Documente Academic
Documente Profesional
Documente Cultură
DEL
RIESGO
APUNTES DE CLASE
CONTENIDO
PROLOGO..............................................................................................IV
1.1 Introducción......................................................................................... 1
1.2 Propiedades Básicas de los Principios de las Primas..........................2
1.3 Principio de la Prima Pura....................................................................3
1.4 Primas Puras Adicionadas con Cargos................................................4
1.5 Principio de Esscher.............................................................................6
1.6 Principio de la Prima Ajustada..............................................................8
Ejercicios.............................................................................................10
2.1 Introducción.........................................................................................12
2.2 Seguro del Exceso de Pérdida............................................................12
2.3 Límite de las Pólizas............................................................................16
2.4 Razón de la Eliminación de la Pérdida y Efecto de la Inflación...........18
2.5 Coaseguro............................................................................................21
2.6 El Impacto de los Deducibles sobre la Frecuencia de los Reclamos...25
Ejercicios..............................................................................................28
3.1 Introducción..........................................................................................32
3.2 Función de Utilidad...............................................................................32
3.3 El Seguro y la Utilidad..........................................................................33
3.4 Tipos de Funciones de Utilidad............................................................37
3.4.1 Función Exponencial...................................................................37
3.4.2 Función de Potencia Fraccionaria...............................................38
3.4.3 Función Cuadrática.....................................................................39
3.5 Seguros Compartidos...........................................................................40
Ejercicios..............................................................................................45
4.1 Introducción..........................................................................................48
4.2 Modelos para Reclamos Individuales...................................................48
4.3 Suma de variables Aleatorias Independientes......................................50
4.4 Aproximaciones para la Distribución de los Reclamos Totales.............54
4.4.1 Aproximación Normal...................................................................54
4.4.2 Aproximación Gamma Trasladada...............................................57
Ejercicios...............................................................................................60
Capítulo V Modelo del Riesgo Colectivo
5.1 Introducción............................................................................................63
5.2 Distribución del Número de Reclamos...................................................63
5.3 Distribución del Valor Individual de los Reclamos..................................66
5.4 Distribución del Reclamo Total................................................................67
5.5 Proceso del Reclamo Total......................................................................70
5.6 Utilidad de Algunas Distribuciones Compuestas.....................................72
5.7 Aproximación del Modelo Individual.........................................................81
Ejercicios..................................................................................................87
6.1 Introducción...............................................................................................91
6.2 Un Modelo de Tiempo Continuo................................................................91
6.3 Probabilidad de la Ruina...........................................................................94
6.4 Un Modelo de Tiempo Discreto.................................................................99
6.5 Probabilidad de Sobrevivencia................................................................107
6.6 Primer Superávit Por Debajo del Nivel Inicial..........................................110
6.7 La Pérdida Total Máxima.........................................................................112
6.8 Método de De Vylder...............................................................................120
6.9 Fórmula Asintótica de Cramer y Aproximación de Tijms.........................122
Ejercicios..................................................................................................124
7.1 Introducción...............................................................................................128
7.2 Reaseguro Proporcional y Reaseguro del Exceso de Pérdida.................128
7.3 Dividendos.................................................................................................134
7.4 Reaseguro en el Modelo de Riesgo Colectivo..........................................136
7.4.1 Reaseguro Proporcional...................................................................137
7.4.2 Reaseguro del exceso de Pérdida...................................................137
7.5 El Reaseguro y la Teoría de la Utilidad.....................................................139
7.6 El reaseguro y la Teoría de la Ruina.........................................................143
7.6.1 Reaseguro Proporcional...................................................................144
7.6.2 Reaseguro del exceso de Pérdida....................................................146
7.6.3 Pérdida Total Máxima.......................................................................149
Ejercicios....................................................................................................153
APENDICE......................................................................................................157
Respuestas ....................................................................................................162
Bibliografía.....................................................................................................163
PROLOGO
Este texto recopila las notas utilizadas en la enseñanza del curso “Teoría del
Riesgo”. Los temas tratados en él se desarrollan de manera que sean fáciles
de comprender con los conocimientos elementales del Cálculo Diferencial e
Integral y del Cálculo de Probabilidades. En el apéndice se hace un recuento
breve de las distribuciones de probabilidad requeridas en el desarrollo de la
teoría, en los ejemplos y en la solución de los ejercicios. También se
encuentran las fórmulas requeridas de la transformación de Laplace.
El autor
CAPITULO I
1.1 INTRODUCCIÓN
Una regla que asigna un valor numérico a las primas, es mencionada como un
principio del cálculo de las primas. Una vez el asegurador ha seleccionado el
principio que va a seguir, para calcular la prima, él aun tiene el problema
estadístico de determinar, estimar o conjeturar, la distribución del riesgo X al que
el se enfrenta.
Para la mayoría de los principios del cálculo de las primas, es posible extender
el dominio de la función , de tal manera que, la distribución del riesgo X, tenga
un rango no acotado. Sin embargo, en este caso la prima para el riesgo puede ser
infinita, en otras palabras, tal riego no sería asegurable.
1
1.2 PROPIEDADES BÁSICAS DE LOS PRINCIPIOS DE LAS PRIMAS
G EX
esto es, la prima no debe ser menor que el valor esperado de los reclamos.
esto es, la prima del riesgo combinado es igual a la suma de las primas de
los riesgo individuales. Así, la unión de riesgos independientes no debe
afectar la prima total.
aX a X
X c X c
X x m
2
1.3 PRINCIPIO DE LA PRIMA PURA
SOLUCIÓN
3
Cuado a la prima pura se le agregan, gastos, impuestos, etc., se obtiene la
llamada “Prima con Cargos”. Esta prima, indicada por G, viene dada por,
G EX θc, θ 0
Cuando c = EX, decimos que la prima con cargos se rige por el “Principio del Valor
Esperado”. De esta manera,
G 1 θ EX
La mayor deficiencia de este principio es que, asigna la misma prima a todos
los riesgos que tienen la misma media. Por ello, este principio casi siempre es
usado en el seguro de vida y sólo raras veces en el seguro de no vida; la
heterogeneidad de los riesgos, inherentes al seguro de no vida, no permite el
cálculo del promedio de las pérdidas.
G EX θσ x2
G EX θσ x
θc xm EX
4
EJEMPLO 1.2 Suponga que la pérdida X tiene los valores 0, 40 y 100, con
probabilidades 0,90, 0,08 y 0,02, respectivamente. El cargo relativo por seguridad
sobre la prima es 0,10. Calcule la prima con cargos, de acuerdo con los tres
principios descritos.
SOLUCIÓN
La pérdida esperada es
EX = 40(0,08) + 100(0,02)
= 5,20
G = 5,20 + 0,10c
G = (1 + 0,10)(5,20)
= 5,72
G = 5,20 + 0,10(300,96)
= 35,30
G = 5,20 + 0,10(300,96)1/2
= 6,93
5
1.5 PRINCIPIO DE ESSCHER
E Xe hX
G , h0
Ee
hX
~
y puede interpretarse como la prima pura de un riesgo X con función de densidad,
e hx f x
qx
e f x dx
hx
~
La función de distribución de X ,
x
Qx e hy f y dy
1
M X h 0
MX t h
MX~ t
MX h
E aXe haX
aX aX
Ee haX
~
G EX EX
Para h 0
6
M' X h
M' X~ 0
~
EX
M X h
Así,
~
~2
E X 2 EX 0
SOLUCIÓN
λ
M X t , tλ
λt
Entonces,
λ-h
MX~ t , ht λ
λht
~
Así, el riesgo X tiene distribución exponencial con parámetro λ h . Por lo tanto,
la prima según el principio de Esscher es,
~ 1
G EX
λh
Q x 1 e λ h x
▼
7
1.6 PRINCIPIO DE LA PRIMA AJUSTADA
PX x
1/ ρ
G dx
0
1 Fx dx
1/ ρ
0
1 1 Fx
1/ ρ
X c PX c x
1/ ρ
dx
0
PX x c
1/ ρ
dx
0
c
X c c X
Con una ilustración mostraremos que la prima ajustada no es aditiva. Para ello
consideramos dos riesgos independientes y distribuidos idénticamente, X 1 y X2
con,
8
PX i 0 0,7 y PX i 1 0,3 i 1,2
= (0,3)1/2
Entonces
= 1,014
SOLUCIÓN
α
β
1 Fx
β x
Así,
α/ρ
β
Hx 1
β x
βρ
G EX * , ρα
αρ
9
EJERCICIOS
1.2 Según el principio del valor esperado, la prima con cargos, para un riesgo X
es dada por,
G h 1 EhX
1.5 Suponga que el riesgo X tiene distribución Ji – dos con 2 grados de libertad.
Con parámetro 1/3, calcule la prima según el principio de Esscher.
1.6 Suponga que el riesgo X tiene distribución 4; 0,04 y que la prima G = 250,
ha sido calculada por el principio de Esscher con parámetro h. Calcule el
valor de h.
1.9 Suponga que el riesgo X tiene distribución exponencial con media 1/4.
Calcule la prima ajustada, cuando el índice del riesgo es 2,6
1.10 Suponga que el riesgo X tiene distribución Uniforme sobre el intervalo (2, 5).
Calcule la prima ajustada, cuando el índice del riesgo es 1,5.
10
1.11 Compruebe que la prima ajustada tiene un cargo no negativo, es de escala
constante y cumple la propiedad de truncamiento.
1.12 Suponga que el riesgo X tiene distribución Ji-dos con 2 grados de libertad.
Cuando el índice de riesgo es ρ , la prima ajustada del riesgo 3X + 2 es 11,6.
¿Cual es el valor de ρ ?.
11
CAPITULO II
2.1 INTRODUCCIÓN
Con frecuencia en los seguros, el decisor asume las pérdidas hasta un valor d,
estipulado en la póliza y que se designa con el nombre de “deducible”. Cuando la
pérdida excede este valor, el seguro paga el excedente o paga la totalidad de ella.
En el primer caso recibe el nombre de “deducible ordinario” y en el segundo caso,
d es llamado “deducible eximido”.
0 si Xd
Y
X d si Xd
X d
12
Hay una fórmula conveniente para calcular el costo esperado por pérdida. El
desarrollo se presenta para la versión continua, pero el resultado se cumple para
todas las variables aleatorias.
EX d x d d 1 FX x
d
1 FX x dx (2.1)
d
Para un valor dado de d, con PX d 0 , la variable “costo por pago” es dada
por, Yp Y / Y 0. Para los eventos monetarios, la diferencia entre el costo por
pérdida y el costo por pago es que, el primero toma el valor cero cuando una
pérdida no produce pago alguno, mientras que, el costo por pago existe sólo
cuando hay un pago ( no está definido para X d . La función de distribución del
costo Yp es,
FYp PX y d / X d
FX y d FX d
1 FX d
eKX d
E X d
K
(2.2)
1 FX d
Cuando la variable X señala una pérdida, EYp indica el pago esperado dado
que, ha habido una pérdida en exceso de un deducible d. Cuando la variable X
señala la edad al deceso de una persona, EYp indica el tiempo restante esperado
de vida, dado que la persona esta viva a la edad d, en este último caso, EYp
constituye la esperanza completa de vida de una persona de edad d y se
o
representa por e d . Esta afirmación se verifica en la forma siguiente.
1
1 FX y dy
1 FX d d
EYp
S y
Sd dy
d
13
Donde S es la función de sobrevivencia de la persona de edad d. Tomando
y t d tenemos
Sd t
EYp Sd
dt
0
t pd dt
0
o
ed
0 si X d
Y
X si X d
FX y FX d
1 FX d
EJEMPLO 2.1 Calcule el costo esperado por pérdida cuando hay un deducible
eximido de 500 y la pérdida X sigue la distribución de Pareto con parámetros
α 3 y β 2.000 .
SOLUCIÓN
14
EY xf X x dx
500
xd 1 FX x
500
1 FX x dx 500 1 F500
500
3
2.000
x 2.000 dx 5000,8
3
500
= 896
EJEMPLO 2.2 Calcule el costo esperado por pago cuando hay un deducible
ordinario de 200 y la pérdida X sigue la distribución Gamma con parámetros 2
y 0,001
SOLUCIÓN
EX 200
0,0012 x 200 xe 0,001x dx
2 200
EX 200
0,0012 y y 200 e 0,2e 0,001y dy
2 200
2.200 e 0,2
2.200 e 0,2
e200
1,2e 0,2
15
1.833,33
▼
Para algunos seguros las pólizas estipulan un límite sobre las pérdidas, a partir
del cual ellas son cubiertas por el decisor. Cuando la pérdida es indicada por la
variable aleatoria X y u es el límite de la póliza, la “pérdida limitada” es dada por
X u mínx,u
X d Xd X
esto es,
Esta relación indica que, comprar una póliza con un límite d y otra póliza con un
deducible d, es equivalente a comprar el cubrimiento total.
u
E X u x f X x dx u k 1 FX u
k k
(2.4)
E X u
k
xik pxi u k 1 FX u (2.5)
xi u
0 u
E X u x dFX x u d 1 FX x u 1 FX u
k k k k
0
16
mediante integración por partes tenemos,
0 u
E X u kx FX x dx kx 1 FX u dx
k 1 k 1
k
(2.6)
0
E X u
k
1
n xi u
xik u k
(2.7)
xi u
SOLUCIÓN
u X u X u
EB 0,25Eu X
0,25120 72
12
▼
17
SOLUCIÓN
1.730
xi 200 .000
i 1.701
Además
1.700 2.000
EX 6.000
1 6.000
xi
2.000
i 1 i 1.701 2.000
= 1.810
Entonces
1.700 1
xi 2.000 910
i 1
Por lo tanto,
910 100
7
2.000 1.730
2
1.955
18
2.4 RAZÓN DE LA ELIMINACIÓN DE LA PÉRDIDA Y EFECTO DE LA
INFLACIÓN
Cuando la pérdida aleatoria es dada por la variable aleatoria X vemos que, sin
el deducible, el pago esperado es EX y con el deducible, el pago esperado es,
EX d . Por lo tanto, la razón de la eliminación de la pérdida es,
EX EX d EX d
(2.8)
EX EX
Con un inflación uniforme del 100r%, las pérdidas son dadas por la variable
aleatoria, Y 1 r X . Entonces,
Y d 1 r X d
EY d 1
r E X d (2.9)
y como, Fy d FX d , el costo esperado por pago, con la inflación del 100r% es,
EY d
e Y d
1 E Y d
1
r e X d (2.10)
Yu 1
r X u
Donde, u u / 1 r . Así, para un límite u de la póliza, el costo esperado con la
inflación uniforme del 100r% es,
19
EY u 1
r E X u (2.11)
SOLUCIÓN
3
2.000
1 FX x dx x 2.000 dx
500 500
= 640
e x 500
640
1 FX 500
2.000
2
EX 2.000
5001,1 1
2 2.000 500 1,1
= 336,08
Que representa un incremento del 14,11% del costo esperado por pérdida sin
inflación.
20
FY 500 FX 500 / 1,1
0,459
que representa un incremento del 8% del costo esperado por pago sin inflación.
2.5 COASEGURO
0 si X d
a1 r X d si d X u
Y
a u - d si X u
donde,
d u
d y u
1 r 1 r
21
EY
a 1 r E X u E X d (2.12)
EY
EYP
1 FX d (2.13)
X si X d X si X d
Y a 1 r X si d X u a 1 r d si d X u
u si X u
d si X u
Entonces
EY
a 1 r E X u E X d
Los segundos momentos de las variables que representan la pérdida y el pago
son,
E Y2
2
a 2 1 r E X u E X d
2 2
2d E X u E X d (2.14)
E Y2
E YP2
1 FX d (2.15)
u
EY
2
a 1 r
2 2
x d f X x dx
a 2 u d 1 F u
2
d
Entonces
22
E Y2 u
d u
d
X X X X
x f 2
x dx x f x dx 2 d
2
xf x dx xf x dx
a 2 1 r
2
d 2 F u Fd u d 1 F u 2
E X u u 2 1 FX u
2
EX d
d 2 1 FX u
2d E X u u 1 FX u EX u u 1 F d
X
d 2 F u Fd u d 1 F u
2
E X u E X d 2d E X u E X d
2
2
EJEMPLO 2.6 Determine la varianza del costo por pérdida para la distribución de
Pareto con parámetros α 3 y β 200 , con un deducible de 50 y un límite de la
póliza de 250. Nótese que la pérdida máxima cubierta es 300.
SOLUCIÓN
m
EX m αβ xx β dx m1 FX m
α α 1
0
β β
α 1
1 , α 1
α 1 m β
y
m
E X m x x β dx m 2 1 FX m
α 1
αβ
α 2
2
α α
2
m 2β
β m
m β m β
23
E X 50
2
1.600 y
E X 300
2
14.400
EY 48 y
E Y2 8.000
SOLUCIÓN
0 si X 25
0,75 X 25 25 X 225
si
Y
0,75 225 25 150 si 225 X 0,75 225 25 360 510
150 0,95 X 510 si X 510
0 si X 25
0,95 X 510 0,75 X 25 si 25 X 225
0,75 225 25 150 si X 225
Entonces,
24
2.6 EL IMPACTO DE LOS DEDUCIBLES SOBRE LA FRECUENCIA DE LOS
RECLAMOS
En el análisis del efecto que producen las modificaciones que se hacen a las
pólizas, se tiene en cuenta el comportamiento de la frecuencia de los pagos,
cuando se impone o se cambia el deducible (ordinario o eximido). Cuando un
deducible es impuesto o incrementado, habrá menos pagos por periodo mientras
que, si el deducible es reducido habrá más pagos.
NP I1 I 2 I N
g I j t 1 vt 1 (2.16)
25
hacen. En este caso se acude a la función generatriz de probabilidad de N que
tiene la forma:
gN t
gNP 1 v 1t 1 (2.18)
EJEMPLO 2.8 Las pérdidas tienen distribución de Pareto con con parámetros
α 3 y β 1.000 y hay un deducible de 250. El número N de pérdidas en un año
dado sigue la distribución Binomial negativa con media 6 y varianza 24. Calcule el
número esperado de pagos en el mismo lapso.
SOLUCIÓN
2
14
gN t
1 3 t
4
2
1
gNP t
3
4
1
4
1 v t 1
2
1
1 3v
3v
1 1 3v t
v PX 250
3
1.000
1.000 250
26
= 0,512
6v 3,072
27
EJERCICIOS
2.2 DEDUCIBLES
2.1 Calcule el costo esperado por pérdida, cuando hay un deducible ordinario de
3 y la pérdida tiene distribución Binomial con media 8 y varianza 1,6.
2.2 Calcule el costo esperado por pérdida, cuando hay un deducible eximido de
5 y la pérdida tiene distribución Binomial Negativa con media 4/3 y varianza
20/9.
1/ 2 si x 10
f x 1/ 40 si 10 x 20
1/ 4 x 20
si
2.7 En un seguro cuya póliza tiene un límite de 648, el valor pagado por un
reclamo tiene la función de distribución:
0 si x 0
F x 0,001x
1 0,3e si x 0
28
2.8 Antes de que se aplique cualquier deducible, las pérdidas tienen una
distribución como se refleja en la tabla siguiente:
x F(x) EX u
10.000 0,6 6.000
15.000 0,7 7.700
22.500 0,8 9.500
32.500 0,9 11.000
1 20.000
2.11 Las pérdidas tienen una distribución exponencial con una media de 1.000 y
hay un deducible de 200. Halle la cantidad en que se tendría que
incrementar el deducible, para duplicar la razón de la eliminación de la
pérdida.
29
2.12 Las pérdidas tienen una media de 1.955. Con un deducible de 1.000 la
razón de la eliminación de la pérdida es 0,32. La probabilidad de que una
pérdida sea mayor que 1.000 es 0,4. Halle el valor promedio de una pérdida
que sea menor o igual que 1.000.
2.14 Las pérdidas en el año a siguen la distribución exponencial con media 10.
Una inflación del 10% impacta uniformemente todas las pérdidas del año a al
año a + 1. En el año a + 1 se aplica un deducible d a todas las pérdidas.
Halle la probabilidad de que la cantidad pagada en el año a + 1 sea inferior a
4,0
2.5 COASEGURO
2.17 Las pérdidas tienen una distribución Uniforme sobre el intervalo [0, 50.000].
Hay un límite de 25.000, un deducible de 5.000 y un coaseguro del 72%.
Dado que se hace un pago, halle su valor esperado.
2.18 Las pérdidas este año tienen una distribución tal que, EX d 0,025 d 2
1,465 d 2,250 para d = 10, 11, ..., 26. El año siguiente las pérdidas se
incrementan uniformemente en un 10%. Un seguro reembolsa el 72% de
las pérdidas sujetas a un deducible de 11 hasta un reembolso máximo de
11. Halle el reembolso del año siguiente.
0,01x 2 0 x 100
F x
si
1 si x 100
30
Un seguro paga el 70% de la pérdida en exceso de un deducible ordinario
de 20, sujeta a un pago máximo de 60 por pérdida. Calcule la pérdida
esperada en exceso.
2.22 Las pérdidas tienen distribución Exponencial con media 1.000 y hay un
deducible de 400. El número N de pérdidas en un año dado sigue la
distribución Binomial con media 6. Calcule el número esperado de pagos en
el mismo lapso.
2.23 Las pérdidas tienen distribución Gamma con media 2.000 y varianza
2’000.000 y hay un deducible de 600. El número de pagos en un año dado
sigue la distribución Binomial con media 6. Calcule el número esperado de
pérdidas en el mismo lapso.
31
CAPÍTULO III
TEORÍA DE LA UTILIDAD
3.1 INTRODUCCIÓN
Puesto que es común que los decisores sean adversos al riesgo, esto es,
decisores que prefieren pagar una prima mayor que la prima pura,
consideraremos funciones de utilidad que asumen esta característica.
32
EuX1 EuX2
EuX1 EuX2
SOLUCIÓN
Observamos que,
EuX MX 2
λ
Eu X
λ2
Consideremos un decisor que tiene una propiedad que puede ser dañada o
destruida en el siguiente periodo de contabilidad. Asumiremos la pérdida,
indicada por X (X ≥ 0), es aleatoria y tiene una distribución de probabilidad
conocida.
Suponemos ahora que el decisor emplea una función de utilidad u(w) donde
su fortuna w es medida en términos monetarios. La prima máxima G, que un
decisor estaría dispuesto a pagar de tal manera que él sea indiferente entre
pagar el valor G al asegurador y asumir él mismo el riesgo, puede determinarse
de la ecuación de equilibrio de la utilidad
33
uw G Euw X (3.1)
EuX uEX
Puesto que u(x) es una función creciente, (3.3) implica que, G ≥ EX con G
> EX, a menos que X sea constante. En conclusión, si se cumplen las
condiciones indicadas en (3.2), el decisor pagará por el seguro una cantidad
mayor que la pérdida esperada; en otras palabras, la prima G tiene un cargo no
negativo. En esta forma, cuando se cumplen las condiciones indicadas en
(3.2), se dirá que el decisor es adverso al riesgo; la aversión al riesgo puede
ser cuantificada a través del “coeficiente de aversión al riesgo”, definido por,
u' ' x
r x (3.4)
u' x
34
Entonces
σ r w μ
1 2
G (3.5)
2
35
1
μ X 2 uI wI H μ
2
Entonces
σ r wI H μ
1 2
H μ (3.7)
2
Asegurado Asegurador
Fortuna 5 50.000
Función de Utilidad -(0,25)0.1x 1,1x – 100
SOLUCIÓN
u( 5 – G) = E[u(5 – X)]
0,25
0,1G
= E 0,25
0,1X
para obtener G = 1,32.
= 0,2u(49.995 + H) + 0,8u(50.000 + H)
36
para obtener, H = 1
Como, G > H = EX, vemos que es factible la emisión de la póliza con las
características anotadas.
lnMx (α)
1
G (3.9)
no depende de su fortuna w.
lnMx (αI )
1
H (3.10)
αI
37
EJEMPLO 3.3 Muestre que la prima G que un decisor con la función de
utilidad dada en (3.8), está dispuesto a pagar por un seguro de cubrimiento
total contra un pérdida aleatoria X que tiene distribución Normal con media μ y
varianza σ 2 , es una función creciente de α .
SOLUCIÓN
1
MX α exp σ 2α2 μα
2
1 2
G σ α μ
2
SOLUCIÓN
De (3.1) tenemos
w Gα
E w X
α
Entonces el decisor pagaría una prima,
38
G
w 1 α 1
1/ α
Naturalmente, G > EX = w/2, puesto que el decisor es adverso al riesgo.
▼
SOLUCIÓN
39
En el Ejemplo 3.5, como se anticipaba, la prima G es mayor que la pérdida
esperada de 4,20. Sin embargo, la prima máxima para la misma distribución
de la pérdida, se incrementa con la fortuna del decisor, lo cual no es razonable.
Desafortunadamente, las primas máximas que se incrementan con la fortuna,
es una propiedad de las funciones de utilidad cuadráticas. En consecuencia,
estas funciones de utilidad no deben ser seleccionadas por un decisor, que
perciba que su habilidad para absorber pérdidas aleatorias aumenta con el
incremento de su fortuna.
e αw e αGE e α 1 a X
e αwE e αX
e αGMX α 1 a MX α
1 MX α
G ln (3.14)
α MX 1 a
40
f x 0,02e0,1x x0
SOLUCIÓN.
MX α
0,10
0,8 0,2
0,10 0,05
1,20
MX α 1 a
0,10
0,8 0,2
0,10 0,01
1,02
Por lo tanto, la prima máxima que el decisor pagaría por el seguro es G = 3,21
I d X X d (3.15)
Xd X I d X
41
1 M X α
G ln d (3.16)
α αx
e f X x dx e PX d
αd
0
SOLUCIÓN
1 50
EI d X x d dx
50 d
9
X si X 20
X I d X
20 si X 20
1
20 50
Eu50 9 X I d X 41 x dx 21
1/ 2 1/ 2
dx
50
0 20
= 4,97.
▼
X X1 X 2 X n
42
El riesgo X podría ser por ejemplo, un riesgo nuevo que los aseguradores
desean compartir o podría ser una combinación de sus carteras de seguros
que ellos desean distribuirse entre si. La prima mínima Hi, que el asegurador i
requiere para cubrir el riesgo X i, es
Hi
1
αIi
ln Mx αIi
H H1 H2 Hn
αI n
α
~
X i
αI i
X con αI 1 (3.17)
i 1 Ii
Así, cada asegurador cubre una fracción fija del riesgo compartido X, la cual, es
proporcional al recíproco de su aversión al riesgo. De (3.17) se desprende que
la prima total mínima correspondiente, es
n
~ 1
H α ln M~xi αIi
i 1 Ii
lnMx αI
1
(3.18)
αI
43
SOLUCIÓN
~
H
45 ln MX1 1/ 45 MX 2 1/ 45
= 5,15
H
25 ln MX1 0,04 20 ln MX 2 0,05
= 5,34
EJERCICIOS
Oportunidad X Oportunidad Y
Ganancia Probabilidad Ganancia Probabilidad
400 0,8 100 0,6
900 0,2 1.600 0,4
3.2 Un decisor tiene una fortuna de 100 y una función de utilidad u(x) = x .
El debe escoger entre las Opciones 1 y 2 que incrementan su fortuna en
X1 y X2, respectivamente. X 1 se distribuye uniformemente entre 0 y 100 y
X2 tiene distribución Gamma con parámetros 2 y 0,04. Muestre que:
44
b. la Opción 1 tiene la mayor utilidad esperada.
3.5 Un decisor con fortuna de 100, emplea la función de utilidad, ux lnx y
está dispuesto a pagar una prima de 20 contra una pérdida que tiene
varianza 324. Calcule el cargo aproximado sobre la prima pura.
3.8 Un decisor que emplea la función de utilidad u(x) = −℮-2x, desea hacer una
inversión en un proyecto. El ingreso X que él obtiene sigue una
distribución exponencial con media 10. ¿Qué cantidad debe invertir el
decisor para que le sea indiferente entre realizar o no la inversión?
45
u x x , halle el porcentaje del cargo sobre la prima pura que él estaría
dispuesto a pagar al asegurar el inmueble.
0 si x0
Fx 0,01x
1 0,2e si x0
46
CAPÍTULO IV
4.1 INTRODUCCIÓN
El modelo de riesgo individual es usado para agrupar las pérdidas o los pagos
de un número fijo de contratos de seguros o contratos financieros. Cuando varios
reclamos surgen de un mismo riesgo, ellos son agrupados y tratados como un
único reclamo. En consecuencia, en el modelo de riesgo individual se asume que
cada riesgo experimenta a lo más un reclamo; este es el caso de los seguros de
vida, puesto que máximo se puede hacer un reclamo por póliza.
EX / I 1 μ
y
48
Var X / I 1 σ2
EX / I 0 0
y
VarX / I 0 0
Entonces,
EX / I μI (4.1)
y
Var X / I σ 2I (4.2)
EX EEX / I
EμI
μq (4.3)
Var μI E σ 2I
μ2q1 q σ 2q (4.4)
49
SOLUCIÓN
200
x
P0 X 200 / I 1 k 1 dx
0 200
= 0,90
0,10 si x 200
f x/I 1
x
0,009 1 si 0 x 200
200
Entonces,
μ 80 y σ2 3.600
EX = 4 y Var(X) = 484
50
persona asegurada es requerida a pagar los primeros, 1000 o los gastos
incurridos en un año particular. En este caso, todos los gastos en un año
particular deben ser agrupados y tratados como un reclamo único.
S X1 X 2 X n (4.5)
Sea Ii una variable aleatoria indicadora que sigue la distribución de bernoulli con
parámetro qi donde, Ii toma los valores 1: si la póliza i produce un reclamo y 0: en
caso contrario; i = 1,2,..., n. En esta forma, si un reclamo ocurre, la probabilidad
de que él provenga de la póliza i es,
qi
q1 q2 qn
EXi / Ii 1 μi i 1,2,..., n
y
VarXi / Ii 1 σi2 i 1,2,..., n
EX i qi μi i 1,2,...., n
y
VarXi μi2qi 1 qi σi2qi i 1,2,...., n
Así,
n
ES qi μi
i 1
q μ
n n
Var S qi μi2 σi2 2
i i
i 1 i 1
51
A continuación veremos dos métodos para determinar la distribución de la
suma de variables aleatorias independientes, uno de ellos se basa en la
convolución de las funciones de distribución de las variables y el otro se basa en la
unidad de la función generatriz de momentos.
FS x FX n FX n 1 FX1 x
FS x Fxn x
FS s FX s y f Y y (4.6)
ys
f S s f X s y f Y y (4.7)
ys
s
FS s FX s y f Y y dy (4.8)
0
y
s
f S s f X s y f Y y dy (4.9)
0
52
momentos y en el hecho de que, si X 1, X2,…., Xn , son variables aleatorias
independientes, la función generatriz de momentos de la suma S es dada por,
MS t M1t M2 t Mn t
EJEMPLO 4.2 Considere una cartera con dos pólizas de seguros como el
descrito en el Ejemplo 4.1. La única diferencia se halla en que la probabilidad del
reclamo en un periodo, para los dos titulares de las pólizas, es 0,05 para uno y
0,04 para el otro. Calcule el valor esperado y la varianza del reclamo total S,
proveniente de esa cartera.
SOLUCIÓN
Sea X1, el valor del reclamo proveniente de la póliza descrita en el Ejemplo 4.1.
Así, EX1 = 4 y Var(X1) = 484
Para la segunda póliza, cuyo valor del reclamo designamos por X2, la variable
indicadora I, asociada al número de reclamos, tiene distribución de Bernoulli con
parámetro 0,04. Puesto que,
= 0,96
= 0,004
vemos que,
200
x
k 1
200
dx 0,036
0
de donde se desprende que, k = 0,00036. En esta forma, la función de densidad
mixta de X2 es,
53
0,960 si x0
f x 0,004 si x 200
x
0,00036 1 si 0 x 200
200
Sea Xi el valor del i-ésimo reclamo (i = 1,2,…). Asumimos que las variables X i
son independientes y distribuidas idénticamente con el mismo valor esperado y
la misma varianza 2. Sea X n n 1,2,.. la sucesión de los valores promedio de los
reclamos,
Xn =
1
X1 X2 X n
n
Entonces,
σ2
EX n μ y σ X2
n n
esto es, el valor promedio esperado de los reclamos coincide con el valor
esperado de cada reclamo y a mayor tamaño de la muestra, menor varianza del
54
reclamo promedio y así, menor riesgo. Cuando n es grande, por el Teorema del
Límite Central,
Xn μ
N(0, 1)
σ/ n
y así,
SOLUCIÓN
λe
λx
si 0 xL
f x / I 1 λL
e si x L
Entonces,
k = E(Xk/I = 1)
55
1
λ
1 e λL
y
σ k2 VarX k / I 1
1
λ 2
1 2 λLe λL e 2 λL
0,091715 si k 1
EX k
0,024999 si k2
0,134115 si k 1
Var X k
0,024363 si k2
ES = 500EX1 + 2.000EX2
= 95,89
y
= 115, 78
56
0,95 = P{S < (1 + )ES}
S ES ES
P θ
σs σs
ES
θ 1,645
σs
Una falla de la aproximación normal está en que, como se basa en los dos
primeros momentos del reclamo total S, la aproximación no registra el sesgo de la
verdadera distribución. La aproximación Gamma trasladada supera esta falla,
usando los tres primeros momentos de S. La idea es aproximar la distribución de
S por la distribución de Y + x0 donde Y α, β y x0 es una constante. Los
parámetros α, β y x0 de la distribución aproximada son hallados igualando la
media, la varianza y el sesgo de las dos distribuciones. En esta forma,
α
ES xo
β
α
σ s2
β2
y
2
s
α
4
α
2s
57
2
β
σs s
y
2σ s
x0 ES
s
Fs x Gx x0; α, β
donde
β α x α 1 βy
Gx; α, β
α 0
y e dy, x0
Gx; α, β
α 1
βx i
1 e βx
i!
i 0
SOLUCIÓN
El pago total S tiene distribución Binomial con parámetros 500 y 0,001. Puesto
que el número de pólizas es grande y la probabilidad de deceso es pequeña,
aproximamos la distribución Binomial a la distribución de Poisson con media
500(0,001) = 0,5. Así
PS 3 1 e 0,5
2
0,5i
i 0 i!
= 0,01439.
58
En general, si S tiene distribución de Poisson con parámetro λ , entonces
s λ 1/ 2 y en consecuencia, cuando se usa la distribución α, β , obtenemos
α 4λ
β 2
y
x0 λ
Haciendo uso de la corrección de continuidad, para calcular PS 3, basta con
establecer el valor de PS 2,5. En esta forma,
1
6i
e 6
i 0 i!
= 0,01735
= 0,04226
S 0,5
PS 2,5 P 2,83
0,7067
= 0,00233
59
EJERCICIOS
4.1 Para cierto tipo de cubrimiento por la compañía de seguros ABC, el 95% de
las pólizas no experimentan reclamo alguno en un periodo de un año.
Máximo es posible un reclamo por año; ¾ de los reclamos son por 1.000 y ¼
son por 2.000. La compañía cobra 180 como cargo por seguridad. Según el
principio de la varianza, ¿cuál es el cargo relativo por seguridad?
Valor
Riesgo 1 2 3 4
3 0 0,50 0 0,50
60
b. La probabilidad de que los reclamos excedan de 3 si el tercer riesgo no
produce reclamo alguno.
Hombre 50 400
Mujer 40 324
El cargo relativo por seguridad sobre cada prima es 0,10. Calcule la prima
total con cargos, según el principio de la desviación estándar.
61
4.10 El valor total X de los reclamos para una póliza de seguros sigue una
distribución exponencial con media de 0,8. La prima de la póliza es 0,9. Si
se venden 4 pólizas, ¿cuál es la probabilidad de que el valor de los reclamos
exceda el valor de las primas recogidas?
4.11 El estudio de un grupo de asegurados, revela los datos siguientes sobre una
base anual.
4.12 Considere dos riesgos independientes, cada uno de los cuales sigue la
distribución Normal. Máximo se presenta un reclamo por riesgo. Para los
riesgos, las probabilidades de reclamo, las medias y las varianzas son: q1 =
0,01, q2 = 0,02, 1 = 2.000, 2 = 3.000, σ12 4.000 y σ 22 6.000 . Calcule la
probabilidad de que el reclamo total no exceda a 249.
62
CAPÍTULO V
5.1 INTRODUCCIÓN
63
distribución condicional de la variable N, dada = , es una distribución de
Poisson con parámetro . Hay situaciones en las cuales esta suposición podría
ser útil; por ejemplo, cuando se trata con un grupo de asegurados donde, varios
subgrupos generan números de reclamos, de acuerdo con la distribución de
Poisson, pero cuyos parámetros pueden ser diferentes para los diversos
subgrupos. La función de frecuencia de la variable N, puede escribirse en la forma
siguiente:
PN n PN n / λ uλ dλ
0
λn
e
λ
u λ dλ (5.1)
0
n!
EN = E[E(N/)]
= E (5.2)
y
Var(N) = E[Var(N/)] + Var[E(N/)]
= E + Var() (5.3)
MN(t) = E[E(℮tN/)]
et 1
E e
= M(et – 1) (5.4)
64
SOLUCIÓN
Puesto que,
α
β
M t , t<
β t
α
β
1 β
MN t β t
1 1 e
1 β
SOLUCIÓN
1 λ
1 n 1
PN n
μn! 0
μ
λ e dy
1 n!
μn! 1 1
μ
n 1
n
1 1
= 1 , n = 0,1,2,….
1 μ 1 μ
65
5.3 DISTRIBUCIÓN DEL VALOR INDIVIDUAL DE LOS RECLAMOS
Sea Xi (i = 1,2,…) el valor del i-ésimo reclamo que produce una cartera de
seguros. Asumiremos que X1, X2,…., son variables aleatorias independientes y
distribuidas idénticamente, con función de distribución común P(x), la cual describe
la variabilidad de los valores de los reclamos. Indicaremos, con X la variable
aleatoria que tiene distribución común de X1, X2,…., con pk el k-ésimo momento
ordinario de X y con p(x) la función de frecuencia o de densidad de X, según sean
discretas o continuas las variables X1, X2, ….
66
Para muchos tipos de seguros, el valor de los reclamos sólo es positivo y su
distribución es sesgada a la derecha. Para estos seguros se podría escoger una
distribución Gamma con parámetros y β , porque su n-ésima convolución es la
distribución Gamma con parámetros n y β .
βn
p* n
x x n 1e βx , x>0 (5.5)
n 1!
y la n-ésima convolución de P(x) es
P * n x 1 e βx
n 1
βx i (5.6)
i 0 i!
EJEMPLO 5.3 Asuma que el valor de los reclamos a una compañía de seguros
sigue la distribución exponencial con media 5. Calcule la probabilidad de que el
valor de los tres primeros reclamos sea menor que 10.
SOLUCIÓN
2
2i
P * 3 10 1 e 2
i 0 i!
= 1 – 5e-2
▼
67
S = X1 + X2 + ∙∙∙∙∙+ XN
Teniendo en cuenta las afirmaciones hechas sobre las variables, N, X1, X2,…,
ES = p1 EN (5.7)
MS t MNlnMX t (5.9)
ES = ∙p1 (5.10)
q
ES r p1 (5.14)
p
2
q
Var S
q
r p2 r p1 (5.15)
p p
y
r
MS t
p
1 qMX (t)
68
La función de distribución de la variable S puede escribirse en la forma:
Fx P *n x PN n (5.16)
n0
f x p *n x PN n (5.17)
n0
SOLUCIÓN
Puesto que hay a lo más 3 reclamos y cada uno tiene un valor máximo de 3, el
reclamo total tiene un valor máximo de 9, razón por la cual, limitamos los calculos
a x = 0, 1,…., 9, como se muestra en la tabla. Las funciones de frecuencia de los
reclamos individuales, p*2(x) y p*3(x), se calculan usando (1.4) y la función de
frecuencia del reclamo total se calcula usando (5.17). Al final de la tabla se
muestra la función de frecuencia del número de reclamos.
69
x p*0(x) p(x) p*2(x) p*3(x) f(x) F(x)
0 1 0,4000 0,4000
1 . 0,6 0,1800 0,5800
2 0,3 0,36 0,1620 0,7420
3 0,1 0,36 0,216 0,1236 0,8656
4 0,21 0,324 0,0744 0,9400
5 0,06 0,270 0,0390 0,9790
6 0,01 0,135 0,0155 0,9945
7 0,045 0,0045 0,9990
8 0,009 0,0009 0,9999
9 0,001 0,0001 1
n 0 1 2 3
P(N = n) 0,4 0,3 0,2 0,1
El proceso Nt t 0 es llamado el “proceso del número de reclamos”, mientras que,
St t 0 , es llamado el “proceso del reclamo total”.
Sean t ≥ 0 y h > 0. De las definiciones anteriores se desprende que, en el
intervalo de tiempo (t, t + h], N(t + h) – N(t) indica el número de reclamos y S(t + h)
– S(t) indica el valor total de los reclamos.
Sea Ti (i = 1,2,....) el tiempo en que ocurre el i-ésimo reclamo. T1, T2, T3,....,
son variables aleatorias con T1 < T2 < ...., para excluir la posibilidad de que dos o
más reclamos ocurran al mismo tiempo. Nótese que N(t) y S(t) son funciones
escalonadas; las discontinuidades están en los tiempos T 1, T2,...
Dos métodos para definir la distribución del proceso Nt t 0 son:
70
a. Para todo t ≥ 0 y todo h > 0, se especifica la distribución condicional de N(t
+ h) – N(t), dados los valores de N(s) para s ≤ t.
ESt λtp1
y
VarSt λtp2
71
vida son independientes. Especifique el proceso Nt t 0 , para cada uno de los
dos métodos descritos.
SOLUCIÓN
b. Para i = 0,1,...., n – 1,
1 h qx t n i
▼
m m
λ
λ λi y Px λi Pi x
i 1 i 1
72
PRUEBA
m
Ms t exp λi Mi t 1
i 1
m λ
exp λ i Mi t 1
i 1 λ
Suponemos ahora que los reclamos generados por una cartera de seguros, en
un periodo dado de tiempo, se clasifican por su valor, dando lugar a m valores
diferentes, a saber, x1, x2,…., xm. Sea Ni el número de reclamos que son iguales
a xi (i = 1,2,…, m). Entonces el valor total de los reclamos puede escribirse como,
Si las variables N1, N2,..., Nm, son mutuamente independientes donde, Ni tiene
distribución de Poisson con parámetro λi (i = 1,2,…, m), entonces xiNi se puede
interpretar como una variable que tiene distribución de Poisson compuesta, con
parámetro de Poisson λi y distribución degenerada del valor de los reclamos en xi.
Entonces, mediante el Teorema 5.1 vemos que la variable S tiene distribución de
73
Poisson compuesta, con parámetro de Poisson = 1 + 2 +∙∙∙ + m y función de
frecuencia del valor de los reclamos,
λi
si x xi , i 1,2,..., m
p x λ (5.19)
0 en caso contrario
PRUEBA
n! λn
π1n1 π mnm e λ
n1! nm ! n!
m λπi n i
e λπi ni !
i 1
74
El Teorema 5.2 y (5.18) proveen un método alterno, para tabular una
distribución de Poisson compuesta, con distribución discreta para el valor de los
reclamos. Primero establecemos la función de frecuencia de las variables x1N1,
x2N2,…., xmNm y luego, calculamos la convolución de estas m distribuciones, para
obtener la función de frecuencia de la suma S. Este método es conveniente si m,
el número de valores diferentes de los reclamos posibles, es pequeño. Aun si los
valores de los reclamos individuales tienen distribución continua, algunas veces
pueden usarse aproximaciones discretas con el método alterno, para producir una
aproximación satisfactoria a la distribución de la suma S.
SOLUCIÓN
Por el método básico, los cálculos son paralelos a los efectuados en el Ejemplo
5.4, ahora con,
3n
PN n e 3 , n 0,1,2,....
n!
75
x PN1 x P2N2 x P3N3 x PN1 2N2 x f x
0 0,2231302 0,4065697 0,5488116 0,0907179 0,0497870
1 0,3346953 0,1360769 0,0746805
2 0,2510214 0,3659127 0,1837037 0,1008187
3 0,1255107 0,3292870 0,1734980 0,1250899
4 0,0470665 0,1646607 0,1477284 0,1258833
n 1 2 3
λn 1,5 0,9 0,6
e1,5
1,5x e 0,9
0,9x/ 2 e 0,6
0,6x/ 3
x! x/ 2! x/ 3!
▼
b
qn a qn 1, n k,k 1,....
n
x
f x i pi f x i ,
b
a
x
x 1,2,.... (5.20)
i 1
PRUEBA
x
p n x PX1 iPX 2 X n x i
i 1
76
x
pi pn 1 x i
i 1
Ahora,
EX k / X1 X n x
x
n
También
x
EX k / X 1 X n x iPX k i / X1 X n x
i 1
x
ip i p n 1 x i p n x
1
i 1
Entonces
n x
p n x ip i p n 1 x i
x i 1
En esta forma,
f x PN np n x
n 1
b
a n PN n 1pn x
n 1
x
a PN n 1 p i p n 1 x i
n 1 i 1
b x
PN n 1 ip i p n 1 x i
x n 1 i 1
77
x
f x a p i PN n 1p n 1 x i
i 1 n 1
b x
ip i PN n 1p n 1 x i
x i 1 n 1
x b x
a pi f x i ipi f x i
i 1 x i 1
PN n λ
PN n 1 n
Así,
a = 0 y b =
Entonces
λ x
f x ip i f x i , (5.21)
x i 1
con
f(0) = ℮-
PN n
1 p
1
n r 1
PN n 1 n
Así,
a = 1–p y b = (1 – p)(r – 1)
78
Entonces
x
f x 1 p r 1 1 pi f x i ,
i
(5.22)
i 1 x
con
f(0) = pr
PN n m 1 np
PN n 1 n1 p
Así,
a
p
y b
m 1 p
1 p 1 p
Entonces
m 1 i 1 pi f x i ,
x
f x
p
1 p i 1 x
(5.23)
con
f(0) = (1 – p)m
SOLUCIÓN
3 x
f x ipi f x i , x = 1,2,…., con f(0) = ℮-3
x i 1
Así,
79
f(1) = 1,5000℮-3
f(2) = 2,0250℮-3
f(3) = 2,5125℮-3
SOLUCIÓN
Usaremos (5.22) con r = 1, p = 0,8, p(2) = 0,7, p(3) = 0,2 y p(4) = 0,1. En esta
forma, la función de frecuencia del reclamo total es,
1 x
f x pi f x i , x = 2,3,…., f(0) = 0,8
5 i 2
Así,
f(1) = 0
f(2) = 0,11200
f(3) = 0,03200
f(4) = 0,03168
80
= 0,97568
Si X1 X2 Xn
donde Xj es el valor del reclamo proveniente de la póliza j (j= 1,2,..., n). También
vimos que,
n
ESi qjμj
j 1
q j μ2j σ 2j q j μ j 2
n n
Var Si
j 1 j 1
Sc X1 X 2 XN
81
λ q1 q2 qn (5.24)
n
P x λi Pj x
q
(5.25)
j 1
De (5.25) se sigue que, los dos primeros momentos del valor individual de los
reclamos son,
1 n
p1 qjμj
λ j 1
y
p2
1 n
λ j 1
q j μ 2j σ 2j
Así,
ESi λp1
ESc
Var Sc λp2
q j μ j 2
n
Var Si
j 1
Nótese que, entre menor sea el valor de la sumatoria, menos diferirá el modelo
colectivo del modelo individual.
82
p x
qi
(5.26)
x j x λ
k qk bk nk
1 0,02 1 500
2 0,02 2 500
3 0,10 1 300
4 0,10 2 500
SOLUCIÓN
En el modelo individual,
= 160
Var Si
500 0,02 0,98 500 22 0,10 0,90
= 256
1800
λ qj
j 1
= 100
83
p1
1
500 0,02 300 0,10
100
= 0,4
p2
1
500 0,02 500 0,10
100
= 0,6
Entonces,
p1 = 1,6 y p2 = 2,8
Así,
Var Sc λp2 280
84
~
n λ
P x ~λj Pj x (5.29)
j 1
1
~ n
e λ qj
j 1
SOLUCIÓN
500 ln 1 0,02
~ ~
λ1 λ2
= 10,101
300ln1 0,10
~
λ3
= 31,608
500 ln 1 0,10
~
λ4
= 52,680
Entonces,
~ ~ ~ ~ ~
λ λ1 λ2 λ3 λ4
= 104,490
Además,
p 1
~ 1~
λ
~
λ1 λ3
85
= 0,399
p 2
~
λ
1~ ~
λ2 λ4
= 0,601
Así,
~
p1 1,601 y ~
p2 2,803
Por lo tanto,
~
ES λ p1 167,29
Var S
~
λ p2 292,89
Si todos los qj para el modelo individual son pequeños (lo cual podría ocurrir en
relación con los seguros de vida), los dos métodos producen resultados muy
similares, porque
~
λj qj 1 2
q
2 j
qj
86
EJERCICIOS
hospitalaria provee una cantidad fija diaria para los días 5,..., 10 (esto es, para
un máximo de 6 días). ¿En qué porcentaje se incrementa el costo esperado
por admisión, si el número máximo de días pagados se incrementa de 6 a 13?
5.8 Para una póliza de seguros que cubre el cuidado domiciliario de personas
incapacitadas, la duración promedio de los cuidados es de 440 días y el 30%
de los cuidados terminan en los primeros 30 días. Durante este lapso, las
terminaciones son distribuidas uniformemente. El seguro paga 24 diarios por
los primeros 30 días y 100 diarios de ahí en adelante. Determine el beneficio
que se espera pagar por cada persona asegurada.
87
5.4 DISTRIBUCIÓN DEL RECLAMO TOTAL
5.12 Los reclamos totales han sido modelados por la distribución Binomial
Negativa con parámetros 15 y 1/5. Los valores de los reclamos siguen la
distribución Uniforme sobre el intervalo [0,10]. Usando la aproximación
normal, determine la prima tal que, la probabilidad de que los reclamos
excedan la prima es 0,025.
5.15 Hay dos personas de edades 50 y 60. N(t) es el número de decesos al cabo
del tiempo t. Los tiempos de deceso son independientes. Si q52 = 0,007, q53
= 0,008, q62 = 0,014 y q63 = 0,016, calcule PN4 N2 1/ N2 0.
5.16 Sea N(t) el número de reclamos al cabo del tiempo t y sea Xi el valor
del i-ésimo reclamo (i = 1,2,...). N(t) tiene distribución de Poisson con
parámetro 3t. X1, X2, ..., son independientes y distribuidas idénticamente con
función de frecuencia común: p(1) = 2/3 y p(2) = 1/3. X1, X2, ..., son
independientes de N(t). Calcule el valor esperado y la varianza del reclamo
total en el intervalo de tiempo (1,5).
88
5.18 S1 tiene distribución de Poisson compuesta con = 2, p(1) = 0,2, p(2) = 0,6 y
p(3) = 0,2. S2 tiene distribución de Poisson compuesta con = 6, p(3) = p(4) =
0,5. Si S1 y S2 son independientes, calcule el valor esperado y la varianza
de la variable, S = S1 + S2.
5.19 Sea S = N1 + 2N2 + 3N3 donde N1, N2 y N3, son variables mutuamente
independientes que tienen distribución de Poisson con parámetros 0,1, 0,3 y
0,4, respectivamente. Calcule P{S = 2}.
89
5.25 Una cartera se compone de tres pólizas; en una de ellas el reclamo tiene un
valor de 10 y se presenta con probabilidad 0,2; en las dos pólizas restantes el
reclamo se presenta con probabilidad 0,3 y tiene un valor de 5 o 20, con
probabilidades 0,4 y 0,6, respectivamente. Calcule el valor esperado y la
varianza del reclamo total, usando el método de la cartera abierta.
90
CAPÍTULO VI
TEORÍA DE LA RUINA
6.1 INTRODUCCIÓN
En este modelo ignoramos el interés y los factores distintos a las primas y a los
reclamos que podrían afectar al superávit. Un resultado típico de este “proceso
del superávit” Ut t 0 , es mostrado en la Figura 6.1. Notamos que el superávit se
incrementa linealmente (con pendiente c), excepto en los tiempos en que se
91
presentan los reclamos; momentos en los cuales, el superávit disminuye en una
cantidad igual al valor de los reclamos.
U(t)
c
0 iente t
t2 T = t3 Pend
t1
U(T)
T mìnt : Ut 0
u PT
92
En la práctica, la mayoría de los aseguradores están interesados en la ruina,
sólo sobre un periodo largo pero finito. Con más exactitud, la consideración sería
limitada a,
u,t PT t
SOLUCIÓN
donde
0 si 0 t 0,50
2,5 si 0,50 t 2
12,5 si 2 t 2,75
St
19,5 si 2,75 t 4
23,5 si 4t6
35,5 si 6t7
93
Tiempo Superávit
t Antes del Pago Después del Pago
0,50 7 4,5
2 10,5 0,5
2,75 3,5 3,5
4 1,5 2,5
6 5,5 6,5
Puesto que el superávit es negativo por primera vez, cuando se hace el tercer
pago, concluimos que la ruina se presenta en el tiempo, t = 2,75.
El proceso de superávit Ut t 0 , puede ser estudiado por su relación con el
proceso de los reclamos totales St t 0 . En el resto de este capitulo asumiremos
que St t 0 es un proceso de Poisson compuesto, con parámetro de Poisson λt .
En esta forma,
ESt λtp1
VarSt λtp2
Asumimos que por unidad de tiempo, la prima c excede el pago esperado λp1
de los reclamos, en la cantidad θλp1 donde θ es el cargo relativo por seguridad.
En otras palabras,
c 1 θ λp1, θ 0
Trataremos ahora con el “coeficiente de ajuste” el cual da una medida del riesgo
en un proceso del superávit. En este proceso se tienen en cuenta dos factores:
los reclamos totales y el ingreso por primas. El es indicado por R y se define
como la menor raíz positiva de,
94
M s t ct r 1 (6.2)
o
λMX r 1 cr (6.3)
El lado izquierdo es una función lineal de r, mientras que, Mx(r) es una función
creciente. Además, M'X' r 0 , así que, MX(r) es una función convexa. La
suposición c λp1 (equivalente a, θ 0 ), significa que la pendiente 1 θ p1, del
lado izquierdo de (6.4), excede la pendiente MX 0 p1 , del lado derecho en r = 0.
De la Figura 6.2 vemos que, (6.2) tiene dos soluciones, r = 0 y r = R (>0), que es el
coeficiente de ajuste.
M x( r )
1+(1+q)p1 r
r
0 R
95
El siguiente teorema muestra una relación importante entre el coeficiente de
ajuste y la probabilidad de la ruina.
e Ru
u
E e RU T / T (6.5)
Prueba
E erUt
E e rUt / T t PT t E erUt / T t PT t
Como
Ut u ct St
tenemos
E e rUt e ruMSt ct r
E e Ru t e Ru
Ahora,
E e rUt / T t PT t E e rUT e rct T λt T Mx r 1 / T t PT t
Ee rUT
et T cr λMx r 1 / T t PT t
Puesto que,
96
Rc λMX R 1 0
escribimos
E erUt / T t PT t E eRUT / T t PT t
Notamos que,
lím E e rUt / T t PT t
t
E e RU T / T u
Si T > 0, ello implica que hasta el tiempo t no se presenta la ruina; en otras
palabras, si T > 0, ello implica que Ut 0 y así, e RUt 1, con lo cual deducimos
que,
t
lím E e rUt / T t PT t 0
eRu
E eRUT / T u
▼
u e Ru (6.6)
97
E e RU T / T eRm
Así,
u e R u m
u e Ru
EJEMPLO 6.2 Calcule el coeficiente de ajuste si todos los reclamos son de valor
1.
SOLUCIÓN
1 1 θ r er
θ R
0,1 0,18768
0,3 0,50363
0,5 0,76267
0,7 0,98160
0,9 1,17077
1,1 1,33706
SOLUCIÓN
98
1
1 θ
β
β β r
o
1 θ r 2 θβr 0
y así,
θ
R β
1 θ
▼
EJEMPLO 6.4 Calcule la probabilidad de la ruina en el caso en que la
distribución del valor de los reclamos sea exponencial con parámetro β .
SOLUCIÓN
e βy
Esto es, – U(T) dado T , tiene distribución exponencial con parámetro β . Por
lo tanto,
E e RU T / T
β
β R
β R Ru
u e
β
θ
1 βu
e 1 θ
1 θ
θ u
1
e 1 θ p1
1 θ
99
6.4 UN MODELO DE TIEMPO DISCRETO
Un u nc Sn n = 1,2,….
Sn W1 W2 Wn n = 1,2,….
Un u c W1 c Wn
Un 1 c Wn (6.7)
Sean,
~
T mín n : Un 0
el tiempo de la ruina y
~ u
~
PT
~ si U ≥ 0, para
la probabilidad de la ruina cuando el superávit inicial es u. T n
todo n ≥ 0.
u
u PW ju j PW j
~ ~
(6.8)
j 0 j u 1
100
Para comprobar esta fórmula tenemos en cuenta que, si W1 j , j 0,1,..., u ,
entonces, U1 u 1 j y la probabilidad de la ruina a partir de este nivel del
superávit es u 1 j . Esto se sigue porque las variables Wi son
independientes y tienen la misma distribución. Ahora,
~ u PT
PT , W j
j 0
PW j PT / W j
j 0
Entonces, si U1 0 tenemos,
~ u
PW j~ u 1 j
j 0
u 1
PW ju 1 j PW j
~
j 0 j u 2
u 1
u PW u 1 rr PW u 1
~ ~
r 0
k k u 1 k
u PW u 1 rr PW u 1
~ ~
u 0 u 0 r 0 u 0
k 1 k
PW 0 0 r PW k 1 r PW u 1
~
r 0 u 0
k
PW 0 0 r 1 PW k 1 r
~
r 0
k
k 1 PW 0 PW u 1
~
u 0
Entonces,
101
k
k 1 PW 0 PW 0 0 r PW k 1 r
~ ~ ~
r 0
k
PW u 1
u 0
Cuando k obtenemos,
PW 0 0 PW u 1
u 0
y así,
k
PW 0 k 1 r PW k 1 r PW u 1
~ ~
r 0 u k 1
~ u , podemos escribir,
Del desarrollo original de la probabilidad
k k
k PW k 1 rr 0 r PW k 1 r
~ ~ ~ ~
r 0 r 0
PW r 1 PW k 1
r k 1
k
r PW k 1 r PW r PW k 1
~
r 0 r k 2
Entonces,
k
k r PW k r PW r
~ ~
r 0 r k 1
SOLUCIÓN
102
PW j p qk q 1 p
k j
q j 1
y así,
PW j q j 1
j u 1 j u
1 u2
q
p
u
u q j 1u j
~ 1 u2
q , u 0,1,2,...
j 0 p
En particular
2
q
0
~
p
Ahora,
u u 1
u q u 1 q j 1u j q j 2 u 1 j
~ ~ ~ ~
j 0 j 0
1 u2 1
q q q u 1
p p
qu
~
Entonces
u u 1
~ q ~
p
103
u
q ~
0
p
u2
q
. u 0,1,2,...
p
▼
f r MW c r 1 (6.9)
o
lnMW r cr (6.10)
f r
E W c e r W c
y
f r
E W c e r W c
2
~
Figura 6.3 Definición de R
f(r)
r
0 ~
R
104
f(0) = 1, así que r = 0, es una raíz de la ecuación f(r) = 1. Como, f’(0) = - c <
0, vemos que la función inicialmente es decreciente y como f’’(r) > 0, la función f(r)
es convexa, concluyendo entonces que, f(r) cruza la línea f(r) = 1. El valor de r
donde esto ocurre es el coeficiente de ajuste.
Como en el modelo de tiempo continuo, el siguiente teorema cuya prueba es
análoga a la del Teorema 6.1, muestra una relación importante entre el coeficiente
de ajuste y la probabilidad de la ruina.
~ u
~
eRu
~ . Observamos que,
Ahora deducimos una aproximación para R
lnMw r r 0
d
EW μ
dr
d2
lnMw r r 0 Var W σ2
dr 2
d3
dr 3
lnMw r r 0
E W μ
3
lnMW r μr
1 2 2
2
σ r
r3
6
3
E W μ
Usando sólo los dos primeros términos de esta expansión en (6.10) obtenemos
105
~ 2c μ
R
σ2
~ 2θp1 EN
R
p 2 p12 EN p12 Var N
(6.12)
~ 2θp1
R (6.13)
p2
~ 2θp1
R
1
p2 p12 1
p
SOLUCIÓN
~
a. Para n T , de (6.7) tenemos
Un = Un-1 + 1 – Wn
106
Puesto que, T mín n : Un 0 y Wn sólo toma los valores 0 o 2,
~
b. Puesto que,
Mw(r) = p + q℮2r
cuya solución es
~ p
R ln
q
c. De (6.11)
~
e Ru
u
~
~ ~
E[eR / T ]
e Ru 1
~
u 1
q
p
u 1 u
107
Asumiremos que el número de reclamos sigue la distribución de Poisson con
media λ y que el valor individual de los reclamos tiene función de densidad p(x) y
función de distribución P(x). También asumiremos que, el primer reclamo ocurre
en el tiempo t y tiene un valor x. En esta forma, el proceso del superávit empieza
nuevamente y la probabilidad de la ruina en o antes de los n – 1 reclamos
posteriores es n 1u ct x . Puesto que las probabilidades de los eventos
anteriores son respectivamente, λe λt dt y p x dx , la integración sobre x y t da,
n u n 1u ct x λe
λt
dt p x dx
00
λe px dxdt
λt
0 u ct
u ct
Puesto que,
lím n u u
n
u λe
λt
px dxdt
0 u ct
u ct
λe px u ct - x dxdt
λt
0 0
Entonces,
1 u λe
λt
px dxdt
0 u ct
u ct
108
u ct
u λe
λt
px u ct - x dxdt (6.15)
0 0
r
λ λu/c
u e λe λr/c p x r x dxdr
c u 0
Así,
u
λ λ
u u p x u x dx
d
(6.16)
du c c0
λ λ
s s 0 s p s s
c c
o
c0
s
cs λ 1 p s (6.17)
Ahora calculamos 0. En (6.16) reemplazamos u por 1 u para obtener,
λ λu λ
u u p x u x dx 1 Pu
d
du c c0 c
u
λ λ λ
0 u du p x u x dxdu p1
c0 c 00 c
u
Entonces
109
λ
0 p1 (6.18)
c
y
λ
0 1 p1 (6.19)
c
SOLUCIÓN
λ
0 1
cβ
y
β
p s
βs
cβ λ s c λ/β
s
s cs cβ λ
1 λ 1
s cβ λ
s β
c
λ
λ β c u
u 1 e (6.20)
cβ
110
6.6 PRIMER SUPERÁVIT POR DEBAJO DEL NIVEL INICIAL
0
1
(6.21)
1 θ
Sea L1 el valor aleatorio por el cual el superávit cae por primera vez, por debajo
del nivel inicial, dado que esto ocurre. La función de densidad de L 1 es,
f L1 x
1
1 Px , x 0, (6.22)
p1
ML1 r e rx 1 Px dx
1
p1 0
ML1 r
1
MX r 1 (6.23)
p1r
EJEMPLO 6.8 Determine la distribución del nivel L1 del superávit, cuando todos
los reclamos son de valor a.
SOLUCIÓN
1 si 0 xa
1 Px
0 si xa
111
Así, la función de densidad de la variable L1 es
1
a si 0 xa
f L 1 x
0 si xa
SOLUCIÓN
Puesto que 1 – P(x) = ℮-x, para x > 0, la variable L1 también tiene distribución
exponencial con parámetro .
Así, L es el exceso máximo del total de los reclamos, sobre las primas recibidas.
Puesto que, L(0) = 0, se sigue que, L ≥ 0.
Ahora para u ≥ 0,
112
PL u (6.24)
u(t)
{
}
L1
L
L2
{
L3
{
0 t1 t2 t3 t
113
La Figura 6.4 ilustra el hecho de que la pérdida total máxima L, puede
representarse como la suma de un número aleatorio de variables, a saber,
L = L1 + L2 + + LN
SOLUCIÓN
= U(0) – U(6)
= 11,5
b. Los registros nuevos de altura están entre los tiempos: 0 y 0,5, 0,5 y 2, 2 y
2,75, 2,75 y 6. Entonces el valor observado de N es 4 y
L1 = U(0) – U(0,5)
= 0,5
L2 = U(0,5) – U(2)
= 4
L3 = U(2) – U(2,75)
114
= 4
y
L4 = U(2,75) – U(6)
= 3
L s
0 e
su
du
0
cs0
cs λ 1 p s
Puesto que L 0 1, la aplicación de la regla de Hôpital produce,
{}
c0
1
c p1
λ
0 1 p1
c
θ
1 θ
θp1s
L s (6.26)
1 1 θ p1s p s
θp1r
ML r (6.27)
1 1 θ p1r MX r
115
Nótese que la ecuación usada para establecer el coeficiente de ajuste, es obtenida
igualando a cero el denominador de (6.27). El coeficiente de ajuste viene a ser el
menor de los r > 0 que satisfacen la ecuación (6.4).
θ 1 p s
e
su
du (6.28)
0
1 θ 1 1 θ p1s p s
θ 1 p s n
Ai
1 θ 1 1 θ p1s p s
s ri
i 1
n
u ci e uri
i 1
e d u
n 1
us
ci ri s ri
0 i 1
n
u
A
r i e ur i
(6.29)
i 1 i
p x
3 3 x 7
e e7x , x>0
2 2
116
Calcule la probabilidad de la ruina, (u) y la máxima pérdida total esperada, EL
SOLUCIÓN
p s
1 3 1 7
2 3 s 2 7 s
1 1 1 1
p1
2 3 2 7
5
21
θ 1 p s 6 s 5
1 θ 1 1 θ p1s p s 7 s 1s 6
24 1 6 1
35 s 1 35 s 6
Por lo tanto,
u
24 u 6 6u
e e , u0
35 35
y
EL u du
0
5
7
117
Los problemas prácticos requieren la consideración de distribuciones de los
reclamos que no sean combinaciones de distribuciones exponenciales. Para
algunas distribuciones puede ser difícil establecer el coeficiente de ajuste para
aproximar las probabilidades de la ruina. Un método basado en los dos primeros
momentos de la distribución del valor de los reclamos es fácil de aplicar y parece
dar resultados satisfactorios para valores moderados de u.
1
EN
θ
y
p2
EL1
2 p1
Entonces,
EL EEL / N
ENEL1
p2
(6.30)
2θp1
u
1 Ku
e , u0
1 θ
EL u du
0
1 1
1 θ K
tenemos que,
118
2θp1
K
1 θ p2
y la probabilidad aproximada de la ruina es entonces,
2θp1
u
1
exp u , u0 (6.31)
1 θ 1 θ p2
Debe notarse que, si la distribución de los reclamos es exponencial con media p1,
entonces p2 2 p12 y el resultado es exacto.
SOLUCIÓN
5 58
p1 y p2
21 441
Entonces,
u
5 30u / 29
e , u0
7
u Exacta Aproximada
0 0,714286 0,714286
3 0,034140 0,032067
6 0,001700 0,001440
9 0,000085 0,000065
12 0,000004 0,000003
119
6.8 MÉTODO DE DE VYLDER
λ β λ /c u
v u e (6.32)
βc
EUt EUt
VarSt VarSt
E St λp1t
3
E S t λ p1t
3
u ct λp1t u c t λ t /β
λp2 2 λ /β
120
λp3 6 λ /β 3
3 p2
β (6.33)
p3
9 λp23
λ (6.34)
2 p32
λ
c c λp1 (6.35)
β
SOLUCIÓN
5 58 370
p1 p2 y p3
21 441 3087
Entonces,
β 3,291892
λ 0,712608
c 0,311712
121
La Tabla 6.2 muestra los valores exactos y aproximados de la probabilidad de
la ruina donde, los valores exactos son calculados de la solución dada en el
Ejemplo 6.11.
u Exacta Aproximada
0 0,714286 0,694467
3 0,034140 0,033981
6 0,001700 0,001663
9 0,000085 0,000081
12 0,000004 0,000004
c u CeRu (6.36)
donde
θp1
C (6.37)
M' x R 1 θ p1
SOLUCIÓN
2
2
MX r , r2
2 r
122
De (6.4) se deduce que el coeficiente de ajuste es 1. Entonces c = 2/5 y por lo
tanto,
c u
2 u
e
5
▼
Una expresión analítica simple fue sugerida por H. Tijms y consiste en agregar
un término exponencial a (6.36) para mejorar la aproximación de la probabilidad
de la ruina, cuando el superávit inicial u es pequeño. Así, la aproximación de
Tijms es definida como,
1
T u CeRu C e uA (6.38)
1 θ
donde
1
C
A 1 θ (6.39)
p2 C
2θp1 R
p x
p βe βx 1 p β´ 2 xe βx , x0 0 p 1
SOLUCIÓN
Puesto que,
2 3
q 2, C , p1 1, p2 y R 1
5 2
T u
2 u 1 8u / 3
e e , u0
5 15
▼
123
EJERCICIOS
Para los Ejercicios 6.1, 6.2 y 6.3, considere los datos siguientes que
corresponden a un proceso de reclamos hasta el tiempo t = 4,25
6.4 El cargo relativo por seguridad es, (3 – ln4)/ln4 y todos los reclamos tiene el
valor ln2. Determine el coeficiente de ajuste.
124
6.4 UN MODELO DE TIEMPO DISCRETO
6.8 Muestre que, cuando la distribución común de las variables W i es Normal con
media μ y varianza σ 2 , el coeficiente de ajuste es,
~ 2c μ
R
σ2
6.11 Los valores de los reclamos son 0 o 1 con probabilidades 2/3 y 1/3,
respectivamente. El superávit inicial es 2 y la tasa anual de las primas es 0,5.
Calcule la probabilidad de la ruina.
125
2
p2 p3 p
EL1 = y Var(L1) = 2
2 p1 3 p1 2 p1
6.16 Calcule EL1, cuando la función de densidad del valor de los reclamos es,
p x
5 5 x
e 6e 8 x , x0
4
6.17 El proceso del superávit es Poisson compuesto con q > 0 y todos sus
reclamos son iguales a 5. El superávit inicial es 10. Dado que el superávit
cae por debajo de 10, determine la probabilidad condicional de que la primera
vez que esto ocurra, el nuevo nivel del superávit sea menor que 8.
p x
1 3 x 16 6 x
e e , x0
3 3
126
6.8 MÉTODO DE DE VYLDER
6.21 El superávit inicial es ln2, el cargo relativo por seguridad es 0,20 y los valores
de los reclamos son exponenciales con parámetro 3. Calcule la probabilidad
de la ruina, usando la aproximación de De Vylder.
6.25 La distribución del valor de los reclamos es discreta con, p(1) = ¾ y p(2) = ¼.
Si el coeficiente de ajuste es ln2, calcule la probabilidad T 4 .
6.26 El cargo relativo por seguridad es, (3 – ln4)/ln4 y todos los reclamos tienen el
valor ln2. Calcule la probabilidad T 3 .
127
CAPÍTULO VII
REASEGUROS
7.1 INTRODUCCIÓN
128
proporción a 0 a 1 de estos, el asegurador paga la cantidad aS y el
reasegurador paga la cantidad (1 – a)S.
SOLUCIÓN
lnx μ
2
f x
1
exp
xσ 2π
2σ 2
PaS x Fx/a
Fx/a f x/a
d 1
dx a
lnx lna μ
2
1
exp
xσ 2π
2σ 2
0 si Sd
Id (7.1)
S d si Sd
S d
129
En esta forma,
S si Sd
S Id
d si Sd
mínS, d
EId x d f x dx (7.2)
d
d
ES d d x f x dx (7.3)
0
EId 1 Fx dx (7.4)
d
d
ES 1 Fx dx (7.5)
0
SOLUCIÓN
c
EI c ES 1 Fx dx
0
130
y así,
c d
EI d EI c 1 Fx dx 1 Fx dx
0 0
EI c d c 1 Fc
EI b EI c b c 1 Fc
y así,
1 Fc
1
EI c EI b
bc
Entonces
1
EI d EI c d c EI c EI b
b c
bd d c
EI c EI c
bc bc
Ahora supondremos que el reclamo total S es una variable discreta con función
de frecuencia f(x), x = 0,1,2,…, y que el deducible d es un entero. De acuerdo con
el ejemplo precedente, la prima pura por el exceso de pérdida para deducibles no
enteros, puede obtenerse por interpolación lineal. En forma similar a (7.2) y (7.3)
tenemos,
EId x d f x (7.6)
x d 1
d 1
ES d d x f x (7.7)
x 0
Las integrales en (7.4) y (7.5) pueden ser escritas como sumas, puesto que
F(x) es constante a trozos. Así,
131
EId 1 Fx (7.8)
xd
d 1
ES 1 Fx (7.9)
x 0
SULUCIÓN
= 0,0009 + 2(0,0001)
= 0,0011
y
1 0,9990 1 0,9999
= 0,0011
▼
132
f 0 F0 e λ
y
EI0 λp1
λ x
f x ipi f x i (5.21)
x i 0
SOLUCIÓN
f 0 F0 e 3
0,049787
EI 0 λp1
34 / 3
4
f x
2
f x 1 f x 2
x
133
x f(x) F(x) EIx
0 0,050 0,050 4
1 0,100 0,150 3,050
2 0,149 0,299 2,000
3 0,166 0,465 1,499
4 0,158 0,623 0,964
5 0,129 0,752 0,587
6 0,096 0,848 0,339
En general, la prima contiene un cargo que refleja la variabilidad del pago Id del
reasegurador. Una medida de esta variabilidad es la varianza de Id. En el caso
discreto es posible calcular E I 2d recursivamente. (ver Ejercicio 7.1)
7.3 DIVIDENDOS
kG S si S kG
D (7.13)
0 si S kG
kG
ED kG x f x dx (7.14)
0
134
EJEMPLO 7.5 Por una prima de 5 un asegurador cubre el reclamo total S, que
tiene la distribución de Poisson compuesta, considerada en el Ejemplo 7.4. El
asegurador accede a pagar un dividendo igual al exceso del 80% de la prima
sobre los reclamos. Calcule la cantidad esperada disponible para cubrir gastos,
seguridad, etc.
SOLUCIÓN
= 0,962549.
G – ES – ED = 5 – 4 – 0,962549
= 0,037451.
▼
ED kG x f x dx x kG f x dx
0 kG
kG ES EI kG (7.15)
donde IkG es el pago bajo un contrato de exceso de pérdida con deducible kG. Si
la prima pura por el exceso de pérdida EId, ya ha sido calculada para varios
deducibles, (7.15) es una fórmula conveniente para obtener ED. Por otra parte, de
(7.1) y (7.13) deducimos la relación,
S + D = kG + IkG (7.16)
EJEMPLO 7.6 Use (7.15) para obtener el dividendo esperado, para el seguro
descrito en el Ejemplo 7.5
135
SOLUCIÓN
Puesto que,
kG 0,85 4
ES λp1 4
EI 4 0,962549
concluimos que,
ED = 0,962549
S X1 X 2 XN
S = S I + SR
donde SI y SR son los valores de los reclamos totales, a cargo del asegurador y
del reasegurador, respectivamente.
136
7.4.1 REASEGURO PROPORCIONAL
N
SI aX i
i 1
aS
SR 1 a S
SOLUCIÓN
N
SI mín X i , d
i 1
con SI = 0, cuando N = 0 y
137
N
SR máx 0, X i d
i 1
con SR = 0, cuando N = 0.
Es importante notar que SR puede ser 0 aun cuando N > 0. Esta situación se
presenta cuando todos los reclamos tienen un valor inferior al nivel de retención d,
así que, el asegurador pagaría la totalidad de cada uno de estos reclamos.
Cuando sólo se contabilizan los reclamos cuyo valor excede al nivel de retención
d, ellos dan lugar a pagos positivos por parte del reasegurador. Así, el valor total
de los reclamos a cargo del reasegurador, puede escribirse como, ,
SR X̂1 X̂ 2 X̂NR
gNR t gN 1 v t 1
SOLUCIÓN
gN t e 2t 1
gNR t e 2v t 1
138
Entonces la variable NR tiene distribución de Poisson con media,
2v 0,4
PNR 0 e 0,4
u x e αx , α0
w c cR SI
Eu w c cR S I
E e α w c cR SI
e α w c e αc R E e αS I
139
Finalmente, asumiremos que el reclamo total tiene distribución de Poisson
compuesta, con parámetro de Poisson λ y función de distribución P, del valor
individual X de los reclamos, tal que, P(0) = 0.
SOLUCIÓN
lnMSR αR
1
cR
αR
λ
αR
E e
1 a αR X
1
MSI α MS aα
exp λ E e aαX 1
Así,
λα λα
e αcR MSI α exp E e 1 a αR X λe aαX λ
αR αR
140
λα
ha E e 1 a αR X λe aαX
αR
Observamos que,
αR
a (7.17)
αR α
SOLUCIÓN
cR 1 θ λEI d
141
1 θ λ x - d f x dx
d
d αx
exp λ e f x dx e αd 1 Fd 1
0
Así,
d
e cR MSI α exp 1 λα x d f x dx λ e αx f x dx λe αd 1 Fd λ
d 0
d
g d 1 λα x d f x dx λ e αx f x dx λe αd 1 Fd
d 0
Observamos que,
g' d 1 λα f x dx λαe αd 1 Fd
d
λα1 Fd e αd 1 θ
0 cuando e αd 1 θ 0
ln 1 θ
1
d (7.18)
α
142
Puesto que d es una función creciente de θ y decreciente de α , vemos que,
cuando el costo del reaseguro se incrementa, el asegurador debe retener una
parte mayor de cada reclamo y entre más adverso sea él al riesgo, menor debe
ser su nivel de retención.
Debido a que el análisis en los casos anteriores, se hace con una función de
utilidad exponencial, la prima que el asegurador recibe para cubrir los riesgos no
influye en su decisión. Sin embargo, si asumimos que la prima del reaseguro es
pagada, según el ingreso que el asegurador reciba por la prima, entonces este
ingreso influirá en su decisión. Este caso será tratado en la siguiente sección
donde, consideramos el efecto del reaseguro sobre el proceso del superávit.
143
Sean θ y θR los cargos relativos por seguridad de las primas c y cR que
cobran el asegurador y el reasegurador, tales que,
c 1 θ λEX
cR 1 θR λEhX
En esta forma, cn = c – cR, representa el ingreso neto por prima del asegurador.
Como la prima que recibe el asegurador debe ser superior al pago que espera
hacer,
cn λaEX
esto es,
θ
a 1 (7.20)
θR
Así, el asegurador para evitar la ruina, debe retener de cada reclamo, una
proporción mayor que, 1 θ/θR .
cn 1 θn aλEX
donde θ n es el cargo relativo neto por seguridad del asegurador. De (7.19) se
deduce entonces que,
θ θ
θn θR R (7.21)
a
144
Notamos que θ n se incrementa desde 0, cuando a 1 θ/θR , hasta θ , cuando
a = 1.
λa β λ
u exp u (7.22)
βc n a c
1 θR θR u p1θR θ a 2
θR θ u
2
0 (7.23)
SOLUCIÓN
λ M X h x r 1 cn r (7.24)
145
Haciendo uso de (7.19) escribimos,
1
1 θ θR a 1 θR p1r
1 ap1r
1 θ θR aθR
R (7.25)
ap1 θ θR a 1 θR
1 θR 1 θR
1/ 2
a θR θ (7.26)
1 θR θR
▼
hX X d
Y X hX mínX, d
cn λEY 1 e λp
d/p1
1
146
esto es,
θ
d p1 ln R (7.28)
θ
Así, el nivel de retención del asegurador debe ser mayor que, p1 lnθR /θ
cn 1 θn λEY
θ θR e d/p1
θn (7.29)
1 e d/p1
SOLUCIÓN
d
1 1 θ 1 θR e βd p1r M Y r e
rx
βe βx dx e rd PX d
0
β
βr
1 e β r d e β r d
147
1
βr
β re β r d (7.30)
1 1,25 1,40e d r
1
1 r
1 re 1 r d
La siguiente tabla muestra los valores de R que corresponden a diversos valores
de d. Observamos que d = 0,9676, produce el mayor valor de R: 0,3490.
d R
1,0217 0,3476
0,9943 0,3480
0,9676 0,3490
0,9416 0,3488
0,9163 0,3486
EJEMPLO 7.13 Un asegurador tiene una cartera que produce reclamos totales
anuales que siguen una distribución de Poisson compuesta con parámetro de
Poisson λ 3 y función de frecuencia del valor individual X de los reclamos: p(1)
= 2/3 y p(2) = 1/3, (ver el Ejemplo 7.4). La prima anual por cada riesgo asegurado
es 5,64 y el cubrimiento del exceso de pérdida puede obtenerse de un
reasegurador que cobra un cargo del 100%. Calcule el coeficiente de ajuste si el
asegurador suscribe un contrato de exceso de pérdida, con un deducible de 3.
SOLUCIÓN
EI3 = 1,499 y la prima anual por el exceso de pérdida es 2EI 3 = 2,998. Así, la
prima anual retenida por el asegurador es,
Y mínX,3
148
~ es la solución positiva de la
De acuerdo con (6.9), el coeficiente de ajuste R
ecuación,
2
e 2,642r f x e xr 1 F2e3 r 1
x 0
e 2,642r 0,050 0,100 e r 0,149 e 2 r 0,701e 3 r 1
esto es, R ~ 0,468 . Puesto que el valor esperado anual de los reclamos totales es
λp1 4 , la ganancia anual esperada es,
EL PL udu
0
u du (7.31)
0
u e Ru
149
así que,
u du
1
EL
0
R
SOLUCIÓN
p2
EL (7.32)
2θn p1
a
p1
β
p2
a 2E X 2
2a 2
β2
150
a2
EL
β θ 1 a θR
θ
a 21 (7.33)
θR
y por lo tanto, el valor mínimo de la pérdida total máxima esperada, viene a ser,
EL
4
θR θ (7.34)
βθ R2
SOLUCIÓN
hX X d
Y mínX, d
La pérdida total máxima esperada es dada por (7.32) donde ahora, p 1 y p2 son
los dos primeros momentos de Y. Así,
151
p1
1
β
1 e βd
y
p2
2
β 2
1 βd 1e βd
Por otra parte, el cargo relativo neto por seguridad del asegurador, θ n , es dado
por (7.29). Entonces, al reemplazar los valores de p1, p2 y θ n en (7.32), hallamos
que, la pérdida total máxima esperada, tiene la forma,
1 1 d 1e βd
EL (7.35)
β R e βd
Mediante el uso del cálculo diferencial, vemos que el valor de d que minimiza EL,
es el valor de d que satisface la ecuación,
θR e βd βdθ θR 0 (7.36)
152
EJERCICIOS
7.1 Asumiendo que los reclamos posibles son enteros, muestre que,
E I 2d
E I 2d -1 2EI d 1 1 Fd 1
7.2 Si S tiene una distribución de Poisson compuesta dada por, = 3, p(1) = 5/6
y p(2) = 1/6, calcule EI2
7.3 DIVIDENDOS
7.5 Por una prima de 2 un asegurador cubre el reclamo total S que tiene
distribución de Poisson compuesta con λ 1/5 , p(1) = ¾ y p(2) = ¼. El
asegurador paga un dividendo igual al exceso del 100k% de la prima sobre
los reclamos. Si el asegurador espera disponer de 0,25 para cubrir gastos,
seguridad, etc., ¿cuál es el valor de k?
7.6 Suponga que las cinco pólizas de vida mencionadas en el Ejercicio 7.3 son
consideradas como un plan de seguro de grupo donde el asegurador cobra
una prima de 1500 y promete un dividendo igual al exceso del 85% de la
prima sobre los reclamos. Determine:
a. El dividendo esperado
b. La cantidad que espera pagar el asegurador
153
12k S .
Calcule k tal que, el costo esperado para el grupo sea igual bajo
ambas propuestas.
a
β
α
1 1 θR
1 / 2
154
prima del reaseguro, calculada según el principio de la varianza con
parámetro θ . Muestre que el nivel de retención que maximiza la utilidad
esperada del asegurador, con respecto a la función de utilidad u x e αx ,
es
1 2θ
d ln 1
α β
λβe βd
cR
β h 2
b. Sea d* el nivel de retención que maximiza la utilidad esperada del
asegurador con respecto a la función de utilidad u x e αx , 0 α β .
Muestre que,
2 β
d ln
α β h
155
factor de cargo del 40%. ¿Qué nivel de retención debe escoger el
asegurador?.
156
APÉNDICE
A. DISTRIBUCIONES DISCRETAS
gN t q pt
m
MN t q pe t m
EN mp VarN mpq
λn
PN n eλ , n = 0,1,2,....
n!
λ et 1
gN e λ t 1
MN t e
EN = Var(N) = λ
r r
p
gN t MN t
p
1 qt 0
t
1 qet 0
1 qt 1 qe
Var N
q q
EN r r
p p2
157
B. DISTRIBUCIONES CONTINUAS
f X x
1
, a x b.
b a
M X t
1
b a t
e bt e at
EX
1
a b Var X
1
b a 2
2 12
β α α 1 βx
f X x x e , x0
FX x 1 e
α 1 βx i
βx
i!
si α es un entero positivo
i 0
α
β α α
MX t tβ EX Var X
β t β β2
Sesgo de X: k
1
σx3
E X EX
3
2
α
n 1
2 n , . Si X ~ α, β entonces 2 βX ~ 2 2α
2 2
α 1 α
α β β
f X x , x0 FX x 1
β β x β x
158
β αβ 2
EX , x0 Var X , α2
α 1 α 12 α 2
β β
α 1
EX m 1 , α 1
α 1 β m
β
EX m ln , α 1
β m
β α 2 α 1
2β2 2mβ β
E X m 1 ,α 2
2
α 1α 2 β m α 1 β m
f X x αβ βx FX x
α 1 βx α
1 e βx
α
e
βm α
EX k
1
β
k
k
1
α
E X m
k
1
βk t
k/α
e t dt
0
1
MX t exp σ 2t 2 μt EX μ Var X σ2
2
X μ
Z ~ N(0, 1) x PZ x
σ
lnx μ
FX x
σ
159
Si X ~ LN μ,σ 2 entonces lnX ~ N μ,σ 2 y así
E Xk
1
exp σ 2 k 2 μk
2
S X1 X 2 X n
D. TRANSFORMACIÓN DE LAPLACE
L px p s
Ee Sx
e
sx
p x dx
0
p t M X t MX s p s
Propiedades:
160
x
iii) L p1 y p2 x y dy p1 s p2 s
0
n 1
iv) L x n
s n 1
p s
v) L Px
s
161
RESPUESTAS A LOS EJERCICIOS
162
BIBLIOGRAFIA
[1] Bowers N. L., Gerber H.U., Hickman J.C., Jones D.A., Nesbit C.J., Actuarial
Mathematics, Society of Actuaries, 1997
[2] Bühlman H., Mathematical Methods in Risk Theory, Springer – Verlag, 1970
[3] Daykin C.D., Pentikäinen T. and Pesonen M., Practical Risk Theory for
Actuaries, Chapman & Hall, 1994
[4] Dickson D.C.M., Insurance Risk and Ruin, Cambridge University Press,
2005
[6] Kaas R., Goovaerts M., Dhaene J. and Denuit M., Modern Actuarial Risk
Theory, Kluwer Academic Publishers, 2001.
[7] Klugman S.A., Panjer H.H., Willmot G. E., Loss Models – from data to
decisions, John Wiley, 2004.
[11] Panjer H.H. and Willmot G.E., Insurance Risk Models, Society of Actuaries,
1992.
[12] Seal H.L., Stochastic Theory of a Risk Business, john Wiley & Sons, Inc.,
1969.
163