MODELOS DE RIESGO PERSONAL PARA UN CORTO TIEMPO

Elementos de los seguros.

Individuos u organizaciones enfrentan la amenza de una prdida financiera debido a
un evento aleatorio. Los sistemas en seguros son los nicos que alivian las prdidas
financieras en el cual el nmero, el tamao o en tiempo de ocurrencia al ser aleatorio
es la primera razn para su existencia.
Un seguro puede ser organizado slo despus de una clase de situaciones donde las
prdidas aleatorias pueden suceder.
En esta situacin un seguro sirve para reducir una prdida financiera debido a ciertos
tipos de eventos aleatorios. Igualmente, una persona u organizacin recurre a los
seguros buscando proteccin contra la prdida de fondos debido a un exceso de
reclamos, ya sea de una persona o por un portafolio de asegurados, a este tipo de
seguros se le suele llamar reaseguros.
Sea S una variable aleatoria en el cual tiene una distribucin probabilstica. El modelo
de riesgo individual se define como:

S X 1 X 2 ... X n
Donde

Xi

es la prdida de la unidad asegurada i y n es el nmero de unidades de

Xi

riesgo aseguradas. Usualmente los

s estn definidas como v.a.i., debido a que
facilita el clculo y es necesario que no exista una dependencia histrica. En esta
parte del curso no se considera todava el valor del dinero en el tiempo, dado que se
considera que se est trabajando a corto plazo.
Este modelo se considera que es un modelo cerrado, esto indica que el nmero de
unidades aseguradas es conocido y fija al inicio del perodo.
Modelo de una variables aleatorias para un reclamo individual
Suponga el trmino de un ao de un seguro de vida. El asegurador acuerda pagar una
cantidad b si el asegurado fallece dentro de un ao de la pliza y no le pagara si
sobrevive el ao. El reclamo durante un ao se define como q. La variable aleatoria de
reclamo puede ser descrita como una funcin de probabilidad o funcin de distribucin
tiene una funcin de probabilstica

f .d . d . f .

La funcin de probabilidad es:

f . p. p. f .

o por su funcin de distribucin

 1 q x 0

f X x P( X x) q
xb
0
c.c.

La funcin de distribucin es:

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

es una variable aleatoria donde

P I 0 1 q

y P I 1 q

. En este

tiene una distribucin de Bernoulli.

Suponga ahora que se define la siguiente variable aleatoria:

X IB
Donde X es la variable aleatoria del reclamo para el perodo, B es ell monto total
reclamado incurrido en el perodo e

es el indicador para el evento de que al menos

un reclamo haya ocurrido. Como el indicador de este evento

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

Esto es un supuesto irreal de que no haya ms de un reclamo por perodo. En este

caso se ha hecho para simplificar la distribucin de B. se toma en consideracin lo
siguiente: Si I=0, implica que el accidente ha ocasionado un dao menor que 250. La
otra situacin es el reclamo es por el mximo de 2000, en este caso se tiene un punto
masa de 0.10. Adems se asume que los montos de reclamos entre 0 y 2000 se

1 x
pueden modelar mediante una distribucin continua proporcional a

0 x 2000

2000

para

. Resumiendo, el supuesto de esta distribucin condicional de B dado I=1

se tiene una distribucin mixta:

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

Para obtener la probabilidad de un pago B cuando el dao es mayor que la cobertura

hasta menos de 2000:
Para

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

Funcin de densidad para el intervalo

f X x 0.000135 1

2000

Donde

0 x 2000

0 x 2000

E X 120 Var ( X ) 135600

Valores esperados y varianza a partir de resultados condicionales

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:

Supongamos que se quiere obtener

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

 X2 / I V X | I 1000000 800 360000

2

Como

P I 1 q 0.15

, entonces y por lo tanto

E I 1 q 0.15

E X E E X | I E X / I gI X / I q 800 0.15 120

V X 800 0.15 1 0.15 360000 0.15 135600

Suma de variables aleatorias independentes
Suponga la variable

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

, donde se puede definir la regin

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

Para variables continuas, la funcin de distribucin y la funcin de densidad:

s

FS s FX s y fY y dy

f S s f X s y fY y dy

Este proceso se llama convolucin donde las funciones acumuladas conjunta de

FX x y FY y

se definen como

FX * FY

Suponga la suma de dos o ms variables aleatorias

Xs son variables aleatorias independientes y

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

que son independientes y sea

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

: Funcin de distribucin acumulada de

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

: Funcin de distribucin acumulada de

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

: Funcin de distribucin acumulada de

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

Para obtener la funcin de S, se define de la siguiente forma

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:

Se quiere obtener la distribucin de

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

Donde x se puede definir como las suma de

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

Suponga un seguro a un ao con beneficios

y probablidaddes de fallecimiento de 0.02 y

nk

0.10 y un nmero de individuos

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 S 160 Var S 256

La compaa quiere coleccionar de esta poblacin de 1800 perwsonas una cantidad igual al
percentil 95 de la distribucin total de reclamos. Adems, se quiere que la parte de cada
persona de esta cantidad sea proporcional a cada persona al reclamo esperado personal. La

E X j

parte de la persona j con media

sugiere que

. Esta cantidad extra,

de seguridad relativa. Calcular

EL criterio para

es

sera

E X j

S E S

E S

Var S

. El requisito del percentil 95

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:

E S 160 Var S 256

1.645

Var ( S )
0.1645
E (S )

Los asegurados de una poliza de seguro de autos cae en dos situaciones:

Distribucin del monto de

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

Es una distribucin mixta con funcin de densidad

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

Utilizando las propiedades

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

E S 500 0.09179 2000 0.025 95.89

Var S 500 0.13411 2000 0.02436 115.78
Obteniendo la carga relativa de seguridad:

 1.645

Var ( S )
115.78
1.645
0.1846
E (S )
95.89