que asigna a una fracción constante de estudiantes a su primera opción, para determinar si la baja eficiencia de DA en términos de envidia es una característica del mecanismo o del mercado aleatorio en sí.

2. Metodología y Modelo

Marco del Modelo: Se considera un mercado de emparejamiento bilateral con $n$ estudiantes y $n$ escuelas (cuota de 1 por escuela).
Preferencias: Las preferencias estrictas de los estudiantes y las prioridades de las escuelas se dibujan de forma independiente y uniforme al azar (i.i.d.).
Herramientas Analíticas:
- Implementación Secuencial de DA: Se utiliza la versión secuencial propuesta por McVitie y Wilson (1971), donde los estudiantes no emparejados hacen propuestas una a una.
- Principio de Decisiones Diferidas: Se construyen las preferencias "sobre la marcha" generando secuencias infinitas de dibujos aleatorios de escuelas.
- Problema del Coleccionista de Cupones: Se establece una conexión matemática directa entre el proceso de propuestas en DA y el clásico problema del coleccionista de cupones.
- Análisis Asintótico y Exacto: Se derivan expresiones exactas para mercados finitos y límites asintóticos para grandes $n$ .

3. Contribuciones y Resultados Clave

A. Estudiantes que nadie envidia (Escuelas Subdemandadas)

El artículo define $NE_n$ como el número esperado de estudiantes asignados a escuelas subdemandadas (nadie envidia a estos estudiantes).

Resultado Exacto (Proposición 1): En un mercado aleatorio de tamaño $n$ , el número esperado de estudiantes que nadie envidia es exactamente el $n$ -ésimo número armónico:
$NE_n = H_n = \sum_{k=1}^{n} \frac{1}{k}$
Lógica: El número de escuelas subdemandadas coincide con el número de "cupones únicos" (tipos de cupones que aparecen exactamente una vez) en el problema del coleccionista de cupones en el momento de parada (cuando se han recolectado todos los tipos).
Implicación: Dado que $H_n \approx \ln n + \gamma$ $H_{n} \approx ln n + γ$ , el número de estudiantes no envidiados crece solo logarítmicamente. La fracción de estudiantes no envidiados tiende a cero ( $NE_n/n \to 0$ $N E_{n} / n \to 0$ ) a medida que $n \to \infty$ $n \to \infty$ .
- Ejemplo: Para $n=10,000$ , se espera que menos de 10 estudiantes no sean envidiados.

B. Estudiantes que no envidian a nadie

El artículo define $EN_n$ como el número esperado de estudiantes asignados a su primera opción.

Resultado Asintótico (Proposición 2 y Corolario 1): La distribución de los rangos de asignación bajo DA se aproxima a una distribución geométrica con parámetro $1/H_n$ .
$EN_n \approx \frac{n}{H_n}$
Interpretación: Aunque el número absoluto de estudiantes que obtienen su primera opción es mayor que el de los no envidiados, sigue siendo una fracción vanishing (desvaneciente) del mercado total.
- Ejemplo: Para $n=10,000$ , se espera que aproximadamente 1,100 estudiantes obtengan su primera opción (una fracción pequeña comparada con el total).

C. Comparación con la Dictadura Serial Aleatoria (RSD)

Se comparan los resultados de DA con RSD para contextualizar la magnitud de la envidia.

Estudiantes que no envidian a nadie:
- RSD: Asigna a una fracción constante de estudiantes a su primera opción: $EN^{RSD}_n = \frac{n+1}{2}$ .
- DA: Asigna a $\approx n/H_n$ .
- Conclusión: RSD es mucho más eficiente en asignar primeras opciones que DA.
Estudiantes que nadie envidia:
- RSD: Sorprendentemente, el número esperado es exactamente igual al de DA: $NE^{RSD}_n = H_n$ .
- Proposición 3: Se demuestra que bajo RSD, la probabilidad de que un estudiante en la posición $k$ no sea envidiado por los posteriores es $1/(n-k+1)$ , lo que al sumar sobre todas las posiciones da $H_n$ .

4. Discusión y Significado

Inmejorabilidad: Los estudiantes que caen en cualquiera de las dos categorías (no envidian a nadie o nadie envidia a sus asignaciones) son "inmejorables" (no pueden mejorar mediante intercambios Pareto). El artículo demuestra que la fracción de estudiantes inmejorables bajo DA es vanishing (tiende a cero).
Naturaleza del Mercado: El hecho de que tanto DA como RSD produzcan exactamente $H_n$ estudiantes que nadie envidia sugiere que esta cantidad es una propiedad fundamental de los mercados aleatorios, y no una deficiencia específica del mecanismo DA.
Simulaciones: Las simulaciones confirman que las predicciones teóricas son precisas incluso para tamaños de mercado relativamente pequeños.
Futuras Direcciones: El artículo deja abiertas preguntas sobre la extensión de estos resultados a mercados muchos-a-uno, preferencias correlacionadas y otros mecanismos.

Conclusión Final

El estudio cuantifica rigurosamente la distribución de la envidia en mercados aleatorios. Muestra que, aunque DA es ineficiente en asignar primeras opciones en comparación con RSD, ambos mecanismos comparten una propiedad asintótica idéntica respecto a los estudiantes que nadie envidia ( $H_n$ ). Sin embargo, en ambos casos, la proporción de estudiantes que son "inmejorables" (ya sea por no envidiar o por no ser envidiados) se vuelve insignificante a medida que el mercado crece, lo que implica que la mayoría de los estudiantes podrían, en teoría, beneficiarse de intercambios posteriores al resultado de DA.