Ethics, Uncertainty, and Macroeconomics

In this article, I focus on the difference in moral judgment of macroeconomic interventions between the deterministic world of a thought experiment and the uncertain reality. The macroeconomic theory coined by Keynes is, in its most popular reading, deterministic and justifies interventionism. However, incorporating uncertainty into the analysis leads to the contrary result. Namely, if economic output is a random process, such as Gaussian white noise or a stochastic Markov chain, then intervening can bring either economic recovery or inflationary pressure and a next bubble. In the trolley‑problem philosophy, the one who pulls the lever instead of the trolley itself is believed to be guilty of the death of an innocent passer‑by standing on the side track. Similarly, if the Federal Reserve decided to intervene and failed (causing a bubble on the house market, instantiating), their monetary policy can be said to be a cause of the financial crisis. Therefore, governments should refrain from interventions.

Aplicação do Modelo Estocástico Cadeia de Markov a Dados Diários de Precipitação dos Estados da Bahia e Sergipe (Application of Stochastic Markov Chain Model to Data Daily Rainfall of the States of Bahia and Sergipe)

O objetivo desta pesquisa foi fornecer uma distribuição espacial e computar as probabilidades incondicionais e condicionais de primeira ordem das precipitações dos Estados da Bahia e Sergipe. Para tanto, foram utilizados dados diários pluviais referentes a um período de 47 anos (1960-2006) de 75 postos e/ou estações meteorológicas fornecidos pela antiga rede de postos da SUDENE através do DCA. Os resultados mostram que a zona oeste da área pesquisada é a mais favorecida com a precipitação na estação verão, ocorrendo o oposto disto na estação inverno; o leste é o mais beneficiado no inverno, o sul na primavera, e o norte no outono. Foi obtido que a probabilidade incondicional, P(C), na região costeira, é influenciada pela alta disponibilidade de umidade do Atlântico e pela geração de sistemas que provocam precipitação devido ao contraste de temperatura da superfície oceano-continente, particularmente durante os meses de outono e primavera. No verão o efeito oceânico não é percebido devido à alta disponibilidade de umidade sobre a área pesquisada e a alta persistência observada da precipitação diária está associada com os núcleos de máximas precipitações que se destacam na estação verão, enquanto que no inverno a baixa persistência foi predominante.Palavras - chave: distribuição espacial, cadeia de markov, precipitação diária. Application of Stochastic Markov Chain Model to Data Daily Rainfall of the States of Bahia and Sergipe ABSTRACTThe objective of this research was to provide a spatial distribution and compute the probabilities conditional and unconditional first order of precipitation of the States of Bahia and Sergipe. It had been used daily rainfall data relating to a period of 47 years (1960-2006) of 75 stations and/or meteorological stations provided by the former station network SUDENE by DCA. The results show that the area west of the area searched is more favored with rainfall in the summer season, the opposite occurring in this winter season, the east is the most improved in the winter, spring in the south, and north in the autumn. It was obtained that the unconditional probability, P(C), the coastal region, is influenced by the high availability of moisture from the Atlantic and the generation of systems that cause precipitation due to the contrast of surface temperature of ocean-continent, particularly during the autumn months and Spring. In summer the ocean effect is not perceived due to the high availability of moisture over the area surveyed and observed high persistence of daily rainfall is associated with the nuclei of maximum precipitation that stand out in the summer season, while in winter the low persistence prevailed.Keywords: spatial distribution, markov chain, daily precipitation.