Beruflich Dokumente
Kultur Dokumente
S X 1 X 2 ... X n
Donde
Xi
Xi
f .d . d . f .
f . p. p. f .
1 q x 0
f X x P( X x) q
xb
0
c.c.
x0
0
FX x P ( X x ) 1 q 0 x b
1
xb
E X bq
Los momentos son los siguientes:
Las variable aleatoria tambin se puede definir como
E X 2 b 2q 1 q
X bI
Donde
caso
P I 0 1 q
y P I 1 q
. En este
X IB
Donde X es la variable aleatoria del reclamo para el perodo, B es ell monto total
reclamado incurrido en el perodo e
I 0
I 1
indica ocurrencia
y
no ocurrencia de reclamos en el perodo pero no indica el nmero de
reclamos.
Se quiere saber las distribuciones de I y B para el modelo. Primero se va considerar
un seguro de vida con un perodo de una ao, el cual paga un beneficio extra en caso
de fallecimiento del asegurado por causas accidentales. Especficamente, si la muerte
es accidental el beneficio es 50000 dlares. Para otras causas de muerte el beneficio
es 25000. Asuma que por la edad, saludo y ocupacin de una persona en particular, la
probabilidad de muerte accidental es de 0.0005, mientras que la probabilidad de una
muerte no accidental es de 0.002. Ms brevemente:
P I 1 B 50000 0.0005
P I 1 B 25000 0.002
La probabilidad que ocurra al menos un reclamo:
P I 1 0.0025
Caso contrario:
P I 0 0.9975
La probabilidad de B dado I=1:
P B 25000 | I 1
P B 25000 I 1
0.8
P I 1
P B 50000 | I 1
P B 50000 I 1
0.2
P I 1
Ejemplo
Suponga un automvil con cobertura de accidentes por colisin. Sobre 250 deducible
hasta un monto de reclamo de 2000. Como ilustracin, asuma que para un caso
particular la probabilidad de un reclamo en el perodo es 0.15 y la posibilidad de ms
de un reclamo es de 0:
P I 0 0.85
P I 1 0.15
1 x
pueden modelar mediante una distribucin continua proporcional a
0 x 2000
2000
para
x0
P B x | I 1 0.9 1 1
2000
1
x 2000
0 x 2000
O tambin
x0
x2
P B x | I 1 0.9 0.001 x
4000
1
x 2000
0 x 2000
Para Obtener la probabilidad que el haya un pago B cuando el dao es menor que la
cobertura de 250 es:
FX x P X x P IB | I 0 P I 0 P IB | I 1 P I 1
0 0.85 0 0.15 0
0 x 2000
FX x P IB | I 0 P I 0 P IB | I 1 P I 1
2
x
1 0.85 0.9 1 1
2000
Para
0.15
x 2000
FX x P IB | I 0 P I 0 P IB | I 1 P I 1
1 0.85 1 0.15 1
f X x 0.000135 1
2000
Donde
0 x 2000
0 x 2000
E W E E W | V
V W V E W | V E
V W | V
Suponga que
W X yV I
E X E E X | I E
, luego:
f x, I
dx E X / I I X / I E I X / I gq
f I
V X V E X | I E
V X | I
donde:
V E X | I V X / I gI X2 / I gV I X2 / I gq 1 q
E V X | I E X2 / I gI X2 / I E I X2 / I gq
Por lo tanto:
E X X / I gq
V X X2 / I gq 1 q X2 / I gq
Ejemplo:
f B| I
0.0009 1
X |1
2000
0 c.c.
Adems
E X
V X
de la funcin condicional:
0 x 2000
P B 2000 | I 1 0.1
X /I E X | I E B | I
2000
E X 2 | I E B2 | I
2000
0.0009 x 1
dx 0.1 2000 800
2000
x
2
0.0009 x 2 1
dx 0.1 2000 1000000
2000
Como
P I 1 q 0.15
E I 1 q 0.15
S X Y s
donde
P X Y s | Y yP Y y P X s y | Y y P Y y
todo y s
FS s
fS s
FS s P S s P X Y s
Entonces
FS s
S X Y
todo y s
todo y s
todo y s
FX s y fY y
y la funcin de densidad es:
f X s y fY y
FS s FX s y fY y dy
f S s f X s y fY y dy
FX x y FY y
se definen como
FX * FY
F k
es la distribucin acumulada de
Fi
S X 1 X 2 ... X n
donde las
es la distribucin acumulada de
X 1 X 2 ... X k
, entonces:
Xi
F 2 F2 * F 1 F2 * F1
F F3 * F
3
F 4 F4 * F 3
F Fn * F
n
n 1
Ejemplo.
Sean las variables aleatorias
X1, X 2 y X 3
S X1 X 2 X 3
Donde:
x
0
1
2
3
4
5
f1 x
f2 x
f3 x
0.4
0.3
0.2
0.1
0.5
0.2
0.1
0.1
0.1
0.6
0.0
0.1
0.1
0.1
0.1
Hallar la distribucin de S
En este caso se considera:
f 2 ( x) f X1 X 2 x1 x2
F1 x
F 2 x FX1 X 2 x1 x2
F
f 3 ( x ) f X1 X 2 X 3 x1 x2 x3 f S s
f1(x
(f.d. de
f1 x
x FX X X x1 x2 x3 FS s
1
f1 x
f2(x
f3(x
f 2 ( x) f X1 X 2 x1 x2
f(2)
f(3)
F1(x
F(2)
F(3)
fS s
)
0.4
0.3
0.2
0.1
0
1
2
3
4
5
6
7
8
9
10
11
12
)
0.5
0.2
0.1
0.1
0.1
)
0.6
0
0.1
0.1
0.1
0.1
(x)
0.2
0.23
0.2
0.16
0.11
0.06
0.03
0.01
(x)
0.12
0.138
0.14
0.139
0.129
0.115
0.088
0.059
0.036
0.021
0.01
0.004
0.001
)
0.4
0.7
0.9
1
1
1
1
1
1
1
1
1
1
(x)
0.2
0.43
0.63
0.79
0.9
0.96
0.99
1
1
1
1
1
1
(x)
0.12
0.258
0.398
0.537
0.666
0.781
0.869
0.928
0.964
0.985
0.995
0.999
1
Ejemplo 2.
Suponga que
tiene una distribucin uniforme en (0,2) y sea
independientes de X con
distribucin uniforme en (0,3). Determinar la funcin dde distribucin acumulada de
S X Y
1
0 y3
fY y 3
0 c.c
1
0 x2
fX x 2
0 c.c
0 x0
x
FX x
0 x2
2
1 x 2
FY
0 y0
y
y
0 y3
3
1 y 3
s0
s y 1
s2
dy
y0 2 3
2
0 s2
s
s y
1
1 dy
y 0
y s 2
2
3
s 2
3
s y
1
1 dy
0
y
2
3
s5
0
FS ( s )
s 2
1
s 1
dy
3
3
5 s
1
dy 1
3
12
2s3
2
3 s 3
Ejemplo 2:
f1 x e x
f 2 x 2 e 2 x
Primerio calcular
Para calcular
X1 X 2
S X1 X 2 X 3
donde:
f1 x 3e3 x
f 2 ( x) f1 x y f 2 y dy e x y 2e 2 y dy 2e x 2e 2 x
S X1 X 2 X 3
f 3 ( x ) f 2 x y f 3 y dy 2e x y 2e 2 x y 3e 3 y dy 3e x 6e 2 x 3e 3 x
X1 X 2 X 3
Por ser las distribuciones de la familia exponencial se puede obtener la distribucin a partir
de la funcin generatriz de momentos:
M S t E etS E e
t X1 X 2 X 3
E e E e E e 1 1 t
tX 1
tX 2
tX 3
2
3
2 t 3 t
1
2
A
2B
3C
3
1 t 2 t 3 t
1 t 2 t 3 t
M S t
Fraccionando los resultados:
Entonces
A 3 B 3 C 1
por lo tanto:
f S ( x ) 3e x 3 2e 2 x 3e 3 x
Aproximaciones para una distribucin de suma
Bajo el supuesto de independencia se puede tener los siguientes parmentros de S:
n
E S E Xk
k 1
Ejemplo:
Var S Var X k
k 1
bk
nk
qk
bk
nk
1
2
3
4
0.02
0.02
0.10
0.10
1
2
1
2
500
500
300
500
E X k bk qk
Var X k bk2 qk 1 qk
E X j
EL criterio para
es
sera
E X j
S E S
E S
Var S
es la carga de seguridad y
P S 1 E S 0.95
1 E X j
Var S
donde
S X 1 X 2 ... X 1800
E S
0.95
Var S
1.645
Entonces:
Considerando
Ejemplo:
1.645
Var ( S )
0.1645
E (S )
es la carga
Bk
reclamos
de una distribucin
exponencial truncada
Clases
Nmero de
clases
500
2000
1
2
L
1
2
2.5
5.0
x0
F x 1 e x
1
Probailidad de
reclamo
0.10
0.05
0xL
xL
f x e x
para
0 x L
y una
probabilidad de
. Se quiere obtener el reclamo esperado as como su varianza, para
luego obtener la carga de seguridad relativa
X |I E B | I 1 x e x dx
L
2
X |I
1 e L
E B | I 1 E B | I 1
2
1 2 Le L e2 L
E X X / I gq
V X X2 / I gq 1 q X2 / I gq
E X
V X
se tiene>
qk
k2
qk k
2 gq 1 q 2 gq
nk
1
2
0.10
0.05
0.9179
0.5000
0.5828
0.2498
0.09179
0.02500
0.13411
0.02436
500
2000
1.645
Var ( S )
115.78
1.645
0.1846
E (S )
95.89