Documente Academic
Documente Profesional
Documente Cultură
TEORA DE CONJUNTOS
En principio podramos decir que un conjunto es un agregado de cosas, pero nos veramos
obligados a definir que entendemos por agregado. Para nuestros fines definiremos un conjunto X
como una lista de elementos, todos distintos entre s, en donde el orden en que sos se
especifiquen no tiene importancia1. Normalmente los elementos de un conjunto se escriben entre
llaves, por ejemplo la lista del supermercado de 4 artculos ser:
X = { carne, leche, gaseosa, pan }
o en trminos ms generales podemos representar cada elemento con una letra
X a , b, c, d
En particular tenemos:
- elemento: puede ser cualquier cosa identificable y separable de otros, cada una de las letras
minsculas: a, b, c, d representa un elemento distinto.
- lista: es una serie de elementos, en el caso anterior ser la lista de compras del supermercado.
- distintos entre s: no tiene sentido que la lista sea redundantes, no se indica la leche dos veces,
con una sola vez basta.
X a , b, c, d , b a , b, c, d
- El orden no tiene importancia: no hay diferencia en que en lista de compras la carne se coloque en
el primer lugar o en el ltimo.
X a , b, c, d b, a , c, d .... d , c, b, a
Definimos algunos conceptos adicionales:
Pertenencia
Para decir que un elemento (letra minscula) pertenece al conjunto X utilizamos el smbolo
para decir que no pertenece , en nuestro ejemplo X a , b, c, d
b X
z X
Igualdad de conjuntos
Dos conjuntos P y Q son iguales cuando todo elemento de P es elemento de Q y cuando todo
elemento de Q es elemento de P
Si
P b, a, d , q
Q q, d , a , b
entonces P Q
Inclusin
Partiendo del conjunto X a , b, c, d , si tuviramos otro conjunto B a, b , comprobamos
que los elementos de B pertenecen a X, pero no se da la inversa: hay elementos de X que no
pertenecen a B, en tal caso diremos que B est incluido propiamente en X , en smbolos
BX
donde
Unin de conjuntos
A a , d , c, w
B a, b, c, x, z
A B a , b, c, d , w, x , z
grficamente
A C a , c, d , f , g , h, i, w
grficamente
Interseccin de conjuntos
Volviendo a los conjuntos
A a , d , c, w
B a, b, c, x, z
grficamente
A B 0
X a, b, c, d # X 4
# A B # A # B # A B
si los conjuntos A y B no tuvieran elementos en comn es decir fueran disjuntos, entonces
# A B # A # B
NOCIONES DE ESTADSTICA
A lo largo de estas lneas realizaremos una revisin veloz de los conceptos estadsticos
fundamentales vinculados a la probabilidad, ejemplificaremos con casos de juegos de azar 2 y casos
del mercado asegurador.
1. Certeza, Incertidumbre y riesgo
Cualquier persona que deba tomar una decisin se enfrenta a dos situaciones o estados: de
certeza o de incertidumbre. La nocin de certeza es simple de comprender, existe una relacin
causa efecto indiscutible si camino bajo la lluvia me mojar, si firmo un cheque tendr que cubrirlo,
etc. Ahora cuando no se tiene certeza sobre el futuro nos encontramos ante una situacin de
incertidumbre, el servicio metereolgico informa que por la tarde puede llover, sabiendo que a
menudo los pronsticos del tiempo son equivocados deberamos llevar un paraguas?
A los fines prcticos (y del seguro) nos interesa pasar de una situacin de incertidumbre a la
de riesgo, y esto sucede cuando se definen y conocen dos dimensiones:
-
Los estados de la naturaleza: se conocen todos los resultados o alternativas posibles, en el caso
del pronstico del tiempo tendremos dos estados de la naturaleza: que llueva y que no llueva.
Volviendo al caso de salir con paraguas o sin el, los estados de la naturaleza son conocidos,
que llueva o que no llueva, para definir la situacin de riesgo nos falta el dato de las probabilidades.
Supongamos los distintos escenarios:
-
el pronstico del tiempo dice 100 % de probabilidad de lluvia, sin duda debemos llevar
paraguas (el 100 % o el 0 % indican certeza)
si nos dijera 50 % de probabilidad de lluvia, es lo mismo que nada, estaramos inmersos en la
absoluta incertidumbre: puede llover o no.
Si nos indicara un % entre el 50 y el 100 % tomaremos el riesgo de llevar o no el paraguas 3.
2. Definiciones generales
Estadstica: es una disciplina que recolecta, clasifica y analiza informacin, para luego poder interpretar los resultados. A travs de la cuantificacin y ordenamiento de los datos intenta explicar los
fenmenos observados, por lo que resulta una herramienta de suma utilidad para la toma de decisiones. Se trabaja tanto sobre poblaciones o con muestras.
Un juego de azar es aquel cuyo resultado es estrictamente aleatorio, no son juegos de azar las carreras de caballos, los
eventos deportivos y/o cualquier otro que requiera la habilidad de los participantes.
3
En realidad la decisin depender de cada uno de nosotros, para algunos el 55 % ser suficiente para llevarlo y otros
requerirn ms del 80 %
Variable: es aquello que vamos a analizar en el estudio que estamos desarrollando, nuestro
inters es medirla, controlarla y estudiarla. Representa una caracterstica de la poblacin que
queremos estudiar, pero que podemos observar a travs de una muestra, por ello puede tomar
diferentes valores. La variable es el resultado a obtener. Las variables pueden ser cualitativas y
cuantitativas
- variables cualitativas: son aquellas que poseen un atributo que no puede ser sometido a
cuantificacin: sexo, raza, nivel socioeconmico, etc.
- variables cuantitativas: arrojan resultados numricos: son mltiples los ejemplos: la cantidad de
votos de un candidato, la venta mensual de un artculo (dominio discreto), altura de las
personas (dominio continuo)
3. Ramas de la estadstica
La estadstica es una disciplina que se divide en tres grandes ramas:
a) Estadstica descriptiva: es la disciplina dedicada a descubrir las regularidades o caractersticas
existentes en un conjunto de datos, es decir sobre informacin histrica obtiene, resume y
transforma datos para poder interpretar ciertas caractersticas.
b) Inferencia Estadstica: es el proceso por el cual se intenta extender las conclusiones de la muestra (estimadores) a la poblacin (parmetros poblacionales).
En el caso de la intencin de voto, de una muestra de 10.000 personas se deduce que el 60 %
votara por el candidato X podra afirmarse que este porcentaje se extiende a todos los
votantes?, la inferencia estadstica nos permite definir un intervalo de confianza a partir de cierto
nivel de probabilidad fijado como deseable, el resultado se expresara as el candidato X
obtendra entre el 55 y 65 % de los votos con un nivel de confianza del 95 %.
qu nos indica el nivel de confianza del 95 %? simplemente que existe un 5 % probabilidades
que el candidato obtenga menos del 55 % o ms del 65 %. Naturalmente surge la pregunta esta
conclusin es confiable? y depende de la precisin con que se desee trabajar 4. Por lo pronto no
discutiremos si el 95 % es suficiente o no, pero podemos asegurar que un 95 % de confianza es
mejor que un 90 %
Llevado al campo de los seguros, un ejemplo sera analizar si de la siniestralidad histrica de una
cartera de los ltimos 5 aos se repetir en el prximo ao,
c) Teora de las probabilidades: es la rama dedicada a la deduccin y estimacin de las
probabilidades asociadas a una experiencia aleatoria, nacida como una teora de los juegos (para
ganar en el casino) hoy tiene infinidad de aplicaciones.
A los efectos de este repaso de temas nos bastar con la primera y tercera rama. Por lo
general trabajaremos con muestras y no con poblaciones.
Recordemos que para aumentar la precisin se debe aumentar el tamao de la muestra y con ello los costos
4. Ms definiciones
Previo a los desarrollos a seguir es necesario acordar sobre los siguientes conceptos:
Experiencia aleatoria E: la definiremos como la realizacin de un experimento donde no
conocemos a priori el resultado que puede ocurrir. Ejemplos son:
-
la palabra aleatorio deriva del latn alea que significa dado, los antiguos romanos eran
aficionados a los juegos de dados.
Espacio muestral son todos los resultados posibles a priori vinculados a la experiencia aleatoria
anterior, se encuentra definido por los estados de la naturaleza, de modo que. para evitar caer en
un estado de incertidumbre diremos que conocemos todas las alternativas que pueden aparecer.
La notacin tradicional representa el espacio muestral con una llave , el lector habr notado
que se trata de un conjunto. Ejemplos son
-
Elementos del espacio muestral: es cada uno de los resultados posibles correspondientes a cada
espacio muestral. Si bien ya hecho referencia a ellos en el punto anterior repetimos su
enunciacin
-
En el caso del seguro nos interesan aquellos elementos que darn lugar al pago de una
indemnizacin, los designaremos especficamente con el nombre de eventos o siniestros
Suceso o evento: con este concepto denominaremos a un subconjunto cualquiera de elementos
del espacio muestral.
En general diremos que el suceso es significativo, sealizado como A, cuando su aparicin implica
la realizacin de una accin, y su contrario A que no da lugar a la accin prevista. Ambos
subconjuntos abarcan a todos los elementos del espacio muestral, de modo que siempre
verificaremos que
X A, A
Si jugamos a arrojar la moneda al aire y el evento significativo es ganar cuando sale cara,
cada uno de los elementos que nos lleva a ganar o perder se constituye como un suceso
significativo simple6.
M c , s
A 2,4,6
A 1,3,5
A M
En el caso del dado jugamos a ganar si sale un nmero par, como hay varios elementos
muestrales que cumplen con esta condicin definimos
D 1,2,3,4,5,6
A C
A S
A D
Si el juego implicara una erogacin si sale seca tambin podramos definir el evento significativo simple seca, sin embargo
en materia aseguradora lo mas comn es que un solo tipo de eventos sea significativo
TEORA DE LA PROBABILIDAD
1. Definiciones de la probabilidad
Se consideran vigentes 3 definiciones:
a) Definicin clsica
Este concepto se atribuye a Laplace quien en Francia a fines del siglo XVIII, desarroll las
hiptesis que devinieron en la actual teora de las probabilidades. Esta probabilidad surge de una
elaboracin intelectual al considerar el cociente entre casos favorables y casos posibles, donde
este ltimo est dado por la cantidad de elementos del espacio muestral.
Por un momento volvamos a la definicin de suceso significativo, sealizado como A
caracterizado como el subconjunto de X en que la aparicin de sus elementos implica la
realizacin de una accin, y su contrario A formado por los restantes elementos que no darn
lugar a la accin prevista. Obviamente los dos subconjuntos no tienen elementos en comn, lo
que los define como dos conjuntos disjuntos, tendremos que
X A, A
X A A
# X # A # A
P A
# A
# A
# X # A # A
X c, s
A c
A s
#X 2
# A 1
# A 1
P A
1
50%
2
- La experiencia consiste en apostar una suma de dinero al arrojar un dado, del cual presumimos
se encuentra bien balanceado, donde ganaremos si obtenemos un nmero par y perderemos si
el nmero es impar. Para calcular la probabilidad de ganar definimos:
X 1,2,3,4,5,6
A 2,4,6
A 1,3,5
# X 6
# A 3
# A 3
P A
3
50%
6
b) Definicin moderna
que la probabilidad de obtener cara sea del 50 % no implica bajo ningn concepto que cada
dos tiradas de la moneda se obtendr una vez cara.
quin puede garantizar a priori que la moneda es perfecta?
Supongamos que realizamos la experiencia aleatoria n veces de la cual conocemos a priori los
resultados posibles, y anotamos en un papel el resultado obtenido. La cantidad de veces que se
haya observado cada uno de los resultados posibles o sucesos constituye la frecuencia absoluta y
si a este nmero lo dividimos por n obtenemos la frecuencia relativa
Si tiramos 10 veces una moneda y la sucesin de resultados es c, c, s, c, s, c, s, c, c, s
entonces diremos que
-
(A)
fa A
n
P A lim
n
fa A
n
Experimento
n
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
Absoluta
1
1
0
1
0
0
1
1
0
1
0
0
0
1
0
1
0
1
1
1
1
0
0
1
0
fa(A)
1
2
2
3
3
3
4
5
5
6
6
6
6
7
7
8
8
9
10
11
12
12
12
13
13
Relativa
(A)
1
1
0,667
0,750
0,600
0,500
0,571
0,625
0,556
0,600
0,545
0,500
0,462
0,500
0,467
0,500
0,471
0,500
0,526
0,550
0,571
0,545
0,522
0,542
0,520
Frecuencia Frecuencia
Observacin
Absoluta
1
0
0
0
1
1
0
1
0
0
1
1
0
0
1
1
1
1
0
0
1
1
0
0
1
fa(A)
14
14
14
14
15
16
16
17
17
17
18
19
19
19
20
21
22
23
23
23
24
25
25
25
26
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
Relativa
(A)
0,538
0,519
0,500
0,483
0,500
0,516
0,500
0,515
0,500
0,486
0,500
0,514
0,500
0,487
0,500
0,512
0,524
0,535
0,523
0,511
0,522
0,532
0,521
0,510
0,520
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0
1
11
16
21
26
31
36
41
46
Cantidad de lanzamientos
10
c) Definicin subjetiva
Tanto en la definicin clsica y moderna se supone que la experiencia aleatoria puede ser
repetida, a la vez que los resultados se suponen objetivos (no dependen del observador). Ahora
cuando no hay informacin verificable, ya sea porque no hay una experiencia previa o porque el
experimento no es repetible debemos recurrir al olfato del observador
La probabilidad se estima a partir de la experiencia y/o creencia que tiene el observador respecto
de la ocurrencia de cierto suceso. El principal inconveniente de ste mtodo es que distintos
observadores asignarn distintas probabilidades a un mismo evento esperado.
Comparando las definiciones clsica y moderna de la probabilidad, concluimos que la
diferencia es que mientras la primera se refiere a una representacin intelectual (a priori) de los
resultados del experimento, la definicin moderna recurre a la evidencia emprica. En otras palabras
quien manifiesta que la probabilidad de lanzar una moneda (que no conoce) al aire y salga cara es del
50 %, est utilizando el criterio clsico: supone que la moneda es perfecta. Mientras que si antes de
comprometernos con un resultado, experimentamos con la moneda, estamos asumiendo el concepto
moderno de probabilidad. A esta altura el lector sospechar que el criterio moderno es mejor que el
clsico, si consideramos que no existe una moneda perfecta7.
A esta altura el lector estar totalmente desorientado, hay tres definiciones cual es vlida?,
la respuesta es todas y ninguna, en realidad se deben combinarse las tres.
Propiedades de la probabilidad
Ahora pasamos a considerar las propiedades bsicas de la probabilidad
Razonabilidad
Consideremos el anlisis de una experiencia aleatoria sobre la cual no se tiene un conocimiento
previo contundente que nos permita aplicar un criterio objetivo, el procedimiento de evaluacin
consistir en:
a) identificar los distintos resultados posibles o tcnicamente elementos para configurar el
espacio muestral
b) asignar probabilidades a cada elemento
siguiendo el criterio clsico la asignacin depender del buen juicio del observador, tarea no tan
simple como uno deseara. Volviendo al informe del servicio metereolgico sobre si llover o no,
qu factores influirn en la decisin de llevar paraguas? Podran ser la credibilidad que nos
inspira el Servicio Metereolgico Nacional, el reuma del abuelo, o incluso las ganas que tengamos
de cargar el paraguas. Objetivamente la decisin depender de si la probabilidad asignada es alta
o baja8, lo peor que nos puede suceder es asignar un 50 % de probabilidad de lluvia, estaramos
en un estado de incertidumbre absoluta.
La razonabilidad se entiende en el sentido que observadores objetivos, con experiencia en la
evaluacin del evento analizado, asignarn probabilidades similares. El criterio es apropiadamente
explicado por Schlaifer9
Los hombres razonables basan las probabilidades que asignan a los hechos del
mundo real en su experiencia con los hechos del mundo real, y cuando dos
hombres razonables tienen ms o menos la misma experiencia con cierto tipo de
hecho le asignan aproximadamente la misma probabilidad.
Rango numrico
Cualquiera sea la definicin utilizada, la probabilidad de ocurrencia de un determinado suceso es
un nmero no negativo (nulo o positivo), correspondiendo el valor 0 al caso de imposibilidad de
7
8
9
11
ocurrencia del evento, aunque de hecho tambin se consideran imposibles aquellos eventos cuya
ocurrencia es remota, por ejemplo un terremoto en la ciudad de Buenos Aires 10, el otro extremo la
probabilidad tendr asignado el valor 1 cuando existe la certeza de ocurrencia del suceso
analizado, el ejemplo tpico en los seguros es la muerte 11. Considerando la definicin moderna
fA
0
n n
f
P A lim A 1
n n
P A lim
si se verifica que
fA 0
si se verifica que
fA n
Obviamente las probabilidades no pueden ser mayores que 1, en la expresin anterior notamos
que el numerador fA es la frecuencia absoluta, es decir es un contador, donde se suma 1 cada vez
que aparece el suceso deseado, por lo tanto nunca puede ser superior al denominador que
representa las repeticiones de la experiencia aleatoria, de modo que
0 P A 1
Este concepto llevado al seguro donde el asegurador se interesa por el suceso o evento
significativo ocurrencia de siniestros, debera cumplirse la regla de oro que la suma recaudada
de primas debe estar acorde con el riesgo asumido, una interpretacin intuitiva nos dir que
cuanto mayor sea el riesgo (la probabilidad de ocurrencia del siniestro ser ms elevada que un
valor normal) mayor es la prima que se debe cobrar.
Por otro lado no puede afirmarse sin considerar el entorno y las consecuencias si un valor
pequeo de probabilidad es significativo o no. Por ejemplo que una fbrica de lmparas
incandescentes tenga una probabilidad de producir una lmpara defectuosa del 1 % puede ser
considerado dentro de los estndares normales, en cambio si hablamos de fallas que ocasionan
que un paracadas no se abra en el aire, no podemos asumir como un riesgo normal que cada 100
saltos al vaco uno de los deportista muera.
Eventos completos
Si el conjunto del espacio muestral se encuentra formado por s elementos independientes, de
modo que
S : A1 ; A2 ; A3 ; . . . ; As
s
se verifica que
P A P A P A
j
P A3
. . . P As 1
j 1
lo cual indica que estamos en una situacin de riesgo: conocemos los estados de la naturaleza
representado por cada uno de los elementos del conjunto S y sus probabilidades. Obsrvese que
al decir que la suma de las probabilidades de cada uno de los elementos es 1 estamos asumiendo
que no existe otro elemento no previsto dentro del conjunto S.
Ejemplifiquemos:
Sea el experimento de lanzar la moneda aire, en tal caso el espacio muestral est compuesto
P A1 P A2
1 1
1
2 2
10
12
Sea el experimento rodar un dado sobre la mesa, cada elemento del espacio muestral est
determinado por el nmero de la cara superior del cubo detenido S : 1 ; 2, 3; 4; 5; 6 , por el
criterio clsico la probabilidad de obtener un nmero cualquiera es 1/6, la suma de estas
probabilidades es
P 1 P 2 P 3 P 4 P 5 P 6
1 1 1 1 1 1
1
6 6 6 6 6 6
P(B)
P A B
generalizando
P A B C .... Z P A P B P C ... P Z
b) eventos no excluyentes
En tal caso pueden verificarse simultneamente dos o ms eventos, definamos dos
subconjuntos C y D que representan 2 eventos distintos pero que tienen elementos comunes
(no son disjuntos). Por lo tanto si apareciera el elemento comn se verificaran los dos
eventos.
Continuando con el ejemplo del seguro de automviles podramos definir C como el evento de
chocar y producir daos en la unidad y D como el evento de producir daos a terceros.
Tengamos presente que:
13
P C D P C P D P C D
donde
P C D P C D
P A
P A
1
0.001
1.000
999
0,999
1.000
obviamente
P A P A 1
En principio si nos ofrecen el billete de la rifa gratis, sera racional aceptarlo, como as tambin lo
rechazaramos si nos pidieran $ 10.000 por el billete, en cambio si nos solicitan una contribucin
de $ B de modo que 0 < B < 10.000, antes de tomar una decisin ponderaremos las
probabilidades de ganar o perder.
Si los organizadores de la rifa no tuvieran gastos ni buscaran beneficios por su gestin, el importe
a recaudar necesario para afrontar las erogaciones sera de $ 10.000. Sin tener idea alguna de
estadsticas podemos aplicar un criterio determinista y calcular fcilmente el costo de cada billete
haciendo
$ 10
Cantidad de billetes
1.000
Este resultado determinista es vlido en cuanto al nmero asignado al costo del billete, y es lgico
porque no hay posibilidad de pagar ms de una vez el premio, porque no es posible que dos
14
E X X 1 P A X 2 P A
E X X 1 P A X 2 P A
E X 70
1
99
0
0,70
100
100
En la prctica existen gastos, recargos de seguridad y beneficios para el organizador, igual modo
que para una compaa de seguros. Supongamos el caso de la quiniela. Es un juego de azar con
distintas modalidades de apuesta, la ms habitual es realizar una apuesta correspondiente a un
nmero de 2 cifras que en caso de resultar premiado retribuye 70 veces la apuesta y si no resulta
favorecido se pierde lo jugado. El espacio muestral est compuesto por los nmeros 00, 01,
02, . . . , 99 y la probabilidad de ganar apriori es P(A) = 1 %.
Desde un punto de vista determinista, si todos los nmeros fueran jugados en al misma medida,
para una muestra de 100 apostadores correspondiendo a cada uno de ellos un nmero distinto,
para una apuesta de $ 1,- tendramos:
Recaudacin = 100 nmeros $ 1 = $ 100
Pago de Premios = 1 ganador $ 70 = $ 70
La diferencia de $ 30 corresponde al pago de gastos y beneficios para el organizador. Reitero el
supuesto restrictivo que todos los nmeros son jugados con la misma preferencia, en la prctica
no es as producindose quebrantos extraordinarios si resulta ganador un nmero muy jugado,
esta circunstancia se cubre con un determinado margen de seguridad, de modo que en realidad
los $ 30 del ejemplo se destinan adems a constituir un margen de seguridad 13.
En este caso muchas personas considerarn que este juego tiene poco de equitativo, porque si
jugaran a todos los nmeros invertirn en un resultado seguro $ 100, pero solo recibiran $ 70,-.
Pero ningn apostador jugara a los 100 nmeros sino que le tiene fe a un nmero determinado,
por lo que sin demasiados cuestionamientos acepta las reglas del juego.
Como ejercicio mental el lector puede pensar en lo equitativo o no de los distintos juegos de azar,
un caso interesante es el de la ruleta, donde por acertar un pleno se gana 36 veces el importe de
la apuesta y los distintos resultados posibles son 37 (o 38 cuando se incorpora el doble cero)
12
Imagine una experiencia similar en que consigue 1.000 personas y cada uno de ellas elige un nmero a su antojo, si todos
eligieran nmeros distintos no habra ningn problema, pero seguramente habr nmeros que no han sido elegidos y otros muy
jugados. A priori no se puede determinar con certeza el resultado para el organizador, si sale un nmero no jugado retendr el
premio, pero si sale un nmero muy jugado no tendr fondos suficientes para pagar a cada ganador.
13
A pesar de estar prevista la posibilidad de salir favorecido un nmero muy jugado, ha ocurrido que para equilibrar la relacin
costos e ingresos en varias oportunidades se pag a los ganadores un importe menor al previsto (letra chica del reglamento)
alterando las reglas naturales del juego. Este abuso de modo alguno puede permitirse a un asegurador, si as fuera
distribuira la masa de primas puras entre los siniestrados abonando un importe menor a lo debido por siniestros liquidados. Sin
embargo tal situacin sucede en caso de liquidacin de la compaa, donde con suerte los acreedores por siniestros recuperan
parte de las deudas.
15
E X
x p
i
i 1
En el caso particular que todos los puntos muestrales xi tengan la misma probabilidad (sean
equiprobrables) p i
1
, obtendremos que la esperanza matemtica es igual a la media.
N
E X
xi
i 1
1
1
N N
i 1
b) La Varianza y Dispersin
La esperanza matemtica nos da una idea del valor promedio que debera tomar la variable
aleatoria analizada, pero este no es un nmero vinculado a la certeza sino que los valores
realmente observados se ubicarn alrededor de ese valor central. La pregunta es qu tan alejados
estarn de lo estimado, para responder recurrimos a otra medida la varianza y su raz cuadrada
denominada desvo estndar o dispersin. En el caso de los seguros, esta ser una medida del
margen de seguridad que deber recargar el asegurador en la prima para tener la seguridad de
cubrir los posibles desvos en la siniestralidad prevista.
2 E xi E X
x
N
2
i
pi
y la dispersin ser
i 1
2 E xi X
N1 x
pi
1
N
2
i
i 1
xi
Gana
Pierde
(5.000 15)
- 15
pi
0,001
0,999
La interpretacin de este resultado es que si este seor comprara una gran cantidad de billetes
por cada uno de ellos sufra una prdida de $ 10,- Veamos esto con un poco ms de detalle:
analizando las probabilidades notamos que hay en juego 1.000 billetes, si nuestro jugador en un
acto de desesperacin por ganar comprara todos los cartones invertira $ 15.000 y el premio
obtenido (con certeza porque tiene todos los nmeros) sera de $ 5.000, su prdida total
ascendera a $ 10.000 ($ 10 por cada uno de los billetes jugados).
Qu representan esos $ 10 para el organizador del sorteo? Obviamente su ganancia, y no podra
ser de otro modo porque sino no habra incentivo a organizar la lotera.
16
No obstante nos resulta ms interesante obtener el precio equitativo, el cual queda definido como
aqul valor del billete que hace que el organizador no gane ni pierda 14. Este precio justo es el que
corresponde a un valor esperado 0, el clculo es similar al anterior solo que en vez de calcular la
ganancia consideramos lo que cobrara
xi
Gana cobra
Pierde cobra
5.000
0
pi
0,001
0,999
P.E. 5.000 0,001 0 0,999 5 Si el precio del billete fuera de $ 5, el valor esperado de la
ganancia de nuestro apostador sera nulo y el organizador no ganara ni perdera nada.
2) Un sr. compra un billete de lotera en que puede ganar un primer premio de $ 5.000 o un segundo
premio de $ 2.000 con probabilidades 0,1 % y 0,3% determine el precio equitativo del billete.
Aqu las probabilidades son independientes, el apostador no puede ganar simultneamente
ambos premios15. Nuevamente nos conviene ayudarnos con un cuadro
xi
Gana 1 premio cobra
Gana 2 premio cobra
Pierde cobra
5.000
2.000
0
pi
0,001
0,003
0,996
Si el billete tiene un costo de $ 11, el sorteo ser equitativo en el sentido en que al organizador no
sufrir prdida o ganancia alguna (si consigue vender todos los billetes 16). Es evidente que no
tiene demasiado sentido continuar expresando el ltimo trmino por cuanto al estar multiplicado
por 0 se anula, de ahora en ms prescindiremos del mismo.
3) Un vendedor de ambulante se dedica a la venta de paraguas en una regin donde la probabilidad
de lluvia es independiente del da anterior y es siempre del 30 %. Dados los costos de transporte
nuestro vendedor sabe que si llueve ganar $ 300 por da y si hay buen tiempo perder $ 60. le
conviene seguir vendiendo paraguas?
Para obtener una respuesta debemos calcular el valor esperado de su ganancia diaria, nos
ayudamos con un cuadro de datos donde x j representa la ganancia diaria
xi
Lluvia
Buen tiempo
300
- 60
pi
0,30
0,70
14
15
16
En los seguros de vida y muerte es la base principal sobre la que se fundamenta el calculo de la prima pura .
Supuesto que se mantendr en la actividad aseguradora
Esta ltima referencia se refiere al cumplimiento de la ley de los grandes nmeros
17
4) Continuando con el caso anterior de nuestro vendedor de paraguas, si los das de sol no vende
nada y el costo de transporte sigue siendo $ 60 por da, la ganancia por cada paraguas vendido es
de $ 10 cul debera ser su venta los das de lluvia para no perder dinero?
El planteo nos cuestiona la venta a realizar para obtener un valor esperado 0, nuevamente nos
ayudamos con el cuadro de datos
xi
Lluvia
Buen tiempo
q 10 60
60
pi
0,30
0,70
E X q 10 60 0,30 60 0,70 0
despejando la incgnita q 20
Resumiendo, nuestro vendedor debe vender 20 paraguas los das de lluvia para no perder dinero.
18