Está en la página 1de 69

Notas de Clase de Matem´ aticas Actuariales del Seguro de Personas I

Jos´ e Enrique P´ erez
jose enrique@comunidad.unam.mx, jenriqps@gmail.com
Facultad de Ciencias
Universidad Nacional Aut´ onoma de M´ exico
Material escrito en L
A
T
E
X
Semestre 2014-2, 19 de mayo de 2014
´
Indice general
1. La Econom´ıa del Seguro 4
1.1. Introducci ´ on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2. Teor´ıa de la Utilidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3. El Seguro y la Teor´ıa de la Utilidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.4. Elementos del Seguro . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.5. Selecci ´ on del Seguro
´
Optimo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.6. Modelos de Riesgo Individual para el Corto Plazo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.7. Modelos para Variables Aleatorias de Reclamo Individual . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.8. Sumas de Variables Aleatorias Independientes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.9. Aproximaci ´ on a la Distribuci´ on de la Suma de Variables Aleatorias (Teorema Central del L´ımite) . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.10. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2. Funciones Biom´ etricas y Tablas de Mortalidad 12
2.1. Definiciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.2. Tiempo de Vida Futuro Truncado (Curtate-Future-Lifetime) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.3. Fuerza de Mortalidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.4. Tablas de Vida . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.5. Otras Caracter´ısticas de la Tabla de Vida . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.6. Supuestos para Edades Fraccionales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.7. Tablas de Vida Nacionales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.8. Algunas Leyes de Mortalidad Anal´ıticas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.9. Tablas Selectas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.10. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
1
3. Primas Netas
´
Unicas de Seguros de Vida 24
3.1. Seguros Pagables al Momento de la Muerte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.1.1. Seguros con Beneficio Nivelado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.1.2. Seguros con Beneficio Variable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.2. Seguros Pagables al Final del A˜ no de la Muerte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.3. Relaciones entre Seguros Pagaderos al Momento de la Muerte y los que se Pagan al Final del A˜ no de Muerte . . . . . . . . . . . . . . . . . . 28
3.4. Funciones para vidas selectas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.5. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
4. Primas Netas
´
Unicas de Anualidades 32
4.1. Anualidades Continuas de Vida . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
4.2. Anualidades de Vida Discretas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
4.3. Anualidades de Vida con Pagos cada m-´ esimo de A˜ no . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
4.3.1. Antecedentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
4.3.2. Anualidades de Vida con Pagos cada m-´ esimo de A˜ no . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
4.4. Comparaci ´ on de valores presentes actuariales de anualidades por su frecuencia de pago . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
4.5. Funciones para vidas selectas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
4.6. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
5. Primas Netas Peri ´ odicas 42
5.1. Primas Totalmente Continuas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
5.2. Primas Totalmente Discretas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
5.3. Primas Niveladas Semicontinuas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
5.4. Primas que se Pagan cada m-´ esima Parte del A˜ no . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
5.5. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
6. Reservas Matem´ aticas 49
6.1. Reservas Matem´ aticas Puras Totalmente Continuas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
6.2. Reservas Matem´ aticas Puras Totalmente Discretas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
6.3. Reservas Matem´ aticas Puras Semicontinuas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
6.4. Reservas Matem´ aticas Puras basadas en primas niveladas que se Pagan cada m-´ esimo de a˜ no . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
6.5. An´ alisis de Reservas Matem´ aticas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
6.5.1. Reservas Matem´ aticas Puras para Seguros Generales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
6.5.2. Relaciones Recursivas para Reservas Matem´ aticas Puras Totalmente Discretas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
6.5.3. Reservas Matem´ aticas Puras en Duraciones Fraccionales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
2
6.6. Terminolog´ıa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
6.7. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
7. Prima de Tarifa 59
7.1. Modelos Aumentados con los Gastos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
7.2. Gastos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
7.3. Asset Shares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
3
Cap´ıtulo 1
La Econom´ıa del Seguro
Este cap´ıtulo esta basado en los Cap´ıtulos 1 y 2 de [1].
En este primer cap´ıtulo se revisar´ an, desde el punto de vista econ´ omico, por
qu´ e el monto de las primas de seguros es de al menos el valor esperado de la
cobertura. Si bien esto parece l ´ ogico porque la aseguradora tiene m´ as gastos
que el pago de los siniestros, hay que establecer condiciones sobre c´ omo toman
decisiones los posibles asegurados y la aseguradora, y para eso se recurre a
conceptos de la Econom´ıa.
Se presentar´ a un teorema cuya utilidad pr´ actica es que si estamos dispuestos
a comprar un seguro y se nos ofrecen varias coberturas con la misma prima,
entonces nuestra utilidad esperada se maximiza con una cobertura de deducible
ordinario.
En la segunda parte, se presenta un modelo para las p´ erdidas agregadas de
una aseguradora a corto plazo. Primero se describen dos maneras en que se
puede analizar el monto de las p´ erdidas en cada unidad asegurada y despu´ es
en las probabilidades asociadas al agregado de las p´ erdidas en todas las uni-
dades aseguradas. Ya que esto ´ ultimo es dif´ıcil (dependiendo de si contamos
con conocimientos de programaci ´ on y de un programa de c´ omputo especiali-
zado en Matem´ aticas), una manera r´ apida pero aproximada es la aplicaci´ on del
Teorema Central del L´ımite.
1.1. Introducci ´ on
Cada uno de nosotros hace planes y tiene expectativas acerca del camino que
su vida seguir´ a. Sin embargo, la experiencia nos ense˜ na que los planes no se
desarrollar´ an con certidumbre ya que algunas veces las expectativas no ser´ an
alcanzadas. Ocasionalmente los planes son frustrados porque est´ an basados
en supuestos poco realistas mientras que en otras situaciones, circunstancias
fortuitas interfieren. El seguro esta dise˜ nado para proteger contra reveses fi-
nancieros graves que resultan de eventos aleatorios que se entrometen en los
planes de los individuos.
Las limitaciones b´ asicas de la protecci ´ on que ofrece un seguro son:
1. Est´ a restringida a reducir aquellas consecuencias de eventos aleatorios
que pueden ser medidos en t´ erminos monetarios.
2. El seguro no reduce, directamente, la probabilidad de p´ erdida.
Un sistema de seguro es un mecanismo para reducir el impacto financiero
adverso de eventos aleatorios que impiden la realizaci´ on de expectativas razo-
nables.
La justificaci ´ on econ´ omica para un sistema de seguro es que contribuye a
la riqueza general mejorando la posibilidad de que los planes no sean frus-
trados por eventos aleatorios. Dichos sistemas tambi´ en pueden incrementar la
4
producci ´ on total animando a los individuos y a las corporaciones a embarcar-
se en aventuras donde la posibilidad de grandes p´ erdidas podr´ıa inhibir tales
proyectos en la ausencia de un seguro.
1.2. Teor´ıa de la Utilidad
La Teor´ıa de la Utilidad es un campo del conocimiento que ha sido desa-
rrollado para entender la toma de decisiones bajo situaciones de incerti-
dumbre. Un tomador de decisiones toma decisiones -valga la redundancia-
, te´ oricamente, adoptando un principio. Uno de esos principios es el
principio del valor esperado (expected value principle), en base a ´ este, un to-
mador de decisiones prefiere la distribuci ´ on de X (la variable aleatoria que
significa el resultado de un proyecto econ´ omico) sobre la distribuci ´ on de Y (la
variable aleatoria del resultado de otro proyecto econ´ omico) si E[X] > E[Y], y
el tomador de decisiones es indiferente entre las dos distribuciones si E[X] =
E[Y].
La teor´ıa inicia con el supuesto de que un tomador de decisiones racional,
cuando se enfrenta con dos distribuciones de resultados afectando su riqueza,
es capaz de expresar una preferencia por una de las distribuciones o indiferen-
cia entre ellas. Adem´ as, las preferencias deben satisfacer ciertos requerimien-
tos de consistencia que no mencionaremos porque van m´ as all´ a de los objetivos
del curso.
La teor´ıa culmina en un teorema, estableciendo que si las preferencias sa-
tisfacen los requerimientos de consistencia, hay una funci ´ on de utilidad u(w)
tal que si la distribuci´ on de X es preferida a la distribuci´ on de Y, entonces
E[u(X)] > E[u(Y)], y si el tomador de decisiones es indiferente entre las dos
distribuciones, entonces, E[u(X)] = E[u(Y)]
1.3. El Seguro y la Teor´ıa de la Utilidad
Supongamos que una aseguradora (insurer) fue establecida para ayudar a
reducir las consecuencias financieras del da˜ no o destrucci ´ on de una propie-
dad. El asegurador emite contratos (policies) que prometen pagar al due˜ no de
la propiedad un monto definido igual o menor que la p´ erdida financiera si la
propiedad fuera da˜ nada o destruida durante el plazo de la p´ oliza. El pago con-
tingente ligado al monto de la p´ erdida es llamado pago del reclamo (claim). A
cambio de la promesa contenida en la p´ oliza, el due˜ no de la propiedad (insu-
red) paga una prima (premium).
El monto de la prima es determinado despu´ es de que un principio de deci-
si ´ on econ´ omica es adoptado por el asegurador y el asegurado. En adelante, X
significa la variable aleatoria “monto del reclamo”, y asumiremos que es no
negativa.
El asegurador podr´ıa establecer un precio base para una cobertura total como
la p´ erdida esperada, E[X] = µ. En este contexto µ es llamada la prima pura
para la p´ oliza de seguro con plazo de un periodo (1 a˜ no, 1 mes, 1 d´ıa, etc.).
Para enfrentar gastos, impuestos, ganancias y protecci ´ on contra experiencia
adversa de p´ erdidas, la aseguradora podr´ıa determinar la prima de la p´ oliza
con un recargo (loading) agregado a la prima pura.
Un ejemplo de lo descrito en el p´ arrafo anterior ser´ıa una p´ oliza de au-
tom´ ovil. Sea X la variable aleatoria p´ erdida por el choque de autom´ ovil y H la
prima que la aseguradora cobra por cubrir esta p´ erdida, definimos H como
H = (1+a)µ +c = µ +aµ +c
donde:
• a > 0, c > 0
• aµ: Gastos que var´ıan con las p´ erdidas esperadas
• c: Gastos que no var´ıan con las p´ erdidas
Ahora aplicamos la Teor´ıa de la Utilidad a los problemas de decisi´ on enfren-
tados por el due˜ no de la propiedad sujeta a p´ erdidas. El due˜ no de la propiedad
tiene una funci ´ on de utilidad u(z) donde la riqueza z es medida en t´ erminos
monetarios. El due˜ no enfrenta una posible p´ erdida debida a eventos aleatorios
que pueden da˜ nar la propiedad. La distribuci ´ on de la p´ erdida aleatoria X se
5
asume conocida. El due˜ no
1
ser´ a indiferente entre pagar un monto (no aleato-
rio) G al asegurador, qui´ en asumir´ a la p´ erdida financiera, o asumir el riesgo ´ el
mismo, si:
E[u(w−G)] = u(w−G) = E[u(w−X)] (1.1)
Es importante recordar que la ecuaci ´ on anterior es desde el punto de vista del
due˜ no de la propiedad.
Acerca de la funci´ on de utilidad, es natural asumir que u(w) es una funci´ on
creciente, i. e., “m´ as es mejor”. Adem´ as, se ha observado que para muchos
tomadores de decisiones, cada incremento adicional de riqueza resulta en un
incremento m´ as peque˜ no de utilidad asociada. Esta es la idea de la utilidad
marginal decreciente en la Econom´ıa.
Desigualdad de Jensen: Para una variable aleatoria X y una funci ´ on u(z), y
dado que existen E[u(X)], u(E[X]):
si u
//
(z) < 0 ⇒E[u(X)] ≤u(E[X]) (1.2)
si u
//
(z) > 0 ⇒E[u(X)] ≥u(E[X]) (1.3)
Vamos a aplicar la desigualdad (1.2) para el problema del tomador de de-
cisiones descrito en (1.1). Asumiremos que las preferencias del tomador de
decisiones son tales que u
/
(z) > 0 y u
//
(z) < 0, es decir, tenemos una utilidad
marginal decreciente. Aplicando la desigualdad de Jensen a (1.1) tenemos que:
E[u(w−G)] = u(w−G)
= E[u(w−X)]
≤u(E[w−X])
= u(w−µ)
(1.4)
porque u
/
(z) > 0, u(z) es una funci´ on creciente. Por lo tanto, (1.4) implica que
w−G ≤w−µ, o G ≥ µ.
Formalmente, decimos que un tomador de decisiones con funci´ on de utilidad
u(z) es averso al riesgo (risk averse), si y solo si, u
//
(z) < 0.
1
Al momento en que el due˜ no esta tomando la decisi´ on tiene una riqueza inicial w no
aleatoria.
Ahora empleamos una funci ´ on de utilidad general para el asegurador. Sea
u
I
(w) la funci ´ on de utilidad del asegurador y sea w
I
la riqueza (no aleato-
ria) del asegurador medida en t´ erminos monetarios; entonces la prima m´ınima
aceptable H para asumir una p´ erdida aleatoria X, desde el punto de vista del
asegurador puede ser determinada por:
E[u
I
(w
I
)] = u
I
(w
I
) = E[u
I
(w
I
+H−X)] (1.5)
La ecuaci´ on (1.5) nos dice que el asegurador es indiferente entre la posici ´ on
de no vender el seguro y proveer seguro para X a la prima H. Si la funci ´ on de
utilidad del asegurador es tal que u
/
I
(z) >0, u
//
I
(z) <0 aplicamos la desigualdad
de Jensen (1.2) a (1.5):
E[u
I
(w
I
)] = u
I
(w
I
)
= E[u
I
(w
I
+H−X)]
≤u
I
(E[w
I
+H−X])
= u
I
(w
I
+H−µ)
(1.6)
Como la funci ´ on de utilidad u
I
(w) es creciente, podemos concluir que H ≥ µ.
Si G, determinada por el due˜ no de la propiedad resolviendo la ecuaci´ on (1.4)
es tal que G ≥H ≥ µ, un contrato de seguro es posible.
Algunos ejemplos de funciones de utilidad son:
Funci ´ on de utilidad exponencial: u(w) =−e
−αw
, ∀w, α > 0 (1.7)
Funci ´ on de utilidad potencia fraccional: u(w) = w
γ
, w > 0, γ ∈ (0, 1) (1.8)
Funci ´ on de utilidad cuadr´ atica: u(w) = w−αw
2
, w < (2α)
−1
, α > 0 (1.9)
1.4. Elementos del Seguro
En este subtema revisaremos algunos de los factores que influyen en la or-
ganizaci ´ on y la administraci´ on de un sistema de seguro.
Un sistema de seguro puede ser organizado solo despu´ es de la identificaci ´ on
de una clase de situaciones donde p´ erdidas aleatorias pueden ocurrir. La pala-
bra “aleatorio”se usa para significar que la frecuencia, el tama˜ no o el tiempo
de la p´ erdida no ´ esta bajo control del posible asegurado.
6
Una vez que una clase de situaciones asegurables es identificada, informa-
ci ´ on sobre las utilidades esperadas y el proceso generador de las p´ erdidas pue-
den ser obtenidos. La investigaci´ on de mercado de los seguros puede ser vista
como un esfuerzo para aprender acerca de las funciones de utilidad, es decir,
las preferencias de riesgo de los consumidores.
Los procesos generadores del tama˜ no y tiempo de p´ erdidas pueden ser sufi-
cientemente estables en el tiempo para que informaci´ on pasada pueda ser usada
para planear el sistema. Cuando un nuevo sistema de seguro es organizado, es-
tad´ısticas relevantes al seguro no est´ an a menudo disponibles. Sin embargo,
informaci ´ on complementaria de situaciones de riesgo similares puede ser ob-
tenida para identificar los riesgos y para proveer estimadores preliminares de
las distribuciones de probabilidad necesarias para determinar las primas. Por-
que la mayor´ıa de los sistemas de seguro operan bajo condiciones din´ amicas,
es importante que exista un plan para recolectar y analizar datos de la ope-
raci ´ on del seguro tal que el sistema del seguro se pueda adaptar. Adaptaci ´ on
en este caso puede significar cambios en las primas, pagar un dividendo basa-
do en la experiencia o reembolsos de primas, o modificaciones futuras en las
condiciones de la p´ oliza.
1.5. Selecci ´ on del Seguro
´
Optimo
Teorema 1. : Si un tomador de decisiones:
1. Tiene un monto de riqueza w
2. Es averso al riesgo, en otras palabras, tiene una funci´ on de utilidad u(z)
tal que u
//
(z) < 0
3. Enfrenta una p´ erdida aleatoria de monto X
4. Gastar´ a un monto P en la compra de un seguro
y el mercado de seguros ofrece por un pago de P todos los contratos de segu-
ro viables con cobertura I(X), 0 ≤ I(X) ≤ X, con E[I(X)] = β, entonces, la
utilidad esperada del tomador de decisiones ser´ a maximizada comprando una
p´ oliza de seguro con una cobertura:
I
d
∗(x) =

0 si x < d

x −d

si x ≥d

donde d

es la soluci´ on de
β =


d

(x −d

) f (x)dx (1.10)
Notas:
• β es la prima neta o pura por la cobertura I(X), P ser´ıa la prima de tarifa
por lo que P ≥β
• Ejemplos de otras coberturas son:
1. Coaseguro I(x) = αX, α ∈ (0, 1)
2. L´ımite de p´ oliza
I(x) =

x si x ≤u
u si x > u
3. Deducible franquicia (franchise), d es el deducible
I(x) =

0 si x < d
x si x ≥d
4. Deducible ordinario, d es el deducible
I(x) =

0 si x < d
x −d si x ≥d
• Para un seguro deducible ordinario,
E[I(X)] =

d
0
0 f (x)dx +


d
(x −d) f (x)dx
=


d
(x −d) f (x)dx
=


d
(1−F(x))dx
7
donde X es una variable aleatoria continua (para demostrar la ´ ultima igual-
dad se usa una integral por partes).
• El teorema se prueba llegando a la desigualdad
E[u(w−(X −I(X)) −P)] ≤E[u(w−(X −I
d
∗(X)) −P)]
para toda I(X). La demostraci ´ on se puede consultar en Bowers, p. 19, [1].
1.6. Modelos de Riesgo Individual para el Corto
Plazo
Para una organizaci´ on aseguradora, sea S la p´ erdida aleatoria de un segmento
de sus riesgos la cu´ al es la variable aleatoria de la que buscamos su funci ´ on de
distribuci ´ on. Hist ´ oricamente, han existido dos conjuntos de postulados para la
distribuci ´ on de S:
1. Modelo Riesgo Individual: S = X
1
+X
2
+ +X
n
donde X
i
es la p´ erdida
en la unidad asegurada i y n es el n´ umero de unidades aseguradas. Usual-
mente las X
i
’s se asumen independientes, porque as´ı son m´ as f´ aciles los
c´ alculos y porque a menudo no hay datos hist´ oricos acerca de la depen-
dencia entre las X
i
’s. El supuesto de independencia funciona en la mayor´ıa
de los casos pr´ acticos.
2. Modelo de Riesgo Colectivo: S = X
1
+X
2
+ +X
N
donde N tambi´ en es
una variable aleatoria (este modelo se estudia en Matem´ aticas Actuariales
del Seguro de Personas II).
El modelo de riesgo individual en este tema no reconoce el valor del dinero
a trav´ es del tiempo (inter´ es) ya que estamos tratando riesgos a corto plazo
(menor o igual a 1 a˜ no). En este curso discutimos solamente modelos cerrados,
esto es, el n´ umero de unidades aseguradas en el Modelo de Riesgo Individual
es conocido y constante durante el periodo. Si asumi´ eramos entradas y salidas
en el sistema de seguro, tendr´ıamos un modelo abierto.
El Modelo de Riesgo Individual es usado para agregar todas las p´ erdidas o
pagos de un n´ umero fijo de contratos de seguro o conjuntos de contratos de
seguros. Es usado en la modelaci´ on de las p´ erdidas de un grupo de p´ olizas de
seguros de vida o de p´ olizas de seguros de salud que cubren un grupo de n em-
pleados. Cada empleado puede tener coberturas diferentes (la suma asegurada
del seguro de vida puede ser un m´ ultiplo del salario) y diferentes niveles de
probabilidades de p´ erdida (edades diferentes y estatus de salud).
1.7. Modelos para Variables Aleatorias de Recla-
mo Individual
1. Cuando ocurre el evento, el monto del reclamo es constante (b), por ejem-
plo, en un seguro de vida temporal a 1 a˜ no con suma asegurada constante.
X = Ib, X es el monto del reclamo
I es una variable aleatoria indicadora [si ocurre un reclamo entonces I =1]
con funci ´ on de probabilidad:
P[I = i] =

1−q si i = 0
q si i = 1
es decir, I ∼ Bernoulli(q), en consecuencia, E[X] = E[Ib] = bE[I] =
b[0(1−q)+1q] =bq, Var[X] =Var[Ib] =b
2
Var[I] =b
2
(E(I
2
)−E(I)
2
) =
b
2
q(1−q)
2. Cuando ocurre el evento, el monto del reclamo es aleatorio (B), por ejem-
plo, en un seguro de salud o de choque de autom´ ovil a un a˜ no.
X = IB, X es el monto del reclamo.
I es una variable aleatoria indicadora [si ocurre un reclamo entonces I=1]
con funci ´ on de probabilidad:
P[I = i] =

1−q si i = 0
q si i = 1
es decir, I ∼Bernoulli(q)
8
Usualmente nos dan la distribuci ´ on de la variable aleatoria B[I. Para hallar
E[X] y Var[X] se tienen dos alternativas:
a) Encontrar la funci ´ on de distribuci´ on marginal de X con la ley de las
probabilidades totales:
F(x) = P(X ≤x)
= P(X ≤x[I = 0)P(I = 0) +P(X ≤x[I = 1)P(I = 1)
= P(IB ≤x[I = 0)P(I = 0) +P(IB ≤x[I = 1)P(I = 1)
= P(0 ≤x[I = 0)P(I = 0) +P(B ≤x[I = 1)P(I = 1)
Si B[I es una variable aleatoria continua entonces f (x) = F
/
(x), una
vez obtenida f (x) se calculan E[X] y Var[X] por definici ´ on.
b) Las siguientes relaciones se demuestran en Probabilidad II:
E[X] = E[E[X[I]] (1.11)
Var[X] =Var(E[X[I]) +E[Var(X[I)] (1.12)
Sea Z
1
= E[X[I], esta variable aleatoria depende de otra variable
aleatoria (I), es decir:
Z
1
=

E[X [ I = 1] = E[1B [ I = 1] = E[B [ I = 1] I = 1
E[X [ I = 0] = E[0B [ I = 0] = E[0 [ I = 0] = 0 I = 0
Sea Z
2
=Var(X [ I), esta variable aleatoria depende de otra variable
aleatoria (I), es decir:
Z
2
=

Var(X [ I = 1) =Var(B [ I = 1) I = 1
Var(X [ I = 0) =Var(0 [ I = 0) = 0 I = 0
Por lo tanto,
E[X] = E[Z
1
] = qE[B[I = 1] +(1−q)0 = qE[B[I = 1]
Si denotamos µ = E[B [ I = 1], entonces
E[X] = qµ (1.13)
Var(E[X[I]) =Var[Z
1
] = E[Z
2
1
] −E[Z
1
]
2
E[Z
2
1
] = E[B[I = 1]
2
q+0
2
(1−q) = µ
2
q
Var(E[X [ I]) =Var[Z
1
] = E[Z
2
1
] −E[Z
1
]
2
= µ
2
q−(µq)
2
= µ
2
q(1−q)
(1.14)
E[Var(X [ I)] = E[Z
2
]
=Var(B [ I = 1)q+0(1−q)
=Var(B [ I = 1)q
(1.15)
Si denotamos σ
2
=Var[B [ I = 1], entonces E[Var(X [ I)] = σ
2
q
Por lo tanto,
Var(X) = µ
2
q(1−q) +σ
2
q (1.16)
1.8. Sumas de Variables Aleatorias Independien-
tes
En este parte vamos a revisar la distribuci ´ on de la suma de variables aleato-
rias independientes. Primero, consideraremos la suma de dos variables aleato-
rias, S = X +Y, con funci ´ on de distribuci ´ on F
S
(s) = P[S ≤s] = P[X +Y ≤s]
Caso 1: X y Y son dos variables aleatorias discretas no negativas, si aplica-
mos la ley de las probabilidades totales a F
S
(s) obtenemos:
F
S
(s) =

y≤s
P(X +Y ≤s [ Y = y)P(Y = y)
=

y≤s
P(X +y ≤s [ Y = y)P(Y = y)
=

y≤s
P(X ≤s −y [ Y = y)P(Y = y)
9
Cuando X y Y son variables independientes tenemos que:
F
S
(s) =

y≤s
P(X ≤s −y)P(Y = y) (1.17)
y su respectiva funci´ on de probabilidades puede ser calculada como:
f
S
(s) =

y≤s
f
X
(s −y) f
Y
(y) (1.18)
Caso 2: X y Y son dos variables aleatorias absolutamente continuas no
negativas, si aplicamos la ley de las probabilidades totales a F
S
(s) obtenemos:
F
S
(s) =

s
0
P(X ≤s −y [ Y = y) f
Y
(y)dy
Cuando X y Y son variables independientes:
F
S
(s) =

s
0
F
X
(s −y) f
Y
(y)dy (1.19)
f
S
(s) =

s
0
f
X
(s −y) f
Y
(y)dy (1.20)
En probabilidad, la operaci ´ on en las ecuaciones (1.17) y (1.19) es llamada la
convoluci ´ on de las funciones de distribuci ´ on F
X
(x) y F
Y
(y), y es denotada por
F
X
∗F
Y
.
Para determinar la distribuci´ on de la suma de m´ as de dos variables aleatorias,
podemos usar el proceso de convoluci´ on iterativamente. Para S = X
1
+X
2
+
+X
n
donde las X
i
’s son variables aleatorias independientes, F
i
es la funci ´ on
de distribuci ´ on de X
i
, y F
(k)
es la funci´ on de distribuci´ on de X
1
+X
2
+ +X
k
,
procedemos as´ı:
F
(2)
= F
2
∗F
(1)
= F
2
∗F
1
F
(3)
= F
3
∗F
(2)
F
(4)
= F
4
∗F
(3)
.
.
.
F
(n)
= F
n
∗F
(n−1)
(1.21)
1.9. Aproximaci ´ on a la Distribuci´ on de la Suma
de Variables Aleatorias (Teorema Central del
L´ımite)
El enunciado usual del Teorema Central del L´ımite es que tenemos una
sucesi ´ on de variables aleatorias independientes e id´ enticamente distribuidas
X
1
, X
2
, . . . con E[X
i
] = µ y Var(X
i
) = σ
2
. Para cada n, la variable aleatoria

n(
¯
X
n
−µ)/σ,
2
tiene media 0 y varianza 1. Cuando n es grande, el teorema
es aplicado para aproximar la distribuci´ on de
¯
X
n
con una distribuci ´ on normal
con media µ y varianza σ
2
/n.
La efectividad de esta aproximaci´ on no solamente depende del n´ umero de
variables sino tambi´ en de la desviaci ´ on de la distribuci ´ on de los sumandos de
la normalidad. Muchos libros de texto de Estad´ıstica recomiendan que n sea al
menos 30 para que la aproximaci´ on sea “razonable”.
El Teorema Central del L´ımite puede extenderse a sucesiones de variables
aleatorias que no son id´ enticamente distribuidas (pero si independientes de
varianza finita), (Garc´ıa, p. 295, [4]).
La aplicaci ´ on del teorema al Modelo de Riesgo Individual es la siguiente:
Sea S = X
1
+X
2
+ +X
n
= n
¯
X
n
donde no necesariamente las X
i
’s son
id´ enticamente distribuidas pero si son independientes.
E[S] =
n

i=1
E[X
i
] (1.22)
Var(S) =
n

i=1
Var(X
i
) (1.23)
Cuando n es “suficientemente”grande, S ∼N(E[S],Var(S)), por lo que:
P[S ≤s] = P[
S−E[S]

Var(S)

s −E[S]

Var(S)
]
≈P[Z ≤
s −E[S]

Var(S)
]
(1.24)
2
¯
X
n
=
1
n

n
i=1
X
i
10
donde Z ∼N(0, 1)
Calcular P[Z ≤ z] es dif´ıcil pues no tiene una expresi ´ on cerrada y por ello
se recurre a tablas de la distribuci ´ on normal o a programas de c´ omputo como
Excel R _y Mathematica R _.
1.10. Ejercicios
1. Al due˜ no de una propiedad se le ha ofrecido una p´ oliza de seguro que
pagar´ a 50% de cualquier p´ erdida durante el periodo de cobertura. Se sabe
que:
• X es la variable aleatoria monto de la p´ erdida, es no negativa.
• La funci ´ on de densidad de probabilidades de X es:
f (x) =



0.75 si x = 0
0.25(0.01e
−0.01x
) si x > 0
0 en otro caso
• La funci ´ on de utilidad del due˜ no de la propiedad es:
u(z) =−e
−0.005z
, ∀z ∈ R
Calcular:
a) El valor esperado de la p´ erdida, i.e., E[X].
b) El valor esperado de la cobertura de la p´ oliza, i.e., E[0.50X].
c) La prima (G) tal que el due˜ no de la propiedad es indiferente entre
contratar y no contratar el seguro.
2. Un seguro de autom´ ovil provee cobertura por colisi ´ on, y tiene un deduci-
ble ordinario de 250 y un reclamo m´ aximo de 2000. Para prop´ ositos ilus-
trativos, sup´ ongase que para un individuo la probabilidad de un reclamo
en un periodo es 0.15 y la probabilidad de m´ as de un reclamo es cero, por
lo que:
P[I = 0] = 0.85
P[I = 1] = 0.15
P[I = i] = 0, i = 2, 3, . . .
B es el monto del reclamo contra´ıdo por el asegurador, en vez del monto de
da˜ no al carro. Podemos inferir dos caracter´ısticas de I y B: 1) el evento I =
0 incluye aquellos choques en los cuales el da˜ no fue menor al deducible
250, 2) la distribuci´ on de B tiene una masa de probabilidad en el tama˜ no
de reclamo m´ aximo 2000. Se sabe que:
P[B ≤x[I = 1] =



0 x ≤0
0.9[1−(1−
x
2000
)
2
] 0 < x < 2000
1 x ≥2000
Sea X el monto de reclamo. Calcular E[X] y Var(X) mediante las dos
formas siguientes:
a) Encontrando la distribuci ´ on marginal de X, y entonces calculando
E[X] y Var(X) por definici ´ on.
b) Con las f´ ormulas E[X] = E[E[X[I]] y Var[X] = Var(E[X[I]) +
E[Var(X[I)]
c) Suponga que una aseguradora tiene 100 p´ olizas de seguro de au-
tom´ ovil con la cobertura y modelo probabil´ıstico ya mencionados.
Sea X
i
el monto de reclamo en la i-´ esima p´ oliza. Aplique el Teorema
del L´ımite Central para
• Aproximar la probabilidad de que el monto agregado de los re-
clamos no rebase E[S] +1.282

Var(S) donde S =∑
100
i=1
X
i
.
• Encuentre una cantidad s
0.95
tal que la probabilidad de que el
monto agregado de reclamos no exceda s
0.95
es 0.95
11
Cap´ıtulo 2
Funciones Biom´ etricas y Tablas de Mortalidad
Este cap´ıtulo esta basado en el Cap´ıtulo 3 de [1], 2 y 3 de [2].
En este tema desarrollamos un conjunto de ideas para describir y usar la
distribuci ´ on del tiempo hasta la muerte y la distribuci ´ on de la correspondiente
edad a la muerte.
Mostramos como la distribuci ´ on de la variable aleatoria edad a la muerte
puede ser resumida en una tabla de vida. Tales tablas son ´ utiles en muchos
campos de la ciencia, por ejemplo, 1) los ingenieros usan tablas de vida pa-
ra estudiar la confiabilidad de sistemas electr´ onicos complejos; b) los bioes-
tad´ısticos usan las tablas de vida para comparar la efectividad de tratamientos
alternativos de enfermedades y 3) los dem´ ografos usan las tablas de vida como
herramientas en las proyecciones de poblaci´ on.
Una tabla de vida es un componente indispensable de muchos modelos en la
ciencia actuarial, de hecho, algunos eruditos establecen el a˜ no de inicio de la
ciencia actuarial como 1693 en el que Edmund Halley (tambi´ en famoso por sus
trabajos astron´ omicos) public´ o “An Estimate of the Degrees of the Mortality
of Mankind, Drawn from Various Tables of Births and Funerals at the City of
Breslau”.
1
1
Halley tuvo dos avances respecto de trabajos anteriores: 1) Us´ o la tabla para inferir acerca
de las probabilidades condicionales de sobrevivencia en edades intermedias, esto es, dadas las
probabilidades de que un reci´ en nacido en cada edad subsecuente , es posible inferir que una
vida de edad 20, por decir algo, sobreviva en cada edad subsecuente, usando la condici ´ on de
que una persona de edad cero sobrevive a la edad 20; y 2) Combin´ o los datos de mortalidad con
un supuesto acerca de las tasas de inter´ es para encontrar el valor de una anualidad (concepto
2.1. Definiciones
• X: variable aleatoria absolutamente continua que representa la edad a la
muerte de un reci´ en nacido, es no negativa (X ≥0).
• F
X
(x) = P(X ≤x) es la funci ´ on de distribuci ´ on de la variable aleatoria X,
(suponemos que F
X
(0) = 0) y representa la probabilidad de que un reci´ en
nacido muera antes o en la edad x.
• s(x) = 1−F
X
(x) = P(X > x): es la funci ´ on de supervivencia y representa
la probabilidad de que un reci´ en nacido alcance la edad x, s(0) = 1 −
F
X
(0) = 1−0 = 1.
• Probabilidad condicional: La probabilidad del evento A dado que ocu-
rri ´ o el evento B es
P[A [ B] =
P[A∩B]
P[B]
(2.1)
donde P[B] > 0, en consecuencia, P[A∩B] = P[A [ B]P[B].
que se definir´ a m´ as adelante) vitalicia en diferentes edades.
12

P(x < X ≤z [ X > x) =
P(x < X ≤z)
P(X > x)
=
F
X
(z) −F
X
(x)
1−F
X
(x)
=
s(x) −s(z)
s(x)
(2.2)
es la probabilidad condicional de que un reci´ en nacido muera entre las
edades x y z dado que sobrevive a la edad x.
• (x): vida o persona de edad x
• T(x) =X −x [ X >x representa la variable aleatoria tiempo de vida futuro
de (x)

t
q
x
=P[T(x) ≤t], t ≥0 representa la probabilidad de que (x) muera dentro
de los pr´ oximos t a˜ nos.

t
p
x
= P[T(x) > t] = 1 −
t
q
x
, t ≥ 0 representa la probabilidad de que (x)
alcance la edad x +t
• Solo cuando t = 1, por convenci ´ on, escribimos q
x
, p
x
y no
1
q
x
,
1
p
x

t[u
q
x
= P[t < T(x) <t +u]
= P[T(x) <t +u] −P[T(x) <t]
=
t+u
q
x

t
q
x
= (1−
t+u
p
x
) −(1−
t
p
x
) =
t
p
x

t+u
p
x
(2.3)
es la probabilidad de que (x) sobreviva t a˜ nos y muera dentro los siguien-
tes u a˜ nos, dicho de otra manera, la probabilidad de que (x) muera entre
las edades x +t y x +t +u
• Solo cuando u = 1, por convenci ´ on escribimos
t[
q
x
y no
t[1
q
x
• Si expresamos a
t
q
x
,
t
p
x
,
t[u
q
x
en t´ erminos de la variable aleatoria edad a
la muerte X, obtenemos:
1.
t
q
x
= P[X ≤x +t [ X > x]
=
P[x < X ≤x +t]
P[X > x]
=
s(x) −s(x +t)
s(x)
= 1−
s(x +t)
s(x)
(2.4)
2.
t
p
x
= P[X > x +t [ X > x]
=
P[X > x +t]
P[X > x]
=
s(x +t)
s(x)
(2.5)
3.
t[u
q
x
= P[x +t < X ≤x +t +u [ X > x]
=
P[x +t < X ≤x +t +u]
P[X > x]
=
s(x +t) −s(x +t +u)
s(x)
=
s(x +t)
s(x +t)

s(x +t) −s(x +t +u)
s(x)
=
s(x +t)
s(x)

s(x +t) −s(x +t +u)
s(x +t)
= (
t
p
x
)(
u
q
x+t
)
(2.6)
13
2.2. Tiempo de Vida Futuro Truncado (Curtate-
Future-Lifetime)
Una variable aleatoria discreta asociada con el tiempo de vida futuro es el
n´ umero de a˜ nos futuros completados por (x) antes de la muerte. La variable re-
cibe el nombre de Tiempo de Vida Futuro Truncado (Curtate-Future-Lifetime)
de (x) y es denotada por K(x). Su funci ´ on de probabilidades es:
P[K(x) = k] = P[k ≤T(x) ≤k +1]
= P[T(x) > k] −P[T(x) > k +1]
=
k
p
x

k+1
p
x
= (
k
p
x
)(q
x+k
)
=
k[
q
x
, para k = 0, 1, 2, . . .
(2.7)
2.3. Fuerza de Mortalidad
La fuerza de mortalidad es una funci´ on de densidad condicional, es decir,
para cada x nos da el valor de la funci ´ on de densidad condicional de X a la
edad x dada la supervivencia a dicha edad, y es denotada por µ(x):
µ(x) =
f
X
(x)
1−F
X
(x)
=−
d ln[s(x)]
dx
=−
s
/
(x)
s(x)
(2.8)
Dentro de la “teor´ıa de la confiabilidad”(de la ingenier´ıa), en el estudio de
las probabilidades de supervivencia de partes fabricadas y sistemas, µ(x), es
llamada la tasa de falla o tasa de riesgo o, m´ as generalmente, la funci´ on tasa
de riesgo.
La fuerza de mortalidad puede ser usada para especificar la distribuci ´ on de
X, si a partir de (2.8) realizamos despejes y cambiamos a x por y:
−µ(y)dy = d ln[s(y)]
Integrando de ambos lados, de x a x +n, obtenemos:

x+n
x
µ(y)dy =

x+n
x
d ln(s(y))
= ln(s(x +n)) −ln(s(x))
= ln
s(x +n)
s(x)
= ln(
n
p
x
)

n
p
x
= e

x+n
x
µ(y)dy
y realizando el cambio de variable s = y −x, obtenemos
n
p
x
= e

n
0
µ(x+s)ds
(2.9)
En el caso particular de x = 0 (un reci´ en nacido), recuperamos la funci ´ on de
supervivencia de la variable aleatoria edad a la muerte X:
n
p
0
= s(n) = e

n
0
µ(s)ds
Sean F
T(x)
(t) y f
T(x)
(t) la funci´ on de distribuci ´ on y la funci ´ on de densidad de
probabilidades de T(x), respectivamente. Ya sabemos que
t
q
x
= P[T(x) ≤t] =
F
T(x)
(t), por lo tanto:
f
T(x)
(t) =
d
dt
F
T(x)
(t) =
d
dt
t
q
x
=
d
dt
(1−
t
p
x
)
=
d
dt
(1−
s(x +t)
s(x)
) =
d
dt
(−
s(x +t)
s(x)
)
=−
s
/
(x +t)
s(x)
=
s(x +t)
s(x)

−s
/
(x +t)
s(x +t)
=
t
p
x
µ(x +t)
(2.10)
2.4. Tablas de Vida
Dado un modelo de supervivencia, con probabilidades de supervivencia
t
p
x
,
podemos construir la tabla de vida (o tabla de mortalidad) para el modelo a
14
partir de alguna edad inicial x
0
hasta una edad m´ axima ω. Definimos una fun-
ci ´ on ¦l
x
¦ para x
0
≤ x ≤ ω como sigue. Sea l
x
0
un n´ umero positivo arbitrario
(llamado el radix
2
de la tabla) y, para 0 ≤t ≤ω −x
0
, se define
l
x
0
+t
= l
x
0

t
p
x
0
A partir de esta definici´ on observamos que para x
0
≤x ≤x +t ≤ω,
l
x+t
= l
x
0

x+t−x
0
p
x
0
= l
x
0

x−x
0
p
x
0

t
p
x
= l
x

t
p
x
Por lo que
t
p
x
=
l
x+t
l
x
(2.11)
Para cualquier x ≥ x
0
, podemos interpretar l
x+t
como el n´ umero esperado
de sobrevivientes de edad x +t de los l
x
individuos independientes con edad x.
Sea L(x +t) la variable aleatoria que denota el n´ umero de sobrevivientes de
edad x +t de las l
x
personas, por lo que:
L(x +t) =
lx

j=1
I
j
I
j
=

1 si la j-´ esima persona de edad x sobrevive a la edad x +t
0 en otro caso
P[I
j
= 1] =
t
p
x
E[I
j
] =
t
p
x
E[L(x +t)] =
lx

j=1
E[I
j
] = l
x

t
p
x
= l
x+t
2
Palabra latina que significa ra´ız o base.
Siempre usamos la tabla en la forma l
y
/l
x
lo cual es porque el radix de la
tabla es arbitrario (no habr´ıa diferencia en el modelo de supervivencia si todos
los valores de l
x
fueran multiplicados por 100, por ejemplo).
De (2.11) podemos usar la funci ´ on l
x
para calcular probabilidades de super-
vivencia o de muerte, por ejemplo
q
30
= 1−
l
31
l
30
=
l
30
−l
31
l
30
(2.12)
y
15[30
q
40
=
15
p
40

30
q
55
=
l
55
l
40

1−
l
85
l
55

=
l
55
−l
85
l
40
(2.13)
En principio, una tabla de vida esta definida para todo x a partir de una edad
inicial, x
0
, a la edad l´ımite, ω. En la pr´ actica, es muy com´ un que una tabla
de vida sea presentada en edades enteras solamente. En esta forma, la tabla de
vida es una manera ´ util de resumir la distribuci´ on del tiempo de vida desde
que, con una sola columna de n´ umeros, nos permite calcular probabilidades
de sobrevivir o morir sobre n´ umeros enteros de a˜ nos comenzando en una edad
entera.
Es usual para una tabla de vida, tabulada en edades enteras, mostrar los
valores de d
x
, donde
d
x
= l
x
−l
x+1
(2.14)
adem´ as de l
x
, como estas son usadas para calcular q
x
. De (2.14) tenemos
d
x
= l
x

1−
l
x+1
l
x

= l
x
(1−p
x
) = l
x
q
x
Tambi´ en se puede llegar a esta relaci´ on si interpretamos d
x
como el n´ umero
esperado de muertes en el a˜ no de edad x a x +1 de las l
x
personas de edad x
exactamente.
Sea D
x
la variable aleatoria que denota el n´ umero de muertes entre las edades
x y x+1 de las iniciales l
x
personas. Realizando un an´ alisis similar al de L(x+
t), obtenemos que:
E[D
x
] = l
x
q
x
= d
x
(2.15)
15
2.5. Otras Caracter´ısticas de la Tabla de Vida
Para la variable aleatoria T(x):
• Esperanza de Vida Completa (complete-expectation-of-life):

e
x
= E[T(x)] =


0
t
t
p
x
µ(x +t)dt =


0
t
p
x
dt
La ´ ultima igualdad se prueba integrando por partes:


0
t
t
p
x
µ(x +t)dt =−t
t
p
x
[

0
+


0
t
p
x
dt = 0+


0
t
p
x
dt
• Segundo momento de T(x)
E[T(x)
2
] =


0
t
2
t
p
x
µ(x +t)dt = 2


0
t
t
p
x
dt
La ´ ultima igualdad se prueba integrando por partes.
• Varianza de T(x)
Var[T(x)] = E[T(x)
2
] −E[T(x)]
2
• Esperanza de Vida Completa Temporal (temporary complete life expec-
tancy): N´ umero esperado de a˜ nos vividos entre las edades x y x +n por
los l
x
sobrevivientes a edad x:

e
x:n[
=

n
0
t
t
p
x
µ(x +t)dt +n
n
p
x
=

n
0
t
p
x
dt
La ´ ultima igualdad se prueba con una integral por partes.
Para la variable aleatoria K(x):
• Esperanza de Vida Truncada (curtate-expectation-of-life):
e
x
= E[K(x)] =


k=0
k
k
p
x
q
x+k
=


k=0
k P[K(x) = k] =


k=1
k(
k
p
x

k+1
p
x
)
= (p
x

2
p
x
) +2(
2
p
x

3
p
x
) +3(
3
p
x

4
p
x
) +
=


k=1
k
p
x
(2.16)
• Segundo momento de K(x)
E[K(x)
2
] =


k=0
k
2
k
p
x
q
x+k
=


k=1
k
2
P[K(x) = k]
=


k=1
k
2
(
k
p
x

k+1
p
x
)
= (p
x

2
p
x
) +4(
2
p
x

3
p
x
) +9(
3
p
x

4
p
x
) +
= (2−1)p
x
+(2(2) −1)
2
p
x
) +(2(3) −1)
3
p
x
) +
= 2


k=1
k
k
p
x



k=1
k
p
x
(2.17)
• Varianza de K(x)
Var[K(x)] = E[K(x)
2
] −E[K(x)]
2
• Esperanza de Vida Truncada Temporal (temporary curtate life expec-
tancy): N´ umero esperado de a˜ nos vividos (completos) entre las edades
x y x +n por los l
x
sobrevivientes a edad x:
e
x:n[
=
n

k=1
k
p
x
16
2.6. Supuestos para Edades Fraccionales
Para especificar la distribuci´ on de T, debemos postular una forma anal´ıtica
o adoptar una tabla de vida con un supuesto acerca de la distribuci´ on entre
enteros, para el segundo caso, examinaremos tres supuestos. Estar´ an estable-
cidos en t´ erminos de la funci ´ on de supervivencia y en una forma para mostrar
la naturaleza de interpolaci ´ on sobre el intervalo (x, x +1) implicada por cada
supuesto.
En cada enunciado, x es un entero no negativo y 0 < t < 1. Los supuestos
se muestran en el Cuadro 2.1. Las implicaciones de usar cada una de las in-
terpolaciones sobre las funciones
t
q
x
, µ(x +t) y
t
p
x
se presentan en la Figura
2.1.
Los supuestos m´ as utilizados en la pr´ actica son la distribuci ´ on uniforme de
las muertes y la fuerza de mortalidad constante.
Los supuestos de una distribuci´ on uniforme de las muertes y una fuerza
constante de mortalidad producen soluciones similares. La raz´ on de esto puede
ser vista de las siguientes aproximaciones. Bajo el supuesto de una fuerza de
mortalidad constante
q
x
= 1−e
−µ
≈ µ
dado que µ es peque˜ na, y para 0 <t < 1,
t
q
x
= 1−e
−µt
≈ µt
En otras palabras, la aproximaci ´ on a
t
q
x
es t veces la aproximaci´ on a q
x
,
lo cual es lo que obtenemos bajo el supuesto de distribuci ´ on uniforme de las
muertes.
2.7. Tablas de Vida Nacionales
Las tablas de vida basadas en la experiencia de la mortalidad de la pobla-
ci ´ on total de un pa´ıs son regularmente producidas para distintos grupos, por
ejemplo, para hombres y mujeres, o fumadores y no fumadores.
El Cuadro 2.2 muestra los valores de q
x
, donde q
x
es la probabilidad de
morir dentro de un a˜ no para (x), para edades seleccionadas x, separadamente
Cuadro 2.1: Supuestos para Edades Fraccionales con t ∈ (0, 1), x ∈ Z
+
0
Interpolaci ´ on Distribuci´ on Expresi ´ on
Lineal Es conocida
como la distri-
buci ´ on uniforme
o distribuci ´ on
uniforme de las
muertes dentro de
cada a˜ no de edad
s(x +t) = (1−t)s(x) +ts(x +1)
Exponencial Fuerza de mor-
talidad constante
dentro de cada
a˜ no de edad
lns(x +t) = (1−t)lns(x) +t lns(x +1)
Arm´ onica Se conoce co-
mo el supuesto
hiperb´ olico o
de Balducci,
aqu´ı
t
p
x
es una
curva hip´ erbolica
1
s(x+t)
=
1−t
s(x)
+
t
s(x+1)
17
Figura 2.1: Funciones de Probabilidad para Supuestos de Edades Fraccionales,
(Actuarial Mathematics, p. 75 [1])
para hombres y mujeres, para la poblaci ´ on de los Estados Unidos de Am´ erica.
Esta tabla es construida usando registros de muertes en un a˜ no en particular, o
en un n´ umero peque˜ no de a˜ nos consecutivos.
Los valores de q
x
siguen un patr´ on como funci´ on de la edad, x, que se mues-
tra en las Figura 2.2. Noten que las gr´ aficas est´ an en escala logar´ıtmica a fin de
destacar las principales caracter´ısticas. Tambi´ en, aunque la informaci´ on grafi-
cada consiste de los valores de q
x
para x = 0, 1, . . . , 99, hemos graficado una
l´ınea continua para dar una representaci ´ on m´ as clara. Destacan los siguientes
comportamientos:
• El valor de q
0
es relativamente alto. Las tasas de mortalidad inmediata-
mente siguiendo al nacimiento (mortalidad perinatal) son altas debidas a
complicaciones que se alcanzan en las ´ ultimas etapas del embarazo y en el
parto mismo. El valor de q
x
no alcanza este nivel otra vez hasta alrededor
de la edad 55.
Cuadro 2.2: Tabla de Vida de EU, National Vital Statistics Reports, United
States Life Tables, 2002
x Hombres Mujeres
0 0.007639 0.006271
1 0.000525 0.000418
2 0.000366 0.000281
10 0.000175 0.000126
20 0.001389 0.000454
30 0.001408 0.000632
40 0.002656 0.001493
50 0.005699 0.003194
60 0.012102 0.007576
70 0.029215 0.018991
80 0.070275 0.0493
90 0.168047 0.13328
100 1 1
18
Figura 2.2: Tasas de Mortalidad para EUA por edad y sexo
• La tasa de mortalidad es mucho m´ as baja despu´ es del primer a˜ no, menos
de 10% de su nivel en el primer a˜ no, y desciende hasta alrededor de la
edad 10.
• En la Figura 2.2 vemos que el patr´ on de la mortalidad de mujeres y hom-
bres en los ´ ultimos a˜ nos de la adolescencia diverge significativamente,
con una inclinaci ´ on m´ as pronunciada en la mortalidad de los hombres.
• Las tasas de mortalidad se incrementan a partir de la edad 10, con un
incremento relativamente m´ as grande entre las edades 10 y 20 para hom-
bres, un incremento modesto entre las edades 20 y 40, y entonces un in-
cremento constante desde la edad 40.
• Para cada edad, todos los valores de q
x
son en general comparables, con-
cluyendo que la tasa para una mujer es casi siempre menor a la tasa de un
hombre de la misma edad.
2.8. Algunas Leyes de Mortalidad Anal´ıticas
Hay tres justificaciones para postular una forma anal´ıtica para funciones de
supervivencia:
1. Filos´ ofica: Muchos fen´ omenos estudiados en la f´ısica pueden ser explica-
dos eficientemente por f´ ormulas simples, por lo tanto, usando argumentos
biol ´ ogicos, algunos autores sugieren que la supervivencia humana puede
ser gobernada por f´ ormulas igualmente simples.
2. Pr´ actica: Es m´ as f´ acil entender y comunicar una funci ´ on con pocos
par´ ametros en vez de comunicar una tabla con cien o m´ as probabilida-
des (tabla de mortalidad).
3. Estimaci ´ on: Una funci´ on de supervivencia anal´ıtica y simple con pocos
par´ ametros es f´ acil de estimar (con datos observados y un m´ etodo de es-
timaci ´ on como la m´ axima verosimilitud).
El apoyo a funciones de supervivencia simples ha declinado en a˜ nos re-
cientes. Muchos opinan que la creencia en leyes de mortalidad universales es
ingenua. Sin embargo, algunas investigaciones recientes han reiterado los ar-
gumentos biol ´ ogicos para leyes de mortalidad anal´ıticas.
El Cuadro 2.3 presenta tres leyes de mortalidad.
3
2.9. Tablas Selectas
Existen situaciones con informaci ´ on adicional disponible acerca de (x) que
har´ıa que la funci´ on de supervivencia original fuera inapropiada para evaluar
probabilidades acerca del tiempo de vida futuro de (x).
Ejemplos:
1. Una persona de edad x tiene un seguro de vida. Esta informaci ´ on podr´ıa
hacer creer que la distribuci ´ on del tiempo futuro de vida de (x) fuera dife-
rente de la funci´ on de supervivencia de las personas no aseguradas. Para
3
m = B/ln(c), u = k/(n+1)
19
Cuadro 2.3: Funciones de supervivencia bajo varias Leyes
Creador µ(x) s(x) Restricciones
De
Moivre
(1729)
(x −ω)
−1
1−
x
ω
0 ≤x ≤ω
Gompertz
(1825)
Bc
x
exp[−m(c
x
−1)] B > 0, c > 1, x ≥0
Makeham
(1860)
A+Bc
x
exp[−Ax −m(c
x
−1)] B > 0, A ≥−B,
c > 1, x ≥0
Weibull
(1939)
kx
n
exp[−ux
n+1
] k > 0, n > 0, x ≥0
las personas que compran seguros es probable que tengan mayores ingre-
sos que la poblaci´ on en general. Hay evidencias de que la mortalidad y la
riqueza est´ an estrechamente vinculadas.
2. Una persona est´ a discapacitada a la edad x. Esta informaci ´ on nos llevar´ıa
a creer que el tiempo de vida futuro de (x) tiene una distribuci´ on distinta
de los que no est´ an discapacitados a edad x. En general, los discapacitados
tienen una mortalidad mayor que la de la poblaci´ on general.
La informaci´ on adicional nos conduce a que el modelo completo para esos
vivos es un conjunto de funciones de supervivencia, una para cada edad en
la que la informaci ´ on est´ a disponible, por ejemplo, la emisi´ on de la p´ oliza de
seguro o la declaraci ´ on de discapacidad. Este conjunto de funciones de super-
vivencia puede ser pensado como una funci´ on de dos variables: una variable
es la edad a la selecci ´ on (por ejemplo, la emisi ´ on de la p´ oliza o la declaraci´ on
de discapacidad), [x], y la segunda variable es la duraci ´ on desde la edad de
la selecci ´ on, t. En actuar´ıa, tal tabla de vida de dos dimensiones es llamada
Tabla de Vida Selecta (select life table).
El impacto de la selecci ´ on en la distribuci ´ on del tiempo futuro de vida T(x)
puede disminuir despu´ es de la selecci´ on. M´ as all´ a de un periodo r (llamado
per´ıodo selecto) las q’s de las edades alcanzadas pueden ser casi iguales sin
observar el tiempo de selecci´ on, es decir:
q
[x−j]+r+j
≈q
[x]+r
, j > 0 (2.18)
Una tabla de vida en la cual las funciones dependen solamente de edades
alcanzadas se llama tabla agregada (aggregate table).
Un modelo selecto de supervivencia representa una extensi ´ on del modelo
agregado. Esto significa que, dado que fijamos y especificamos la edad de se-
lecci ´ on, podemos adaptar la notaci ´ on y las f´ ormulas desarrolladas al inicio de
este cap´ıtulo. Esto llega a las siguientes definiciones:
• s
[x]+s
(t) =P[una persona actualmente de edad x +s que fue seleccionada
a la edad x sobreviva a la edad x +s +t]

t
q
[x]+s
=P[una persona de actualmente x +s a˜ nos de edad que fue selec-
cionada a la edad x muera antes de la edad x +s +t]

t
p
[x]+s
= 1−
t
q
[x]+s
= s
[x]+s
(t)
• µ
[x]+s
es la fuerza de mortalidad a la edad x +s para un individuo que fue
seleccionado a la edad x
• µ
[x]+s
= l´ım
h→0
+
1−s
[x]+s
(h)
h
En la pr´ actica, la ecuaci´ on (2.18) se maneja con una igualdad. Primero con-
sideramos las probabilidades de supervivencia de aquellos individuos quienes
fueron seleccionados al menos hace r a˜ nos y por lo tanto ahora est´ an sujetos a
la parte final (ultimate) del modelo. La edad m´ınima de estas personas es x
0
+r.
Para estas personas, las probabilidades de supervivencia futura dependen so-
lamente de su edad actual y as´ı, podemos construir una tabla de vida ´ ultima
(ultimate life table), ¦l
y
¦, a partir de la cual podemos calcular probabilidades
de sobrevivir en cualquier edad futura.
Sea l
x
0
+r
un n´ umero arbitrario positivo. Para y ≥x
0
+r definimos
l
y
=
y−x
0
−r
p
x
0
+r
l
x
0
+r
(2.19)
20
Noten que
y−x
0
−r
p
x
0
+r
=
y−x
0
−r
p
[x
0
]+r
ya que la persona fue seleccionada al
menos hace r a˜ nos, la probabilidad de supervivencia depende solamente de la
edad actual, x
0
+r. De esta definici ´ on podemos mostrar que para y >x ≥x
0
+r
l
y
=
y−x
p
x
l
x
(2.20)
ya que
l
y
=
y−x
0
−r
p
x
0
+r
l
x
0
+r
= (
y−x
p
[x
0
]+x−x
0
)(
x−x
0
−r
p
[x
0
]+r
)l
x
0
+r
= (
y−x
p
x
)(
x−x
0
−r
p
x
0
+r
)l
x
0
+r
=
y−x
p
x
l
x
Esto muestra que dentro de la parte final o ´ ultima del modelo podemos inter-
pretar l
y
como el n´ umero esperado de sobrevivientes a la edad y de l
x
personas
de edad actual x(< y), quienes fueron seleccionados al menos hace r a˜ nos.
La f´ ormula (2.19) define la tabla de vida dentro de la parte ´ ultima del mode-
lo. En lo que sigue, necesitamos definir la tabla de vida dentro del periodo de
selecci´ on. Hacemos esto para una persona seleccionada a la edad x “trabajando
hacia atr´ as” a partir del valor de l
x+r
. Para x ≥x
0
y para 0 ≤t ≤r, definimos
l
[x]+t
=
l
x+d
d−t
p
[x]+t
(2.21)
lo cual significa que si tenemos l
[x]+t
vidas de edad x +t, seleccionadas hace
t a˜ nos, entonces el n´ umero esperado de sobrevivientes a la edad x +r es l
x+r
.
Esto define la parte selecta de la tabla de vida.
2.10. Ejercicios
Casi todos los ejercicios de las presentes notas est´ an en ingl´ es para practicar
este idioma.
1. In according to Illustrative Life Table (Actuarial Mathematics, p. 675 [1]),
calculate the following:
x q
x
0 q
0
1 q
1
2 q
2
.
.
.
.
.
.
Cuadro 2.4: Estructura de una Tabla Agregada
x q
[x]
q
[x]+1
q
[x]+2
q
[x]+3

0 q
[0]
q
[0]+1
q
[0]+2
q
[0]+3

1 q
[1]
q
[1]+1
q
[1]+2
q
[1]+3

2 q
[2]
q
[2]+1
q
[2]+2
q
[2]+3

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
Cuadro 2.5: Estructura de una Tabla Selecta
a) s(42)
b)
40
d
2
c)
38
q
3
d)
2[
q
40
e) P[K(25) = 1]
2. Calculate the following probabilities with the Figure 2.3:
a)
3
p
[30]
b)
5
p
[30]
c)
1[
q
[31]
d)
3
q
[31]+1
3. Mortality for Audra, age 25, follows De Moivre’s law with ω= 100. If she
takes up hot air ballooning for the coming year, her assumed mortality
21
Figura 2.3: Select Life Table, Actuarial Mathematics, p. 81
will be adjusted so that for the coming year only, she will have a constant
force of mortality of 0.1. Calculate the decrease in the 11-year temporary
complete life expectancy for Audra if she takes up hot air ballooning.
4. An actuary is modeling the mortality of a group of 1000 people, each age
95, for the next three years. The actuary starts by calculating the expected
number of survivors at each integral age by
l
95+k
= 1000
k
p
95
, k = 1, 2, 3
The actuary subsequently calculates the expected number of survivors at
the middle of each year using the assumption that deaths are uniformly
distributed over each year of age.
This is the result of the actuary’s model:
Age Survivors
95 1000
95.5 800
96 600
96.5 480
97 –
97.5 288
98 –
The actuary decides to change his assumption for mortality at fractional
ages to the constant force assumption. He retains his original assumption
for each
k
p
95
.
Calculate the revised expected number of survivors at age 97.5.
5. For a 4-year college, you are given the following probabilities for dropout
from all causes:
• q
0
= 0.15
• q
1
= 0.10
• q
2
= 0.05
22
• q
3
= 0.01
Dropouts are uniformly distributed over each year.
Compute the temporary 1.5-year complete expected college lifetime of a
student entering the second year,

e
1:1.5[
.
6. For a population which contains equal numbers of males and females at
birth:
a) For males, µ
m
(x)=0.10, x ≥0
b) For females, µ
f
(x)= 0.08, x ≥0
Calculate q
60
for this population.
23
Cap´ıtulo 3
Primas Netas
´
Unicas de Seguros de Vida
Este cap´ıtulo esta basado en el Cap´ıtulo 4 de [1] y Cap´ıtulo 4 de [2].
En el resto de estas notas usamos la convenci ´ on de que la persona que paga
la(s) prima(s) es tambi´ en el asegurado, cuya supervivencia o muerte “dispara”
el pago de la suma asegurada bajo las condiciones del contrato.
En este tema desarrollamos modelos para los seguros de vida cuyo fin es
reducir el impacto financiero del evento muerte. Debido que la mayor parte de
estos seguros son a largo plazo, el monto de las ganancias de las inversiones
hasta el momento del pago provee un elemento significativo de incertidumbre
cuyas causas son la tasa desconocida de rendimientos y el periodo de inversi ´ on.
En este curso se usa una distribuci ´ on de probabilidad para modelar el periodo
de inversi ´ on pero se usa un modelo determinista para los rendimientos des-
conocidos, dicho de otra manera, nuestro modelo ser´ a construido en funci´ on
de T(x), la variable aleatoria tiempo de vida futuro del asegurado y sobre una
funci ´ on de inter´ es determinista.
Nuestro modelo ser´ a ´ util en cualquier situaci ´ on donde el monto y el mo-
mento del impacto financiero puedan ser expresados ´ unicamente en t´ erminos
del tiempo a la ocurrencia del evento aleatorio.
3.1. Seguros Pagables al Momento de la Muerte
• b
t
: monto del beneficio al tiempo de muerte t.
• v
t
: factor de descuento desde la emisi ´ on de la p´ oliza hasta el tiempo de
muerte t, es determinista, i.e., no tiene una distribuci´ on de probabilidad.
Usualmente, para efectos de ejercicios de clase, se usa una tasa de inter´ es
efectiva anual i por lo que v
t
= (1+i)
−t
, pero la tasa podr´ıa variar por a˜ no,
por ejemplo, 4.0% el primer a˜ no, 5.5% el segundo y 6.0% el tercero, por
lo que v
3
= 1.04
−1
1.055
−1
1.06
−1
.
• z
t
= b
t
v
t
: valor presente al momento de la emisi ´ on de la p´ oliza (t = 0) del
pago del beneficio.
• Z
T
=b
T
v
T
: variable aleatoria que representa el valor presente al momento
de la emisi ´ on de la p´ oliza (t = 0) del pago del beneficio.
1
3.1.1. Seguros con Beneficio Nivelado
Un seguro de vida temporal n a˜ nos (n-year term life insurance) provee un
pago solo si el asegurado muere dentro de un plazo de n a˜ nos que comien-
za a partir de la emisi´ on de la p´ oliza. Si una unidad monetaria es pagable al
momento de la muerte de (x), entonces:

b
t
=

1 t ≤n
0 t > n
1
T = T(x)
24
• v
t
= v
t
= exp[−tδ]
2

Z
T
=

v
T
T ≤n
0 T > n
La esperanza de la variable aleatoria valor presente, Z
T
, es llamada valor pre-
sente actuarial:
E[Z
T
] =
¯
A
1
x:n[
=


0
z
t
f
T
(t)dt =

n
0
v
t
t
p
x
µ
x
(t)dt (3.1)
El j-´ esimo momento de la distribuci´ on de Z
T
es:
E[Z
j
T
] =

n
0
(v
t
)
j
f
T
(t)dt =

n
0
(e
−δt
)
j
t
p
x
µ
x
(t)dt
=

n
0
e
−(δ j)t
t
p
x
µ
x
(t)dt =
j
¯
A
1
x:n[
(3.2)
Cuando usamos una fuerza de inter´ es constante δ, calcular el j-´ esimo momento
de la distribuci ´ on de Z
T
, es equivalente a calcular el valor presente actuarial de
Z
T
con una fuerza de inter´ es δ
/
= jδ.
Un seguro de vida vitalicio (whole life insurance) otorga un pago a la muerte
del asegurado en cualquier momento del futuro. Si el pago es por una unidad
monetaria al momento de la muerte de (x), entonces:
• b
t
= 1, t ≥0
• v
t
= v
t
= exp[−tδ]
• Z
T
= v
T
, T ≥0
y su valor presente actuarial es:
E[Z
T
] =
¯
A
x
=


0
v
t
f
T
(t)dt =


0
v
t
t
p
x
µ
x
(t)dt (3.3)
2
A menos que se diga lo contrario, se asume que la fuerza de inter´ es δ es constante y
positiva
La relaci ´ on con el seguro temporal n a˜ nos es l´ım
n→∞
¯
A
1
x:n[
=
¯
A
x
.
3
Un dotal puro temporal n a˜ nos(n-year pure endowment) otorga un pago al
final de los n a˜ nos, si y solo si, el asegurado sobrevive al menos n a˜ nos desde el
tiempo de la emisi ´ on de la p´ oliza. Si el monto pagable es una unidad monetaria,
entonces:

b
t
=

0 t ≤n
1 t > n
• v
t
= v
t
= exp[−tδ], t ≥0

Z
T
=

0 T ≤n
v
n
T > n
Su valor presente actuarial es:
E[Z
T
] = A
x:
1
n[
=


n
v
n
f
T
(t)dt = v
n


n
f
T
(t)dt = v
n
n
p
x
=
n
E
x
(3.4)
Noten las diferencias con la notaci´ on del seguro de vida temporal n a˜ nos.
Un seguro dotal mixto n a˜ nos (n-year endowment insurance) provee un pa-
go si ocurre la muerte del asegurado o si el asegurado sobrevive al final del
plazo de n a˜ nos, cualquiera que ocurra primero. Si el seguro es por una unidad
monetaria, entonces:
• b
t
= 1, t ≥0

v
t
=

v
t
t ≤n
v
n
t > n
3
A pesar de esto parezca trivial, si replanteamos el problema definiendo las siguientes
variables aleatorias valor presente: 1) Z
n
T
= v
T
si T ≤ n y es igual a 0 si T > n, y 2) Z
T
=
v
T
, se tiene que si T ≤ n entonces Z
n
T
= Z
T
y cuando T > n entonces Z
n
T
≤ Z
T
. Adem´ as,
tanto Z
n
T
como Z
T
son variables aleatorias no negativas, y Z
n
T
¸ Z
T
cuando n →∞. Con lo
anterior cumplimos los supuestos del Teorema de la Convergencia Mon´ otona para concluir
que l´ım
n→∞
E[Z
n
T
] = E [l´ım
n→∞
Z
n
T
] = E [Z
T
], es decir, l´ım
n→∞
¯
A1
x:n[
=
¯
A
x
.
25

Z
T
=

v
T
T ≤n
v
n
T > n
Este seguro puede ser visto como la combinaci ´ on de un seguro de vida tempo-
ral n a˜ nos y un dotal puro temporal n a˜ nos, cada uno con un pago de una unidad
monetaria, y sean Z
1
y Z
2
sus respectivas variables aleatorias valor presente.
Sea Z
3
= Z
1
+Z
2
, por lo tanto:
Z
1
=

v
T
T ≤n
0 T > n
Z
2
=

0 T ≤n
v
n
T > n
Z
3
= Z
1
+Z
2
=

v
T
T ≤n
v
n
T > n
¯
A
x:n[
= E[Z
3
] = E[Z
1
] +E[Z
2
] =
¯
A
1
x:n[
+A
x:
1
n[
(3.5)
Var(Z
3
) =Var(Z
1
) +Var(Z
2
) +2Cov(Z
1
, Z
2
)
Cov(Z
1
, Z
2
) = E[Z
1
Z
2
] −E[Z
1
]E[Z
2
] pero Z
1
Z
2
= 0
⇒Cov(Z
1
, Z
2
) =−E[Z
1
]E[Z
2
] =−
¯
A
1
x:n[
A
x:
1
n[
⇒Var(Z
3
) =Var(Z
1
) +Var(Z
2
) −2
¯
A
1
x:n[
A
x:
1
n[
Un seguro diferido m a˜ nos (m-year deferred insurance) otorga un beneficio
a la muerte del asegurado solo si este ´ ultimo muere m a˜ nos despu´ es de la emi-
si ´ on de la p´ oliza. El beneficio y el plazo del seguro puede ser alguno de los
ya discutidos, por ejemplo, un seguro de vida vitalicio diferido m a˜ nos con un
pago de una unidad monetaria al momento de la muerte tiene:

b
t
=

1 t > m
0 t ≤m
• v
t
= v
t
= exp[−δt]

Z
T
=

v
T
T > m
0 T ≤m
El valor presente actuarial es:
E[Z
T
] =
m[
¯
A
x
=


m
v
t
f
T
(t)dt =


m
v
t
t
p
x
µ
x
(t)dt (3.6)
3.1.2. Seguros con Beneficio Variable
El modelo general Z
T
= b
T
v
T
puede ser usado para una gran variedad de si-
tuaciones. Ya hemos visto modelos donde el beneficio es constante (una unidad
monetaria). El modelo tambi´ en puede ser aplicado donde el monto del benefi-
cio por muerte se incrementa o disminuye en progresi ´ on aritm´ etica sobre todo
o parte del plazo del seguro.
Un seguro de vida vitalicio con incrementos anuales (anually increasing
whole life insurance) provee un monto de 1 al momento de la muerte si es-
ta ocurre en el primer a˜ no, un monto de 2 si la muerte ocurre en el segundo
a˜ no, y as´ı sucesivamente:
• b
t
=¸t +1|, t ≥0
• v
t
= v
t
, t ≥0
• Z
T
=¸T +1|v
T
, T ≥0
La funci ´ on ¸| se llama m´ aximo entero menor o igual a y puede interpretar-
se como un truncamiento, por ejemplo, ¸1.01| =1, ¸1.99|=1, ¸1.50|=1 (solo
queda la parte entera del n´ umero). El valor presente actuarial del seguro en
cuesti ´ on es:
E[Z
T
] = (I
¯
A)
x
=


0
¸t +1|v
t
t
p
x
µ
x
(t)dt (3.7)
Los incrementos en el beneficio del seguro pue-
den ocurrir m´ as de una vez al a˜ no. Para un
26
seguro de vida vitalicio con incrementos cada m-´ esima parte de a˜ no (m-
thly increasing whole life insurance), el beneficio ser´ıa 1/m si la muerte ocurre
durante la primera m-´ esima parte del primer a˜ no, 2/m si la muerte ocurre
durante la segunda m-´ esima parte del primer a˜ no, y as´ı sucesivamente:
• b
t
=
¸tm+1|
m
, t ≥0
• v
t
= v
t
, t ≥0
• Z
T
=
¸Tm+1|
m
v
T
, T ≥0
y su valor presente actuarial es:
E[Z
T
] = (I
(m)
¯
A)
x
=


0
¸tm+1|
m
v
t
t
p
x
µ
x
(t)dt (3.8)
El caso l´ımite, cuando m→∞, en el seguro de vida vitalicio con incrementos
cada m-´ esima parte de a˜ no, es un seguro que paga t al momento de la muerte
t. Sus funciones son:
• b
t
=t, t ≥0
• v
t
= v
t
, t ≥0
• Z
T
= Tv
T
, T ≥0
y su valor presente actuarial es:
E[Z
T
] = (
¯
I
¯
A)
x
=


0
tv
t
t
p
x
µ
x
(t)dt (3.9)
El seguro de vida temporal a n a˜ nos con pagos anuales decrecientes (anua-
lly decreasing n-year term life insurance)
4
, otorgando n unidades monetarias
cuando la muerte ocurre durante el primer a˜ no, n−1 si la muerte ocurre duran-
te el segundo a˜ no, y as´ı sucesivamente, con cobertura terminando al final del
n-´ esimo a˜ no. Tal seguro tiene las siguientes funciones:
4
Este tipo de seguros son populares en el Reino Unido donde es usado en conjunto con la
hipoteca de una casa; si el asegurado muere, la deuda remanente es pagada de los ingresos del
seguro temporal.

b
t
=

n−¸t| t ≤n
0 t > n
• v
t
= v
t
, t ≥0

Z
T
=

(n−¸T|)v
T
T ≤n
0 T > n
El valor presente actuarial es:
E[Z
T
] = (D
¯
A)
1
x:n[
=

n
0
(n−¸t|)v
t
t
p
x
µ
x
(t)dt (3.10)
3.2. Seguros Pagables al Final del A˜ no de la Muer-
te
En la pr´ actica, la mayor´ıa de los beneficios son considerados pagables al
momento de la muerte y ganan inter´ es hasta que el pago realmente es hecho.
No se pagan exactamente al momento en que muere el asegurado ya que la
aseguradora tiene que comprobar que la muerte ocurri´ o y adem´ as bajo las con-
diciones de la p´ oliza. En la mayor´ıa de las aplicaciones de seguro de vida, la
mejor informaci ´ on disponible de la distribuci ´ on de probabilidad de T est´ a en
la forma de una tabla de vida. Esta es la distribuci´ on de probabilidad de K, el
tiempo de vida futuro truncado del asegurado al momento de la emisi´ on de la
p´ oliza, una funci ´ on de T. En este tema construiremos modelos para seguros de
vida en los cuales el monto y el tiempo del pago de los beneficios por muer-
te dependen solamente del n´ umero de a˜ nos enteros vividos por el asegurado
desde la emisi´ on de la p´ oliza hasta el tiempo de muerte. Nos referimos a estos
seguros simplemente como pagaderos al final del a˜ no de muerte (payable at
the end of the year of death).
La funci ´ on de beneficio, b
k+1
, y la funci ´ on de descuento, v
k+1
son respecti-
vamente, el monto del beneficio y el factor de descuento cuando el tiempo de
vida futuro truncado es k, esto es, cuando el asegurado muere en el a˜ no k +1.
La variable aleatoria valor presente ser´ıa Z = b
K+1
v
K+1
.
27
Para un seguro temporal n a˜ nos que provee un pago de una unidad monetaria
al final del a˜ no de muerte, tenemos:

b
k+1
=

1 k = 0, 1, . . . , n−1
0 en otro caso
• v
k+1
= v
k+1
, t ≥0

Z =

v
K+1
K = 0, 1, . . . , n−1
0 en otro caso
El valor presente actuarial para este seguro es:
E[Z] = A
1
x:n[
=
n−1

k=0
v
k+1
k
p
x
q
x+k
(3.11)
Si queremos obtener el j-´ esimo momento de Z: E[Z
j
] =∑
n−1
k=0
(v
k+1
)
j
k
p
x
q
x+k
El resto de los seguros se presentan en la Figura 3.1.
3.3. Relaciones entre Seguros Pagaderos al Mo-
mento de la Muerte y los que se Pagan al Fi-
nal del A˜ no de Muerte
• T(x) = T: variable aleatoria tiempo de vida futuro
• K(x) = K: variable aleatoria tiempo de vida futuro truncado
• S: variable aleatoria que representa la parte fraccional del a˜ no vivida du-
rante el a˜ no de muerte, S ∈ [0, 1], es igual a T −K
Ejemplo 1. (x) muri´ o a la edad x+40.32, entonces, T =40.32, K =40 y
S =0.32, T = K+S =40+0.32
El evento [K = k ∩S ≤ s] es igual al evento [k < T ≤ k +s], por lo tanto,
P(K = k ∩S ≤s) = P(k < T ≤k +s) = (
k
p
x
)(
s
q
x+k
). Si suponemos una distri-
buci ´ on uniforme de las muertes a lo largo del a˜ no, entonces,
s
q
x+k
= sq
x+k
, s ∈
(0, 1).
⇒P[(K = k) ∩(S ≤s)] =
k
p
x

s
q
x+k
=
k
p
x
sq
x+k
=
k
p
x
q
x+k
s =
k[
q
x
s = P[K = k]P[S ≤s]
donde S ∼U(0, 1)
Por lo tanto, K ⊥S, y adem´ as S tiene una distribuci´ on uniforme en (0, 1)
En clases de Probabilidad se prueba que si X ⊥ Y ⇒ E[g(X)h(Y)] =
E[g(X)]E[h(Y)].
Recordemos que el modelo general para un seguro que se paga al momento
de la muerte es
Z = b
T
v
T
que para este tema lo vamos a restringir a:
• v
T
= v
T
= (1+i)
−T
, donde i es la tasa de inter´ es efectiva anual
• b
T
: funci´ on que solo depende de la parte entera de T, es decir, K, por esta
raz´ on, b
T
= b

K+1
es una mejor notaci´ on
Adem´ as, recordemos que T = K+S, S ∼U(0, 1)
⇒Z = b
T
v
T
= b

K+1
v
T
= b

K+1
v
K+1
(1+i)
1−S
E[Z] = E[b

K+1
v
K+1
(1+i)
1−S
] = E[b

K+1
v
K+1
]E[(1+i)
1−S
]
Calculemos la esperanza:
E[(1+i)
1−S
] =

1
0
(1+i)
1−s
(1)ds =

1
0
e
(1−s)ln(1+i)
ds
=−
e
(1−s)ln(1+i)
ln(1+i)
[
1
0
=−
1
ln(1+i)
+
e
ln(1+i)
ln(1+i)
=−
1
ln(1+i)
+
1+i
ln(1+i)
=
i
δ
28
Por lo tanto,
E[Z] =
i
δ
E[b

K+1
v
K+1
] (3.12)
Ejemplo 2. Consideremos los seguros siguientes:
1. La distribuci´ on de las muertes a lo largo del a˜ no es uniforme. Usted co-
noce el valor de A
x
. Calcular
¯
A
x
.
El beneficio depende de K, es decir, b
T
=1 =b

K+1
(la funci´ on constante),

¯
A
x
= (i/δ)A
x
2. La distribuci´ on de las muertes a lo largo del a˜ no es uniforme. Usted co-
noce el valor de (IA)
1
x:n[
. Calcular (I
¯
A)
1
x:n[
.
El beneficio depende de K, es decir, b
T
=K+1, ⇒(I
¯
A)
1
x:n[
= (i/δ)(IA)
1
x:n[
3.4. Funciones para vidas selectas
A trav´ es de este cap´ıtulo hemos desarrollado resultados en t´ erminos de per-
sonas sujetas a mortalidad ´ ultima (ultimate mortality). Hemos tomado este
enfoque simplemente por facilidad de presentaci ´ on. Todo lo ya desarrollado
igualmente aplica a personas sujetas a mortalidad selecta.
Por ejemplo,
¯
A
[x]
denota el valor presente actuarial de un beneficio de 1
pagable inmediatamente a la muerte de la vida seleccionada [x]. Similarmente,
A
1
[x]:n[
denota el valor presente actuarial de un beneficio de 1 pagable al final
del a˜ no de muerte de una vida selecta [x] si ocurre dentro de los primeros n
a˜ nos, o despu´ es de n a˜ nos si [x] sobrevive aquel periodo.
3.5. Ejercicios
1. For a special 3-year term insurance on (x), you are given:
a) Z is the present value random variable for the death benefits.
b) q
x+k
=0.02(k +1), k = 0, 1, 2
Cuadro 3.1: Death Benefits
k b
k+1
0 300,000
1 350,000
2 400,000
Cuadro 3.2: Probabilities
k q
s
x+k
q
ns
x+k
0 0.10 0.05
1 0.20 0.10
2 0.30 0.15
c) The following death benefits (Table 3.1), payable at the end of the
year of death.
d) i =0.06
Calculate E[Z]
2. For a group of individuals all age x, you are given:
a) 25% are smokers (s); 75% are nonsmokers (ns).
b) The next table (Table 3.2) shows the probabilites for smokers and
nonsmokers
c) i =0.02
Calculate 10,000A
1
x:2[
for an individual chosen at random from this group.
3. A builder offers lifetime-of-the house fire protection on houses that he
builds. The force of failure due to the fire is a constant equal to .0005.
Assume a constant force of interest δ =.10. Also, any fire loss will be a
total loss and coverage remains in effect regardless of a change in owners-
hip . (Assume there are no other causes of loss) Payments are made at the
29
time of the fire. What is the actuarial present value of this benefit for a
$100,000 house?
4. Bryon, a nonactuary, estimates the actuarial present value for a continuous
whole life policy with a benefit of $100,000 on (30) by calculating the
present value of $100,000 paid at the expected time of death. You may
assume (30) is subject to a constant force of mortality, µ(x) =.05 and the
force of interest is δ =.08. Determine the absolute value of the error of
Bryon’s estimate.
5. There are 100 association members aged 21 who each contribute an
amount N to a fund. The fund will pay a $1,000 death benefit payable
at the moment of death. Calculate N so that the fund will be able to pay
the death benefit to each member with a probability of .95. Assume that
the future lifetimes are independent and that the normal approximation
can be used. You are given that
¯
A
21
=.06 and
2
¯
A
21
=.01
6. You are given:
a) v
20
=0.5
b)
20
p
x
=0.8
c) A
x
=0.4
d) A
x+20
=0.7
e) Deaths are uniformly distributed over the year of death.
Find
¯
A
x
and
¯
A
x:20[
.
7. With i =0.05 and the probabilities in Table 3.3, calculate
a) A
94
, A
95
, A
96
,
b) A
1
94:5[
, A
1
95:5[
,
c)
5
E
94
,
5
E
95
,
d) A
94:5[
, A
95:5[
,
e)
5[
A
94
,
5[
A
95
Cuadro 3.3: Excerpt of a Life Table
x q
x
x q
x
90 0.18 96 0.29
91 0.20 97 0.31
92 0.21 98 0.33
93 0.23 99 0.36
94 0.25 100 1
95 0.27
30
Figura 3.1: Resumen de Seguros Pagables al Final del A˜ no de Muerte (Actua-
rial Mathematics, p. 118 [1])
31
Cap´ıtulo 4
Primas Netas
´
Unicas de Anualidades
Este cap´ıtulo esta basado en el Cap´ıtulo 5 de [1] y Cap´ıtulo 5 de [2].
Una anualidad de vida es una serie de pagos hechos continuamente o cada
igual intervalo de tiempo (tales como meses, cuatrimestres o a˜ nos) mientras
una persona determinada sobrevive. Puede ser temporal o de por vida. Los
pagos pueden comenzar inmediatamente o ser diferidos. Los pagos pueden
ser al inicio del intervalo de pago (anualidad anticipada) o al final de dichos
intervalos (anualidades vencidas).
A menos que se diga otra cosa, suponemos una tasa de inter´ es efectiva anual
constante i (o su equivalente fuerza de inter´ es constante δ), dicho de otra ma-
nera, el inter´ es no es aleatorio.
4.1. Anualidades Continuas de Vida
En la pr´ actica las anualidades son pagables en intervalos discretos de tiem-
po, pero si estos intervalos son muy cortos, por ejemplo semanalmente, es con-
veniente tratar los pagos como si fueran hechos continuamente. Considera el
caso cuando una anualidad es pagable continuamente a una tasa de 1 por a˜ no
en tanto (x) sobrevive. Si la anualidad es pagable semanalmente (y suponemos
52 semanas por a˜ no), entonces cada semana el pago de la anualidad es 1/52. Si
los pagos fueran diariamente, para una anualidad de 1 por a˜ no, el pago diario
ser´ıa 1/365. Similarmente, para un intervalo infinitesimal (t, t +dt) el pago de
la anualidad es dt, dado que (x) esta vivo durante el intervalo.
Iniciamos con anualidades que se pagan continuamente a una tasa de 1 por
a˜ no que no son comunes en la pr´ actica. Una anualidad vitalicia continua (who-
le life annuity) da pagos hasta la muerte. Por lo tanto, la variable aleatoria valor
presente de los pagos es Y = ¯ a
T[
para T ≥ 0 donde T es el tiempo futuro de
vida (x). La distribuci ´ on de Y puede ser obtenida de la de T como sigue:
F
Y
(y) = P(Y ≤y) = P( ¯ a
T[
≤y) = P(1−v
T
≤δy)
= P(v
T
≥1−δy) = P[T ≤
−ln(1−δy)
δ
]
= F
T
(
−ln(1−δy)
δ
), 0 < y <
1
δ
(4.1)
La funci ´ on de densidad de probabilidades se obtiene de la siguiente manera:
f
Y
(y) =
d
dy
F
Y
(y) =
d
dy
F
T
(
−ln(1−δy)
δ
)
=
f
T
(
−ln(1−δy)
δ
)
1−δy
, 0 < y <
1
δ
(4.2)
El valor presente actuarial para una anualidad vitalicia continua es:
¯ a
x
= E[Y] =

1/δ
0
y f
Y
(y)dy =


0
¯ a
t[

t
p
x
µ(x +t)dt (4.3)
32
Usando integraci ´ on por partes se obtiene que:
¯ a
x
=


0
v
t
t
p
x
dt =


0
t
E
x
dt (4.4)
Esta es la “forma de pago actual”(current payment form) del valor presen-
te actuarial de la anualidad continua vitalicia. En general, la t´ ecnica de pago
actual para determinar un valor presente actuarial para una anualidad es:
1
APV =


0
v
t
P[pagos sean hechos al tiempo t] [monto del pago al tiempo t]
(4.5)
Por lo general, es m´ as f´ acil calcular un valor presente actuarial de anualidad
con la t´ ecnica de pago actual.
Noten que la siguiente relaci´ on es v´ alida para todos los valores de t:
1 = δ ¯ a
T[
+v
T
(4.6)
Tomando esperanzas de ambos lados de (4.6):
1 = δ ¯ a
x
+
¯
A
x
(4.7)
Una forma de obtener la varianza de Y es:
Var( ¯ a
T[
) =Var(
1−v
T
δ
) =
Var(v
T
)
δ
2
=
2
¯
A
x
−(
¯
A
x
)
2
δ
2
(4.8)
El valor presente de una anualidad de vida temporal n a˜ nos (n-year tempo-
rary life annuity) de 1 por a˜ no, pagable continuamente mientras (x) sobreviva
durante los pr´ oximos n a˜ nos es:
Y =

¯ a
T[
0 ≤T < n
¯ a
n[
T ≥n
La distribuci´ on de Y es mixta. El m´ aximo valor de Y esta limitado a ¯ a
n[
, y
hay una probabilidad positiva asociada con ¯ a
n[
de P(T ≥ n) =
n
p
x
. El valor
presente actuarial es:
¯ a
x:n[
= E[Y] =

n
0
¯ a
t[

t
p
x
µ(x +t)dt + ¯ a
n[
n
p
x
(4.9)
1
APV: actuarial present value
Integrando por partes se encuentra la forma de pago actual:
¯ a
x:n[
=

n
0
v
t
t
p
x
dt (4.10)
Otra forma de calcular el valor presente actuarial de una anualidad de vida
temporal n a˜ nos es:
Y =

¯ a
T[
=
1−Z
δ
0 ≤T < n
¯ a
n[
=
1−Z
δ
T ≥n
donde:
Z =

v
T
0 ≤T < n
v
n
T ≥n
es decir, Z es la variable aleatoria valor presente de un seguro dotal mixto
temporal n a˜ nos, por lo tanto:
E[Y] = ¯ a
x:n[
= E[
1−Z
δ
] =
1−
¯
A
x:n[
δ
(4.11)
y
Var(Y) =
Var(Z)
δ
2
=
2
¯
A
x:n[
−(
¯
A
x:n[
)
2
δ
2
(4.12)
Una anualidad vitalicia diferida n a˜ nos (n-year deferred whole life annuity)
tiene la siguiente variable aleatoria valor presente:
Y =

0 = ¯ a
T[
− ¯ a
T[
0 ≤T < n
v
n
¯ a
T−n[
= ¯ a
T[
− ¯ a
n[
T ≥n
La variable aleatoria Y tiene un m´ aximo de l´ım
T→∞
Y = 1/δ − ¯ a
n[
= v
n
/δ y
la probabilidad de que tome un valor de cero es P[Y = 0] = P[T ≤n] =
n
q
x
. Su
valor presente actuarial es:
n[
¯ a
x
= E[Y] = 0
n
q
x
+


n
v
n
¯ a
t−n[

t
p
x
µ(x +t)dt
=


0
v
n
¯ a
s[

n+s
p
x
µ(x +n+s)ds
= v
n
n
p
x


0
¯ a
s[

s
p
x+n
µ(x +n+s)ds
=
n
E
x
¯ a
x+n
(4.13)
33
Se puede demostrar que:
n[
¯ a
x
= ¯ a
x
− ¯ a
x:n[
(4.14)
Integrando por partes obtenemos la forma de pago actual de este valor presente
actuarial:
n[
¯ a
x
=


n
v
t
t
p
x
dt =


n
t
E
x
dt (4.15)
Una anualidad de vida cierta por n a˜ nos (n-year certain and life annuity) es
una anualidad vitalicia con una garant´ıa de pagos por los primeros n a˜ nos. La
variable aleatoria valor presente es:
Y =

¯ a
n[
T ≤n
¯ a
T[
T > n
El valor presente actuarial es:
¯ a
x:n[
= E[Y] =

n
0
¯ a
n[
t
p
x
µ(x +t)dt +


n
¯ a
t[
t
p
x
µ(x +t)dt
=
n
q
x
¯ a
n[
+


n
¯ a
t[
t
p
x
µ(x +t)dt
(4.16)
La notaci´ on x : n[ indica que los pagos continuan hasta m´ ax[T(x), n]. La for-
ma de pago actual se obtiene integrando por partes:
¯ a
x:n[
= ¯ a
n[
+


n
v
t
t
p
x
dt = ¯ a
n[
+
n[
¯ a
x
(4.17)
4.2. Anualidades de Vida Discretas
Las anualidades discretas, o mejor dicho, anuales son muy raras.
Com´ unmente se ven anualidades pagables mensual o semanalmente. Sin em-
bargo, la anualidad anual es importante en la situaci´ on en que no tenemos in-
formaci ´ on completa acerca de la mortalidad entre edades enteras, por ejemplo,
porque estamos trabajando con una tabla de vida que solo presenta las proba-
bilidades en edades enteras. Tambi´ en, la evaluaci´ on de los valores presentes
actuariales de las anualidades anuales es un buen punto de partida antes de
considerar patrones de pago m´ as complejos.
La teor´ıa de las anualidades de vida discretas es an´ aloga a la teor´ıa de las
anualidades continuas, con integrales reemplazadas por sumas, integrandos por
sumandos y diferenciales por diferencias. Para las anualidades continuas no
hab´ıa distinci ´ on entre pagos al inicio o al final del intervalo de pago (antici-
padas o vencidas) mientras que para las anualidades discretas la distinci´ on si
tiene significado.
Una anualidad anticipada vitalicia (whole life annuity-due) paga un monto
de una unidad monetaria al inicio de cada a˜ no por cada a˜ no que (x) sobrevive.
• Y: variable aleatoria valor presente de una anualidad anticipada vitalicia
• Y = ¨ a
K+1[
=
1−v
K+1
d
=
1−v
K+1
i
(1+i), donde K es la variable aleatoria tiem-
po futuro de vida truncado y d =
i
1+i
(tasa de descuento)
El valor presente actuarial de Y es (por definici´ on de esperanza):
E[Y] = ¨ a
x
=


k=0
¨ a
k+1[
P[K = k] =


k=0
¨ a
k+1[
k
p
x
q
x+k
(4.18)
aunque la f´ ormula anterior es la menos usada en la pr´ actica.
El valor presente actuarial tambi´ en se puede expresar como en la forma de
pago actual:
¨ a
x
=


k=0
¨ a
k+1[
k
[q
x
=


k=0
k

t=0
v
t
k
[q
x
=


t=0


k=t
v
t
k
[q
x
=


t=0
v
t


k=t
k
[q
x
=


t=0
v
t
t
p
x
(4.19)
Una forma m´ as de obtener el valor presente actuarial es:
¨ a
x
= E[
1−v
K+1
d
] =
1−A
x
d
(4.20)
34
La varianza de Y se puede encontrar como:
Var( ¨ a
K+1[
) =Var(
1−v
K+1
d
) =
2
A
x
−(A
x
)
2
d
2
(4.21)
La variable aleatoria valor presente de una anualidad anticipada de vida
temporal n a˜ nos (n-year temporary life annuity-due) de una unidad moneta-
ria por a˜ no es:

Y =

¨ a
K+1[
0 ≤K < n
¨ a
n[
K ≥n
Su valor presente actuarial es:
E[Y] = ¨ a
x:n[
=
n−1

k=0
¨ a
k+1[
k
p
x
q
x+k
+


k=n
¨ a
n[
k
p
x
q
x+k
=
n−1

k=0
¨ a
k+1[
k
p
x
q
x+k
+ ¨ a
n[
n
p
x
(4.22)
El valor presente actuarial en la forma de pago actual es:
¨ a
x:n[
=
n−1

k=0
v
k
k
p
x
(4.23)
Otra forma de encontrar el valor presente actuarial es:
Y =
1−Z
d
donde:
Z =

v
K+1
0 ≤K < n
v
n
K ≥n
¨ a
x:n[
= E[
1−Z
d
] =
1−A
x:n[
d
(4.24)
La varianza es: Var(
1−Z
d
) =
E[Z
2
] −E[Z]
2
d
2
(4.25)
Para una anualidad anticipada vitalicia diferida n a˜ nos ( n-year deferred
whole life annuity due ) de una unidad monetaria pagable al inicio de cada
a˜ no mientras (x) sobrevive de la edad x +n en adelante, la variable aleatoria
es:
Y =

0 0 ≤K < n
v
n
¨ a
K+1−n[
K ≥n
Su valor presente actuarial es:
E[Y] =
n[
¨ a
x
=
n
E
x
¨ a
x+n
= ¨ a
x
− ¨ a
x:n[
=


k=n
v
k
k
p
x
(4.26)
Una anualidad anticipada de vida y cierta por n a˜ nos (n-year certain and life
annuity-due) tiene una garant´ıa de pagos por al menos n a˜ nos. Su variable
aleatoria valor presente es:
Y =

¨ a
n[
0 ≤K < n
¨ a
K+1[
K ≥n
Su valor presente actuarial es:
E[Y] = ¨ a
x:n[
=
n−1

k=0
¨ a
n[
P[K = k] +


k=n
¨ a
k+1[
k
p
x
q
x+k
= ¨ a
n[
n
q
x
+


k=n
¨ a
k+1[
k
p
x
q
x+k
(4.27)
y en la forma de pago actual:
¨ a
x:n[
= ¨ a
n[
+


k=n
v
k
k
p
x
= ¨ a
n[
+
n[
¨ a
x
(4.28)
Para las anualidades vencidas el desarrollo es muy similar. En la Figura 4.1
se encuentra una tabla resumen de anualidades anticipadas y vencidas.
35
Figura 4.1: Resumen de Anualidades de Vida Discretas [Anualidad de 1 por
a˜ no pagable al inicio de cada a˜ no (anualidad anticipada) o al final del a˜ no
(anualidad vencida)] (Actuarial Mathematics, p.148 [1])
Cuadro 4.1:
X K J
37.35 12 3
37 12 0
39.93 14 9
4.3. Anualidades de Vida con Pagos cada m-´ esimo
de A˜ no
Para primas (peri ´ odicas), anualidades y pensiones, la forma anual de las
anualidades es inusual. Las primas son com´ unmente pagables mensualmente,
trimestralmente o semanalmente. Las pensiones y las anualidades son pagables
con la misma frecuencia que los salarios (mensualmente, quincenalmente o
semanalmente).
4.3.1. Antecedentes
Analicemos un seguro vitalicio que paga 1 unidad monetaria al final de la
m-´ esima parte del a˜ no en que ocurri ´ o la muerte.
Definamos:
• K: Variable aleatoria tiempo de vida futuro truncado
• J: Variable aleatoria n´ umero de m-´ esimos completados vividos en el a˜ no
en que ocurri ´ o la muerte
Ejemplo 3. : La persona (25) tiene las X’s posibles mostradas en el Cuadro
4.1 donde m=10.
¿Qu´ e relaci ´ on tienen las variables aleatorias K y J? Si suponemos que la
36
distribuci ´ on del n´ umero de muertes a lo largo del a˜ no es uniforme, entonces:
P[K = k ∩J ≤ j] = P[k < T ≤k +( j +1)/m]
=
k
p
x j+1
m
q
x+k
=
k
p
x
j +1
m
q
x+k
= (
k
p
x
)(q
x+k
)
j +1
m
= f
K
(k)F
J
( j), j ∈ ¦0, 1, . . . , m−1¦
(4.29)
donde f
K
(k) = P[K = k] y F
J
( j) = P[J ≤ j], por lo tanto, J tiene una distribu-
ci ´ on uniforme en los enteros ¦0, 1, . . . , m−1¦ y adem´ as J ⊥K
La variable aleatoria valor presente del seguro vitalicio que paga 1 unidad
monetaria al final de la m-´ esima parte del a˜ no en que ocurri´ o la muerte es
Z = v
K+
J+1
m .
P. D. A
(m)
x
=
i
i
(m)
A
x
Demostraci´ on:
A
(m)
x
= E[v
K+
J+1
m
] = E[v
K+1
v
J+1
m
−1
]
= E[v
K+1
]E[v
J+1
m
−1
]
E[v
J+1
m
−1
] =
m−1

j=0
1
m
v
j+1
m
−1
=
1
m
v
−1+
1
m
m−1

j=0
v
j/m
=
1
m
v
−1+
1
m
1−v
1−v
1/m
=
1
m

v
1/m−1
−v
1/m
1−v
1/m

(1+i)
1/m
(1+i)
1/m
=
1
m

(1+i) −1
(1+i)
1/m
−1
=
i
i
(m)
Cuadro 4.2:
T m K J
13.5 10 13 5
13.53 10 13 5
14 10 14 0
13.03 10 13 0
Por lo tanto, A
(m)
x
=
i
i
(m)
E[v
K+1
] =
i
i
(m)
A
x
Para este tema, debemos recordar de Matem´ aticas Financieras lo siguiente:
• 1+i = (1+
i
(m)
m
)
m
, (1+i)
−1
= v = 1−d = (1−
d
(m)
m
)
m
= (1+
i
(m)
m
)
−m
• ¨ a
(m)
n[
=
1
m
1−(1+i)
−n
i
(m)
/m
(1+i
(m)
/m) =
1−v
n
d
(m)
, donde n esta en a˜ nos
• ¨ a
(m)
∞[
=
1
m
1+i
(m)
/m
i
(m)
/m
=
1+i
(m)
/m
i
(m)
=
1
d
(m)
• s
(m)
n[
=
1
m
(1+i)
n
−1
i
(m)
/m
=
(1+i)
n
−1
i
(m)
, donde n esta en a˜ nos
4.3.2. Anualidades de Vida con Pagos cada m-´ esimo de A˜ no
Definamos:
• Y: variable aleatoria valor presente de una anualidad vitalicia anticipada
con pagos de 1/m cada m-´ esimo de a˜ no
• K: variable aleatoria tiempo de vida futuro truncado
• J =¸(T −K)m| variable aleatoria n´ umero de m-´ esimos completados con
vida durante el a˜ no de muerte
En el Cuadro 4.2 muestra un ejemplo de valores de las variables aleatorias
definidas.
37
La variable aleatoria Y se puede escribir como:
Y =
mK+J

j=0
1
m
v
j/m
= ¨ a
(m)
K+(J+1)/m[
=
1−v
K+(J+1)/m
d
(m)
(4.30)
y su valor presente actuarial es:
¨ a
(m)
x
= E[
1−v
K+(J+1)/m
d
(m)
] =
1−E[v
K+(J+1)/m
]
d
(m)
=
1−A
(m)
x
d
(m)
(4.31)
de lo anterior podemos obtener la identidad:
1 = d
(m)
¨ a
(m)
x
+A
(m)
x
(4.32)
y tambi´ en llegamos a demostrar que 1 = d ¨ a
x
+A
x
⇒1 = d
(m)
¨ a
(m)
x
+A
(m)
x
= d ¨ a
x
+A
x
⇒ ¨ a
(m)
x
=
d ¨ a
x
+A
x
−A
(m)
x
d
(m)
=
d
d
(m)
¨ a
x

1
d
(m)
(A
(m)
x
−A
x
)
= ¨ a
(m)
1[
¨ a
x
− ¨ a
(m)
∞[
(A
(m)
x
−A
x
)
La ´ ultima expresi ´ on anterior se encuentra conociendo que ¨ a
(m)
1[
=
d
d
(m)
, ¨ a
(m)
∞[
=
1
d
(m)
. Ahora vamos a simplificar ¨ a
∞[
(A
(m)
x
−A
x
) suponiendo que las muertes
tienen una distribuci´ on uniforme en cada a˜ no de edad, i.e.,
t
q
x
=tq
x
, t ∈ [0, 1]
¨ a
∞[
(A
(m)
x
−A
x
) = ¨ a
∞[
(
i
i
(m)
A
x
−A
x
) = ¨ a
∞[
(s
(m)
1[
A
x
−A
x
) =
s
(m)
1[
−1
d
(m)
A
x
Por lo tanto, ¨ a
(m)
x
= ¨ a
(m)
1[
¨ a
x

s
(m)
1[
−1
d
(m)
A
x
Ahora vamos a encontrar una relaci´ on entre ¨ a
x
y ¨ a
(m)
x
:
¨ a
(m)
x
=
d
(m)
¨ a
(m)
1[
¨ a
x
−(s
(m)
1[
−1)(1−d ¨ a
x
)
d
(m)
=
¨ a
x
(d +(s
(m)
1[
−1)d) −(s
(m)
1[
−1)
d
(m)
=
ds
(m)
1[
d
(m)
¨ a
x

s
(m)
1[
−1
d
(m)
= s
(m)
1[
¨ a
(m)
1[
¨ a
x

s
(m)
1[
−1
d
(m)
(4.33)
Es conveniente escribir (4.33) como:
¨ a
(m)
x
= α(m) ¨ a
x
−β(m) (4.34)
donde:
α(m) = s
(m)
1[
¨ a
(m)
1[
=
id
i
(m)
d
(m)
β(m) =
s
(m)
1[
−1
d
(m)
=
i −i
(m)
i
(m)
d
(m)
Notar que las funciones α(m) y β(m) dependen ´ unicamente de i y m. Para
obtener los valores presentes actuariales ¨ a
(m)
x:n[
y
n[
¨ a
(m)
x
usaremos las relaciones
entre valores presentes actuariales que ya obtuvimos:
2
¨ a
(m)
x:n[
= ¨ a
(m)
x

n
E
x
¨ a
(m)
x+n
= [α(m) ¨ a
x
−β(m)] −
n
E
x
[α(m) ¨ a
x+n
−β(m)]
= α(m)( ¨ a
x

n
E
x
¨ a
x+n
) −β(m)(1−
n
E
x
)
= α(m) ¨ a
x:n[
−β(m)(1−
n
E
x
)
(4.35)
2
n est´ a en a˜ nos y es un m´ ultiplo entero de 1/m
38
n[
¨ a
(m)
x
=
n
E
x
¨ a
(m)
x+n
=
n
E
x
[α(m) ¨ a
x+n
−β(m)]
= α(m)
n[
¨ a
x
−β(m)
n
E
x
(4.36)
Para hallar los valores presentes actuariales de las anualidades vencidas ser´ıa
un desarrollo similar.
4.4. Comparaci ´ on de valores presentes actuaria-
les de anualidades por su frecuencia de pago
Tenemos que si usamos las mismas hip´ otesis de mortalidad e inter´ es, se cum-
ple la siguiente desigualdad (¿esto es suficiente para garantizar la desigualdad?,
¿es desigualdad entre las esperanzas o viene de desigualdad casi segura de las
variables aleatorias?):
a
x
< a
(m)
x
< ¯ a
x
< ¨ a
(m)
x
< ¨ a
x
y las razones para este ordenamiento son:
• Mientras la persona esta viva, los pagos en cada a˜ no suman 1 bajo cada
anualidad, pero en promedio, los pagos bajo la anualidad anticipada son
pagados m´ as temprano. El valor del dinero a trav´ es del tiempo significa
que el valor de una anualidad con pagos m´ as tempranos ser´ a m´ as alto que
una anualidad con pagos m´ as atrasados, para tasas de inter´ es mayores a
cero, as´ı que los valores de la anualidad est´ an en orden creciente de los que
tienen fecha de pago en promedio m´ as tard´ıo (los pagos de a
x
son hechos
al final del a˜ no) a los m´ as temprano (los pagos de ¨ a
x
est´ an al inicio de
cada a˜ no).
• En el a˜ no en que (x) muere, las distintas anualidades pagan diferentes
montos. Bajo la anualidad anticipada anual el pago completo ($1) del a˜ no
es realizado, ya que (x) esta viva al inicio del a˜ no. Bajo la anualidad ven-
cida, en el a˜ no de muerte ning´ un pago es realizado ya que (x) no lleg´ o con
vida al final del a˜ no que es la fecha de pago. Para la anualidad pagadera
cada m-´ esimo de a˜ no y la continua, menos que $1 es pagado durante el
a˜ no de muerte.
4.5. Funciones para vidas selectas
A trav´ es de este cap´ıtulo hemos supuesto que las personas est´ an sujetas a un
modelo de supervivencia ´ ultimo, como se hizo en el cap´ıtulo anterior. Todos
los argumentos en este cap´ıtulo igualmente aplican si tenemos un modelo de
supervivencia selecto. Por ejemplo, el valor presente actuarial, de una anuali-
dad temporal n a˜ nos pagable continuamente a una tasa de 1 por a˜ no para una
persona de edad x +k y que fue seleccionada a la edad x, es ¯ a
[x]+k:n[
, con
¯
A
[x]+k:n[
= 1−δ ¯ a
[x]+k:n[
4.6. Ejercicios
1. Under the assumptions of a constant force of mortality, µ, and of a cons-
tant force of interest, δ, evaluate:
a) ¯ a
x
= E[ ¯ a
T[
]
b) The probability that ¯ a
T[
will exceed ¯ a
x
2. A person age 40 wins $10,000 in the actuarial lottery. Rather than recei-
ving the money at once, the winner is offered the actuarially equivalent
option of receiving an annual payment of K (at the beginning of each
year) guaranteed for 10 years and continuing thereafter for life. You are
given:
a) i =0.04
b) A
40
=0.30
c) A
50
=0.35
d) A
1
40:10[
=0.09
39
Calculate K
3. A fund is established to pay annuities to 100 independent lives age x. Each
annuitant will receive $10,000 per year continuously until death. You are
given:
a) δ =0.06
b)
¯
A
x
=0.40
c)
2
¯
A
x
=0.25
Calculate the amount (in millions) needed in the fund so that the probabi-
lity, using the normal approximation, is 0.90 that the fund will be sufficient
to provide the payments.
4. For a special 30-year deferred annual whole life annuity-due of 1 on (35):
a) If death occurs during the deferral period, the single benefit premium
is refunded without interest at the end of the year of death.
b) ¨ a
65
=9.90
c) A
35:30[
=0.21
d) A
1
35:30[
=0.07
Calculate the single benefit premium for this special deferred annuity.
5. A government creates a fund to pay this year’s lottery winners. You are
given:
a) There are 100 winners each age 40.
b) Each winner receives payments of 10 per year for life, payable an-
nually, beginning immediately.
c) Mortality follows the Illustrative Life Table.
d) The lifetimes are independent.
e) i =0.06
f ) The amount of the fund is determined, using the normal approxima-
tion, such that the probability that the fund is sufficient to make all
payments is 95%.
Calculate the initial amount of the fund.
6. For a group of individuals all age x, you are given:
a) 30% are smokers and 70% are non-smokers.
b) The constant force of mortality for smokers is 0.06.
c) The constant force of mortality for non-smokers is 0.03.
d) δ =0.08
Calculate E[ ¯ a
T(x)[
] for an individual chosen at random from this group.
7. For an annuity payable semiannually, you are given:
a) Deaths are uniformly distributed over each year of age.
b) q
69
=0.03
c) i =0.06
d) 1000
¯
A
70
=530
Calculate ¨ a
(2)
69
8. For a special 3-year temporary life annuity-due on (x), you are given that
i =0.06 and the probabilities in Table 4.3.
Calculate the actuarial present value for this annuity.
9. With i =0.05 and the probabilities in Table 3.3, calculate
a) ¨ a
94
, ¨ a
95
, ¨ a
96
, a
94
b) ¨ a
94:5[
, ¨ a
95:5[
,
c) ¨ a
94:5[
, ¨ a
95:5[
,
d)
5[
¨ a
94
,
5[
¨ a
95
40
Cuadro 4.3: Annuity Payment
t Annuity Payment p
x+t
0 15 0.95
1 20 0.90
2 25 0.85
e) ¨ a
(12)
94
, ¨ a
(24)
94:5[
,
5[
¨ a
(12)
94
41
Cap´ıtulo 5
Primas Netas Peri ´ odicas
Este cap´ıtulo esta basado en el Cap´ıtulo 6 de [1].
En los temas anteriores discutimos valores presentes actuariales de varios
tipos de seguros y anualidades. Estas ideas son combinadas en este tema para
determinar el monto de los pagos de una anualidad de vida necesarios para
comprar los beneficios de un contrato de anualidad y/o de seguro. Las primas
calculadas en este tema solo consideran el pago de los beneficios y NO gastos,
ganancias y m´ argenes de contingencia que en la vida real tienen las asegura-
doras.
En el primer cap´ıtulo se mencion´ o que la determinaci ´ on de la prima de segu-
ro requiere de la adopci ´ on de un principio (Premium principle). En el siguiente
ejemplo se aplican varios principios para calcular una prima:
Ejemplo 4. Un asegurador planea emitir una p´ oliza para una persona de edad
cero cuyo tiempo de vida futuro truncado K est´ a gobernado por la funci´ on
de probabilidad: P[K = k] =
k
[q
0
=0.2, k = 0, 1, 2, 3, 4. La p´ oliza pagar´ a una
unidad monetaria al final del a˜ no de muerte a cambio del pago de una prima
P al inicio de cada a˜ no si la persona est´ a viva en ese momento. Encuentra la
prima anual P determinada por:
• Principio I: P ser´ a la prima anual m´ınima tal que el asegurador tiene
probabilidad de una p´ erdida financiera
1
a lo m´ as de 0.25
• Principio II: P ser´ a la prima anual tal que el asegurador, usando una
1
La p´ erdida financiera en valor presente al momento de la emisi´ on de la p´ oliza.
funci´ on de utilidad u(x) = x, ser´ a indiferente entre aceptar y no aceptar
el riesgo.
• Principio III: P ser´ a la prima anual tal que el asegurador, usando una
funci´ on de utilidad u(x) =−exp[−0.1x], ser´ a indiferente entre aceptar y
no aceptar el riesgo.
Suponga que el asegurador usar´ a una tasa de inter´ es efectiva anual de i =0.06
Soluci´ on: Para K = k y una prima arbitraria P, el valor presente de la
p´ erdida financiera es l(k) = v
k+1
−P¨ a
k+1[
= v
k+1
−P(1 −v
k+1
)/d = (1 +
P/d)v
k+1
−P/d, k = 0, 1, 2, 3, 4. Su correspondiente variable aleatoria es L =
v
K+1
−P¨ a
K+1[
.
2
Principio I: l(k) = (1 +P/d)v
k+1
−P/d tiene un comportamiento decre-
ciente. Nos piden la prima m´ınima P tal que P[L > 0] ≤0.25.
En el Cuadro 5.1 se presenta la funci´ on de probabilidad de L, que no depen-
de del valor espec´ıfico de P. Dado que queremos encontrar P[L > 0] bajo cier-
tas restricciones, entonces podemos replantearlo como P[L > 0] = 1 −P[L ≤
l(k)] con l(k) = 0 para k ∈ ¦0, 1, 2, 3, 4¦ lo cual nos dar´ a una P para cada k
(ver Cuadro 5.2).
De todos las P’s en el Cuadro 5.2, P= 0.45795933 es la prima m´ınima P tal
que P[L > 0] ≤0.25.
2
Como L esta definida como gasto (pago de suma asegurada) menos ingreso (recaudaci´ on
de primas), cuando L es positiva se trata efectivamente de una p´ erdida para la aseguradora.
42
Cuadro 5.1: Funci ´ on de Probabilidad de L
k l(k) P[L = l(k)] P[L ≤l(k)]
0 v −P¨ a
1[
0.20 1.00
1 v
2
−P¨ a
2[
0.20 0.80
2 v
3
−P¨ a
3[
0.20 0.60
3 v
4
−P¨ a
4[
0.20 0.40
4 v
5
−P¨ a
5[
0.20 0.20
Cuadro 5.2: Posibles valores de P
k l(k) = 0 P(k) P[L > 0]
0 v −P¨ a
1[
= 0 0.94339623 0.00
1 v
2
−P¨ a
2[
= 0 0.45795933 0.20
2 v
3
−P¨ a
3[
= 0 0.29633001 0.40
3 v
4
−P¨ a
4[
= 0 0.21565235 0.60
4 v
5
−P¨ a
5[
= 0 0.16735509 0.80
Principio II: Aplicando el principio de la utilidad esperada, donde L es la
misma variable aleatoria del Principio I, y w es la riqueza del asegurador (no
aleatoria).
u(w) = E[u(w−L)]
u(w) = w = E[u(w−L)] = E[w−L] = E[w] −E[L] = w−E[L]
w = w−E[L] ⇒E[L] = 0
E[L] = E[(1+P/d)v
K+1
−P/d] = (1+P/d)E[v
K+1
] −P/d = 0,
E[v
K+1
] = A
0
= 0.842472757
(1+P/d)A
0
−P/d = (P/d)(A
0
−1) +A
0
= 0
por lo tanto, P =
−A
0
d
A
0
−1
= 0.302723112
Principio III: Aplicando el principio de la utilidad esperada, donde de nue-
vo L es la misma variable aleatoria del Principio I, y w es la riqueza del
asegurador (no aleatoria).
u(w) = E[u(w−L)]
u(w) =−exp[−0.1w],
E[u(w−L)] = E[−exp[−0.1(w−L)]] =−exp[−0.1w]E[exp[0.1L]],
u(w) = E[u(w−L)] ⇒1 = E[e
0.1L
] ⇒P = 0.30628
Las primas definidas por el Principio I son conocidas como Primas de Per-
centiles (percentile premiums). Cuando se tienen bastantes p´ olizas y se puede
suponer distribuci´ on independiente e id´ entica de los tiempos futuros de vida
de los asegurados, se aplica el Teorema del L´ımite Central sobre la suma de las
p´ erdidas de los asegurado aunque lo exacto es calcular las convoluciones, y se
calcula una prima de percentil.
El Principio II tiene muchas aplicaciones en la pr´ actica. Para formalizar sus
conceptos, definimos la p´ erdida del asegurador, L, como la variable aleatoria
valor presente de los beneficios a ser pagados por el asegurador menos la anua-
lidad de primas pagadas por el asegurado. Este principio es llamado principio
de equivalencia (equivalence principle) y tiene el requisito de que:
E[L] = 0 (5.1)
43
En adelante, cuando hablamos de primas netas peri ´ odicas nos referimos a
aquellas que satisfacen E[L] = 0, i. e., son aquellas que satisfacen:
E[valor presente de los beneficios] =E[valor presente de las primas niveladas]
Cuando el principio de equivalencia se usa para determinar una sola prima a
la emisi´ on de la p´ oliza para un seguro o anualidad, la prima es igual al valor
presente actuarial del pago de beneficios y se llama prima neta ´ unica (single
benefit premium) .
Las primas basadas en el Principio III, usando una funci ´ on de utilidad expo-
nencial, son conocidas como primas exponenciales (exponential premiums).
El principio que adoptaremos en adelante es el de equivalencia.
5.1. Primas Totalmente Continuas
La variable aleatoria p´ erdida es:
b
T
v
T

¯
PY = Z −
¯
PY (5.2)
donde:
• b
T
y v
T
son el monto del beneficio y el factor de descuento al tiempo T,
respectivamente

¯
P es la prima anual totalmente continua (es una constante desconocida)
• Y es la variable aleatoria valor presente de anualidad de vida continua
• Z es la variable aleatoria valor presente del beneficio
Aplicamos el Principio de Equivalencia:
E[b
T
v
T

¯
PY] = 0 ⇒
¯
P =
E[b
T
v
T
]
E[Y]
(5.3)
Ejemplo: Consideraremos el caso de la prima nivelada anual continua para un
seguro vitalicio de una unidad monetaria pagadera al momento de la muerte de
(x). Para cualquier prima pagadera continuamente,
¯
P, considera:
l(t) = v
t

¯
P¯ a
t[
(5.4)
La funci´ on l(t) es una funci ´ on decreciente de t con l(0) = 1 y adem´ as
l´ım
t→∞
l(t) = −
¯
P/δ. Si t
0
es el tiempo cuando l(t) = 0, la muerte antes de t
0
resulta en una p´ erdida positiva, mientras que la muerte despu´ es de t
0
produce
una p´ erdida negativa, es decir, una ganancia. Ahora consideremos la variable
aleatoria
L = l(T) = v
T

¯
P¯ a
T[
(5.5)
Si el asegurador calcula la prima con el Principio de Equivalencia, la prima
es denotada por
¯
P(
¯
A
x
) y satisface:
E[L] = 0 ⇔
¯
A
x

¯
P(
¯
A
x
) ¯ a
x
= 0 (5.6)
Por lo tanto,
¯
P(
¯
A
x
) =
¯
A
x
¯ a
x
(5.7)
La Figura 5.1 contiene el resto de las primas totalmente continuas.
5.2. Primas Totalmente Discretas
La variable aleatoria de p´ erdida es:
b
K+1
v
K+1
−PY (5.8)
donde:
• b
K+1
y v
K+1
son el monto del beneficio y el factor de descuento, respec-
tivamente
• P es la prima anual pagadera al inicio de cada a˜ no de aniversario de la
p´ oliza durante el periodo de pago de la prima y mientras el asegurado este
vivo
• Y es la variable aleatoria valor presente de anualidad anticipada
44
Figura 5.1: Primas Niveladas Totalmente Continuas (Actuarial Mathematics,
p. 173 [1])
Aplicando el Principio de Equivalencia:
E[b
K+1
v
K+1
−PY] = 0 ⇒P =
E[b
K+1
v
K+1
]
E[Y]
(5.9)
Ejemplo: Consideraremos el caso de la prima nivelada anual discreta para
un seguro vitalicio de una unidad monetaria pagadera al final del a˜ no de muerte
de (x). Ahora consideremos la variable aleatoria
L = v
K+1
−P
x
¨ a
K+1[
(5.10)
Aplicando el Principio de Equivalencia:
E[L] = 0 ⇔A
x
−P
x
¨ a
x
= 0 (5.11)
Por lo tanto,
P
x
=
A
x
¨ a
x
(5.12)
La Figura 5.2 contiene el resto de las primas totalmente discretas.
Figura 5.2: Primas Niveladas Totalmente Discretas (Actuarial Mathematics, p.
183 [1])
5.3. Primas Niveladas Semicontinuas
En la pr´ actica, los seguros de vida son pagables inmediatamente despu´ es de
que ocurre la muerte en vez de al final del a˜ no de aniversario de p´ oliza en que
45
ocurre la muerte. Tales primas, siguiendo el mismo orden que en la Figura 5.2,
son denotadas por P(
¯
A
x
), P(
¯
A
1
x:n[
), P(
¯
A
x:n[
),
h
P(
¯
A
x
) y
h
P(
¯
A
x:n[
). El Principio de
Equivalencia es aplicado para producir f´ ormulas similares a las de las Figuras
5.1 y 5.2, por ejemplo, para el seguro vitalicio tenemos:
P(
¯
A
x
) =
¯
A
x
¨ a
x
(5.13)
5.4. Primas que se Pagan cada m-´ esima Parte del
A˜ no
Si las primas son pagables m veces en el a˜ no, en vez de anualmente,
sin ajuste en el beneficio de muerte, las primas resultantes son llamadas
primas fraccionales (true fractional premiums). As´ı, P
(m)
x
denota la prima nive-
lada anual fraccional, pagable al inicio de cada per´ıodo m-´ esimo por un seguro
de vida vitalicio pagable al final del a˜ no de muerte y donde la suma asegurada
es una unidad monetaria. El s´ımbolo P
(m)
(
¯
A
x
) tiene la misma interpretaci´ on
excepto porque el seguro es pagable al momento de la muerte. En la pr´ actica
m es 2, 4 o 12.
La Figura 5.3 contiene el resto de las primas.
Una vez terminados estos temas, en el Cuadro 5.3 se presenta el nombre
com´ un de los seguros en M´ exico.
5.5. Ejercicios
1. The pricing actuary at Company XYZ sets the premium for a fully conti-
nuous whole life insurance of 1000 on (80) using the equivalence principle
and the following assumptions:
a) The force of mortality is 0.15
b) i = 0.06
Figura 5.3: Primas Niveladas Fraccionales (Actuarial Mathematics, p. 189 [1])
The pricing actuary’s supervisor believes that the Illustrative Life Table
with deaths uniformly distributed over each year of age is a better morta-
lity assumption. Calculate the insurer’s expected loss at issue if the pre-
mium is not changed and the supervisor is right.
2. Company ABC issued a fully discrete three-year term insurance of 1000
on Pat whose stated age at issue was 30. You are given:
a) The Table 5.4.
b) i=0.04
c) Premiums are determined using the equivalence principle.
During year 3, Company ABC discovers that Pat was really age 31 when
the insurance was issued. Using the equivalence principle, Company ABC
adjusts the death benefit to the level death benefit it should have been at
issue, given the premium charged. Calculate the adjusted death benefit.
3. On January 1, 2002, Pat, age 40, purchases a 5-payment, 10-year term
insurance of 100,000:
46
Cuadro 5.3: Nombres de los seguros
Nombre dado al seguro Nombre com´ un
en estas notas en M´ exico
Seguro de vida vitalicio seguro ordinario de vida o vitalicio;
seguro vida entera
Seguro de vida temporal n a˜ nos seguro temporal
Seguro dotal mixto n a˜ nos Dotal
Seguro de vida vitalicio Seguro de vida
pagable durante h a˜ nos pagos limitados
Cuadro 5.4: Probabilities
x q
x
30 0.01
31 0.02
32 0.03
33 0.04
a) Death benefits are payable at the moment of death.
b) Contract premiums of 4000 are payable annually at the beginning of
each year for 5 years.
c) i = 0.05
d) L is the loss random variable at time of issue.
Calculate the value of L if Pat dies on June 30, 2004.
4. For a special 2-payment whole life insurance on (80):
a) Premiums of π are paid at the beginning of years 1 and 3.
b) The death benefit is paid at the end of the year of death.
c) There is a partial refund of premium feature: If (80) dies in either
year 1 or year 3, the death benefit is 1000 + π/2. Otherwise, the
death benefit is 1000.
d) Mortality follows the Illustrative Life Table.
e) i = 0.06
Calculate π, using the equivalence principle.
5. For a fully discrete whole life insurance of 100,000 on each of 10,000
lives age 60, you are given:
a) The future lifetimes are independent.
b) Mortality follows the Illustrative Life Table.
c) i = 0.06
d) π is the premium for each insurance of 100,000.
Using the normal approximation, calculate π, such that the probability of
a positive total loss is 1%.
6. On the basis of the Illustrative Life Table and an interest rate of 6%, cal-
culate values for the annual premiums in Table 5.5.
47
Cuadro 5.5: Benefit Premiums
Fully Continuous Semicontinuous Fully Discrete
¯
P(
¯
A
25:10[
) P(
¯
A
25:10[
) P
25:10[
¯
P(
¯
A
25
) P(
¯
A
25
) P
25
¯
P(
¯
A
1
25:10[
) P(
¯
A
1
25:10[
) P
1
25:10[
48
Cap´ıtulo 6
Reservas Matem´ aticas
Este cap´ıtulo esta basado en los Cap´ıtulos 7 y 8 de [1], Cap´ıtulo 6 de [3] y
Cap´ıtulo 7 de [2].
Las reservas
1
son una herramienta fundamental para administrar el riesgo
en las aseguradoras desde que son usadas para determinar capital regulatorio
necesitado para mantenerse solvente, y tambi´ en son usadas para determinar el
beneficio o la p´ erdida de la compa˜ n´ıa sobre cualquier periodo de tiempo.
La reserva matem´ atica pura al tiempo t (benefit reserve at time t) es la espe-
ranza condicional de la diferencia entre el valor presente de beneficios futuros
y el valor presente de primas niveladas futuras donde el evento que condicio-
na es la supervivencia del asegurado al tiempo t (t = 0 es el momento de la
emisi ´ on de la p´ oliza).
6.1. Reservas Matem´ aticas Puras Totalmente
Continuas
La reserva matem´ atica pura para un seguro de vida vitalicio con suma ase-
gurada de 1 pagadero al momento de la muerte emitido para (x) con una prima
nivelada anual de
¯
P(
¯
A
[x]
) al momento de la emisi´ on es cero. La correspondien-
te reserva para un asegurado sobreviviente t a˜ nos m´ as tarde es definida como
el valor esperado de la p´ erdida prospectiva al tiempo t, dado que (x) ha so-
1
Dickson [2] utiliza el t´ ermino valores de p´ oliza (policy values) para referirse a las reservas.
brevivido al tiempo t. M´ as formalmente, para T(x) > t, la p´ erdida prospectiva
es
t
L = v
T(x)−t

¯
P(
¯
A
[x]
) ¯ a
T(x)−t[
(6.1)
Notemos que
t
L solo se define si el contrato de seguro se encuentra en vigor
t a˜ nos despu´ es de la emisi´ on.
La reserva, como una esperanza condicional, es calculada usando la distri-
buci ´ on condicional del tiempo de vida futuro en t para una vida seleccionada
en x, dado que ha sobrevivido hasta t, en t´ erminos de notaci´ on:
t
¯
V(
¯
A
[x]
) = E[
t
L[T(x) >t]
= E[v
T(x)−t
[T(x) >t] −
¯
P(
¯
A
[x]
)E[ ¯ a
T(x)−t[
[T(x) >t]
=
¯
A
[x]+t

¯
P(
¯
A
[x]
) ¯ a
[x]+t
(6.2)
Si la edad alcanzada fuera la ´ unica informaci ´ on a la emisi ´ on de la p´ oliza de
seguro en la edad x, o por alguna otra raz´ on una tabla de mortalidad agregada
es usada para la distribuci ´ on del tiempo de vida futuro, entonces la distribuci´ on
de T(x) −t es la misma que la de T(x +t), por lo que:
t
¯
V(
¯
A
x
) =
¯
A
x+t

¯
P(
¯
A
x
) ¯ a
x+t
(6.3)
En la evaluaci ´ on de estas esperanzas condicionales, la supervivencia de (x)
al tiempo t fue la ´ unica informaci´ on nueva incorporada. Un principio de reserva
49
completo requerir´ıa toda la informaci´ on nueva relevante para que estimar las
obligaciones de la aseguradora de manera apropiada.
La Figura 6.1 contiene el resto de las reservas.
Figura 6.1: Reservas Matem´ aticas Puras Totalmente Continuas, Edad a la Emi-
si ´ on x, Duraci ´ on t, Una Unidad Monetaria de Beneficio, h <n donde h se mide
en a˜ nos (Actuarial Mathematics, p. 212 [1])
Por ´ ultimo, aunque las reservas de beneficios son no negativas en la mayor´ıa
de las aplicaciones, no hay teorema que garantice esta propiedad.
6.2. Reservas Matem´ aticas Puras Totalmente Dis-
cretas
Las reservas matem´ aticas puras totalmente discretas son para seguros que
tienen pagos de prima anual y pagos de beneficio al final del a˜ no de muerte.
Analizaremos el seguro de vida vitalicio emitido para (x) con prima nivelada
P
x
. Para un asegurado que sobrevive k a˜ nos m´ as tarde, definimos la reserva
de beneficios, denotada por
k
V
x
como la esperanza condicional de la variable
aleatoria p´ erdida prospectiva
k
L, a la duraci ´ on k:
k
L = v
(K(x)−k)+1
−P
x
¨ a
(K(x)−k)+1[
(6.4)
k
V
x
= E[
k
L[K(x) = k, k +1, . . . ] = E[
k
L[K(x) ≥k] (6.5)
La f´ ormula prospectiva para la reserva matem´ atica pura, considerando que
K(x) −k tiene la misma distribuci´ on que K(x +k):
k
V
x
= A
x+k
−P
x
¨ a
x+k
(6.6)
La Figura 6.2 contiene el resto de las reservas.
Figura 6.2: Reservas Matem´ aticas Puras Totalmente Discretas, Edad a la Emi-
si ´ on x, Duraci ´ on k, Una Unidad Monetaria de Beneficio (Actuarial Mathema-
tics, p. 216 [1])
Ejemplo 5. (Ejemplo 7.1, Dickson [2]). Considera un seguro dotal mixto tem-
poral 20 a˜ nos comprado por (50). Se pagan primas niveladas anualmente a
50
trav´ es del plazo de la p´ oliza, y la suma asegurada, $500,000, es pagada al
final del a˜ no de la muerte o al final del plazo, cualquiera que ocurra primero
(ya que es un dotal mixto).
Los supuestos usados por la compa˜ n´ıa de seguros para todos los c´ alculos es
la tabla Modelo de supervivencia Selecta Est´ andar (Standard Select Survival
Model, Dickson , pp. 66, 144), una tasa de inter´ es efectiva anual del 5% y no
se consideran los gastos.
1. Muestra que la prima neta anual, P, calculada usando el principio de
equivalencia, es $15,114.33.
2. Calcula E[
t
L] para t = 10 y t = 11, en ambos casos justo antes de que la
prima correspondiente al tiempo t sea pagada.
Soluci´ on:
1. Primero calculamos los siguientes valores presentes actua-
riales: ¨ a
[50]:20[
= ¨ a
[50]
− v
20
20
p
[50]
¨ a
70
= 17.02835 − 1.05
−20

91, 082.43/98, 552.51 12.00830 = 12.84559462 por lo que
A
[50]:20[
= 1 −d ¨ a
[50]:20[
= 0.388305018. Despejando P de la siguiente
ecuaci´ on
500, 000A
[50]:20[
−P¨ a
[50]:20[
= 0 (6.7)
obtenemos que P = 500, 000A
[50]:20[
/ ¨ a
[50]:20[
= 15, 114.32635.
2.
10
L es la variable aleatoria p´ erdida en valor presente diez a˜ nos despu´ es
de que el seguro fue vendido (o la p´ oliza emitida), suponiendo que el
asegurado esta a´ un vivo en aquel momento. El asegurado tendr´ a entonces
60 a˜ nos y el periodo de selecci´ on del modelo de supervivencia, dos a˜ nos,
habr´ a expirado hace 8 a˜ nos. El valor presente, en aquel momento, de
los beneficios futuros es 500, 000v
m´ın(K(60)+1,10)
y el valor presente de
las primas futuras es P¨ a
m´ın(K(60)+1,10)[
. Por lo tanto,
10
L y
11
L se pueden
expresar como
2
10
L = 500, 000v
m´ın(K(60)+1,10)
−P¨ a
m´ın(K(60)+1,10)[
11
L = 500, 000v
m´ın(K(61)+1,9)
−P¨ a
m´ın(K(61)+1,9)[
Tomando esperanzas y calculando los valores presentes ac-
tuariales ¨ a
60:10[
= ¨ a
60
− v
10
10
p
60
¨ a
70
= 14.90407 − 1.05
−10

91, 082.43/96, 634.14 12.00830 = 7.95554601 y ¨ a
61:9[
= ¨ a
61

v
9
9
p
61
¨ a
70
= 14.64906 −1.05
−9
91, 082.43/96, 305.75 12.00830 =
7.328231576, obtenemos que
E[
10
L] = 500, 000A
60:10[
−P¨ a
60:10[
= 190, 339.5192
E[
11
L] = 500, 000A
61:9[
−P¨ a
61:9[
= 214, 757.0122
Vamos a analizar el Ejemplo 5 con m´ as detalle. Al momento en que la p´ oliza
es emitida (t = 0), la variable aleatoria p´ erdida futura,
0
L, esta dada por
0
L = 500, 000v
m´ın(K([50])+1,20)
−P¨ a
m´ın(K([50])+1,20)[
Como la prima es calculada aplicando el principio de equivalencia, sabemos
que E[
0
L] = 0, esto es, al tiempo en que la p´ oliza es emitida, el valor esperado
del valor presente de la p´ erdida es cero, as´ı que, en esperanza, las primas futu-
ras (desde el tiempo 0) son exactamente suficientes para proveer los beneficios
futuros.
Considera la posici´ on financiera de la aseguradora en el tiempo 10 con res-
pecto a esta p´ oliza. El asegurado pudo haber muerto antes del tiempo 10. Si
es as´ı, la suma asegurada habr´ a sido pagada y no m´ as primas ser´ an recibidas.
En este caso el asegurador no tiene m´ as alguna obligaci ´ on con respecto a esta
p´ oliza. Ahora sup´ ongase que el asegurado se encuentra a´ un vivo al tiempo 10.
En este caso E[
10
L] es positiva ($190,339) as´ı que las primas futuras (desde el
tiempo 10) no se espera que sean suficientes para proveer los beneficios futu-
ros. Para que el asegurador este en una posici ´ on financiera sana al tiempo 10,
2
El razonamiento para
11
L es an´ alogo.
51
debe de poseer un monto de al menos $190,339 en sus activos tal que, junto
con las primas futuras a partir del tiempo 10, puedan proveer los beneficios
futuros.
Hablando generalmente, cuando una p´ oliza es emitida las primas futuras
se espera sean suficientes para pagar los beneficios futuros. Sin embargo, es
usualmente el caso que para una p´ oliza la cual todav´ıa esta en vigor t a˜ nos
despu´ es de ser emitida, las primas futuras (desde el tiempo t) no se esperan
que sean suficientes para pagar los beneficios futuros. El monto necesitado
para cubrir este d´ eficit es llamada reserva (o valor de la p´ oliza).
El asegurador debe ser capaz de construir sus activos durante el transcurso
de la p´ oliza porque, con una prima nivelada y un nivel de riesgo creciente
(las probabilidades anuales de muerte se est´ an incrementando), la prima en
cada uno de los primeros a˜ nos es m´ as que suficiente para pagar los beneficios
esperados en aquel a˜ no, dado que el asegurado ha sobrevivido al inicio del a˜ no.
Por ejemplo, en el primer a˜ no la prima de $15,114.33 es m´ as grande que el VPA
del beneficio que el asegurador podr´ıa pagar en aquel a˜ no, 500, 000vq
[50]
=
500, 000 1.05
−1
(98, 552.51 −98, 450.67)/98, 552.51 = 492.0751191, de
hecho, para el seguro dotal mixto estudiado en el Ejemplo 5, para cada a˜ no
excepto para el ´ ultimo, se excede el VPA de los beneficios, esto es
P > 500, 000vq
[50]+t
para t = 0, 1, . . . , 18
El ´ ultimo a˜ no es diferente porque
P = 15, 114.33 < 500, 000v = 476, 190
Nota que si el asegurado esta vivo al inicio del ´ ultimo a˜ no, la suma asegurada
ser´ a pagada al final del a˜ no ya sea que el asegurado sobreviva el a˜ no o no, pues
estamos ante un dotal mixto.
La Figura 6.3 muestra el exceso de la prima sobre el VPA del beneficio
pagable al final del a˜ no para cada a˜ no en la p´ oliza del Ejemplo 5.
La Figura 6.4 muestra los valores correspondientes para un seguro temporal
20 a˜ nos emitido para (50). La suma asegurada es $500,000, las primas anuales
niveladas son pagables a trav´ es del plazo y todos los c´ alculos tienen los mismos
supuestos que los del Ejemplo 5. El patr´ on es similar en el sentido de que
hay un super´ avit en los primeros a˜ nos el cual puede ser usado para construir
los activos del asegurador. Estos activos son necesitados en los ´ ultimos a˜ nos
cuando la prima no es suficiente para pagar los beneficios esperados.
Figura 6.3: VPA de las primas menos los reclamos para cada a˜ no de un seguro
dotal mixto temporal 20 a˜ nos, con suma asegurada $500,000, emitido para (50)
El asegurador entonces, para un portafolio grande, retendr´ a algunos de los
flujos de efectivo en exceso de los primeros a˜ nos del contrato a fin de enfrentar
el d´ eficit en los ´ ultimos a˜ nos. Esto explica el concepto de reserva - necesitamos
mantener capital durante el plazo de una p´ oliza para enfrentar las obligaciones
en el periodo cuando los egresos por beneficios excedan los ingresos de las
primas (en t´ erminos de valor esperado).
Sup´ ongase que el asegurador emite un gran n´ umero, por decir algo N, de
p´ olizas id´ enticas a la del Ejemplo 5, a vidas independientes todas de edad 50.
Sup´ ongase tambi´ en que la experiencia de este grupo de asegurados es precisa-
mente como es el supuesto usado por el asegurador en sus c´ alculos. En otras
palabras, el inter´ es ganado sobre inversiones es de 5% anual y la mortalidad
del grupo de asegurados sigue precisamente la tabla Modelo de supervivencia
Selecto Est´ andar (se muere el n´ umero esperado de asegurados).
Considera la situaci ´ on financiera de la aseguradora despu´ es de que estas
p´ olizas han estado en vigor durante 10 a˜ nos. Algunos asegurados habr´ an muer-
52
Figura 6.4: VPA de las primas menos los reclamos para cada a˜ no de un seguro
temporal 20 a˜ nos, con suma asegurada $500,000, emitido para (50)
to, as´ı que su suma asegurada de $500,000 habr´ a sido pagada al final del a˜ no
en que murieron, y otros asegurados a´ un estar´ an vivos. Con nuestros supuestos
acerca de la experiencia, precisamente
10
p
[50]
N asegurados estar´ an a´ un vivos,
q
[50]
N habr´ an muerto en el primer a˜ no,
1[
q
[50]
N habr´ an muerto en el segun-
do a˜ no, y as´ı sucesivamente, hasta el d´ ecimo a˜ no, cuando
9[
q
[50]
N asegurados
habr´ an muerto. La acumulaci´ on al tiempo 10 al 5% de inter´ es de todas las pri-
mas recibidas (no incluyendo las primas pagadas al tiempo 10) menos todas
las sumas aseguradas que han sido pagadas es
NP(1.05
10
+ p
[50]
1.05
9
+ +
9
p
[50]
1.05)
−500, 000N(q
[50]
1.05
9
+
1[
q
[50]
1.05
8
+ +
9[
q
[50]
) = 186, 634N
As´ı, si la experiencia durante los 10 a˜ nos sigue precisamente los supues-
tos establecidos en el Ejemplo 5, el asegurador habr´ a armado un fondo de
$186, 634N despu´ es de 10 a˜ nos. El n´ umero de asegurados a´ un vivos en aquel
tiempo ser´ a
10
p
[50]
N as´ı que lo que le toca a cada asegurado sobreviviente de
este fondo es 186, 634N/(
10
p
[50]
N) =$190, 339. Esto es precisamente el mon-
to que el asegurador necesita (el valor de la reserva al tiempo 10).
Para fines ilustrativos, considere N = 1, 000 y los c´ alculos del Cuadro 6.1,
note que la ´ ultima columna corresponde al valor de la reserva al tiempo t +1
(justo antes del pago de la prima que se paga en ese momento).
Para este ejemplo, el hecho de que el monto total necesitado por el asegu-
rador al tiempo 10 para todas las p´ olizas a´ un en vigor sea igual al monto del
fondo construido se debe a
1. la prima fue calculada usando el principio de equivalencia
2. el valor esperado de la variable aleatoria p´ erdida futura fue calculada
usando los supuestos del c´ alculos de la prima
3. suponemos que la experiencia sigui´ o precisamente los supuestos con los
que se calcul ´ o la prima
En la pr´ actica, 1 y 2 pueden o no aplicar; mientras que 3 es extremadamente
improbable que ocurra.
6.3. Reservas Matem´ aticas Puras Semicontinuas
En la pr´ actica, es m´ as com´ un pagar primas como P(
¯
A
x
), P(
¯
A
1
x:n[
), P(
¯
A
x:n[
),
h
P(
¯
A
x
) y
h
P(
¯
A
x:n[
). Para aquellos casos, la reserva de beneficios es obtenida
realizando los cambios A por
¯
A, P por P(
¯
A) y V por V(
¯
A) en la Figura 6.2.
6.4. Reservas Matem´ aticas Puras basadas en pri-
mas niveladas que se Pagan cada m-´ esimo de
a˜ no
Vamos a revisar dos ejemplos, suponiendo que el n´ umero de muertes a lo
largo del a˜ no [x, x +1] tiene una distribuci´ on uniforme:
53
Cuadro 6.1: Evoluci ´ on de los activos de la aseguradora en el Ejemplo 5 bajo
el escenario de que los valores observados son los esperados de acuerdo a los
supuestos de inter´ es y mortalidad. Sobr. en t: N´ umero de sobrevivientes al
inicio del a˜ no, P. en t: Primas recaudadas al inicio del a˜ no, F. en t: monto del
fondo al inicio del a˜ no, Muertes [t, t +1): N´ umero de muertes durante el a˜ no,
SA en t +1: total de sumas aseguradas pagadas al final del a˜ no, F. en t +1:
monto del fondo al final del a˜ no, F. sobr. en t +1: monto del fondo para cada
asegurado sobreviviente al final del a˜ no
A˜ no Sobr. P. en F. en Muertes SA en F. en F. sobr.
[t, t +1) en t t t [t, t +1) t +1 t +1 en t +1
(miles) (miles) (miles) (miles)
[0, 1) 1,000 15,114 15,114 1 517 15,353 15,369
[1, 2) 999 15,099 30,452 1 632 31,343 31,415
[2, 3) 998 15,080 46,423 1 733 48,011 48,193
[3, 4) 996 15,057 63,069 2 809 65,413 65,767
[4, 5) 995 15,033 80,446 2 894 83,575 84,178
[5, 6) 993 15,006 98,581 2 989 102,521 103,467
[6, 7) 991 14,976 117,497 2 1,096 122,276 123,678
[7, 8) 989 14,943 137,219 2 1,216 142,864 144,858
[8, 9) 986 14,906 157,770 3 1,349 164,309 167,060
[9, 10) 984 14,865 179,175 3 1,499 186,634 190,339
[10, 11) 981 14,820 201,455 3 1,666 209,861 214,757
[11, 12) 977 14,770 224,631 4 1,853 234,010 240,381
[12, 13) 973 14,714 248,724 4 2,061 259,099 267,285
[13, 14) 969 14,651 273,751 5 2,293 285,146 295,552
[14, 15) 965 14,582 299,728 5 2,551 312,163 325,275
[15, 16) 960 14,505 326,668 6 2,838 340,163 356,561
[16, 17) 954 14,419 354,583 6 3,157 369,155 389,528
[17, 18) 948 14,324 383,479 7 3,511 399,142 424,313
[18, 19) 941 14,218 413,359 8 3,902 430,125 461,076
[19, 20) 933 14,100 444,225 9 4,335 462,101 500,000
1) Seguro Dotal Mixto Temporal n a˜ nos
3
h
k
V
(m)
x:n[
=





A
x+k:n−k[

h
P
(m)
x:n[
¨ a
(m)
x+k:h−k[
k < h < n
A
x+k:n−k[
h ≤k < n
1 k = n
donde:
• A
x+k:n−k[
= A
1
x+k:n−k[
+
n−k
E
x+k
• ¨ a
(m)
x+k:h−k[
= α(m) ¨ a
x+k:h−k[
− β(m)(1 −
h−k
E
x+k
), donde α(m) =
s
(m)
1[
¨ a
(m)
1[
=
id
i
(m)
d
(m)
, β(m) =
s
(m)
1[
−1
d
(m)
=
i−i
(m)
i
(m)
d
(m)

h
P
(m)
x:n[
= A
x:n[
/ ¨ a
(m)
x:h[
• Lo que se paga al inicio de cada m-´ esimo de a˜ no si esta vivo el asegurado
es
1
m
h
P
(m)
x:n[
2) Seguro Dotal Mixto Temporal n a˜ nos
4
h
k
V
(m)
(
¯
A
x:n[
) =





¯
A
x+k:n−k[

h
P
(m)
(
¯
A
x:n[
) ¨ a
(m)
x+k:h−k[
k < h
¯
A
x+k:n−k[
h ≤k < n
1 k = n
donde:
• Si la distribuci´ on de las muertes a lo largo del a˜ no es uniforme
¯
A
x+k:n−k[
=
i
δ
A
1
x+k:n−k[
+
n−k
E
x+k

h
P
(m)
(
¯
A
x:n[
) =
¯
A
x:n[
/ ¨ a
(m)
x:h[
3
h < n, h esta en a˜ nos
4
Aqu´ı el beneficio es pagado al momento de la muerte; h < n, h esta en a˜ nos
54
6.5. An´ alisis de Reservas Matem´ aticas
Los resultados de este tema aplican para las reservas matem´ aticas donde el
beneficio y la prima pueden variar, y en particular, cuando son constantes como
en las reservas ya vistas.
6.5.1. Reservas Matem´ aticas Puras para Seguros Generales
Considera un seguro totalmente discreto y general en el cual:
• El beneficio por muerte es pagable al final del a˜ no de muerte.
• Las primas se pagan anualmente, al inicio del “a˜ no p´ oliza”.
• El beneficio por muerte en el j-´ esimo a˜ no despu´ es de la emisi ´ on de la
p´ oliza es b
j
, j = 1, 2, . . .
• El pago de la prima en el j-´ esimo a˜ no de p´ oliza es π
j−1
, j = 1, 2, . . .
Notar que los sub´ındices de b y π coinciden con los tiempos en que se pueden
pagar.
Para h ∈ Z
+
, la p´ erdida prospectiva,
h
L es el valor presente en h de los
beneficios futuros menos el valor presente en h de las primas futuras, como
funci ´ on de K(x) es igual a:
h
L =

0 K(x) = 0, 1, . . . , h−1
b
K(x)+1
v
K(x)+1−h
−∑
K(x)
j=h
π
j
v
j−h
K(x) = h, h+1, . . .
La reserva de beneficios en h est´ a definida como:
h
V = E[
h
L [ K(x) ≥h]
= E[b
K(x)+1
v
K(x)+1−h

K(x)

j=h
π
j
v
j−h
[ K(x) ≥h]
= E[b
(K(x)−h)+h+1
v
(K(x)−h)+1

K(x)−h

j=0
π
j+h
v
j
[ K(x) ≥h]
(6.8)
Bajo el supuesto de que la distribuci ´ on condicional de K(x) −h, dado que
K(x) = h, h+1, . . . es igual a la distribuci ´ on de K(x +h) (esto sucede cuando
usamos una tabla de mortalidad agregada) podemos reescribir
h
V como:
h
V = E[b
K(x+h)+h+1
v
K(x+h)+1

K(x+h)

j=0
π
j+h
v
j
]
=


k=0
(b
h+k+1
v
k+1

k

j=0
π
h+j
v
j
)
k
p
x+h
q
x+h+k
=


k=0
b
h+k+1
v
k+1
k
p
x+h
q
x+h+k



k=0
π
h+k
v
k
k
p
x+h
(6.9)
Ahora consideremos un seguro totalmente continuo y general para:
• El beneficio pagable por muerte al momento de la muerte, t, es b
t
• Las primas son pagables continuamente en t a la tasa anual, π
t
La p´ erdida prospectiva para una vida asegurada a edad x y que sigue vi-
va t a˜ nos despu´ es de la emisi´ on de la p´ oliza, es el valor presente en t de los
beneficios futuros menos el valor presente en t de las primas futuras:
t
L =

0 T(x) ≤t
b
T(x)
v
T(x)−t

T(x)
t
π
u
v
u−t
du T(x) >t
La reserva de beneficios para este caso general es:
t
¯
V = E[
t
L [ T(x) >t]
= E[b
T(x)
v
T(x)−t

T(x)
t
π
u
v
u−t
du [ T(x) >t]
= E[b
(T(x)−t)+t
v
T(x)−t

T(x)−t
0
π
t+r
v
r
dr [ T(x) >t]
(6.10)
Si la distribuci´ on de T no es selecta, entonces la distribuci´ on de T(x)−t dado
que T(x) >t es la misma distribuci ´ on que la de la variable aleatoria T(x +t) y
55
se sigue que:
t
¯
V = E[b
T(x+t)+t
v
T(x+t)

T(x+t)
0
π
t+r
v
r
dr]
=


0
(b
t+u
v
u

u
0
π
t+r
v
r
dr)
u
p
x+t
µ
x
(t +u)du
=


0
b
t+u
v
u
u
p
x+t
µ
x
(t +u)du−


0
π
t+r
v
r
r
p
x+t
dr
(6.11)
6.5.2. Relaciones Recursivas para Reservas Matem´ aticas
Puras Totalmente Discretas
Figura 6.5: Flujos de Efectivo de una Aseguradora bajo un Seguro Totalmente
Discreto General
Sea c
h
el valor presente en h ∈ Z
+
∪¦0¦ de la p´ erdida neta de efectivo du-
rante el a˜ no (h, h+1)
1. Si (h, h+1) es antes de la muerte, es decir, h <K(x), ⇒c
h
=−π
h
(p´ erdida
negativa es ganancia)
2. Si (h, h+1) es el a˜ no de muerte, es decir, h = K(x), ⇒c
h
= vb
K(x)+1
−π
h
3. Si (h, h+1) es despu´ es del a˜ no de muerte, c
h
= 0
Dicho de otra manera:
c
h
=



0 K(x) = 0, 1, . . . , h−1
vb
h+1
−π
h
K(x) = h
−π
h
K(x) = h+1, h+2, . . .
Para la distribuci´ on condicional de c
h
, dado que K(x) ≥h, observamos que:
c
h
= vb
h+1
I −π
h
(6.12)
donde:
I =

1 con probabilidad q
x+h
0 con probabilidad p
x+h
⇒E[c
h
[K(x) ≥h] = (vb
h+1
1−π
h
)q
x+h
+(vb
h+1
0−π
h
)p
x+h
= vb
h+1
q
x+h
−π
h
q
x+h
−π
h
p
x+h
= vb
h+1
q
x+h
−π
h
(6.13)
E[c
h
] = E[c
h
[K(x) ≥h]P[K(x) ≥h] +E[c
h
[K(x) < h]P[K(x) < h]
= (vb
h+1
q
x+h
−π
h
)
h
p
x
+0(1−
h
p
x
)
= (vb
h+1
q
x+h
−π
h
)
h
p
x
(6.14)
Sea
h
L el valor presente en h de los gastos menos los ingresos del asegurador
h
L =


j=h
v
j−h
c
j
= c
h
+


j=h+1
v
j−h
c
j
= c
h
+v


j=h+1
v
j−h−1
c
j
= c
h
+v
h+1
L (relaci ´ on recursiva)
(6.15)
Se puede demostrar que para h < K(x),
h
L = v
K(x)+1−h
b
K(x)+1


K(x)
j=h
v
j−h
π
j
Una relaci´ on recursiva para la reserva de beneficios puede ser obtenida co-
mo:
56
5
E[
h
L[K(x) ≥h] = E[c
h
+v
h+1
L[K(x) ≥h]
= E[c
h
[K(x) ≥h] +vE[
h+1
L[K(x) ≥h]
= vb
h+1
q
x+h
−π
h
+vE[
h+1
L[K(x) ≥h]
= vb
h+1
q
x+h
−π
h
+vp
x+h
E[
h+1
L[K(x) ≥h+1]
y recordando que
m
V = E[
m
L[K(x) ≥m], m ∈ Z
+
∪¦0¦
h
V = vb
h+1
q
x+h
−π
h
+vp
x+h

h+1
V -Backward- (6.16)
h+1
V =
1
vp
x+h
(
h
V −vb
h+1
q
x+h

h
) -Forward- (6.17)
Para trabajar con las relaciones recursivas, se necesitan valores iniciales.
6.5.3. Reservas Matem´ aticas Puras en Duraciones Fraccio-
nales
Considera un seguro totalmente discreto con beneficios b
j+1
paga-
ble al final del a˜ no de muerte que se compra con primas anuales de
5
Con E[
h+1
L[K(x) ≥ h], se quiere calcular la p´ erdida esperada en el tiempo h +1, dado
que la persona morir´ a en alg´ un momento despu´ es del tiempo h. Durante el a˜ no [h, h +1),
puede ocurrir que la persona muera o sobreviva. Si la persona muere durante el a˜ no [h, h+1),
despu´ es del tiempo h +1 no se espera pago de beneficios ni de primas, por lo que
h+1
L = 0.
Si la persona no muere durante el a˜ no [h, h +1), al tiempo h +1 hay expectativa de pago de
primas y de beneficios, pues la persona todav´ıa no ha muerto. En t´ erminos m´ as formales, el que
la persona muera durante el a˜ no [h, h +1) es el evento [K(x) = h] y el que no muera durante
el a˜ no [h, h+1) es el evento [K(x) ≥h+1], que suceden con las probabilidades q
x+h
y p
x+h
,
respectivamente.
E[
h+1
L[K(x) ≥h] = E[
h+1
L[K(x) = h]P[K(x) = h]+
E[
h+1
L[K(x) ≥h+1]P[K(x) ≥h+1]
= 0q
x+h
+E[
h+1
L[K(x) ≥h+1]p
x+h
=
h+1
V p
x+h
π
j
donde j = 0, 1, 2, . . . . En este tema buscamos una expresi ´ on para la
“Reserva de Beneficios Interina”, (Interim Benefit Reserve) que es la reserva
matem´ atica pura en alg´ un punto del tiempo entre aniversarios de p´ oliza. La
notaci ´ on para esta reserva es:
h+s
V para h = 0, 1, 2, . . . y 0 < s < 1
as´ı, s representa una fracci ´ on de un a˜ no.
Figura 6.6: Reserva de Beneficios Interina
Para reservas matem´ aticas en a˜ nos fraccionales (reservas a los tiempos h+s
donde 0 < s < 1) queremos escribir una f´ ormula que relacione
h+s
V con
h+1
V.
Recordemos que la f´ ormula recursiva para
h
V es:
h
V +π
h
= vb
h+1
q
x+h
+vp
x+h

h+1
V
Para
h+s
V, estamos parados en el tiempo h +s as´ı que π
h
esta en el pasado
y no estar´ a en la f´ ormula. Adem´ as, todo lo descontaremos por un periodo de
1 −s a˜ nos en vez de 1 a˜ no. Finalmente, cualquier funci ´ on de supervivencia
comenzar´ a a la edad x +h +s e involucrar´ a una supervivencia por 1 −s a˜ nos.
El resultado es:
h+s
V = v
1−s
b
h+1

1−s
q
x+h+s
+v
1−s
1−s
p
x+h+s

h+1
V (6.18)
La ecuaci ´ on anterior significa que la reserva al tiempo h +s debe ser sufi-
ciente para proveer el beneficio b
h+1
para aquellos que mueran en los pr´ oximos
1−s a˜ nos y tambi´ en para proveer
h+1
V al final del a˜ no para aquellos quienes
sobreviven los pr´ oximos 1−s a˜ nos.
Notar que en (6.18) los t´ erminos
1−s
q
x+h+s
y
1−s
p
x+h+s
dependen de la dis-
tribuci ´ on de las muertes en el a˜ no, por ejemplo, distribuci ´ on uniforme de las
muertes, fuerza constante de mortalidad o Balducci.
57
6.6. Terminolog´ıa
El a˜ no p´ oliza (policy year) desde el tiempo t = h al tiempo t = h +1 es
llamado “a˜ no p´ oliza h+1”. Para el a˜ no p´ oliza h+1, la siguiente terminolog´ıa
aplica:
h
V +π
h
: reserva inicial para el a˜ no p´ oliza h+1 (initial benefit reserve)
(6.19)
h
V : reserva final para el a˜ no h (terminal benefit reserve) (6.20)
h+1
V : reserva terminal para el a˜ no h+1 (6.21)
El monto neto en riesgo (net amount at risk) se refiere al monto de dinero que
la aseguradora podr´ıa pagar al asegurado por encima de la reserva matem´ atica
pura, en otras palabras, el monto neto en riesgo para el a˜ no p´ oliza h+1 es:
b
h+1

h+1
V (6.22)
En el negocio de los seguros esta es una cantidad importante pues represen-
ta el monto que la aseguradora tendr´ a que obtener de fuentes distintas de la
reserva matem´ atica pura del asegurado si el asegurado muere en el a˜ no p´ oliza
h+1.
6.7. Ejercicios
1. For a special fully discrete 3-year term insurance on (x):
a) Level benefit premiums are paid at the beginning of each year.
b) The benefits and probabilities are
k b
k+1
q
x+k
0 200,000 0.03
1 150,000 0.06
2 100,000 0.09
c) i =0.06
Calculate the initial benefit reserve for year 2.
2. For a special fully discrete whole life insurance on (x):
a) The death benefit is 0 in the first year and 5000 thereafter.
b) Level benefit premiums are payable for life.
c) q
x
= 0.05
d) v = 0.90
e) ¨ a
x
= 5.00
f )
10
V
x
= 0.20
g)
10
V is the benefit reserve at the end of year 10 for this insurance.
Calculate
10
V .
3. For a fully discrete whole life insurance of b on (x), you are given:
a) q
x+9
= 0.02904
b) i = 0.03
c) The initial benefit reserve for policy year 10 is 343.
d) The net amount at risk for policy year 10 is 872.
e) ¨ a
x
= 14.65976
Calculate the terminal benefit reserve for policy year 9.
4. On the basis of the Illustrative Life Table and an interest rate of 6%, cal-
culate the values for the benefit reserves on the next table. Deaths are
uniformly distributed over the year of death.
Fully
Continuous Semicontinuous Fully Discrete
5
¯
V(
¯
A
25:10[
)
5
V(
¯
A
25:10[
)
5
V
25:10[
5
¯
V(
¯
A
25
)
5
V(
¯
A
25
)
5
V
25
5
¯
V(
¯
A
1
25:10[
)
5
V(
¯
A
1
25:10[
)
5
V
1
25:10[
58
Cap´ıtulo 7
Prima de Tarifa
Este cap´ıtulo esta basado en el Cap´ıtulo 10 de [3] y en Cap´ıtulo 7 de [2].
Habr´ a dos temas principales en esta parte del curso:
1. Gastos: El punto principal es finalmente enfrentar el hecho de que todas
las primas y reservas de las que hemos hablado en el curso son solamen-
te para pagar beneficios o sumas aseguradas (como si esa fuera la ´ unica
obligaci ´ on de la aseguradora). As´ı, ´ estas no han cubierto otras salidas de
efectivo a las que se enfrenta la aseguradora en la realidad.
2. Asset Shares que requerir´ a nueva notaci ´ on y explicaciones. Un punto im-
portante de los Asset Shares es que proporcionan un m´ etodo para asignar
activos de la compa˜ n´ıa a los diferentes asegurados en el evento de que la
aseguradora enfrente una bancarrota.
7.1. Modelos Aumentados con los Gastos
Los gastos no son dif´ıciles de tratar mientras se vean como otros beneficios
que la aseguradora debe proveer (pero no necesariamente al asegurado sino a
agentes de seguros, empleados, etc.). Si decidimos calcular la prima cargada
con los gastos o prima de tarifa G (G es por Gross Premium) bajo el principio
de equivalencia, tenemos que hallar el monto G tal que se satisface la siguiente
ecuaci ´ on:
VPA(beneficios) + VPA(gastos) = VPA(prima de tarifa) (7.1)
La prima de tarifa, m´ as los impuestos, es lo que paga el asegurado,
Como se puede notar en la ecuaci´ on anterior, el principio de equivalencia
no permite expl´ıcitamente un recargo para ganancias (no hay un sumando
VPA(ganancias)). Desde que el inicio de un negocio generalmente involucra
una deuda con los accionistas, es necesario que el negocio sea suficientemen-
te rentable para el pago de una tasa de rendimiento razonable. En los seguros
tradicionales, a menudo se recargan las ganancias con m´ argenes en los supues-
tos de la valuaci ´ on. Por ejemplo, si esperamos ganar una tasa de inter´ es anual
de 6% sobre los activos de inversi ´ on, podr´ıamos suponer solamente 5% en el
c´ alculo de la prima. El ingreso extra de las primas invertidas contribuir´ a a las
ganancias.
Tambi´ en se pueden usar m´ argenes en los supuestos de la mortalidad. Para un
seguro temporal, podr´ıamos usar tasas de mortalidad ligeramente m´ as altas que
las esperadas. Para una anualidad, podr´ıamos usar unas tasas ligeramente m´ as
bajas. Esta es la raz´ on por la cual las tablas de mortalidad no son las mismas si
se calcula una anualidad o un seguro.
Ejemplo 6. Dado que:
• La mortalidad sigue la Tabla de Vida Ilustrativa.
1
• i = 6%
1
Actuarial Mathematics, p. 675 [1]
59
• Una persona (40) comprar´ a un seguro de vida vitalicio totalmente discre-
to con beneficio a la muerte de $1,000.
• Los gastos son 10%de la prima de tarifa m´ as $5 por a˜ no, ambos pagables
al inicio de cada a˜ no y mientras el asegurado se encuentre con vida.
1. Calcula la prima de tarifa necesaria para fondear todos los beneficios y
gastos.
2. Encuentra el monto de prima necesario para cubrir gastos (esta es lla-
mada la prima de gastos (expense premium) y es definida como la prima
de tarifa menos la prima neta).
3. Calcula y grafica la reserva matem´ atica y la reserva de gastos (la porci´ on
de la reserva total necesaria para pagar gastos futuros).
Soluciones:
1. Primero establecemos la ecuaci´ on del principio de equivalencia:
VPA(primas de tarifa) = VPA(beneficios) + VPA(gastos)
G¨ a
40
= 0.10G¨ a
40
+5 ¨ a
40
+1000A
40
G¨ a
40
(1−0.10) = 5 ¨ a
40
+1000A
40
⇒G =
5 ¨ a
40
+1000A
40
0.90 ¨ a
40
= $17.65
2. La prima neta es
P =
1000A
40
¨ a
40
= $10.89
por lo que la prima de gastos es E = G−P = $6.77
3. La reserva matem´ atica al tiempo t, como ya se ha vio en el tema an-
terior, es la p´ erdida esperada al tiempo t suponiendo que al momento
del c´ alculo de la reserva la persona en cuesti´ on se encuentra viva. La
Cuadro 7.1: Reservas para el Ejemplo 6
x A
x+t
¨ a
x+t t
V
P
t
V
E
0 0.1613242 14.8166060 0.0000000 0
1 0.1686916 14.6864484 8.7845727 0
2 0.1763572 14.5510235 17.9246502 0
3 0.1843271 14.4102219 27.4276089 0
4 0.1926070 14.2639422 37.3002947 0
5 0.2012023 14.1120919 47.5489507 0
6 0.2101176 13.9545887 58.1791314 0
7 0.2193569 13.7913617 69.1956214 0
8 0.2289234 13.6223528 80.6023458 0
9 0.2388197 13.4475178 92.4022812 0
10 0.2490475 13.2668280 104.5973649 0
p´ erdida solo considera el pago de beneficios como ´ unico gasto por lo que
t
V
P
= 1, 000A
40+t
−P¨ a
40+t
para t = 0, 1, 2, . . . . La reserva de gastos al
tiempo t es la p´ erdida esperada al tiempo t suponiendo que al momen-
to del c´ alculo de la reserva la persona en cuesti´ on se encuentra viva,
en este caso, la p´ erdida solo considera los gastos y la prima de gastos
t
V
E
= (0.10G+5) ¨ a
40+t
−E ¨ a
40+t
, t = 0, 1, 2, . . . . Para este ejemplo, la
prima de gastos financia exactamente los gastos del a˜ no, y la reserva es
cero en todos los a˜ nos. Los resultados se muestran en el Cuadro 7.1 y la
Figura 7.1.
Ejemplo 7. Dado que:
• La mortalidad sigue la Tabla Ilustrativa de Vida.
• i=6%
• Una persona (40) comprar´ a un seguro de vida vitalicio totalmente discre-
to con beneficio a la muerte de F.
60
Figura 7.1: Reservas para el Ejemplo 6
• Los gastos incluyen 10% de la prima de tarifa pagable al inicio de cada
a˜ no. Adem´ as, hay un gasto inicial de $20 al momento de la emisi´ on de la
p´ oliza y un gasto final de $80 al momento en que el beneficio por muerte
es pagado.
• La prima de tarifa (G) es igual a $30.
1. Encuentra F
2. Encuentra la reserva de gastos,
t
V
E
, en t = 0, 1, ...
Soluciones:
1. Establecemos la ecuaci´ on del principio de equivalencia:
G¨ a
40
= FA
40
+0.10G¨ a
40
+20+80A
40
, donde G = 30
F =
30 ¨ a
40
(0.90) −20−80A
40
A
40
= $2, 275.81
2. Para calcular la reserva de gastos, primero calculamos la prima de gastos
(E)
E = 30−
FA
40
¨ a
40
= 30−24.78 = $5.22
La reserva de gastos en t = 0 es
0
V
E
= 20 +0.10G¨ a
40
+80A
40
−E ¨ a
40
y en t = 1, 2, ... es
t
V
E
= 0.10G¨ a
40+t
+80A
40+t
−E ¨ a
40+t
. Los resultados
se muestran en el Cuadro 7.2 y la Figura 7.2. ¡La reserva de gastos es
negativa! Esto se debe al hecho de que el cargo inicial fue grande en valor
presente relativo al cargo final al momento de la emisi´ on y es muestra
de que las reservas matem´ aticas pueden ser negativas. Este fen´ omeno se
revertir´ a a˜ nos m´ as tarde.
Figura 7.2: Reservas para el Ejemplo 7
7.2. Gastos
Una clasificaci´ on de los gastos de una aseguradora es la siguiente:
61
Cuadro 7.2: Reservas para el Ejemplo 7
x A
x+t
¨ a
x+t t
V
P
t
V
E
0 0.1613242 14.8166060 - -
1 0.1686916 14.6864484 19.9919759 -19.1215427
2 0.1763572 14.5510235 40.7930117 -18.2075350
3 0.1843271 14.4102219 62.4198940 -17.2572391
4 0.1926070 14.2639422 84.8882035 -16.2699705
5 0.2012023 14.1120919 108.2121478 -15.2451049
6 0.2101176 13.9545887 132.4043680 -14.1820869
7 0.2193569 13.7913617 157.4757530 -13.0804379
8 0.2289234 13.6223528 183.4352352 -11.9397654
9 0.2388197 13.4475178 210.2895894 -10.7597719
10 0.2490475 13.2668280 238.0432238 -9.5402635
11 0.2596073 13.0802716 266.6979669 -8.2811600
12 0.2704988 12.8878548 296.2528523 -6.9825038
13 0.2817206 12.6896035 326.7039133 -5.6444691
14 0.2932699 12.4855644 358.0439714 -4.2673716
15 0.3051430 12.2758064 390.2624366 -2.8516763
16 0.3173346 12.0604220 423.3451150 -1.3980071
17 0.3298380 11.8395282 457.2740241 0.0928458
18 0.3426452 11.6132677 492.0272369 1.6199191
19 0.3557466 11.3818101 527.5787326 3.1820693
20 0.3691310 11.1453521 563.8982733 4.7779678
• Gastos por inversiones: Costos de an´ alisis, compra, venta y servicio de
las inversiones de las reservas de la aseguradora. Los gastos de inversi´ on
son tomados en cuenta, usualmente, reduciendo la tasa de inter´ es asumida
durante la vida de la p´ oliza.
• Gastos del seguro:
1. Gastos de adquisici´ on: Son los costos asociados con vender el se-
guro. Pueden incluir comisiones, costos de aseguramiento y publici-
dad.
2. Gastos de mantenimiento: Son los gastos que ocurren regularmente
como recaudaci´ on de las primas, cambios en las p´ olizas y corres-
pondencia a los asegurados.
3. Gastos generales: Gastos que no son f´ aciles de repartir a cada p´ oliza,
por ejemplo, investigaci ´ on, servicios actuariales y legales, contabili-
dad, requisitos legales.
4. Gastos de pago del beneficio: Gastos asociados con validar y pagar
un reclamo: investigaci ´ on de reclamos, defensa legal, costos admi-
nistrativos de pagar beneficios.
Ejemplo 8. Para un seguro dotal mixto temporal 10 a˜ nos, totalmente discreto
para (50), te han dado lo siguiente:
• Los porcentajes de gastos de primas por comisiones es igual al 50% de
la prima de tarifa en el primer a˜ no seguido por 5% de la prima de tari-
fa desde el segundo a˜ no y hasta el ´ ultimo (estas comisiones son para el
agente de seguros).
• Los gastos de adquisici´ on son de 20, gastos por pago de beneficio son
igual a 10 por cada 1000 de suma asegurada, m´ as 80; y gastos de man-
tenimiento anual igual a 5 m´ as 2 por cada 1000 de suma asegurada.
• Los gastos de adquisici´ on son pagados a la emisi´ on de la p´ oliza, los gas-
tos por pago de beneficios son pagados cuando el beneficio es pagado,
y los gastos de mantenimiento son pagados cuando la prima anual es
pagada.
62
Si la suma asegurada de la p´ oliza es b, encuentra la prima de tarifa en t´ erminos
de b y valores presentes actuariales de seguros y anualidades.
Soluci´ on:
2
G¨ a
50:10[
= 0.50G+ p
50
v(0.05G¨ a
51:9[
) +20+(10b/1000+80)A
50:10[
+(5+2b/1000) ¨ a
50:10[
+bA
50:10[
G[ ¨ a
50:10[
−0.50−p
50
v(0.05 ¨ a
51:9[
)] = 20+(
10
1000
b+80)A
50:10[
+(5+0.002b) ¨ a
50:10[
+bA
50:10[
G =
20+((1+10/1000)b+80)A
50:10[
+(5+0.002b) ¨ a
50:10[
¨ a
50:10[
−0.45−0.05−p
50
v(0.05 ¨ a
51:9[
)
=
20+((1+10/1000)b+80)A
50:10[
+(5+0.002b) ¨ a
50:10[
¨ a
50:10[
−0.45−0.05(1+ p
50
v( ¨ a
51:9[
))
=
20+((1+10/1000)b+80)A
50:10[
+(5+0.002b) ¨ a
50:10[
¨ a
50:10[
−0.45−0.05 ¨ a
50:10[
=
20+((1+10/1000)b+80)A
50:10[
+(5+
2
1000
b) ¨ a
50:10[
(1−0.05) ¨ a
50:10[
−(0.5−0.05)
Ejemplo 9. Con los datos del ejemplo anterior y con b = 1000 calcule:
1. La prima de tarifa
2. La prima neta nivelada
3. La prima de gastos
4. La reserva de beneficios
t
V
P
y la reserva de gastos
t
V
E
, para t =
0, 1, . . . , 10
2
En la f´ ormula dejamos algunas cantidades solo expresadas, como 0.5 -0.05 en lugar de
0.45, para que en la hoja de c´ alculo se puedan calcular r´ apidamente las primas de tarifa cuando
cambiamos algunos gastos.
Cuadro 7.3: Reservas para el Ejemplo 9
x
t
V
P
t
V
E
0 0 0
1 74.48 -54.77
2 153.47 -42.41
3 237.32 -29.30
4 326.41 -15.36
5 421.19 -0.54
6 522.13 15.25
7 629.81 32.10
8 744.84 50.09
9 867.96 69.35
10 1,000.00 90.00
Soluciones:
1.
G =
20+(1.0101000+80)A
50:10[
+(5+0.0021000) ¨ a
50:10[
0.95 ¨ a
50:10[
−0.45
= $103.15
2.
P =
1000A
50:10[
¨ a
50:10[
= $75.43
3. E = G−P = $27.72
4. Las reservas se muestran en el Cuadro 7.3 y la Figura 7.3.
63
Figura 7.3: Reservas para el Ejemplo 9
7.3. Asset Shares
Una posible traducci´ on de asset share es “participaci ´ on en los activos”, sin
embargo, mantendremos su nombre en ingl´ es. Los asset shares son una herra-
mienta usada para:
1. Proyectar la acumulaci ´ on de activos financieros que financian un bloque
de p´ olizas de seguro
2. Asignar estos activos a cada p´ oliza, de esto, que se puede traducir como
participaci ´ on en los activos.
Es virtualmente imposible que la experiencia de una p´ oliza o de un portafo-
lio de p´ olizas siga exactamente los supuestos con que se calcularon las primas.
En la pr´ actica, las primas invertidas pueden ganar una tasa de rendimiento m´ as
grande o m´ as peque˜ na que la usada en el c´ alculo de las primas, al igual que
los gastos y la experiencia de mortalidad difieren de los supuestos del c´ alcu-
lo de las primas. Cada p´ oliza contribuye a los activos financieros totales del
asegurador a trav´ es de la inversi´ on, gasto y experiencia de mortalidad.
Es de importancia pr´ actica calcular la porci´ on de los activos financieros del
asegurador atribuibles a cada p´ oliza en vigor en cualquier tiempo dado. Co-
mo ya se mencion´ o, este monto es conocido como asset share de la p´ oliza en
aquel tiempo y es calculado suponiendo que la p´ oliza es una en un gran grupo
de p´ olizas emitidas simult´ aneamente. Las primas menos los reclamos y gas-
tos para este grupo hipot´ etico de p´ olizas son entonces acumulados usando los
montos de los gastos, inter´ es y mortalidad basados en la experiencia del ase-
gurador para p´ olizas. En cualquier tiempo dado, el fondo acumulado dividido
por el n´ umero (hip´ otetico) de sobrevivientes da el asset share en aquel tiempo
para cada asegurado sobreviviente. Si la experiencia del asegurador es cercana
a los supuestos del c´ alculo de las primas, entonces esperar´ıamos que el asset
share sea cercano al valor de las reservas.
La reserva matem´ atica a la duraci ´ on t representa el monto que el asegurador
necesita tener en aquel tiempo en relaci´ on con cada asegurado sobreviviente;
el asset share representa (una estimaci´ on de) el monto que el asegurador en
realidad tiene.
Para aclarar lo anterior, tenemos dos ejemplos m´ as.
Ejemplo 10. (Dickson [2]):
Un hombre de 50 a˜ nos compra una p´ oliza de anualidad diferida. La anuali-
dad ser´ a pagada anualmente de por vida, con el primer pago en su cumplea˜ nos
60. Cada pago de anualidad ser´ a de $10,000. Primas niveladas de $11,900
son pagables anualmente por a lo m´ as 10 a˜ nos. Si la muerte ocurre antes de
la edad 60, todas las primas pagadas ser´ an regresadas, sin intereses, al final
del a˜ no de muerte. El asegurador usa los siguientes supuestos para el c´ alculo
de las reservas:
• Modelo de supervivencia: Tabla Standard Select Survival Model (Dick-
son, pp. 66, 144 [2])
• Inter´ es: 5% anual
• Los gastos son 10% de la primera prima, 5% de las subsecuentes primas,
$25 cada vez que un pago de anualidad es realizado, y $100 cuando un
reclamo por muerte es pagado
64
Calcula las reservas (considerando los gastos) para esta p´ oliza cuando se
emite, al final del quinto a˜ no y al final del a˜ no 15, justo antes y despu´ es del
pago de la anualidad y del gasto en aquel tiempo.
Soluci´ on:
Vamos a necesitar los siguientes VPA’s: ¨ a
[50]:10[
= 8.056648164, ¨ a
55:5[
=
4.526791264, ¨ a
60
= 14.9040743, ¨ a
65
= 13.54979004, v
5
5
p
55
= 0.773820309,
v
10
10
p
[50]
=0.601963152 ,A
1
[50]:10[
=0.014386935, (IA)
1
[50]:10[
=0.086388866,
A
1
55:5[
= 0.010618203, (IA)
1
55:5[
= 0.033024237.
Denotemos por
15−
V y
15+
V las reservas (incluyendo los gastos) a la dura-
ci´ on 15 a˜ nos justo antes y justo despu´ es del pago de anualidad y del gasto de
aquel momento, respectivamente, y notando que G = 11, 900, podemos calcu-
lar el valor de la reserva en cualquier tiempo t,
t
V, como
t
V = (VPA en t de beneficios y gastos futuros) −(VPA en t de primas futuras)
Al inicio del contrato:
• El VPA del beneficio por muerte es G(IA)
1
[50]:10[
.
• El VPA de los gastos por reclamo de beneficio de muerte son 100A
1
[50]:10[
.
• El VPA de la anualidad incluyendo los gastos asociados es
10, 025v
10
10
p
[50]
¨ a
60
• El VPA de las primas futuras menos los gastos asociados es
0.95G¨ a
[50]:10[
−0.05G
Por lo tanto,
0
V = G(IA)
1
[50]:10[
+100A
1
[50]:10[
+10, 025v
10
10
p
[50]
¨ a
60
−(0.95 ¨ a
[50]:10[
−0.05)G = $485.39
Al final del quinto aniversario de la emisi´ on de la p´ oliza, suponiendo que
esta a´ un vigente:
• El beneficio futuro por muerte es 6G, 7G, . . . , 10G dependiendo de si la
muerte ocurre en el sexto, s´ eptimo,..., d´ ecimo a˜ no, respectivamente. Po-
demos expresar este beneficio como un beneficio nivelado de 5G m´ as un
beneficio creciente de G, 2G, . . . , 5G, por lo que el VPA del beneficio por
muerte es G((IA)
1
55:5[
+5A
1
55:5[
)
• El VPA de los gastos cuando el beneficio por muerte es reclamado es
100A
1
55:5[
.
• El VPA de la anualidad y gastos asociados es 10, 025v
5
5
p
55
¨ a
60
.
• El VPA de las primas futuras menos los gastos asociados es 0.95G¨ a
55:10[
Por lo tanto
3
5
V = G((IA)
1
55:5[
+5A
1
55:5[
) +100A
1
55:5[
+10, 025v
5
5
p
55
¨ a
60
−0.95G¨ a
55:10[
= $65, 469.54
Una vez que el periodo de pago de la prima ha sido completado, no hay m´ as
primas futuras para valuar, as´ı que la reserva es el VPA de pagos futuros de la
anualidad y de los gastos asociados. Por lo tanto,
15−
V = 10, 025 ¨ a
65
= $135, 836.65
y
15+
V = 10, 025a
65
=
15−
V −10, 025 = $125, 811.65
Noten que
0
V > 0 lo cual implica que los supuestos de la valuaci´ on son m´ as
conservadores que los supuestos de la prima.
3
Note que 55 ya no aparece entre corchetes porque ya pas´ o el periodo de selecci ´ on de dos
a˜ nos en la tabla de mortalidad usada.
65
Cuadro 7.4: Tasas de inter´ es ganadas en las inversiones, Ejemplo 10
A˜ no 1 2 3 4 5
Inter´ es% 4.8 5.6 5.2 4.9 4.7
Ejemplo 11. (Dickson, [2])
Considera una p´ oliza id´ entica a la estudiada en el Ejemplo 10 y sup´ ongase
que esta p´ oliza ha estado vigente por 5 a˜ nos. Sup´ ongase que sobre los pasados
5 a˜ nos la experiencia del asegurador respecto a p´ olizas similares es como
sigue:
• El inter´ es anual ganado en inversiones es como se muestra en el Cuadro
7.4
• Los gastos al inicio del a˜ no en el cual la p´ oliza fue emitida fueron 15%
de la prima.
• Los gastos al inicio de cada a˜ no despu´ es del a˜ no en que la p´ oliza fue
emitida fueron 6% de la prima.
• Los gastos de pagar un reclamo de muerte fueron, en promedio, $120
• La tasa de mortalidad, q
[50]+t
, para t = 0, 1, . . . , 4, ha sido aproximada-
mente 0.0015
Calcula el asset share para la p´ oliza al inicio de cada uno de los primeros
seis a˜ nos.
Soluci´ on:
Suponemos que la p´ oliza que estamos considerando es una de un gran n´ ume-
ro, N, de p´ olizas id´ enticas emitidas simult´ aneamente. El valor de N realmente
no afecta los resultados finales.
Sea
t
AS el asset share por p´ oliza sobreviviendo al tiempo t =0, 1, . . . , 5. Cal-
culamos
t
AS acumulando al tiempo t las primas recibidas menos los reclamos
y gastos pagados respecto a este grupo nocional de p´ olizas usando nuestros
estimados de la experiencia real del asegurador sobre este periodo y entonces
dividiendo por el n´ umero de p´ olizas sobrevivientes. Adoptamos la convenci´ on
de que
t
AS no incluye la prima y gastos relacionados al tiempo t. Con esta
convenci´ on,
0
AS es siempre 0 para cualquier p´ oliza desde que ninguna prima
habr´ a sido recibida y ning´ un reclamo y gastos habr´ an sido pagados antes del
tiempo 0. Noten que para esta p´ oliza, usando los supuestos de la valuaci´ on de
la prima especificados en el Ejemplo 10,
0
V =$490.
Las primas menos los gastos recibidos al tiempo 0 son:
0.8511, 900N = 10, 115N
Este monto acumula al final del a˜ no con inter´ es de 4.8%, dando
10, 601N
Unos 0.0015N asegurados mueren en el primer a˜ no as´ı que los reclamos
por muerte m´ as los gastos al final del a˜ no son
0.0015(11, 900+120)N = 18N
lo cual deja
10, 601N−18N = 10, 582N
al final del a˜ no. Desde que 0.9985N asegurados est´ an vivos al inicio del segun-
do a˜ no,
1
AS, el asset share para una p´ oliza sobreviviente al inicio del segundo
a˜ no, es
1
AS =
10, 582N
0.9985N
= 10, 598
Estos c´ alculos, y los de los pr´ oximos cuatro a˜ nos, son resumidos en el Cua-
dro 7.5. Como se puede ver, esta forma de calcular asset shares es mucho m´ as
intuitiva que simplemente aplicar la f´ ormula (??), y se puede mostrar que dan
exactamente los mismos resultados.
Se destaca que:
1. Como se anticipaba, el valor de N no afecta los valores de los asset share,
t
AS. El ´ unico prop´ osito de este grupo hipot´ etico de N p´ olizas id´ enticas
emitidas simult´ aneamente es simplificar la presentaci´ on.
66
Cuadro 7.5: Tasas de inter´ es ganadas en las inversiones, Ejemplo 10
A˜ no t
t
AS
1 10,598
2 23,003
3 35,967
4 49,466
5 63,509
2. La experiencia del asegurador en los 5 a˜ nos ha sido muy cercana a los
supuestos en la valuaci´ on de las reservas del Ejemplo 10. La tasa de in-
ter´ es real ha estado entre 4.7% y 5.6%, la tasa asumida en los supuestos
de las reservas es 5%. Los gastos reales, tantos los relacionados con las
primas (15% inicialmente y 6% despu´ es) y relacionados con los reclamos
($120), son un poco m´ as altos que los gastos asumidos en la valuaci´ on de
las reservas (10%, 5% y $100, respectivamente). La tasa de mortalidad
real es comparable con la tasa de la valuaci´ on de la reserva, por ejem-
plo, 0.9985
5
= 0.99252 es cercano a
5
p
[50]
= 0.99283. Como resultado
de esto, el asset share,
5
AS(=$63,509), es razonablemente aproximado al
valor de la reserva,
5
V(=$65,470).
67
Bibliograf´ıa
[1] Bowers, Newton L. et. al., Actuarial Mathematics. The Society of Actua-
ries, EUA, 2a ed., 1997.
[2] Dickson, David et. al., Actuarial Mathematics for Life Contingent Risks.
Cambridge University Press, UK, 2009.
[3] Guo, Yufeng, Arch MLC: Fall 2009. 2009.
[4] Garc´ıa, Miguel
´
Angel, Introducci´ on a la teor´ıa de la probabilidad II. Se-
gundo curso. Fondo de Cultura Econ´ omica, M´ exico, 2005.
[5] Aguilar, Pedro et. al., Fundamentos y Aplicaciones del M´ etodo de Reserva
M´ınima para Seguros de Vida (Parte I). 2005
[6] Past SOA/CAS Exam Questions, http://www.soa.org/education/exam-
req/edu-asa-req.aspx
68