TEORIA

DEL

RIESGO

APUNTES DE CLASE
 CONTENIDO

PROLOGO..............................................................................................IV

Capítulo I Principios del Cálculo de las Primas..................................1

1.1 Introducción......................................................................................... 1
1.2 Propiedades Básicas de los Principios de las Primas..........................2
1.3 Principio de la Prima Pura....................................................................3
1.4 Primas Puras Adicionadas con Cargos................................................4
1.5 Principio de Esscher.............................................................................6
1.6 Principio de la Prima Ajustada..............................................................8
Ejercicios.............................................................................................10

Capítulo II Cubrimiento Modificado de los Seguros...........................12

2.1 Introducción.........................................................................................12
2.2 Seguro del Exceso de Pérdida............................................................12
2.3 Límite de las Pólizas............................................................................16
2.4 Razón de la Eliminación de la Pérdida y Efecto de la Inflación...........18
2.5 Coaseguro............................................................................................21
2.6 El Impacto de los Deducibles sobre la Frecuencia de los Reclamos...25
Ejercicios..............................................................................................28

Capítulo III Teoría de la Utilidad.............................................................32

3.1 Introducción..........................................................................................32
3.2 Función de Utilidad...............................................................................32
3.3 El Seguro y la Utilidad..........................................................................33
3.4 Tipos de Funciones de Utilidad............................................................37
3.4.1 Función Exponencial...................................................................37
3.4.2 Función de Potencia Fraccionaria...............................................38
3.4.3 Función Cuadrática.....................................................................39
3.5 Seguros Compartidos...........................................................................40
Ejercicios..............................................................................................45

Capítulo IV Teoría del Riesgo Individual

4.1 Introducción..........................................................................................48
4.2 Modelos para Reclamos Individuales...................................................48
4.3 Suma de variables Aleatorias Independientes......................................50
4.4 Aproximaciones para la Distribución de los Reclamos Totales.............54
4.4.1 Aproximación Normal...................................................................54
4.4.2 Aproximación Gamma Trasladada...............................................57
Ejercicios...............................................................................................60
Capítulo V Modelo del Riesgo Colectivo

5.1 Introducción............................................................................................63
5.2 Distribución del Número de Reclamos...................................................63
5.3 Distribución del Valor Individual de los Reclamos..................................66
5.4 Distribución del Reclamo Total................................................................67
5.5 Proceso del Reclamo Total......................................................................70
5.6 Utilidad de Algunas Distribuciones Compuestas.....................................72
5.7 Aproximación del Modelo Individual.........................................................81
Ejercicios..................................................................................................87

Capítulo VI Teoría de la Ruina

6.1 Introducción...............................................................................................91
6.2 Un Modelo de Tiempo Continuo................................................................91
6.3 Probabilidad de la Ruina...........................................................................94
6.4 Un Modelo de Tiempo Discreto.................................................................99
6.5 Probabilidad de Sobrevivencia................................................................107
6.6 Primer Superávit Por Debajo del Nivel Inicial..........................................110
6.7 La Pérdida Total Máxima.........................................................................112
6.8 Método de De Vylder...............................................................................120
6.9 Fórmula Asintótica de Cramer y Aproximación de Tijms.........................122
Ejercicios..................................................................................................124

Capítulo VII Reaseguros

7.1 Introducción...............................................................................................128
7.2 Reaseguro Proporcional y Reaseguro del Exceso de Pérdida.................128
7.3 Dividendos.................................................................................................134
7.4 Reaseguro en el Modelo de Riesgo Colectivo..........................................136
7.4.1 Reaseguro Proporcional...................................................................137
7.4.2 Reaseguro del exceso de Pérdida...................................................137
7.5 El Reaseguro y la Teoría de la Utilidad.....................................................139
7.6 El reaseguro y la Teoría de la Ruina.........................................................143
7.6.1 Reaseguro Proporcional...................................................................144
7.6.2 Reaseguro del exceso de Pérdida....................................................146
7.6.3 Pérdida Total Máxima.......................................................................149
Ejercicios....................................................................................................153

APENDICE......................................................................................................157

Respuestas ....................................................................................................162

Bibliografía.....................................................................................................163
 PROLOGO

La teoría del riesgo constituye una parte importante en el estudio de los

seguros de no vida. Ella estudia las desviaciones de los resultados financieros
a partir de los resultados esperados y los métodos para evitar las
consecuencias adversas provenientes de tales desviaciones. La incorporación
de contratos a largo plazo en los modelos de la teoría del riesgo, hacen de las
contingencias de vida una parte importante de ella.

Este texto recopila las notas utilizadas en la enseñanza del curso “Teoría del
Riesgo”. Los temas tratados en él se desarrollan de manera que sean fáciles
de comprender con los conocimientos elementales del Cálculo Diferencial e
Integral y del Cálculo de Probabilidades. En el apéndice se hace un recuento
breve de las distribuciones de probabilidad requeridas en el desarrollo de la
teoría, en los ejemplos y en la solución de los ejercicios. También se
encuentran las fórmulas requeridas de la transformación de Laplace.

En el Capítulo I se presentan algunos principios en el cálculo de las primas,

junto con las propiedades más importantes que pueden ser atribuidas a estos
principios. El Capítulo II muestra las modificaciones que usualmente se hacen
en el cubrimiento de los seguros y las alteraciones que ello conlleva en las
distribuciones de probabilidad. En el Capítulo III se estudia la utilidad sólo
desde la perspectiva del seguro; se describen algunas funciones matemáticas
que pueden ser aplicadas como funciones de utilidad y se tratan sus usos y
límites.

En los Capítulos IV y V se estudian los modelos de riesgo individual y

colectivo. En el primero se considera el valor total de los reclamos de una
cartera como la suma de los valores de los reclamos provenientes de pólizas
individuales. En el modelo del riesgo colectivo, se considera el valor total de
los reclamos de la cartera, sin considerar las pólizas en forma individual.

En el Capítulo VI se trata nuevamente con un modelo de riesgo colectivo,

pero ahora en un periodo extenso de tiempo, con el fin de describir el modelo
de la ruina para estudiar la inestabilidad del asegurador. Por último, en el
Capítulo VII se estudia el reaseguro en el modelo del riesgo colectivo y se
analiza el papel que desempeña la teoría de la utilidad y la teoría de la ruina en
los convenios de reaseguros.

Finalmente, agradezco al Ingeniero Jorge E. Gómez M. la dedicación y el

esmero que puso en la trascripción del manuscrito nuevo.

El autor
 CAPITULO I

PRINCIPIOS DEL CÁLCULO DE LAS PRIMAS

1.1 INTRODUCCIÓN

Un seguro es un acuerdo donde por un pago estipulado, llamado “prima”, el

asegurador acepta pagar al titular de la póliza o a su beneficiario, una cantidad
definida cuando ocurre una pérdida específica. Este pago puede ser una cantidad
fija o una parte de la pérdida acaecida.

En la práctica, los aseguradores deben tener en cuenta, no sólo las

características de los riesgos que ellos aseguran, sino otros factores tales como
las primas cobradas por sus competidores.

Indicaremos por, G  X , la prima que un asegurador cobra por cubrir un

riesgo X. Cuando nos referimos a un riesgo X, ello significa que los reclamos
provenientes de ese riesgo, siguen la misma distribución de la variable aleatoria X.

Una regla que asigna un valor numérico a las primas, es mencionada como un
principio del cálculo de las primas. Una vez el asegurador ha seleccionado el
principio que va a seguir, para calcular la prima, él aun tiene el problema
estadístico de determinar, estimar o conjeturar, la distribución del riesgo X al que
el se enfrenta.

Para la mayoría de los principios del cálculo de las primas, es posible extender
el dominio de la función  , de tal manera que, la distribución del riesgo X, tenga
un rango no acotado. Sin embargo, en este caso la prima para el riesgo puede ser
infinita, en otras palabras, tal riego no sería asegurable.

En este capítulo describiremos algunas formas en las cuales, se pueden

calcular las primas, consideraremos estos cálculos sólo desde un punto de vista
matemático.

1
1.2 PROPIEDADES BÁSICAS DE LOS PRINCIPIOS DE LAS PRIMAS

Consideraremos las siguientes propiedades básicas de los principios del

calculo de las primas.

1. Cargo no Negativo. Para cualquier riesgo X

G  EX

esto es, la prima no debe ser menor que el valor esperado de los reclamos.

2. Aditividad. Si X 1 y X2, son riesgos independientes

X1  X2   X1   X2 

esto es, la prima del riesgo combinado es igual a la suma de las primas de
los riesgo individuales. Así, la unión de riesgos independientes no debe
afectar la prima total.

3. Escala constante. Para cualquier riesgo X y cualquier constante, a > 0

aX  a  X

Como ilustración supongamos que, un dólar equivale a a pesos.

Entonces, si un asegurador cobra una prima de 100 dólares, ella sería
equivalente a 100a pesos.

4. Consistencia. Para cualquier riesgo X y cualquier constante c > 0

X  c   X  c

esto es, si el beneficio se incrementa por una constante positiva, esta

constante debe ser agregada a la prima.

5. Truncamiento. Para cualquier riesgo X, si x m es su valor máximo,

X   x m

esto es, la prima no debe exceder el beneficio posible máximo. Si esta

condición no se satisface, entonces no hay incentivo alguno para que una
persona se asegure contra el riesgo X.

2
1.3 PRINCIPIO DE LA PRIMA PURA

Supongamos que un decisor debe escoger una entre n opciones: 1,2,...., n,

las cuales dan lugar a los resultados financieros aleatorios, X 1, X2,..., Xn,
respectivamente.

El decisor podría basar sus decisiones en los resultados financieros esperados,

EX1, EX2, ..., EXn , empleando el “Principio de la Prima Pura”. Escoger la opción i
de manera que EX i sea óptimo. Este principio también se conoce como el
“Principio de la Prima Neta” o “Principio de Equivalencia”.

EJEMPLO 1.1 El propietario de un bien enfrenta la pérdida X, causada por el

daño que este pueda sufrir en el año siguiente. El propietario podría pagar una
prima G a un asegurador, quien asumiría la responsabilidad total de la pérdida.
¿Qué opción escogería el propietario del bien, de acuerdo con el principio de la
prima pura?

SOLUCIÓN

De acuerdo con el principio de la prima pura, el propietario del bien escogería

la opción que minimice la pérdida esperada, en otras palabras, si

EX < G, él decidiría no asegurar

EX > G, el decidiría asegurar

EX = G, el sería indiferente entre asegurar o no asegurar.

Como es sabido, ningún asegurador vende seguros por un prima inferior a la

pérdida esperada, razón por la cual el principio de la prima pura falla en explicar la
acción de quienes adquieren seguros. Por otra parte, este principio no refleja la
actitud del decisor frente al riesgo. Por ejemplo, si X 1 y X2 son pérdidas posibles
con EX1 < EX2, entonces la Opción 1 sería la elegida aún si  X1 fuera mayor que
 X2

1.4 PRIMAS PURAS ADICIONADAS CON CARGOS

Desde el punto de vista del asegurador, el principio de la prima pura no es

atractivo puesto que, la prima pura sólo cubre la pérdida esperada del asegurador
y no incluye otros gastos por los cuales el tiene que responder.

3
 Cuado a la prima pura se le agregan, gastos, impuestos, etc., se obtiene la
llamada “Prima con Cargos”. Esta prima, indicada por G, viene dada por,

G  EX  θc, θ 0

donde θ , se conoce como el “cargo relativo por seguridad” y θc representa el

cargo sobre la prima.

Cuando c = EX, decimos que la prima con cargos se rige por el “Principio del Valor
Esperado”. De esta manera,

G  1 θ EX
La mayor deficiencia de este principio es que, asigna la misma prima a todos
los riesgos que tienen la misma media. Por ello, este principio casi siempre es
usado en el seguro de vida y sólo raras veces en el seguro de no vida; la
heterogeneidad de los riesgos, inherentes al seguro de no vida, no permite el
cálculo del promedio de las pérdidas.

Dos principios que tienen en cuenta el grado de riesgo que afronta el

asegurador, son los principios de la varianza y de la desviación estándar.
Notamos que la varianza y la desviación estándar, miden el grado de
incertidumbre de la pérdida con relación a la prima pura.

Cuando c  σ x2 , decimos que la prima con cargos se rige por el “Principio de la

Varianza”. De esta forma,

G  EX  θσ x2

Cuando c  σ x , decimos que la prima con cargos se rige por el “Principio de la

Desviación Estándar”. Así,

G  EX  θσ x

Puesto que la media de la pérdida, la desviación estándar de la pérdida y el cargo

relativo por seguridad sobre la prima, son positivos, vemos que la Propiedad 1 de
la Sección 2.2 se cumple para los tres principios anteriores. Por otra parte, la
propiedad de truncamiento sólo se cumple si,

θc  xm  EX

Las demás propiedades mencionadas en la Sección 2.2, serán consideradas en

los ejercicios.

4
EJEMPLO 1.2 Suponga que la pérdida X tiene los valores 0, 40 y 100, con
probabilidades 0,90, 0,08 y 0,02, respectivamente. El cargo relativo por seguridad
sobre la prima es 0,10. Calcule la prima con cargos, de acuerdo con los tres
principios descritos.

SOLUCIÓN

La pérdida esperada es

EX = 40(0,08) + 100(0,02)

= 5,20

Así, la forma general de la prima con cargos es,

G = 5,20 + 0,10c

De acuerdo con el principio del valor esperado, la prima con cargos es

G = (1 + 0,10)(5,20)

= 5,72

La varianza de la pérdida X es,

σ x2  0  5,20 2 0,90   40  5,20  0,08  

2
100  5,20 2 0,02 
= 300,96

Entonces, de acuerdo con el principio de la varianza, la prima con cargos es,

G = 5,20 + 0,10(300,96)

= 35,30

y según el principio de la desviación estándar, la prima con cargos es,

G = 5,20 + 0,10(300,96)1/2

= 6,93

5
1.5 PRINCIPIO DE ESSCHER

Supongamos que el riesgo X es una variable aleatoria positiva, con función de

densidad f y con función de distribución F. Según el principio de Esscher, la
prima es definida por,


E Xe hX 
G  , h0
Ee  
hX

~
y puede interpretarse como la prima pura de un riesgo X con función de densidad,

e hx f x 
qx   

 e f x dx
hx

~
La función de distribución de X ,

x
Qx   e hy f  y dy
1
M X h  0

se conoce como la “Transformación de Esscher de F con parámetro h”. La función

~
generatriz de momentos del riesgo X , viene a ser,

MX t  h
MX~ t  
MX h

El principio de Esscher no es de escala constante. Esta afirmación se puede

comprobar como sigue:


E aXe haX 
aX    aX 
Ee   haX

Según el principio de Esscher, la prima tiene un cargo no negativo. Para

comprobar esta afirmación notamos que, para h = 0

~
G  EX  EX

Para h  0

6
 M' X h 
 M' X~ 0 
~
EX
M X h 

Así,

M' ' X h M X h   M' X h 

2
dG

dh M X h 2


~
   
~2
E X 2  EX  0

Entonces, G es una función no decreciente de h y por lo tanto, G ≥ EX para todo h

≥ 0. Las otras propiedades son consideradas en los ejercicios.

EJEMPLO 1.3 Suponga que el riesgo X tiene distribución exponencial con

parámetro λ . Con parámetro h h  λ  calcule, la prima según el principio de
Esscher y la transformación de Esscher de F.

SOLUCIÓN

La función generatriz de momentos del riesgo X es,

λ
M X t   , tλ
λt

Entonces,

λ-h
MX~ t   , ht  λ
λht

~
Así, el riesgo X tiene distribución exponencial con parámetro λ  h . Por lo tanto,
la prima según el principio de Esscher es,

~ 1
G EX 
λh

y la transformación de Esscher de F es,

Q x   1  e   λ  h x
▼

7
1.6 PRINCIPIO DE LA PRIMA AJUSTADA

Supongamos que el riesgo X es una variable aleatoria no negativa, con función

de distribución F. Según el principio de la prima ajustada, la prima es definida
por,

 PX  x
1/ ρ
G  dx
0

 1  Fx dx
1/ ρ

0

donde ρ  ρ  1 , es conocida como el “índice del riesgo”. La prima G, puede

interpretarse como la prima pura de un riesgo X* con función de distribución,

Hx  1  PX  x

1/ ρ

 1  1  Fx
1/ ρ

La prima ajustada es consistente. En efecto,


X  c    PX  c  x
1/ ρ
dx
0

 PX  x  c
1/ ρ
 dx
0

c 

 PX  x  c dx  PX  x  c

1/ ρ 1/ ρ
  dx
0 c

Puesto que el riesgo X es no negativo,

PX  x  c  1 para xc

Además, si en la segunda integral tomamos, z = x – c, concluimos que,

X  c   c  X

Con una ilustración mostraremos que la prima ajustada no es aditiva. Para ello
consideramos dos riesgos independientes y distribuidos idénticamente, X 1 y X2
con,

8
 PX i  0  0,7 y PX i  1  0,3 i  1,2

Asumiendo un índice del riesgo, ρ  2 , tenemos

Xi   PXi  01/ 2  PXi  1

1/ 2

= (0,3)1/2

Entonces

X1   X2   1,095

X1  X2   PX1  X2  01/ 2  PX1  X2  1

1/ 2
 PX1  X2  2
1/ 2

= 1,014

Las otras propiedades son consideradas en los ejercicios.

EJEMPLO 1.4 Suponga que el riesgo X tiene distribución Pa α, β  . Calcule la

prima ajustada.

SOLUCIÓN

α
 β 
1  Fx    
 β  x

Así,
α/ρ
 β 
Hx   1   
 β  x

Entonces, el riesgo X* tiene distribución Pa  , β

α
ρ
y por consiguiente, la prima
ajustada es,

βρ
G  EX *  , ρα
αρ

9
EJERCICIOS

1.4 PRIMAS PURAS ADICIONADAS CON CARGOS

1.1 Compruebe que el principio del valor esperado es aditivo y de escala

constante pero no es consistente.

1.2 Según el principio del valor esperado, la prima con cargos, para un riesgo X
es dada por,

G  h 1 EhX 

donde h(x) = x 2, x > 0 y X tiene distribución 3,1 . Calcule G

1.3 Compruebe que el principio de la varianza es aditivo y consistente, pero no

es de escala constante.

1.4 Compruebe que el principio de la desviación estándar es consistente y de

escala constante, pero no es aditivo.

1.5 PRINCIPIO DE ESSCHER

1.5 Suponga que el riesgo X tiene distribución Ji – dos con 2 grados de libertad.
Con parámetro 1/3, calcule la prima según el principio de Esscher.

1.6 Suponga que el riesgo X tiene distribución 4; 0,04 y que la prima G = 250,
ha sido calculada por el principio de Esscher con parámetro h. Calcule el
valor de h.

1.7 Sea F la función de distribución de una variable aleatoria que tiene

distribución de Poisson con media 2. Calcule la transformación de Esscher
de F con parámetro ln(1,90) en el punto 2.

1.8 Compruebe que el principio de Esscher es aditivo, consistente y satisface la

propiedad de truncamiento.

1.6 PRINCIPIO DE LA PRIMA AJUSTADA

1.9 Suponga que el riesgo X tiene distribución exponencial con media 1/4.
Calcule la prima ajustada, cuando el índice del riesgo es 2,6

1.10 Suponga que el riesgo X tiene distribución Uniforme sobre el intervalo (2, 5).
Calcule la prima ajustada, cuando el índice del riesgo es 1,5.

10
1.11 Compruebe que la prima ajustada tiene un cargo no negativo, es de escala
constante y cumple la propiedad de truncamiento.

1.12 Suponga que el riesgo X tiene distribución Ji-dos con 2 grados de libertad.
Cuando el índice de riesgo es ρ , la prima ajustada del riesgo 3X + 2 es 11,6.
¿Cual es el valor de ρ ?.

11
 CAPITULO II

CUBRIMIENTO MODIFICADO DE LOS SEGUROS

2.1 INTRODUCCIÓN

Cuando se suscribe una póliza de seguros, el titular de esta, llamado “decisor”,

no siempre consigue el cubrimiento total de las pérdidas. En algunos casos el
seguro cubre las pérdidas hasta un límite específico, después del cual, ellas son
asumidas por el decisor. En otros casos el decisor asume las pérdidas hasta un
valor estipulado en la póliza. También se presentan los casos en que el seguro
sólo cubre una proporción de la pérdida.

En este capítulo analizaremos los casos mencionados antes y enfocaremos

nuestra atención en funciones aleatorias naturales en el contexto de los seguros.

2.2 SEGURO DEL EXCESO DE PÉRDIDA

Con frecuencia en los seguros, el decisor asume las pérdidas hasta un valor d,
estipulado en la póliza y que se designa con el nombre de “deducible”. Cuando la
pérdida excede este valor, el seguro paga el excedente o paga la totalidad de ella.
En el primer caso recibe el nombre de “deducible ordinario” y en el segundo caso,
d es llamado “deducible eximido”.

Inicialmente trataremos con el deducible ordinario. En este caso, la pérdida es

indicada por la variable aleatoria X, y así, el “costo por pérdida” es dado por

 0 si Xd
Y  
X  d si Xd

 X  d 

12
 Hay una fórmula conveniente para calcular el costo esperado por pérdida. El
desarrollo se presenta para la versión continua, pero el resultado se cumple para
todas las variables aleatorias.


EX  d      x  d d 1  FX x 
d


  1  FX x dx (2.1)
d

Para un valor dado de d, con PX  d   0 , la variable “costo por pago” es dada
por, Yp  Y / Y  0. Para los eventos monetarios, la diferencia entre el costo por
pérdida y el costo por pago es que, el primero toma el valor cero cuando una
pérdida no produce pago alguno, mientras que, el costo por pago existe sólo
cuando hay un pago ( no está definido para X  d . La función de distribución del
costo Yp es,

FYp  PX  y  d / X  d 

FX  y  d   FX d 

1  FX d 

El valor esperado de la variable Yp , usualmente indicado por e X d  o ed  , el

llamado “pérdida media en exceso”. El k-ésimo momento de Yp es,

eKX d  

E X  d 
K
 (2.2)
1  FX d 

Cuando la variable X señala una pérdida, EYp indica el pago esperado dado
que, ha habido una pérdida en exceso de un deducible d. Cuando la variable X
señala la edad al deceso de una persona, EYp indica el tiempo restante esperado
de vida, dado que la persona esta viva a la edad d, en este último caso, EYp
constituye la esperanza completa de vida de una persona de edad d y se
o
representa por e d . Esta afirmación se verifica en la forma siguiente.


1
1  FX  y dy
1  FX d  d
EYp 


S y 
  Sd  dy
d

13
Donde S es la función de sobrevivencia de la persona de edad d. Tomando
y  t  d tenemos


Sd  t 
EYp   Sd 
dt
0


  t pd dt
0

o
 ed

A continuación trataremos con el deducible eximido. Este deducible difiere del

deducible ordinario en que, cuando la pérdida excede el deducible, ella se paga en
su totalidad. Una ilustración se presenta en un seguro por incapacidad, donde por
ejemplo, si una incapacidad dura siete o menos días, ningún beneficio se paga.
Sin embargo, si la incapacidad se prolonga más allá de los siete días, los
beneficios diarios se pagan con retroactividad desde el comienzo de la
incapacidad. En conclusión, un deducible eximido modifica el deducible ordinario,
adicionando el deducible cuando hay un pago positivo. El costo por pérdida es
dado por,

0 si X  d
Y  
 X si X  d

Como es usual, el costo por pago es una variable aleatoria condicional.

Cuando hay un deducible eximido d, la función de distribución del costo por pago
es

FYp  y   PX  y/x  d 

FX  y   FX d 

1  FX d 

EJEMPLO 2.1 Calcule el costo esperado por pérdida cuando hay un deducible
eximido de 500 y la pérdida X sigue la distribución de Pareto con parámetros
α  3 y β  2.000 .

SOLUCIÓN

El costo esperado por pérdida es,

14
 
EY   xf X x dx
500


   xd 1  FX x 
500


   1  FX x dx  500 1  F500 
500

 3
 2.000 
   x  2.000  dx  5000,8
3

500

= 896

EJEMPLO 2.2 Calcule el costo esperado por pago cuando hay un deducible
ordinario de 200 y la pérdida X sigue la distribución Gamma con parámetros   2
y   0,001

SOLUCIÓN

Para un deducible de 200, el costo esperado por pérdida es,

EX  200  
0,0012  x  200 xe  0,001x dx
 
2 200

Haciendo el cambio de variable, y  x  200 , tenemos

EX  200  
0,0012  y  y  200 e  0,2e  0,001y dy
 
2 200

 2.200 e 0,2

Entonces, el costo esperado por pago es,

2.200 e 0,2
e200  
1,2e  0,2

15
  1.833,33
▼

2.3 LÍMITE DE LAS PÓLIZAS

Para algunos seguros las pólizas estipulan un límite sobre las pérdidas, a partir
del cual ellas son cubiertas por el decisor. Cuando la pérdida es indicada por la
variable aleatoria X y u es el límite de la póliza, la “pérdida limitada” es dada por

X u  mínx,u

La variable X  u , también podría llamarse “variable restringida a derecha”,

porque los valores por encima de u , se colocan iguales a u . Cuando hay un
deducible d, que a su vez constituye el límite de la póliza de seguros, tenemos la
relación,

X  d   Xd  X

esto es,

EX  d    EX  d   EX (2.3)

Esta relación indica que, comprar una póliza con un límite d y otra póliza con un
deducible d, es equivalente a comprar el cubrimiento total.

El k-ésimo momento de la pérdida limitada es,

 
u
E X  u   x f X x dx  u k 1  FX u 
k k
(2.4)


cuando X es una variable continua y es,


E X  u 
k
   xik pxi   u k 1  FX u  (2.5)
xi  u

cuando X es una variable discreta. En el primer caso se deduce otra fórmula

como sigue,

 
0 u
E X  u    x dFX x    u d 1  FX x   u 1  FX u 
k k k k

 0

16
mediante integración por partes tenemos,

 
0 u
E X  u   kx FX x dx   kx 1  FX u dx
k 1 k 1
 
k
(2.6)
 0

La fórmula correspondiente a variables aleatorias discretas se obtiene de manera

similar. En cuanto a las estimaciones empíricas se refiere, ellas se pueden
obtener para los datos individuales x1, x2 ,..., xn , mediante la fórmula,


E X  u 
k
 
1 
 
n  xi  u
xik   u k 

(2.7)
xi  u 

EJEMPLO 2.3 Un analista de riesgos recibe una bonificación del 25% de la

cantidad por la cual la pérdida es menor que 120. Si con este límite la pérdida
esperada es 72, calcule la bonificación que espera recibir el analista.

SOLUCIÓN

Con B indicaremos la bonificación recibida por el analista de riesgos. Sin tener

en cuenta el porcentaje de la bonificación y para un límite u

u  X   u  X  u 

En este caso particular, la bonificación esperada viene a ser,

EB  0,25Eu  X  

 0,25120  72

 12
▼

EJEMPLO 2.4 Una muestra de tamaño 2.000 contiene 1.700 observaciones

menores de 6.000, 30 observaciones mayores que 6.000 pero no mayores que
7.000 y 270 observaciones mayores que 7.000. La cantidad total de las 30
observaciones que están entre 6.000 y 7.000 es 200.000. Para la distribución
empírica asociada con estas observaciones, EX  6.000  1.810 . Determine
EX  7.000 para la distribución empírica.

17
SOLUCIÓN

Sea x i la i-ésima pérdida, i = 1,2,..., 2.000. Entonces

xi  6.000 para i  1,...,1.700

6.000  xi  7.000 para i  1.701,....,1.730

xi  7.000 para i  1.731,...., 2.000

1.730
 xi  200 .000
i 1.701

Además

1.700 2.000
EX  6.000 
1 6.000
  xi
2.000
 
i 1 i 1.701 2.000

= 1.810

Entonces

1.700 1
 xi 2.000  910
i 1

Por lo tanto,

1.700 1.730 2.000

EX  7.000  
xi xi 7.000
 2.000
  2.000  
i 1 i 1.701 i 1.731 2.000

 910  100 
7
2.000  1.730 
2

 1.955

18
2.4 RAZÓN DE LA ELIMINACIÓN DE LA PÉRDIDA Y EFECTO DE LA
INFLACIÓN

Para un deducible ordinario d, la “razón de la eliminación de la pérdida”, es la

razón de la disminución en el pago esperado con el deducible, al pago esperado
sin el deducible.

Cuando la pérdida aleatoria es dada por la variable aleatoria X vemos que, sin
el deducible, el pago esperado es EX y con el deducible, el pago esperado es,
EX  d  . Por lo tanto, la razón de la eliminación de la pérdida es,

EX  EX  d   EX  d 
 (2.8)
EX EX

La inflación incrementa los costos pero a su vez, cuando hay un deducible, el

efecto de la inflación es aumentado, algunos eventos que anteriormente
produjeron pérdidas por debajo del deducible, ahora ocasionarán pagos.

Con un inflación uniforme del 100r%, las pérdidas son dadas por la variable
aleatoria, Y  1  r X . Entonces,

Y  d   1  r X  d 


donde, d   d / 1  r  . Así, para un deducible ordinario d, el costo esperado por

pérdida, después de la inflación del 100r% es,

EY  d    1 
 r E X  d   (2.9)

 
y como, Fy d   FX d  , el costo esperado por pago, con la inflación del 100r% es,

EY  d  
e Y d  
1  E Y d 

 1  
 r e X d  (2.10)

Para un límite u de la póliza,

Yu  1 
 r  X  u 
Donde, u   u / 1  r  . Así, para un límite u de la póliza, el costo esperado con la
inflación uniforme del 100r% es,

19
 EY  u   1 
 r  E X  u  (2.11)

El concepto de una razón de la eliminación de la pérdida es aun válida.

EJEMPLO 2.5 La pérdida X tiene distribución de Pareto con parámetros α  3 y

β  2.000 . Determine el efecto de una inflación del 10% sobre un deducible
ordinario de 500.

SOLUCIÓN

EX = 1.000 y los costos esperados por pérdida y por pago son

respectivamente,

  3
 2.000 
 1  FX x dx    x  2.000  dx
500 500

= 640

e x 500 
640
1  FX 500

Ahora, con una inflación del 10%

2.000   
2

EX  2.000
 5001,1  1    
2   2.000  500 1,1 
 

= 336,08

Después de la inflación el costo esperado por pérdida es,

1,1EX  EX  5001,1  730,32

Que representa un incremento del 14,11% del costo esperado por pérdida sin
inflación.

La función de distribución de la variable Y = 1,1X es,

20
 FY 500   FX 500 / 1,1

 0,459

Entonces, con la inflación el costo esperado por pago es,

730,32 / 1  0,459  1.350

que representa un incremento del 8% del costo esperado por pago sin inflación.

2.5 COASEGURO

Otra modificación común en el cubrimiento de los seguros es el “coaseguro” o

“seguro proporcional”. En este caso la compañía de seguros paga una proporción
a de la pérdida y el titular de la póliza paga la fracción restante. La proporción a
llamada “factor del coaseguro” o “factor de proporcionalidad”, se paga después de
que se han aplicado cualesquiera otras modificaciones (tales como deducibles o
límites). Algunas veces la palabra “coaseguro” se refiere a la proporción pagada
por el titular de la póliza.

Si el coaseguro es la única modificación, la variable aleatoria X que indica la

pérdida total, se cambia por la variable aleatoria, Y = aX, que indica la pérdida
cubierta por el asegurador. Cuando se presentan todas las modificaciones,
(deducible ordinario, límite, coaseguro e inflación), se tiene la siguiente
generalización de la pérdida cubierta por el asegurador.

 0 si X  d


a1  r X  d  si d  X  u
 
Y 


 a u - d  si X  u

donde,

d u
d  y u 
1 r 1 r

La cantidad au  d  es el beneficio máximo que se paga y por ello se llama el

“límite de la póliza”. La cantidad u es la pérdida máxima cubierta; esto es, u es la
pérdida por encima de la cual, ningún beneficio adicional se paga. La variable
aleatoria YP, que indica el pago, no está definida para X  d  .
Los resultados anteriores se pueden combinar para obtener el costo esperado
por pérdida,

21
 EY    
a 1  r  E X  u   E X  d   (2.12)

El costo esperado por pago viene a ser,

EY

EYP
1  FX d    (2.13)

Para comprobar la fórmula (2.12), escribimos la variable Y en la forma

siguiente:

X si X  d  X si X  d

 

Y  a 1  r  X si d   X  u  a 1  r d  si d   X  u
   

u si X  u 
d si X  u

Entonces

EY   
a 1  r  E X  u   E X  d  
 
 
Los segundos momentos de las variables que representan la pérdida y el pago
son,

 
E Y2 
2
 
  

a 2 1  r   E X  u    E X  d  
2 2

 

 
 2d  E X  u   E X  d     (2.14)

  
E Y2  
E YP2
1  FX d    (2.15)

El segundo momento de Y se calcula en la forma siguiente:

u
EY  
2
 a 1  r 
2 2
 x  d  f X x dx

 a 2 u  d  1  F u 
2
  

d

Entonces

22
  
E Y2 u
   
d  u
 
d
 

 X  X  X  X

 x f 2
x dx  x f x dx  2 d 
2
xf x dx  xf x dx 
a 2 1  r 
2
  
   

   
 d 2 F u   Fd   u   d  1  F u   2
 
  
E X  u    u 2 1  FX u 

2

    EX  d   

d 2 1  FX u   

 
 2d  E X  u   u  1  FX u      EX  u   u 1 F d 
 
X


   
 d 2 F u   Fd   u   d  1  F u  
2
 
    
E  X  u    E  X  d    2d  E X  u   E X  d 

2
 
2

   

EJEMPLO 2.6 Determine la varianza del costo por pérdida para la distribución de
Pareto con parámetros α  3 y β  200 , con un deducible de 50 y un límite de la
póliza de 250. Nótese que la pérdida máxima cubierta es 300.

SOLUCIÓN

m
EX  m   αβ xx  β  dx  m1  FX m 
α  α 1

0

β   β  
α 1
 1    , α 1
α 1  m  β  
 
y

 
m
E X  m  x x  β  dx  m 2 1  FX m 
 α 1
 αβ
α 2

2

α α
2
m  2β 
 β    m  
m β m β

Entonces, en este caso particular,

EX  50  36 EX  300  84

23
 
E X  50
2
  1.600 y 
E X  300
2
  14.400

Tomando a = 1 y r = 0, en las fórmulas (2.12) y (2.14), hallamos

EY  48 y  
E Y2  8.000

Por lo tanto, Var(Y) = 5.696.

▼

EJEMPLO 2.7 El costo X de los medicamentos sigue la distribución de Pareto con

parámetros α  2 y β  200 . Los costos anuales para un asegurado están sujetos
a las provisiones siguientes:

i) El asegurado paga el 100% de los costos, hasta un deducible ordinario de 25.

ii) El asegurado paga el 25% de los costos entre 25 y 225.
iii) El asegurado paga el 100% de los costos hasta que el asegurado ha pagado
en total 360.
iv) El asegurado paga el 5% de los costos restantes

Determine el pago esperado anual del plan.

SOLUCIÓN

El plan paga la cantidad:

 0 si X  25
0,75 X  25  25  X  225
 si
Y  
0,75 225  25   150 si 225  X  0,75 225  25   360  510
150  0,95 X  510  si X  510

 0 si X  25

 0,95 X  510   0,75 X  25  si 25  X  225
0,75 225  25   150 si X  225


Entonces,

EY  0,95EX  EX  510  0,75EX  225  EX  25

Utilizando las fórmulas dadas en el Ejemplo 2.6, hallamos EY = 116,27.

24
2.6 EL IMPACTO DE LOS DEDUCIBLES SOBRE LA FRECUENCIA DE LOS
RECLAMOS

En el análisis del efecto que producen las modificaciones que se hacen a las
pólizas, se tiene en cuenta el comportamiento de la frecuencia de los pagos,
cuando se impone o se cambia el deducible (ordinario o eximido). Cuando un
deducible es impuesto o incrementado, habrá menos pagos por periodo mientras
que, si el deducible es reducido habrá más pagos.

En un periodo dado de tiempo sean, N el número de pérdidas que pueden

ocurrir, NP el número de pagos que se hacen y X j el valor de la j-ésima pérdida.
Sea Ij la variable aleatoria indicadora:

1 si la j  ésima pérdida resulta un pago

Ij  
0 en caso contrario j  1,2,..., N

La variable aleatoria NP puede escribirse entonces como:

NP  I1  I 2    I N

Notamos también que la variable Ij tiene distribución de Bernoulli con media v,

donde v es la probabilidad de que una pérdida de lugar a un pago. La función
generatriz de probabilidad de la variable Ij tiene la forma,

g I j t   1  vt  1 (2.16)

Asumimos que las variables I1, I2,...., son mutuamente independientes e

independientes de N; esto es, la variable NP tiene una distribución compuesta. En
este caso la función generatriz de probabilidad de la variable NP tiene la forma:
gNP t   
E E tN / N
P

 
E E t I1 t I1  t I N / N 
 
E g I j t 
N

 
gN g I j t  
 gN 1  vt  1 (2.17)

En las aplicaciones es posible que se desee establecer la distribución del

número N de pérdidas que pueden ocurrir a partir del número NP de pagos que se

25
hacen. En este caso se acude a la función generatriz de probabilidad de N que
tiene la forma:

gN t   
gNP 1  v 1t  1  (2.18)

EJEMPLO 2.8 Las pérdidas tienen distribución de Pareto con con parámetros
α  3 y β  1.000 y hay un deducible de 250. El número N de pérdidas en un año
dado sigue la distribución Binomial negativa con media 6 y varianza 24. Calcule el
número esperado de pagos en el mismo lapso.

SOLUCIÓN

De la información dada sobre el número de pérdidas, deducimos que la

variable N tiene distribución Binomial Negativa con parámetros r = 2 y p = ¼.
Entonces la función generatriz de probabilidades de la variable N tiene la forma:

2
 14 
gN t    
1  3 t 
 4 

Así, la función generatriz de probabilidad del número de pagos es,

2
 1 
gNP t   
3
4 
1 
 4
1  v t  1 

2
 1 
 
  1  3v 
 3v 
 1  1  3v t 
 

Entonces, la variable NP tiene distribución Binomial Negativa con parámetros r = 2

y p  1  3v  , de donde se desprende que, ENP = 6v.
1

Sea ahora X la variable aleatoria que señala el valor de las pérdidas.

Entonces, la probabilidad de que una pérdida de lugar a un pago es,

v  PX  250

3
 1.000 
  
 1.000  250 

26
 = 0,512

En consecuencia, el número esperado de pagos en el año considerado es

6v  3,072

27
EJERCICIOS

2.2 DEDUCIBLES

2.1 Calcule el costo esperado por pérdida, cuando hay un deducible ordinario de
3 y la pérdida tiene distribución Binomial con media 8 y varianza 1,6.

2.2 Calcule el costo esperado por pérdida, cuando hay un deducible eximido de
5 y la pérdida tiene distribución Binomial Negativa con media 4/3 y varianza
20/9.

2.3 La variable aleatoria X tiene la función de densidad mixta,

1/ 2 si x  10

f x   1/ 40 si 10  x  20
1/ 4 x  20
 si

Calcule EX / X  16

2.4 La pérdida sigue la distribución exponencial. Un deducible d es escogido de

manera que, el costo esperado por pérdida sea el 70 % del costo esperado
por pago. Si el deducible se duplica, ¿en cuánto se reduce este porcentaje?

2.5 Para las variables aleatorias X1 y X2, e X 2 30   e X1 30   7. La variable X 1

tiene distribución Uniforme sobre el intervalo [0, 80] y la variable X 2 tiene
distribución Uniforme sobre el intervalo [0, w]. Determine w.

2.3 LÍMITE DE LAS PÓLIZAS

2.6 En una población cuya edad límite es u, la edad al deceso sigue la

distribución Uniforme sobre el intervalo [0, u]. Si la edad esperada límite al
deceso es 47 halle u.

2.7 En un seguro cuya póliza tiene un límite de 648, el valor pagado por un
reclamo tiene la función de distribución:

 0 si x  0
F x     0,001x
1  0,3e si x  0

Calcule el límite esperado de los reclamos.

28
2.8 Antes de que se aplique cualquier deducible, las pérdidas tienen una
distribución como se refleja en la tabla siguiente:

x F(x) EX  u 
10.000 0,6 6.000
15.000 0,7 7.700
22.500 0,8 9.500
32.500 0,9 11.000
 1 20.000

Con un deducible ordinario por pérdida de 10.000, calcule el costo esperado

por pago.

2.9 El valor de los reclamos a una compañía de seguros sigue la distribución

Exponencial con media 5.000. Para mejorar su rendimiento la compañía
impone un deducible de 500 por reclamo y un cubrimiento máximo por
pérdida de 29.000. Previamente no había deducible ni límite alguno.
Calcule el ahorro promedio por reclamo si se impone el deducible y el límite.

2.10 El valor X de los reclamos en un plan de salud sigue la distribución de

Pareto con parámetros α  2 y β  500 . El plan implementa un incentivo a
los médicos que paga una bonificación del 30% de la cantidad por la cual el
valor límite de los reclamos es inferior a 500; en caso contrario ninguna
bonificación se paga. Se anticipa que con el plan de incentivación, la
distribución del valor de los reclamos se cambia a una distribución de Pareto
con parámetros α  2 y β  K . Con la nueva distribución, la suma de los
valores esperados de los reclamos y las bonificaciones esperadas, es igual
al valor esperado de los reclamos antes del sistema de bonificación.
Determine el valor de K.

2.4 RAZÓN DE LA ELIMINACIÓN DE LA PÉRDIDA Y EFECTO DE LA

INFLACIÓN

2.11 Las pérdidas tienen una distribución exponencial con una media de 1.000 y
hay un deducible de 200. Halle la cantidad en que se tendría que
incrementar el deducible, para duplicar la razón de la eliminación de la
pérdida.

29
2.12 Las pérdidas tienen una media de 1.955. Con un deducible de 1.000 la
razón de la eliminación de la pérdida es 0,32. La probabilidad de que una
pérdida sea mayor que 1.000 es 0,4. Halle el valor promedio de una pérdida
que sea menor o igual que 1.000.

2.13 En el año a las pérdidas siguieron la distribución Uniforme sobre el intervalo

[0, 2.500]. Una inflación del 3% impactó uniformemente todas las pérdidas
del año a al año a + 1. En el año a se aplicó un deducible de 120 a todas las
pérdidas. Halle la razón de la eliminación de la pérdida para el año a + 1.

2.14 Las pérdidas en el año a siguen la distribución exponencial con media 10.
Una inflación del 10% impacta uniformemente todas las pérdidas del año a al
año a + 1. En el año a + 1 se aplica un deducible d a todas las pérdidas.
Halle la probabilidad de que la cantidad pagada en el año a + 1 sea inferior a
4,0

2.15 Las pérdidas tienen distribución de Pareto con parámetros α y β . Con un

deducible d, el costo esperado por pérdida es 1.105, el costo esperado por
pago es 1.778 y la razón de la eliminación de la pérdida es 0,3021. Con el
deducible 2d calcule el costo esperado por pago.

2.5 COASEGURO

2.16 La distribución de las pérdidas X, causadas por los reclamos en el año a,

tiene la función de frecuencia, PX  1.000k   1/ 6 , para k = 1,2,...,6. Una
inflación del 5,2% impacta uniformemente todos los reclamos del año a al
año a + 1. En estos dos años, sobre cada pérdida hay un deducible de
1.500 y un coaseguro del 90%. ¿En qué porcentaje se incrementa el costo
esperado por pérdida del año a al año a +1?

2.17 Las pérdidas tienen una distribución Uniforme sobre el intervalo [0, 50.000].
Hay un límite de 25.000, un deducible de 5.000 y un coaseguro del 72%.
Dado que se hace un pago, halle su valor esperado.

2.18 Las pérdidas este año tienen una distribución tal que, EX  d   0,025 d 2
 1,465 d  2,250 para d = 10, 11, ..., 26. El año siguiente las pérdidas se
incrementan uniformemente en un 10%. Un seguro reembolsa el 72% de
las pérdidas sujetas a un deducible de 11 hasta un reembolso máximo de
11. Halle el reembolso del año siguiente.

2.19 La pérdida X tiene la función de distribución,

0,01x 2 0  x  100
F x 
si
 
 1 si x  100

30
 Un seguro paga el 70% de la pérdida en exceso de un deducible ordinario
de 20, sujeta a un pago máximo de 60 por pérdida. Calcule la pérdida
esperada en exceso.

2.20 Las pérdidas tienen una distribución Lognormal con parámetros

μ  10 y σ  1. Para las pérdidas inferiores a 56.000 ningún pago se hace.
Para las pérdidas entre 56.000 y 100.000 se paga la totalidad de la pérdida.
Para las pérdidas superiores a 100.000 se paga el límite de 100.000.
Determine el costo esperado por pérdida.

2.6 EL IMPACTO DE LOS DEDUCIBLES SOBRE LA FRECUENCIA DE LOS

RECLAMOS.

2.21 El número N de pérdidas en un año sigue la distribución Binomial Negativa

con parámetros r = 3 y p = 1/6, y hay un deducible de 300. Las pérdidas
tienen distribución de Weibull con parámetros α  0,7 y β  1.000 . Calcule
el número esperado de pagos en el mismo lapso.

2.22 Las pérdidas tienen distribución Exponencial con media 1.000 y hay un
deducible de 400. El número N de pérdidas en un año dado sigue la
distribución Binomial con media 6. Calcule el número esperado de pagos en
el mismo lapso.

2.23 Las pérdidas tienen distribución Gamma con media 2.000 y varianza
2’000.000 y hay un deducible de 600. El número de pagos en un año dado
sigue la distribución Binomial con media 6. Calcule el número esperado de
pérdidas en el mismo lapso.

2.24 Las pérdidas tienen una distribución con función de densidad,

   
f x   2 10 6 x exp  10 6 x 2 y un deducible de 500. El número N de
pérdidas en un año dado sigue la distribución de Poisson con media 12.
Calcule el número esperado de pagos en el mismo lapso.

2.25 Las pérdidas tienen una distribución con función de densidad,

 
f x   16 10 6 xe 0,004x , x  0 y un deducible de 100. El número N de
pérdidas en un año dado sigue la distribución Geométrica con
PN  0  1/ 6 . Calcule el número esperado de pagos en el mismo lapso.

31
 CAPÍTULO III

TEORÍA DE LA UTILIDAD

3.1 INTRODUCCIÓN

La teoría de la utilidad tiene muchas aplicaciones, particularmente en el

campo de los seguros. Ella provee a un decisor que enfrenta un riesgo, un
discernimiento en la toma de decisiones.

Empezamos definiendo una función de utilidad y luego describiremos

algunas funciones matemáticas que podrían tomarse como funciones de
utilidad.

Puesto que es común que los decisores sean adversos al riesgo, esto es,
decisores que prefieren pagar una prima mayor que la prima pura,
consideraremos funciones de utilidad que asumen esta característica.

3.2 FUNCIÓN DE UTILIDAD

Para describir el comportamiento de un decisor frente al riesgo, empleamos

una función de utilidad u(x) cuyo dominio consta de las perspectivas o de los
resultados que él enfrenta y cuyo rango está compuesto de números reales,
llamados “utilidades”.

Con el propósito de analizar la toma de decisiones se requiere que, el

decisor estime numéricamente sus preferencias, entre los resultados que está
considerando. Las funciones de utilidad sirven en este caso para que el
decisor señale sus preferencias de acuerdo con la clasificación que él haga de
los resultados o de las perspectivas que enfrenta.

Una vez el decisor ha establecido su función de utilidad, ella puede ser

usada para comparar dos resultados económicos aleatorios, a saber X 1 y X2.
El podrá expresar alguna preferencia por una de las distribuciones de los
resultados o indiferencia entre ellas. Además, las preferencias deben
satisfacer ciertos requerimientos de consistencia. Si es así, la función de
utilidad u(x) es tal que, si la distribución de la variable aleatoria X 1 es preferida a
la distribución de la variable aleatoria X 2,

32
 EuX1  EuX2 

y si el decisor es indiferente entre las dos distribuciones,

EuX1  EuX2 

EJEMPLO 3.1 La función de utilidad de un decisor es dada por, u(x) = -℮-2x,

x0 Además, el decisor tiene dos resultados económicos aleatorios
disponibles, a saber, X 1 y X2 que siguen la distribución exponencial con
parámetros 3 y 6, respectivamente. Cuál de los dos resultados es preferible
para el decisor?

SOLUCIÓN

Observamos que,

EuX   MX  2

En esta forma, si la variable X tiene distribución exponencial con parámetro λ ,

λ
Eu X   
λ2

Entonces, las utilidades esperadas del decisor, correspondientes a sus

resultados económicos disponibles, son

EuX1   0,60 y EuX2    0,75

En consecuencia, el resultado X 1 es preferible para el decisor.

3.3 EL SEGURO Y LA UTILIDAD

Consideremos un decisor que tiene una propiedad que puede ser dañada o
destruida en el siguiente periodo de contabilidad. Asumiremos la pérdida,
indicada por X (X ≥ 0), es aleatoria y tiene una distribución de probabilidad
conocida.

Suponemos ahora que el decisor emplea una función de utilidad u(w) donde
su fortuna w es medida en términos monetarios. La prima máxima G, que un
decisor estaría dispuesto a pagar de tal manera que él sea indiferente entre
pagar el valor G al asegurador y asumir él mismo el riesgo, puede determinarse
de la ecuación de equilibrio de la utilidad

33
 uw  G  Euw  X  (3.1)

Donde u(w – G) representa la utilidad obtenida por el decisor luego de pagar G

por una protección financiera completa y E[u(w – X)] representa la utilidad
esperada cuando él no adquiere el seguro.

Si la función de utilidad es estrictamente cóncava se hace uso de la

desigualdad de Jensen:

EuX  uEX

la cual es estricta, excepto cuando X es constante. De esta manera, si las

preferencias del decisor son tales que,

ux   0 y ux   0 (3.2)

la aplicación de la desigualdad de Jensen a (3.1) produce,

uw  G  uw  EX (3.3)

Puesto que u(x) es una función creciente, (3.3) implica que, G ≥ EX con G
> EX, a menos que X sea constante. En conclusión, si se cumplen las
condiciones indicadas en (3.2), el decisor pagará por el seguro una cantidad
mayor que la pérdida esperada; en otras palabras, la prima G tiene un cargo no
negativo. En esta forma, cuando se cumplen las condiciones indicadas en
(3.2), se dirá que el decisor es adverso al riesgo; la aversión al riesgo puede
ser cuantificada a través del “coeficiente de aversión al riesgo”, definido por,

u' ' x 
r x    (3.4)
u' x 

Matemáticamente, la primera condición en (3.2) dice que la función u es

creciente, mientras que, la segunda dice que la función u es cóncava. La
primera condición manifiesta que un decisor cuya función de utilidad es u,
prefiere la cantidad y a la cantidad z, siempre que, y > z. La segunda
condición manifiesta que, a medida que se incrementa la fortuna del decisor,
este valora menos un incremento fijo en ella.

Sean μ y σ 2 , la media y la varianza de la pérdida X. Usando los

primeros términos del desarrollo en serie de Taylor de las funciones, u(w – G) y
u(w – X), alrededor del punto w  μ , obtenemos las aproximaciones:

uw  G  uw  μ  μ  Gu' w  μ

uw  X   uw  μ  μ  X u' w  μ  μ  X 2 u' ' w  μ

1
2

34
Entonces

Euw  X   uw  μ  σ u' ' w  μ

1 2
2

y de (3.1) deducimos que la prima máxima que se paga por un riesgo X, es

aproximadamente,

σ r w  μ
1 2
G    (3.5)
2

De (3.5) vemos que el coeficiente de aversión al riesgo verdaderamente

refleja el grado de aversión al riesgo; entre mayor sea la aversión al riesgo del
decisor, mayor será la prima que él está dispuesto a pagar.

Ahora suponemos que el asegurador emplea la función de utilidad

uI wI  donde su fortuna wI es medida en términos monetarios. La cantidad
mínima H que un asegurador aceptaría recibir por asumir la pérdida aleatoria X,
se conoce como la “prima de utilidad cero”, y puede determinarse de la
ecuación de equilibrio de la utilidad,

uI wI   EuI wI  H  X (3.6)

donde uI wI  es la utilidad asignada a la fortuna corriente del asegurador y

EuI wI  H  X  es la utilidad esperada, asociada con la recolección de la prima
H y el pago de la pérdida aleatoria X. Si el asegurador es adverso al riesgo, de
(3.6) y de la desigualdad de Jensen obtenemos,

uI wI   uI wI  H  EX

concluyendo que, H ≥ EX y así, la prima H tiene un cargo no negativo. Si la

prima G, determinada por el decisor al resolver (3.3), es tal que G ≥ H ≥ EX,
entonces es factible una póliza del seguro que, no disminuya la utilidad
esperada de las partes contratantes.

Nuevamente, sean μ y σ 2 , la media y la varianza de la pérdida X. Usando

los primeros términos del desarrollo en serie de Taylor de las funciones
uI wI  y uI wI  H  X , alrededor del punto wI  H  μ , obtenemos las
aproximaciones,

uI wI   uI wI  H  μ  μ  HuI' wI  H  μ

uI wI  H  X  uI wI  H  μ  μ  XuI' wI  H  μ

35
 
1
μ  X 2 uI wI  H  μ
2

Entonces

EuI wI  H  μ   uI wI  H  μ   σ uIwI  H  μ 

1 2
2

y de (3.6) deducimos que la prima mínima que cobra el asegurador por un

riesgo X, es aproximadamente,

σ r wI  H  μ
1 2
H  μ  (3.7)
2

EJEMPLO 3.2 Dada la siguiente información, muestre que es factible emitir

una póliza de un seguro que, no disminuya la utilidad esperada del asegurado y
del asegurador, asumiendo que ellos aceptan la prima con indiferencia. Una
pérdida de 5 ocurre con probabilidad 0,2 y ninguna pérdida ocurre con
probabilidad 0,8.

Asegurado Asegurador
Fortuna 5 50.000
Función de Utilidad -(0,25)0.1x 1,1x – 100

SOLUCIÓN

La prima máxima G, que aceptaría pagar el asegurado, se encuentra

resolviendo (3.1):

u( 5 – G) = E[u(5 – X)]

 0,25
0,1G

= E 0,25
0,1X

para obtener G = 1,32.

La prima H, que aceptaría recibir el asegurador, se encuentra resolviendo

(3.6):

u(50.000) = E[u(50.000 + H – X)]

= 0,2u(49.995 + H) + 0,8u(50.000 + H)

36
para obtener, H = 1

Finalmente vemos que la pérdida esperada es, EX = 1

Como, G > H = EX, vemos que es factible la emisión de la póliza con las
características anotadas.

3.4 TIPOS DE FUNCIONES DE UTILIDAD

A continuación consideraremos algunas funciones matemáticas que tienen

las formas adecuadas para ser funciones de utilidad.

3.4.1 FUNCIÓN EXPONENCIAL

Una función de la forma,

u(x) = - ℮-x, >0 (3.8)

es llamada “función de utilidad exponencial con parámetro α ” y la prima

obtenida haciendo uso de ella, es mencionada como la prima calculada por el
“principio exponencial”.

Puesto que, ux   0 y ux   0 , u(x) puede servir como la función de

utilidad de un decisor adverso al riesgo. En este caso, las primas del seguro no
dependen de la fortuna del decisor. En efecto, si sustituimos la función u(x) en
(3.1) vemos que la prima máxima que estaría dispuesto a pagar el decisor,

lnMx (α)
1
G  (3.9)

no depende de su fortuna w.

Ahora supongamos que un asegurador adverso al riesgo tiene una función de

utilidad exponencial con parámetro  I. En este caso, la prima mínima H que el
requiere para cubrir un riesgo X, tampoco depende de su fortuna, como puede
verse al sustituir su función de utilidad en (3.8) y obtener,

lnMx (αI )
1
H  (3.10)
αI

Finalmente observamos que, para el decisor y para el asegurador, el

coeficiente de aversión al riesgo, es el parámetro de la función de utilidad.

37
EJEMPLO 3.3 Muestre que la prima G que un decisor con la función de
utilidad dada en (3.8), está dispuesto a pagar por un seguro de cubrimiento
total contra un pérdida aleatoria X que tiene distribución Normal con media μ y
varianza σ 2 , es una función creciente de α .

SOLUCIÓN

La función generatriz de momentos de la pérdida X es,

1 
MX α   exp σ 2α2  μα
2 

Entonces, la prima G que pagaría el decisor sería,

1 2
G  σ α  μ
2

Así, G es una función creciente de α . En otras palabras, entre más adverso al

riesgo sea un decisor, esto es, entre mayor sea el valor de α , mayor será el
valor de G.
▼

3.4.2 FUNCIÓN DE POTENCIA FRACCIONARIA

Una función de la forma,

u(x) = x , x > 0, 0<<1 (3.11)

es llamada “función de utilidad de potencia fraccionaria”. Puesto que, u’(x) > 0

y u’’(x) < 0, u(x) puede servir como la función de utilidad de un decisor adverso
al riesgo.

EJEMPLO 3.4 Un decisor con fortuna w y función de utilidad dada en (3.11),

enfrenta un pérdida aleatoria X que tiene distribución Uniforme sobre el
intervalo (0, w). ¿Cuál es la máxima cantidad que el decisor pagaría por un
seguro completo contra la pérdida aleatoria?

SOLUCIÓN

De (3.1) tenemos

w  Gα  
E w  X 
α

Entonces el decisor pagaría una prima,

38
 G  
w 1  α  1
1/ α

Naturalmente, G > EX = w/2, puesto que el decisor es adverso al riesgo.
▼

3.4.3 FUNCIÓN CUADRÁTICA

Una función de la forma,

u(x) = x –  x 2, x < (2 )-1, >0 (3.12)

es llamada “función de utilidad cuadrática”

La función u(x) puede representar las preferencias de un decisor adverso al

riesgo, puesto que, u’(x) > 0 cuando x < (2 )-1 y u’’(x) < 0. Una función de
utilidad cuadrática tiene la ventaja de que las decisiones sólo dependen de los
primeros momentos de las distribuciones de los resultados en consideración.
Sin embargo, hay ciertos casos en que ella es inconveniente. En el Ejemplo
3.5 se ilustra uno de estos casos.

EJEMPLO 3.5 La función de utilidad de un decisor es dada por,

u(x) = x – 0,02x 2, x < 25

El decisor conservará su fortuna w con probabilidad p = 0,4 y sufrirá una

pérdida c = 7 con probabilidad 1 – p = 0,6. Para los valores de w: 8 y 16, halle
la prima máxima que el decisor pagaría por un seguro completo.

SOLUCIÓN

La ecuación (3.1) viene a ser,

u(w – G) = pu(w) + (1 – p)u(w – c)

Entonces, reemplazando la función de utilidad cuadrática de esta ecuación y

empleando los datos dados, obtenemos los valores de G mostrados en la tabla
siguiente.

Fortuna Pérdida Probabilidad Prima

w c p G
8 7 0,4 4,48
16 7 0,4 4,64

39
 En el Ejemplo 3.5, como se anticipaba, la prima G es mayor que la pérdida
esperada de 4,20. Sin embargo, la prima máxima para la misma distribución
de la pérdida, se incrementa con la fortuna del decisor, lo cual no es razonable.
Desafortunadamente, las primas máximas que se incrementan con la fortuna,
es una propiedad de las funciones de utilidad cuadráticas. En consecuencia,
estas funciones de utilidad no deben ser seleccionadas por un decisor, que
perciba que su habilidad para absorber pérdidas aleatorias aumenta con el
incremento de su fortuna.

3.5 SEGUROS COMPARTIDOS

Suponemos que un decisor con fortuna w, enfrenta una pérdida X el

periodo siguiente. Antes vimos que él pagaba una prima G y el asegurador
respondía por la pérdida total X. En esta sección consideramos la situación en
que las pérdidas son compartidas por el decisor y el asegurador; en otras
palabras, consideramos el caso en que el seguro sólo cubre una parte de la
pérdida total. Bajo estas circunstancias asumimos que el decisor compra una
póliza de seguros que en caso de pérdida, le paga o reembolsa la cantidad,
I(X) ≤ X. El reembolso esperado, EIX  se conoce como la “prima pura”. El
cálculo de la prima G, se hace resolviendo la siguiente generalización de la
ecuación equilibrio (3.1),

Euw  G  X  IX  Euw  X (3.13)

donde, X – I(X), indica la pérdida retenida o cubierta por el decisor.

Cuando el seguro es proporcional con factor de proporcionalidad a y la

prima G es calculada usando la función de utilidad exponencial con parámetro
α , de la fórmula (3.13) tenemos


 e  αw e αGE e α 1 a X    
 e  αwE e αX

e αGMX α 1  a   MX α 

Por lo tanto, la prima G viene dado por,

1  MX α  
G  ln   (3.14)
α  MX 1  a  

EJEMPLO 3.6 Un decisor tiene una función de utilidad exponencial con

parámetro 0,05 y enfrenta una pérdida X que es 0 con probabilidad 0,8 y que,
para X > 0, tiene la función de densidad,

40
 f x   0,02e0,1x x0

Al decisor se le ofrece una póliza de seguros que paga el 80% de cualquier

pérdida durante el periodo siguiente. Calcule la pérdida esperada y la prima
máxima que el decisor pagaría por el seguro.

SOLUCIÓN.

Observando la función de densidad de la pérdida X vemos que, para X > 0,

esta variable tiene distribución exponencial con parámetro 0,1. Entonces, la
función generatriz de momentos de la pérdida X para α  0.05 es,

MX α 
0,10
 0,8  0,2
0,10  0,05

 1,20

Además, la función generatriz de momentos de X para α1  a   0,050,2  0,01

MX α 1  a 
0,10
 0,8  0,2
0,10  0,01

 1,02

Por lo tanto, la prima máxima que el decisor pagaría por el seguro es G = 3,21

Ahora trataremos con el seguro del exceso de pérdida con un deducible d.

En este caso, cuando la pérdida es X, el asegurador paga la cantidad,

I d X   X  d  (3.15)

La pérdida retenida por el decisor, con valor máximo d es,

Xd  X  I d X 

Cuando la prima G es calculada usando la función de utilidad con parámetro

α y la variable X es continua, mediante un procedimiento similar al seguido
para conseguir (3.14), concluimos que la prima G viene dada por,

41
  
 
1  M X α  
G  ln  d  (3.16)
α  αx
e f X x dx  e PX  d 

αd

0 

donde f X x  es la función de densidad de la variable X. Una fórmula similar se

obtiene cuando la variable X es discreta. El siguiente ejemplo muestra el caso
en que se utiliza una función de utilidad de potencia fraccionaria, para
establecer la utilidad esperada del decisor.

EJEMPLO 3.7 Un decisor con fortuna de 50 y función de utilidad, u(x) = x 1/2,

x ≥ 0, enfrenta una pérdida aleatoria X que, se distribuye uniformemente sobre
el intervalo [0, 50]. Si el adquiere por una prima de 9, un seguro igual a la
pérdida esperada del asegurador, con un deducible d, determine su utilidad
esperada.

SOLUCIÓN

El deducible d es la solución de la ecuación

1 50
EI d X   x  d dx
50 d
9 

Entonces d = 20 y así, la pérdida retenida por el decisor es,

 X si X  20
X  I d X   
20 si X  20

Por lo tanto, la utilidad esperada del decisor es,

1 

20 50 

Eu50  9  X  I d X     41  x  dx   21
1/ 2 1/ 2
dx 
50 
0 20 


= 4,97.
▼

Finalmente, consideramos un grupo de n aseguradores que individualmente

tienen funciones exponenciales de utilidad con parámetros αIi , i = 1,2,...,n.
Agrupados, ellos desean compartir un riesgo X que puede descomponerse en n
riesgos individuales, siendo X i el riesgo que enfrenta el asegurador i (i =
1,2,...,n). Así, podemos escribir,

X  X1  X 2    X n

42
 El riesgo X podría ser por ejemplo, un riesgo nuevo que los aseguradores
desean compartir o podría ser una combinación de sus carteras de seguros
que ellos desean distribuirse entre si. La prima mínima Hi, que el asegurador i
requiere para cubrir el riesgo X i, es

Hi 
1
αIi
  
ln Mx αIi

y así, la prima total requerida por los aseguradores, depende de la escogencia

de los riesgos Xi y es dada por,

H  H1  H2    Hn

Para minimizar la prima total H, el riesgo X debe distribuirse en forma

~
óptima, entre los aseguradores; la escogencia óptima de X i, indicada por Xi ,
es dada por,

αI n
α
~
X i 
αI i
X con αI  1 (3.17)
i 1 Ii

Así, cada asegurador cubre una fracción fija del riesgo compartido X, la cual, es
proporcional al recíproco de su aversión al riesgo. De (3.17) se desprende que
la prima total mínima correspondiente, es

  
n
~ 1
H  α ln M~xi αIi
i 1 Ii

lnMx αI 
1
 (3.18)
αI

Esto muestra que el grupo de aseguradores actúa como un asegurador, que

utiliza una función exponencial de utilidad, con coeficiente de aversión al riesgo
~
αI . Naturalmente, H  H .

EJEMPLO 3.8 Considere dos aseguradores que tienen funciones

exponenciales de utilidad con parámetros α1 = 0,04 y α2 = 0,05. Ellos desean
compartir un riesgo X que puede descomponerse en dos riesgos X 1 y X2, que
se distribuyen exponencialmente con medias 2 y 3, respectivamente. Calcule
la prima total mínima.

43
SOLUCIÓN

El coeficiente αI de aversión al riesgo es 1/45. Entonces, para minimizar la

~
prima total, los aseguradores deben cubrir las fracciones, X1  5 / 9 y
~
X2  4 / 9 , del riesgo X. De (3.18) se deduce que la prima total mínima es,

~
H  
45 ln MX1 1/ 45 MX 2 1/ 45 
= 5,15

Si cada asegurador usa su propio coeficiente de aversión al riesgo, la prima

total es,

H     
25 ln MX1 0,04   20 ln MX 2 0,05 

= 5,34

EJERCICIOS

3.2 FUNCIÓN DE UTILIDAD

3.1 Un decisor tiene la función de utilidad u(x) = x y dos oportunidades de

inversión para escoger a cambio de su fortuna.

Oportunidad X Oportunidad Y
Ganancia Probabilidad Ganancia Probabilidad
400 0,8 100 0,6
900 0,2 1.600 0,4

Muestre que el decisor es indiferente entre escoger una u otra oportunidad

3.2 Un decisor tiene una fortuna de 100 y una función de utilidad u(x) = x .
El debe escoger entre las Opciones 1 y 2 que incrementan su fortuna en
X1 y X2, respectivamente. X 1 se distribuye uniformemente entre 0 y 100 y
X2 tiene distribución Gamma con parámetros 2 y 0,04. Muestre que:

a. de acuerdo con el principio de la prima pura, el decisor es indiferente

entre escoger una u otra opción

44
 b. la Opción 1 tiene la mayor utilidad esperada.

3.3 EL SEGURO Y LA UTILIDAD

3.3 Un decisor tiene la función de utilidad ux   k lnx , una fortuna de 10 y

enfrenta una pérdida X que se distribuye uniformemente sobre el intervalo
[0,1]. Calcule la prima máxima que pagaría el decisor.

3.4 Un decisor con fortuna w emplea la función de utilidad u x   1  2 x . Un

evento le causará una pérdida de 2 con probabilidad 0,2 y ninguna
pérdida con probabilidad 0,8.

a) Determine el cargo sobre la prima pura que el decisor aceptaría con

indiferencia.
b) ¿Qué porcentaje de la prima pura constituiría este cargo?

3.5 Un decisor con fortuna de 100, emplea la función de utilidad, ux   lnx y
está dispuesto a pagar una prima de 20 contra una pérdida que tiene
varianza 324. Calcule el cargo aproximado sobre la prima pura.

3.6 Un asegurador con fortuna de 100, emplea la función de utilidad,

uI x   lnx y acepta asumir la pérdida X con función de frecuencia: p(0) =
p(40) = 0,5. Calcule la prima de utilidad cero.

3.4 TIPOS DE FUNCIONES DE UTILIDAD

3.7 Un decisor y su asegurador, con fortunas w = 500 y wI = 10.000, emplean

funciones de utilidad exponenciales con parámetros α  0,10 y αI = 0,05.
Asumiendo que la pérdida X sigue una distribución exponencial con media
5, encuentre el rango de los valores de las primas que satisfacen tanto al
decisor como al asegurador.

3.8 Un decisor que emplea la función de utilidad u(x) = −℮-2x, desea hacer una
inversión en un proyecto. El ingreso X que él obtiene sigue una
distribución exponencial con media 10. ¿Qué cantidad debe invertir el
decisor para que le sea indiferente entre realizar o no la inversión?

3.9 La probabilidad de que una propiedad no se dañe en el periodo siguiente

es 0,75. Cuando ocurre una pérdida, su valor sigue una distribución
exponencial con media 100. El dueño de la propiedad tiene la función de
utilidad, ux   exp 0,005x. Calcule la pérdida esperada y la prima
máxima del seguro que pagaría el dueño de la propiedad.

3.10 La probabilidad de que un inmueble no sufra daño alguno es 0,64. Las

pérdidas que ocurren son distribuidas uniformemente entre 0 y 9. Si la
fortuna del propietario del inmueble es 25 y el tiene la función de utilidad

45
 u x   x , halle el porcentaje del cargo sobre la prima pura que él estaría
dispuesto a pagar al asegurar el inmueble.

3.5 SEGUROS COMPARTIDOS

3.11 Al dueño de la propiedad en el Ejercicio 3.9 se le ofrece un seguro que

paga ½ de cualquier pérdida durante el siguiente periodo. El pago
esperado de la pérdida parcial es, E(X/2) = 12,5. Calcule la prima máxima
que el dueño de la propiedad pagaría por este seguro.

3.12 La pérdida aleatoria X se distribuye uniformemente entre 0 y 10. Dos

seguros están disponibles, uno proporcional que paga la proporción a de
la pérdida y otro de exceso de pérdida que paga la cantidad Id (X).
Determine los valores de a y d tal que, la prima pura en cada caso sea
1,25.

3.13 Un decisor con fortuna de 400 y función de utilidad u x   x , enfrenta

una pérdida aleatoria X con función de frecuencia px   13 para x = 0,50
y 100. El está dispuesto a pagar 20 por un seguro que cubra al menos
una parte de la pérdida que pueda comprarse por una cantidad igual a su
pérdida esperada. Halle la utilidad esperada del decisor.

3.14 Un seguro cubre una pérdida X, distribuida uniformemente entre 0 y

1.000. ¿Qué deducible se debe colocar para que el pago esperado sea el
25% de lo que sería sin deducible?

3.15 Un decisor enfrenta una pérdida X cuya función de distribución es,

 0 si x0
Fx     0,01x
1  0,2e si x0

El cubrimiento del seguro incluye un deducible de 20. Calcule la prima

que el asegurador aceptaría, si el basa sus decisiones en la función de
utilidad, ux    exp 0,005x.

3.16 Sean X, Y pérdidas aleatorias con función de densidad conjunta:

f x, y   2x , 0 < x < 1, 0 < y < 1. Una póliza de seguros con un
deducible de 1, es suscrita para cubrir la pérdida X + Y. Calcule la prima
pura bajo la póliza.

46
 CAPÍTULO IV

TEORÍA DEL RIESGO INDIVIDUAL

4.1 INTRODUCCIÓN

El modelo de riesgo individual es usado para agrupar las pérdidas o los pagos
de un número fijo de contratos de seguros o contratos financieros. Cuando varios
reclamos surgen de un mismo riesgo, ellos son agrupados y tratados como un
único reclamo. En consecuencia, en el modelo de riesgo individual se asume que
cada riesgo experimenta a lo más un reclamo; este es el caso de los seguros de
vida, puesto que máximo se puede hacer un reclamo por póliza.

En este capítulo trataremos sólo “modelos cerrados”, esto es, el número de

unidades aseguradas, se conoce y se fija al comienzo del periodo analizado.
Cuando hay inmigración y emigración del sistema de seguros, tenemos un
“modelo abierto”.

4.2 MODELOS PARA RECLAMOS INDIVIDUALES

Consideremos un seguro temporal a un año, cuyo valor X de los reclamos, es

una variable aleatoria que podría tener una distribución, discreta, continua o mixta.

Sea I una variable aleatoria que sigue la distribución de Bernoulli con

parámetro q donde, I toma los valores 1: cuando se presenta un reclamo y 0:
cuando no se presenta reclamo alguno.

Asumiremos que existe el valor esperado y la varianza del valor X de los

reclamos y que, cuando se presenta un reclamo, estos valores son
respectivamente  y 2; esto es,

EX / I  1  μ
y

48
 Var X / I  1  σ2

Puesto que al no presentarse reclamo alguno, el valor de X es cero, tenemos

EX / I  0  0
y
VarX / I  0  0

Entonces,

EX / I  μI (4.1)
y
Var X / I   σ 2I (4.2)

De (4.1) y (4.2) se obtiene el valor esperado y la varianza de los reclamos. En

efecto,

EX  EEX / I

 EμI

 μq (4.3)

VarX  VarEX / I  EVarX / I

  
Var μI   E σ 2I

 μ2q1  q   σ 2q (4.4)

EJEMPLO 4.1 Considere un seguro de automóviles que cubre accidentes hasta

un reclamo máximo de 200. Para una persona asegurada, la probabilidad de un
reclamo en un periodo es 0,05 y no existe la posibilidad de más de un reclamo. El
10% de los reclamos que se hacen es por valor de 200 y el valor X de un reclamo
en el intervalo (0, 200) tiene una distribución continua y proporcional a 1 – x/200.
Calcule el valor esperado y la varianza del reclamo de la persona en mención.

49
SOLUCIÓN

La variable indicadora I, asociada al número de reclamos, tiene distribución de

Bernoulli con parámetro 0,05. Puesto que,

PX  200 / I  1  0,10

y X tiene distribución continua y proporcional a 1 – x/200, en el intervalo (0, 200),

entonces,

200
 x 
P0  X  200 / I  1   k 1  dx
0  200 

= 0,90

Así, k = 0,009 y la función de densidad mixta condicional del valor X de un

reclamo, dado que él se presente es,


 0,10 si x  200

f x/I  1  
 x 
0,009 1   si 0  x  200
  200 

Entonces,

μ  80 y σ2  3.600

concluyendo de (4.3) y (4.4) que,

EX = 4 y Var(X) = 484

4.3 SUMA DE VARIABLES ALEATORIAS INDEPENDIENTES

En el modelo de riesgo individual, los reclamos a una compañía de seguros

son modelados como la suma de los reclamos de muchas personas aseguradas.
Los reclamos se asumen independientes en la mayoría de las aplicaciones.

Algunos tipos de seguros tienen un deducible asociado con el periodo del

seguro. Esto ocurre en algunos planes de seguros médicos en los cuales la

50
persona asegurada es requerida a pagar los primeros, 1000 o los gastos
incurridos en un año particular. En este caso, todos los gastos en un año
particular deben ser agrupados y tratados como un reclamo único.

Consideremos n pólizas separadas y rotuladas de 1 a n. Indicamos con X i el

valor del reclamo proveniente de la póliza i (i = 1,2,..., n); así,

S  X1  X 2    X n (4.5)

representa el valor total de los reclamos provenientes de la cartera de n pólizas.

Sea Ii una variable aleatoria indicadora que sigue la distribución de bernoulli con
parámetro qi donde, Ii toma los valores 1: si la póliza i produce un reclamo y 0: en
caso contrario; i = 1,2,..., n. En esta forma, si un reclamo ocurre, la probabilidad
de que él provenga de la póliza i es,

qi
q1  q2    qn

Asumiremos que existe el valor esperado y la varianza de las variables, X 1, X2,...,

Xn y que,

EXi / Ii  1  μi i  1,2,..., n
y
VarXi / Ii  1  σi2 i  1,2,..., n

Entonces, siguiendo el procedimiento que condujo a (4.3) y (4.4), tenemos

EX i  qi μi i  1,2,...., n
y
VarXi   μi2qi 1  qi   σi2qi i  1,2,...., n

Así,

n
ES   qi μi
i 1

y bajo la suposición de que las variables X1,X2,…,Xn , son mutuamente

independientes,

   q μ 
n n
Var S   qi μi2  σi2  2
i i
i 1 i 1

51
 A continuación veremos dos métodos para determinar la distribución de la
suma de variables aleatorias independientes, uno de ellos se basa en la
convolución de las funciones de distribución de las variables y el otro se basa en la
unidad de la función generatriz de momentos.

La función de distribución de la variable S, representada por F S, puede

expresarse en la forma:

FS x   FX n  FX n 1        FX1 x 

Cuando las variables X 1, X2,…., Xn, son independientes y distribuidas

idénticamente, la función F S es llamada la n-ésima convolución y entonces
escribimos,

FS x   Fxn x 

donde FX es la función de distribución común de X 1,X2,…,Xn .

Consideremos el caso particular en que S es la suma de dos variables X, Y, no

negativas, independientes y distribuidas idénticamente.

Cuando las variables X, Y son discretas, las funciones de distribución y de

frecuencia de S son,

FS s    FX s  y  f Y  y  (4.6)
ys

f S s    f X s  y  f Y  y  (4.7)
ys

donde f X, f Y y f S, son las funciones de frecuencia de X, Y y S. Cuando las

variables X, Y son continuas, las funciones de distribución y de densidad de S son,

s
FS s    FX s  y  f Y  y dy (4.8)
0
y
s
f S s    f X s  y  f Y  y dy (4.9)
0

Otro método para determinar la distribución de la suma de las variables

aleatorias independientes, se basa en la unicidad de la función generatriz de

52
momentos y en el hecho de que, si X 1, X2,…., Xn , son variables aleatorias
independientes, la función generatriz de momentos de la suma S es dada por,

MS t   M1t   M2 t     Mn t 

donde Mi t  es la función generatriz de momentos de X i (i = 1,2,..., n)

EJEMPLO 4.2 Considere una cartera con dos pólizas de seguros como el
descrito en el Ejemplo 4.1. La única diferencia se halla en que la probabilidad del
reclamo en un periodo, para los dos titulares de las pólizas, es 0,05 para uno y
0,04 para el otro. Calcule el valor esperado y la varianza del reclamo total S,
proveniente de esa cartera.

SOLUCIÓN

Sea X1, el valor del reclamo proveniente de la póliza descrita en el Ejemplo 4.1.
Así, EX1 = 4 y Var(X1) = 484

Para la segunda póliza, cuyo valor del reclamo designamos por X2, la variable
indicadora I, asociada al número de reclamos, tiene distribución de Bernoulli con
parámetro 0,04. Puesto que,

PX 2  0  PX 2  0 / I  0PI  0

= 0,96

PX 2  200  PX 2  200 / I  1PI  1

= 0,004

vemos que,

P0  X2  200  0,036

y como X2 tiene distribución continua y proporcional a 1 – x/200, en el intervalo (0,

200),

200
 x 


k 1 
200
 dx  0,036

0
de donde se desprende que, k = 0,00036. En esta forma, la función de densidad
mixta de X2 es,

53
 
 0,960 si x0

f x    0,004 si x  200
 x 
0,00036 1   si 0  x  200
  200 

Entonces, EX 2 = 3,20 y Var(X 2) = 389,76, concluyendo entonces que, ES =

7,20 y Var(S) = 873,76.
▼

4.4 APROXIMACIONES PARA LA DISTRIBUCIÓN DE LOS RECLAMOS

TOTALES

4.4 .1 APROXIMACIÓN NORMAL

Cuando un asegurador vende varias pólizas, asume el riesgo de todas ellas.

El riesgo en conjunto puede ser inferior al riesgo individual. La explicación de ello
se basa en la ley de los grandes números la cual establece que, al incrementarse
el número de observaciones, la diferencia entre la frecuencia relativa observada
de un evento y la probabilidad verdadera, tiende a cero. De manera similar,
cuando el número de observaciones se incrementa, la diferencia entre los
tamaños promedio, observado y esperado de un reclamo, tiende a cero.

Sea Xi el valor del i-ésimo reclamo (i = 1,2,…). Asumimos que las variables X i
son independientes y distribuidas idénticamente con el mismo valor esperado  y
 
la misma varianza 2. Sea X n n 1,2,.. la sucesión de los valores promedio de los
reclamos,

Xn =
1
X1  X2       X n 
n

Entonces,

σ2
EX n  μ y σ X2 
n n

esto es, el valor promedio esperado de los reclamos coincide con el valor
esperado de cada reclamo y a mayor tamaño de la muestra, menor varianza del

54
reclamo promedio y así, menor riesgo. Cuando n es grande, por el Teorema del
Límite Central,

Xn  μ
 N(0, 1)
σ/ n

y así,

S = (X1 + X2 + ∙∙∙∙ + Xn )  N(n, 2)

En muchos modelos de riesgo individual, las variables X i no son distribuidas

idénticamente. El Teorema del Límite Central se extiende entonces a sucesiones
de variables aleatorias que no son distribuidas idénticamente.

EJEMPLO 4.3 Los titulares de pólizas de una compañía de seguros de

automóviles, se dividen en dos clases. El cargo relativo por seguridad, , es el
mismo para las dos clases. Según los datos dados en la tabla siguiente, calcule el
valor de  de manera que, 0,95 sea la probabilidad de que el reclamo total no
exceda la prima recogida de los 2500 asegurados.

Número en Probabilidad Distribución del Valor X k de los Reclamos:

Clase la Clase de Reclamo Exponencial Truncada con Parámetros
k nK qk  L
1 500 0,10 1 2,5
2 2.000 0,05 2 5,0

SOLUCIÓN

La variable indicadora I, asociada al número de reclamos, sigue la distribución

de Bernoulli con parámetro qk , k = 1,2. La función de densidad mixta condicional
del valor X k de los reclamos, dado que se presenten, es


 λe
 λx
si 0 xL
f x / I  1    λL

e si x L

Entonces,
k = E(Xk/I = 1)

55
 
1
λ
1  e λL 
y

σ k2  VarX k / I  1


1
λ 2

1  2 λLe  λL  e 2 λL 

En esta forma, el valor esperado y la varianza de X k viene a ser,

0,091715 si k 1
EX k  
0,024999 si k2

0,134115 si k 1
Var X k   
0,024363 si k2

Designando con S el reclamo total tenemos,

ES = 500EX1 + 2.000EX2

= 95,89
y

Var(S) = 500Var(X 1) + 2.000Var(X 2)

= 115, 78

Puesto que la cantidad recogida por el asegurador de los 2.500 asegurados es

(1 + )ES, escribimos,

56
 0,95 = P{S < (1 + )ES}

 S  ES ES 
 P  θ 
 σs σs 

Observando la tabla de la distribución Normal Estándar vemos que,

ES
θ  1,645
σs

Concluyendo que, el cargo relativo por seguridad es,  = 0,1846.

4.4.2 APROXIMACIÓN GAMMA TRASLADADA

Una falla de la aproximación normal está en que, como se basa en los dos
primeros momentos del reclamo total S, la aproximación no registra el sesgo de la
verdadera distribución. La aproximación Gamma trasladada supera esta falla,
usando los tres primeros momentos de S. La idea es aproximar la distribución de
S por la distribución de Y + x0 donde Y  α, β  y x0 es una constante. Los
parámetros α, β y x0 de la distribución aproximada son hallados igualando la
media, la varianza y el sesgo de las dos distribuciones. En esta forma,

α
ES  xo 
β

α
σ s2 
β2
y
2
s 
α

esto es, α, β y x0 , deben satisfacer las relaciones:

4
α 
 2s

57
 2
β 
σs  s
y
2σ s
x0  ES 
s

La función de distribución S es dada por

Fs x   Gx  x0; α, β 
donde
β α x α 1  βy
Gx; α, β 
α  0
 y e dy, x0

es la función de distribución de la variable Y.

En la evaluación de los problemas se puede usar la tabla de la distribución Ji -

dos, puesto que, si Y  α, β  , entonces, 2βY  2 2α  ; generalmente será
necesario interpolar en la tabla  2 para obtener los valores deseados. Otra forma
de evaluar los problemas, es usar la relación que existe entre la distribución
α, β  con  entero y la distribución de Poisson. En efecto,

Gx; α, β 
α 1
 βx i
 1  e  βx
 i!
i 0

EJEMPLO 4.4 Considere 500 pólizas de seguros de vida de 1 por un periodo de

un año. La probabilidad de deceso de cada persona asegurada es 0,001. Calcule
la probabilidad de que el pago total sea al menos de 3.

SOLUCIÓN

El pago total S tiene distribución Binomial con parámetros 500 y 0,001. Puesto
que el número de pólizas es grande y la probabilidad de deceso es pequeña,
aproximamos la distribución Binomial a la distribución de Poisson con media
500(0,001) = 0,5. Así

PS  3  1  e 0,5 
2
0,5i
i 0 i!

= 0,01439.

58
 En general, si S tiene distribución de Poisson con parámetro λ , entonces
 s  λ 1/ 2 y en consecuencia, cuando se usa la distribución α, β  , obtenemos

α  4λ

β  2
y
x0  λ

En este caso, λ  0,5 y así,

Fs x   Gx  0,5; 2,2

Haciendo uso de la corrección de continuidad, para calcular PS  3, basta con
establecer el valor de PS  2,5. En esta forma,

PS  2,5  1  G3; 2,2

1
6i
 e 6 
i  0 i!

= 0,01735

El uso de las distribuciones Ji-dos y Normal, dan aproximaciones más alejadas

del valor exacto. En efecto, según la distribución Ji-dos,

PS  2,5  P4S  10

= 0,04226

y según la aproximación normal,

 S  0,5 
PS  2,5  P  2,83
 0,7067 

= 0,00233

59
EJERCICIOS

4.2 MODELOS PARA RECLAMOS INDIVIDUALES

4.1 Para cierto tipo de cubrimiento por la compañía de seguros ABC, el 95% de
las pólizas no experimentan reclamo alguno en un periodo de un año.
Máximo es posible un reclamo por año; ¾ de los reclamos son por 1.000 y ¼
son por 2.000. La compañía cobra 180 como cargo por seguridad. Según el
principio de la varianza, ¿cuál es el cargo relativo por seguridad?

4.2 Durante un periodo de un año, el 20% de las pólizas de una cartera no

experimenta reclamo alguno y el 80% restante de ellas experimenta un solo
reclamo cuyo valor X, tiene distribución Uniforme sobre el intervalo (0, 60].
La prima única con cargos es 30. Según el principio del valor esperado,
¿cuál es el cargo relativo por seguridad?.

4.3 La probabilidad de incendio en cierta estructura en un periodo dado de

tiempo es 0,02. Si ocurre un incendio, el daño causado X de la estructura, es
distribuido uniformemente sobre el intervalo [0, 24]. La prima única con
cargos es 0,31. Según el principio de la desviación estándar, ¿cuál es el
cargo relativo por seguridad?

4.3 SUMA DE VARIABLES ALEATORIAS INDEPENDIENTES

4.4 Una cartera consta de tres riesgos independientes con probabilidades de

reclamo 0,2, 0,4 y 0,6, respectivamente. Si se presenta un reclamo, su valor
tendrá las siguientes distribuciones

Valor

Riesgo 1 2 3 4

1 0,10 0,20 0,30 0,40

2 0,25 0,25 0,25 0,25

3 0 0,50 0 0,50

Asuma que a lo más se presenta un reclamo de cada riesgo. Calcule

a. La probabilidad de que el reclamo total no exceda de 3

60
 b. La probabilidad de que los reclamos excedan de 3 si el tercer riesgo no
produce reclamo alguno.

c. El valor esperado y la varianza del reclamo total.

4.5 En una cartera de 100 pólizas, el 95% no presenta reclamo alguno en el

siguiente año y el 5% de ellas incurren en un único reclamo. El valor X del
reclamo se distribuye uniformemente sobre el intervalo 0, 600 . Según el
principio de la prima ajustada y con un índice del riesgo de 1,1, calcule la
prima individual de una póliza de esta cartera.

4.6 Un grupo compuesto por 70 hombres y 30 mujeres participan en un plan de

seguros en donde, los reclamos se descomponen de la manera siguiente:

Reclamo Promedio Varianza del Reclamo

Hombre 50 400

Mujer 40 324

El cargo relativo por seguridad sobre cada prima es 0,10. Calcule la prima
total con cargos, según el principio de la desviación estándar.

4.7 Un plan dental de un grupo de personas tiene un deducible anual de 100 y

reembolsa a un miembro de él, todos sus gastos dentales que sobrepasen a
100, hasta un reembolso máximo de 1.000. Suponga que el 25% de los
miembros tienen gastos menores de 100, el 5% tienen gastos mayores que
1.100 y los gastos del 70% restante son distribuidos uniformemente entre 100
y1.100. Según el principio de Esscher con un parámetro de 0,0005, calcule
la prima individual.

4.4 APROXIMACIONES PARA LA DISTRIBUCIÓN DE LOS RECLAMOS

TOTALES

4.8 Una compañía de seguros emite 1.250 pólizas oftalmológicas. El número de

reclamos de un titular de estas pólizas, durante un año, es una variable
aleatoria que sigue la distribución de Poisson con media 2. Los reclamos
presentados por titulares distintos, son independientes entre si. ¿Cuál es la
probabilidad de que durante un año, el número de reclamos esté entre 2.450
y 2.600? Use la aproximación normal.

4.9 Los reclamos presentados a una compañía de seguros, siguen una

2
distribución N(19.400, 5.000 ). ¿Cuál es la probabilidad de que el promedio
de 25 reclamos seleccionados aleatoriamente exceda 20.000?

61
4.10 El valor total X de los reclamos para una póliza de seguros sigue una
distribución exponencial con media de 0,8. La prima de la póliza es 0,9. Si
se venden 4 pólizas, ¿cuál es la probabilidad de que el valor de los reclamos
exceda el valor de las primas recogidas?

4.11 El estudio de un grupo de asegurados, revela los datos siguientes sobre una
base anual.

Número de Costo Esperado Desviación Estándar

Cubrimiento Asegurados por Asegurado por Asegurado
Individual 786 76 42
Familiar 592 187 77

Use la aproximación normal para calcular la probabilidad de que los reclamos

excedan a 175.000.

4.12 Considere dos riesgos independientes, cada uno de los cuales sigue la
distribución Normal. Máximo se presenta un reclamo por riesgo. Para los
riesgos, las probabilidades de reclamo, las medias y las varianzas son: q1 =
0,01, q2 = 0,02, 1 = 2.000, 2 = 3.000, σ12  4.000 y σ 22  6.000 . Calcule la
probabilidad de que el reclamo total no exceda a 249.

4.13 Para cada póliza, en una cartera de tres pólizas, la probabilidad de un

reclamo es 1/6 y el beneficio X, dado que haya un reclamo, tiene la función
de densidad 9xe-3x , x > 0. Halle la probabilidad de que el total de los
reclamos exceda a 4.

4.14 Considere 500 pólizas de seguros de vida de valor 2, por un periodo de un

año. La probabilidad de deceso de cada persona asegurada es 0,002.
Mediante el uso de la aproximación Gamma trasladada, calcule la
probabilidad de que el pago total sea menor que 6.

62
 CAPÍTULO V

MODELO DEL RIESGO COLECTIVO

5.1 INTRODUCCIÓN

El objetivo fundamental de la teoría del riesgo colectivo, es obtener la

información deseada acerca de la cartera de pólizas como un todo, sin referencia
a las pólizas individuales. En el modelo de riesgo colectivo se trata con un
proceso aleatorio que genera reclamos para tal cartera.

Los pagos debido al mismo evento se tratan como un solo reclamo,

independientemente de si ellos se refieren o no a pólizas diferentes. Además, si
dos o más reclamos provenientes del mismo riesgo, son causados por eventos
diferentes, ellos son considerados como reclamos diferentes.

Supondremos que todos los riesgos en la cartera son independientes y

homogéneos, con lo cual, se simplificaran las operaciones para calcular la
distribución del reclamo total sobre un periodo fijo tal como un año.

5.2 DISTRIBUCIÓN DEL NÚMERO DE RECLAMOS

Consideremos una cartera de pólizas de seguro que, en un periodo dado de

tiempo, produce un número aleatorio N de reclamos. Una de las distribuciones de
la variable N, es la distribución de Poisson λ  donde el parámetro λ , representa
el número esperado de reclamos en el periodo dado de tiempo. Cuando la
varianza del número N de reclamos, excede su media, la distribución de Poisson
no es apropiada. En esta situación, se sugiere el uso de la distribución Binomial
negativa.

Cuando el número N de reclamos sigue la distribución de Poisson, puede

generarse una familia de distribuciones, asumiendo que el parámetro de Poisson
es una variable aleatoria continua , con función de densidad, u(),  > 0 y que la

63
distribución condicional de la variable N, dada  = , es una distribución de
Poisson con parámetro . Hay situaciones en las cuales esta suposición podría
ser útil; por ejemplo, cuando se trata con un grupo de asegurados donde, varios
subgrupos generan números de reclamos, de acuerdo con la distribución de
Poisson, pero cuyos parámetros pueden ser diferentes para los diversos
subgrupos. La función de frecuencia de la variable N, puede escribirse en la forma
siguiente:


PN  n   PN  n /   λ uλ dλ
0


λn
 e
λ
u λ dλ (5.1)
0
n!

El valor esperado y la varianza de la variable N son,

EN = E[E(N/)]

= E (5.2)
y
Var(N) = E[Var(N/)] + Var[E(N/)]

= E + Var() (5.3)

Además, la función generatriz de momentos de la variable N es

MN(t) = E[E(℮tN/)]

   et 1 
 E e  

 

= M(et – 1) (5.4)

Como en el caso de la distribución Binomial Negativa, aquí observamos que, EN <

Var(N).

EJEMPLO 5.1 Suponga que el número N de reclamos tiene distribución de

Poisson con parámetro , donde  tiene distribución Gamma con parámetros  y
. Muestre que la distribución marginal de la variable N, es Binomial Negativa con
parámetros  y /(1 + ).

64
SOLUCIÓN

Puesto que,

α
 β 
M t     , t< 
β  t

la función generatriz de momentos de la variable N es,

α
 β 
 
 1  β 
MN t     β  t
 1   1  e 
  1  β  

de donde se desprende el resultado buscado.

▼

EJEMPLO 5.2 Sean, N el número de reclamos en un año y  una variable que

tiene distribución exponencial con media . La distribución condicional de N dada
 = , es Poisson con media . Muestre que la variable N sigue la distribución
Geométrica con parámetros (1 + )-1.

SOLUCIÓN

De (5.1) vemos que la función de frecuencia de la variable N es

 1  λ
1  n   1 
PN  n 
μn! 0
μ
λ e dy

1 n!


μn! 1  1
μ

n 1

n
1  1 
=  1   , n = 0,1,2,….
1  μ 1  μ 

65
5.3 DISTRIBUCIÓN DEL VALOR INDIVIDUAL DE LOS RECLAMOS

Sea Xi (i = 1,2,…) el valor del i-ésimo reclamo que produce una cartera de
seguros. Asumiremos que X1, X2,…., son variables aleatorias independientes y
distribuidas idénticamente, con función de distribución común P(x), la cual describe
la variabilidad de los valores de los reclamos. Indicaremos, con X la variable
aleatoria que tiene distribución común de X1, X2,…., con pk el k-ésimo momento
ordinario de X y con p(x) la función de frecuencia o de densidad de X, según sean
discretas o continuas las variables X1, X2, ….

Las aproximaciones tratadas aquí, se formulan para su aplicación en forma

general, a todos los tipos de seguros. En el caso del seguro de vida, el valor del
reclamo se define como la diferencia entre la cantidad pagada por el asegurador y
la reserva de la póliza.

En las aplicaciones se presentan tres tipos de función P.

a. P(x) es continua. Esta forma de la función P(x), es muy común porque

una cartera con un gran número de pólizas de seguros, consta de una
variedad amplia de valores asegurados y en consecuencia, los reclamos
son de todos los valores desde cero hasta cantidades elevadas.

b. P(x) es discreta. Esta forma de la función P(x) puede darse, en una

compañía que ha estandarizado los beneficios tales como, los
correspondientes a seguros de accidentes en los viajes donde las
cantidades aseguradas son opcionales y fijas.

c. P(x) es mixta. Esta forma de la función P(x) puede presentarse en los

casos de reaseguros o cuando hay límites superiores en las
indemnizaciones.

Para las aplicaciones prácticas es suficiente asumir que, la función P(x)

corresponde a uno de los tipos mencionados antes. Además, se asume que la
derivada Px  existe para los tipos (a) y (c) y es continua excepto en un número
finito de puntos.

En algunos casos se pueden requerir, las convoluciones de la distribución del

valor individual de los reclamos. Así, cuando sea posible, es conveniente
seleccionar esa distribución, de una familia de distribuciones para las cuales, las
convoluciones pueden calcularse fácilmente, por fórmula o numéricamente. Por
ejemplo, si la distribución del valor de los reclamos, es la distribución Normal con
media  y varianza 2, entonces su n-ésima convolución es la distribución Normal
con media n y varianza n2.

66
 Para muchos tipos de seguros, el valor de los reclamos sólo es positivo y su
distribución es sesgada a la derecha. Para estos seguros se podría escoger una
distribución Gamma con parámetros  y β , porque su n-ésima convolución es la
distribución Gamma con parámetros n y β .

En particular, cuando los valores de los reclamos tienen distribución

exponencial con parámetro β , la n-ésima convolución es la distribución Gamma
con parámetros n y β ; esto es, la n-ésima convolución de p(x) es

βn
p* n
x   x n 1e  βx , x>0 (5.5)
n  1!
y la n-ésima convolución de P(x) es

P * n x   1  e βx 
n 1
 βx i (5.6)
i 0 i!

EJEMPLO 5.3 Asuma que el valor de los reclamos a una compañía de seguros
sigue la distribución exponencial con media 5. Calcule la probabilidad de que el
valor de los tres primeros reclamos sea menor que 10.

SOLUCIÓN

La probabilidad solicitada es la tercera convolución de la función P(10). Así,

2
2i
P * 3 10   1  e 2 
i  0 i!

= 1 – 5e-2
▼

5.4 DISTRIBUCIÓN DEL RECLAMO TOTAL

Sea N el número de reclamos que produce una cartera de pólizas en un

periodo dado de tiempo y sea Xi el valor del i-ésimo reclamo (i = 1,2,…). Además
de las suposiciones sobre las variables Xi, mencionadas en la sección 5.3,
asumiremos que las variables N, X1, X2,…., son mutuamente independientes.

Con S indicaremos el valor total de los reclamos, generado por la cartera en el

periodo de estudio. En esta forma,

67
 S = X1 + X2 + ∙∙∙∙∙+ XN

Veremos cómo, en un periodo fijo de tiempo, la distribución del reclamo total

puede ser establecida a partir de la distribución del número de reclamos y de la
distribución de los valores individuales de los reclamos.

Teniendo en cuenta las afirmaciones hechas sobre las variables, N, X1, X2,…,

ES = p1 EN (5.7)

Var(S) = EN Var(X) + p12 Var(N) (5.8)

y la función generatriz de momentos de la variable S, es

MS t   MNlnMX t  (5.9)

Cuando la variable N tiene distribución de Poisson con parámetro , la

distribución del valor total S de los reclamos, es la distribución de Poisson
Compuesta con,

ES = ∙p1 (5.10)

Var(S) = ∙ E(X2) (5.11)

MS t   eλMX t 1 (5.12)

y

E S  λp1 
3
   
λE X 3 (5.13)

Cuando la variable N tiene distribución Binomial Negativa con parámetros r y p,

la distribución del valor total S de los reclamos, es la distribución Binomial
Negativa Compuesta con,

q
ES  r p1 (5.14)
p

2
q 
Var S
q
 r p2  r  p1  (5.15)
p p 
y
r
 
MS t  
p
 
 1  qMX (t) 

68
 La función de distribución de la variable S puede escribirse en la forma:


Fx    P *n x PN  n (5.16)
n0

Donde P*n(x) es la n-ésima convolución de la función P(x)

Cuando la distribución del reclamo individual es discreta con función de

frecuencia, p(x), la distribución del reclamo total también es discreta. Por analogía
con (5.16), la función de frecuencia de la variable S es dada por,


f x    p *n x PN  n (5.17)
n0

Cuando la distribución del valor de los reclamos es continua, no puede

concluirse que la distribución del reclamo total S, sea continua. Si PN  0  0 , la
distribución de la variable S es mixta; esto es, S tiene una probabilidad de masa
en x = 0 y es continua para x > 0.

Aun asumiendo distribuciones simples, la distribución del reclamo total puede

no tener una forma simple. Por ello, puede ser más práctico seleccionar una
distribución discreta para el valor de los reclamos y calcular numéricamente las
convoluciones requeridas. Para la distribución de Poisson compuesta, el método
de la convolución puede acortarse o ser evitado con el uso de una fórmula
recursiva para calcular directamente la función de distribución del valor total de los
reclamos.

EJEMPLO 5.4 Considere una cartera de seguros que produce 0, 1, 2 o 3

reclamos en un periodo fijo de tiempo, con probabilidades 0,4, 0,3, 0,2 y 0,1,
respectivamente. El valor de los reclamos es, 1, 2 o 3 con probabilidades 0,6, 0,3
y 0,1, respectivamente. Calcule las funciones de frecuencia y de distribución del
reclamo total.

SOLUCIÓN

Puesto que hay a lo más 3 reclamos y cada uno tiene un valor máximo de 3, el
reclamo total tiene un valor máximo de 9, razón por la cual, limitamos los calculos
a x = 0, 1,…., 9, como se muestra en la tabla. Las funciones de frecuencia de los
reclamos individuales, p*2(x) y p*3(x), se calculan usando (1.4) y la función de
frecuencia del reclamo total se calcula usando (5.17). Al final de la tabla se
muestra la función de frecuencia del número de reclamos.

69
 x p*0(x) p(x) p*2(x) p*3(x) f(x) F(x)
0 1 0,4000 0,4000
1 . 0,6 0,1800 0,5800
2 0,3 0,36 0,1620 0,7420
3 0,1 0,36 0,216 0,1236 0,8656
4 0,21 0,324 0,0744 0,9400
5 0,06 0,270 0,0390 0,9790
6 0,01 0,135 0,0155 0,9945
7 0,045 0,0045 0,9990
8 0,009 0,0009 0,9999
9 0,001 0,0001 1
n 0 1 2 3
P(N = n) 0,4 0,3 0,2 0,1

5.5 PROCESO DEL RECLAMO TOTAL

Para una determinada cartera de pólizas de seguros sea N(t) el número de

reclamos y S(t) el reclamo total, en un lapso t. El conteo empieza en el tiempo 0;
esto es, N(0) = 0. Además, S(t) = 0 cuando N(t) = 0. Como antes, sea Xi el valor
del i-ésimo reclamo. Entonces,

S(t) = X1 + X2 + ∙∙∙∙∙+ XN(t)

El proceso Nt t  0 es llamado el “proceso del número de reclamos”, mientras que,
St t 0 , es llamado el “proceso del reclamo total”.
Sean t ≥ 0 y h > 0. De las definiciones anteriores se desprende que, en el
intervalo de tiempo (t, t + h], N(t + h) – N(t) indica el número de reclamos y S(t + h)
– S(t) indica el valor total de los reclamos.

Sea Ti (i = 1,2,....) el tiempo en que ocurre el i-ésimo reclamo. T1, T2, T3,....,
son variables aleatorias con T1 < T2 < ...., para excluir la posibilidad de que dos o
más reclamos ocurran al mismo tiempo. Nótese que N(t) y S(t) son funciones
escalonadas; las discontinuidades están en los tiempos T 1, T2,...

Dos métodos para definir la distribución del proceso Nt t  0 son:

70
 a. Para todo t ≥ 0 y todo h > 0, se especifica la distribución condicional de N(t
+ h) – N(t), dados los valores de N(s) para s ≤ t.

b. Se especifica la distribución conjunta de los tiempos T1, T2,...

Si las variables X1, X2,...., son independientes y distribuidas idénticamente con

función de distribución común P(x) y además son independientes del proceso
Nt t 0 , entonces, el proceso St t 0 es un proceso compuesto, caracterizado
por la distribución del proceso Nt t  0 .

Consideremos el caso en que el proceso del número de reclamos, Nt t  0 , es

un proceso de Poisson con tasa λ . En este caso, el proceso del reclamo total
St t 0 , es un proceso de Poisson compuesto con especificaciones λ y P(x).
Estos procesos tiene las siguientes características.

a. El proceso Nt t  0 tiene incrementos independientes y estacionarios; en

otras palabras, los números de reclamos en intervalos disyuntos de tiempo
son independientes y la distribución de cualquier incremento del proceso,
sobre un intervalo de tiempo, sólo depende de la longitud del intervalo y no
de su localización.

b. Para t ≥ 0 y h > 0 la distribución de S(t + h) – S(t) es Poisson compuesta

con especificaciones λh y P(x), esto es

PSt  h   St   x / Ss  para s  t 


e λh 
λh n P * n x 
n0 n!

c. El proceso St t  0 tiene incrementos independientes y estacionarios; en

otras palabras, los reclamos totales en intervalos disyuntos de tiempo son
independientes y la distribución de cada uno de ellos sólo depende de la
longitud del intervalo correspondiente de tiempo y no de su localización.

d. Si el valor de t es fijo, S(t) tiene distribución de Poisson compuesta con,

ESt   λtp1
y
VarSt   λtp2

EJEMPLO 5.5 Considere n personas de edad x en el tiempo 0. Sea N(t) el

número de decesos que han ocurrido al cabo del tiempo t y Ti el tiempo de
ocurrencia del i-ésimo deceso (i = 1,2,...,n). Asuma que los tiempos futuros de

71
vida son independientes. Especifique el proceso Nt t  0 , para cada uno de los
dos métodos descritos.

SOLUCIÓN

a. La distribución condicional de N(t + h) – N(t), dada N(t) = i, es Binomial con

parámetros n – i y hqx+t, i = 0,1,...., n – 1. Así,

PNt  h   Nt   k / Nt   i   n  i  qk 1  q

 k  h x t
 
h xt 
n i k
, k  0,1,.., n  i

b. Para i = 0,1,...., n – 1,

PTi 1  t  h / Ti  t  PNt  h   Nt   0 / Nt   i

 1  h qx  t n  i
▼

5.6 UTILIDAD DE ALGUNAS DISTRIBUCIONES COMPUESTAS

En esta sección, trataremos con tres teoremas, relacionados con distribuciones

compuestas de probabilidad y que son útiles en la determinación del valor total de
los reclamos, generado por una cartera de seguros.

El primer teorema dice que, la suma de variables aleatorias independientes,

que tienen distribución de Poisson compuesta, también tiene distribución de
Poisson compuesta. El segundo teorema conduce a un método de evaluación, de
la distribución de Poisson compuesta, que es una alternativa al método básico
ilustrado en el Ejemplo 5.4. El tercer teorema describe una forma de evaluar
ciertas distribuciones compuestas, conocida como el “método recursivo de Panjer”

TEOREMA 5.1. Si S1, S2,…., Sm son variables mutuamente independientes tal

que Si tiene distribución de Poisson compuesta con parámetro i y función de
distribución del valor de los reclamos, Pi(x), i = 1,2,…, m, entonces, S = S1 + S2 +
+ Sm, tiene distribución de Poisson compuesta con,

m m
λ
λ   λi y Px    λi Pi x 
i 1 i 1

72
PRUEBA

Sean Mi t  y Msi t  las funciones generatrices de momentos de Pi x  y S i

respectivamente. Entonces la función generatriz de momentos de S es,

m 
Ms t   exp  λi Mi t   1
 i 1 

 m λ 
 exp  λ  i Mi t   1 
  i 1 λ 

de donde se concluye que S tiene distribución de Poisson compuesta con

parámetro de Poisson λ y función de distribución del valor individual de los
reclamos P(x).
▼

El Teorema 5.1 tiene dos aplicaciones importantes, en la construcción de un

modelo de seguros.

1. Si combinamos m carteras de seguros, donde los reclamos totales de las

carteras, tienen distribuciones de Poisson compuestas y son mutuamente
independientes, entonces el reclamo total para la cartera combinada,
tendrá nuevamente una distribución de Poisson compuesta.

2. Si consideramos una cartera de seguros para un periodo de m años,

asumimos que los m reclamos totales anuales son independientes entre si
y que tienen distribución de Poisson compuesta (no es necesario que
tengan distribuciones idénticas), entonces el reclamo total para el periodo
de m años, tendrá una distribución de Poisson compuesta.

Suponemos ahora que los reclamos generados por una cartera de seguros, en
un periodo dado de tiempo, se clasifican por su valor, dando lugar a m valores
diferentes, a saber, x1, x2,…., xm. Sea Ni el número de reclamos que son iguales
a xi (i = 1,2,…, m). Entonces el valor total de los reclamos puede escribirse como,

S = x1N1 + x2N2 + ∙∙∙∙ + xmNm (5.18)

Si las variables N1, N2,..., Nm, son mutuamente independientes donde, Ni tiene
distribución de Poisson con parámetro λi (i = 1,2,…, m), entonces xiNi se puede
interpretar como una variable que tiene distribución de Poisson compuesta, con
parámetro de Poisson λi y distribución degenerada del valor de los reclamos en xi.
Entonces, mediante el Teorema 5.1 vemos que la variable S tiene distribución de

73
Poisson compuesta, con parámetro de Poisson  = 1 + 2 +∙∙∙ + m y función de
frecuencia del valor de los reclamos,

 λi
 si x  xi , i  1,2,..., m
p x   λ (5.19)

0 en caso contrario

En general, las variables Ni son dependientes. Sin embargo, en el caso

especial en que S tenga distribución de Poisson compuesta, ellas son
independientes, como lo manifiesta el Teorema 5.2.

TEOREMA 5.2. Si S como se definió en (5.18), tiene una distribución de

Poisson compuesta con parámetro de Poisson  y función de frecuencia del valor
de los reclamos, dada por i = p(xi), i = 1,2,…, m, entonces N1, N2,…, Nm, son
mutuamente independientes y Ni tiene distribución de Poisson con parámetro i =
i, i = 1,2,…., m.

PRUEBA

Sea N  N1    Nm y n  n1    nm . N1,..., Nm / N  n tiene distribución

multinomial con parámetros n y π1,..., π m . De aquí que,

PN1  n1,..., Nm  nm   PN1  n1,..., Nm  nm / N  nPN  n

n! λn
 π1n1  π mnm e  λ
n1!  nm ! n!

m λπi n i
  e  λπi ni !
i 1

Sumando sobre todos los ni para i  k , vemos que, Nk tiene distribución de

Poisson con media λπ k . Las variables Ni son independientes porque,

PN1  n1,..., Nm  nm   PN1  n1PNm  nm 

74
 El Teorema 5.2 y (5.18) proveen un método alterno, para tabular una
distribución de Poisson compuesta, con distribución discreta para el valor de los
reclamos. Primero establecemos la función de frecuencia de las variables x1N1,
x2N2,…., xmNm y luego, calculamos la convolución de estas m distribuciones, para
obtener la función de frecuencia de la suma S. Este método es conveniente si m,
el número de valores diferentes de los reclamos posibles, es pequeño. Aun si los
valores de los reclamos individuales tienen distribución continua, algunas veces
pueden usarse aproximaciones discretas con el método alterno, para producir una
aproximación satisfactoria a la distribución de la suma S.

EJEMPLO 5.6 El reclamo total S tiene distribución de Poisson compuesta con

parámetro de Poisson λ  3 y función de frecuencia del valor individual de los
reclamos: p(1) = 0,5, p(2) = 0,3 y p(3) = 0,2. Calcule f(x) = P{S = x} para x = 0,1,...,
4.

SOLUCIÓN

Por el método básico, los cálculos son paralelos a los efectuados en el Ejemplo
5.4, ahora con,

3n
PN  n  e 3 , n  0,1,2,....
n!

x p*0(x) p(x) p*2(x) p*3(x) p*4(x) f(x)

0 1 0,049787
1 . 0,5 0,074681
2 0,3 0,25 0,100819
3 0,2 0,30 0,125 0,125090
4 0,29 0,225 0,0625 0,125883
n 0 1 2 3 4
P{N = n} e-3 3e-3 9
2
e3 9
2
e3 27 3
8
e

Por el método alterno descrito en esta sección calculamos,

f s   PN1  2N2  3N3  x

como se muestra a continuación

75
 x PN1  x P2N2  x P3N3  x PN1  2N2  x f x 
0 0,2231302 0,4065697 0,5488116 0,0907179 0,0497870
1 0,3346953 0,1360769 0,0746805
2 0,2510214 0,3659127 0,1837037 0,1008187
3 0,1255107 0,3292870 0,1734980 0,1250899
4 0,0470665 0,1646607 0,1477284 0,1258833
n 1 2 3
λn 1,5 0,9 0,6

e1,5
1,5x e 0,9
0,9x/ 2 e 0,6
0,6x/ 3
x! x/ 2! x/ 3!
▼

El siguiente teorema describe una forma de evaluar ciertas distribuciones

compuestas, cuando la distribución del número de reclamos pertenece a la “clase
de distribuciones a,b,0 . En general se dice que una distribución de conteo
pertenece a la clase de distribuciones a,b,k  1 ” si su función de frecuencia
qn n 0,1,... , puede calcularse recursivamente a partir de la fórmula,

 b 
qn  a  qn 1, n  k,k  1,....
 n 

donde a, b y k son constantes, siendo k un entero positivo.

TEOREMA 5.3. Método recursivo de Panjer. Para distribuciones compuestas

donde, la distribución del número N de reclamos pertenece a la clase (a, b, 0) y la
distribución de los valores de los reclamos es restringida a enteros positivos, la
función de frecuencia del reclamo total S, viene dada por,

x
 
f x  i  pi  f x  i ,
b
   a 
x 
x  1,2,.... (5.20)
i 1

Con el valor inicial dado por, f 0  PN  0

PRUEBA

x
p n x    PX1  iPX 2    X n  x  i
i 1

76
 x
  pi  pn 1 x  i 
i 1

Ahora,

EX k / X1    X n  x  
x
n

También

x
EX k / X 1    X n  x    iPX k  i / X1    X n  x
i 1

x
 ip i  p n 1 x  i  p n x 
1

i 1

Entonces

n x
p n x    ip i  p n  1 x  i 
x i 1

En esta forma,


f x    PN  np n x 
n 1


 b
   a  n PN  n  1pn x 
n 1

 x
 a  PN  n  1 p i  p n 1 x  i 
n 1 i 1

b  x
  PN  n  1 ip i  p n 1 x  i 
x n 1 i 1

Intercambiando el orden de las sumatorias, conseguimos

77
 x 
f x   a  p i  PN  n  1p n 1 x  i 
i 1 n 1

b x 
  ip i  PN  n  1p n 1 x  i 
x i 1 n 1

x b x
 a  pi  f x  i    ipi  f x  i 
i 1 x i 1

de donde se deduce la fórmula (5.20)

A continuación examinaremos las únicas distribuciones que satisfacen las

condiciones del Teorema 5.3

a. Poisson con parámetro λ

PN  n λ

PN  n  1 n

Así,
a = 0 y b = 

Entonces

λ x
f x    ip i  f x  i  , (5.21)
x i 1
con
f(0) = ℮-

b. Binomial Negativa con parámetros r y p

PN  n
 1  p
1
n  r  1
PN  n  1 n

Así,
a = 1–p y b = (1 – p)(r – 1)

78
 Entonces

x
 
f x   1  p  r  1  1 pi  f x  i  ,
i
(5.22)
i 1  x 
con

f(0) = pr

c. Binomial con parámetros m y p

PN  n m  1  np

PN  n  1 n1  p 

Así,
a 
p
y b 
m  1 p
1  p 1  p

Entonces


m  1 i  1 pi  f x  i  ,
x
f x  
p
 
1  p i 1  x 
(5.23)

con

f(0) = (1 – p)m

EJEMPLO 5.7 El reclamo total S tiene distribución de Poisson compuesta con

parámetro de Poisson  = 3 y función de frecuencia del valor individual de los
reclamos: p(1) = 0,5, p(2) = 0,3 y p(3) = 0,2. Calcule la probabilidad de que el
reclamo total sea mayor que 3.

SOLUCIÓN

De (5.21) vemos que la función de frecuencia de S es dada por,

3 x
f x    ipi  f x  i  , x = 1,2,…., con f(0) = ℮-3
x i 1

Así,

79
 f(1) = 1,5000℮-3

f(2) = 2,0250℮-3

f(3) = 2,5125℮-3

Entonces la probabilidad solicitada es,

P(S > 3) = 1 – 7,0375℮-3

EJEMPLO 5.8 En un modelo de riesgo colectivo, el número de reclamos tiene

distribución Geométrica con parámetro 0,8. El valor de los reclamos es 2, 3 o 4
con probabilidades 0,7, 0,2 y 0,1 respectivamente. Calcule la probabilidad de que
el reclamo total sea menor que 5.

SOLUCIÓN

Usaremos (5.22) con r = 1, p = 0,8, p(2) = 0,7, p(3) = 0,2 y p(4) = 0,1. En esta
forma, la función de frecuencia del reclamo total es,

1 x
f x    pi  f x  i  , x = 2,3,…., f(0) = 0,8
5 i 2

Así,

f(1) = 0

f(2) = 0,11200

f(3) = 0,03200

f(4) = 0,03168

La probabilidad solicitada es la función de distribución del reclamo total en x = 4;

esto es, la probabilidad buscada es
4
F(4) =  f x 
x 0

80
 = 0,97568

5.7 APROXIMACIÓN DEL MODELO INDIVIDUAL

En esta sección desarrollaremos dos métodos por los cuales la distribución de

Poisson compuesta, usualmente asociada con el modelo del riesgo colectivo,
puede ser usada para aproximar la distribución de los reclamos totales en el
modelo individual.

Consideremos el modelo individual aplicado a n pólizas que se desarrolló en la

Sección 4.3. Vimos que el reclamo del grupo de n pólizas en un periodo de la
póliza es,

Si  X1  X2    Xn

donde Xj es el valor del reclamo proveniente de la póliza j (j= 1,2,..., n). También
vimos que,

n
ESi   qjμj
j 1

   q j μ2j  σ 2j   q j μ j 2
n n
Var Si  
j 1 j 1

En el modelo colectivo suponemos que el reclamo total en un periodo de la

póliza,

Sc  X1  X 2    XN

es una variable que tiene distribución de Poisson compuesta, con parámetro de

Poisson λ (número esperado de reclamos por periodo) y función de distribución
P(x), de los valores individuales de los reclamos. λ y P(x) pueden estimarse a
partir de los datos de los reclamos pasados o alternativamente, ellos pueden
obtenerse a partir del modelo individual, siguiendo uno de los dos métodos
siguientes.

En el primer método, conocido como el “método de la aproximación canónica”,

el parámetro de Poisson es dado por,

81
 λ  q1  q2    qn (5.24)

y la función de distribución de los reclamos individuales, es dada por,

n
P x    λi Pj x 
q
(5.25)
j 1

De (5.24) vemos que el parámetro de Poisson es escogido de tal forma que, el

número esperado de los reclamos es el mismo, tanto en el modelo individual como
en el modelo colectivo.

De (5.25) se sigue que, los dos primeros momentos del valor individual de los
reclamos son,

1 n
p1   qjμj
λ j 1
y

p2 
1 n

λ j 1

q j μ 2j  σ 2j 

Así,

ESi  λp1

 ESc

 
Var Sc  λp2

   q j μ j 2
n
 Var Si 
j 1

Nótese que, entre menor sea el valor de la sumatoria, menos diferirá el modelo
colectivo del modelo individual.

Consideremos el caso especial donde el valor del reclamo para la póliza j, es la

constante xj, así que, μ j  x j y σ j  0 . Entonces, de acuerdo con (5.25) la
función de frecuencia de los valores de los reclamos individuales es,

82
 p x  
qi
 (5.26)
x j x λ

donde la suma es tomada sobre las pólizas para las cuales, xj = x.

EJEMPLO 5.9 Una compañía de seguros emite pólizas de seguros temporales a

un año, con beneficios de 1 y 2, a personas cuyas probabilidades de deceso son
0,02 y 0,10. La tabla da el número n k de personas de personas, en cada una de
las cuatro clases formadas.

k qk bk nk
1 0,02 1 500
2 0,02 2 500
3 0,10 1 300
4 0,10 2 500

Calcule el valor esperado y la varianza del reclamo total, usando el método de

aproximación canónica.

SOLUCIÓN

En el modelo individual,

ESi  500 0,02     500 20,10 

= 160

 
Var Si   
500 0,02 0,98     500 22 0,10 0,90 

= 256

Usando el método de aproximación canónica tenemos,

1800
λ   qj
j 1

= 100

83
 p1 
1
500 0,02  300 0,10 
100

= 0,4

p2 
1
500 0,02  500 0,10 
100

= 0,6

Entonces,

p1 = 1,6 y p2 = 2,8

Así,

ESc  λp1  160

 
Var Sc  λp2  280

Como era de esperarse, esta varianza excede a la varianza de los reclamos

totales, en el modelo individual.

En el segundo método, conocido como el “método de la cartera abierta”, se

asume que en el momento en que una póliza produzca un reclamo, es
reemplazada por una póliza equivalente que aun no ha tenido reclamo alguno. En
este caso el parámetro de Poisson es dado por,
~ ~ ~ ~
λ  λ1  λ2    λn (5.27)
donde
~
λj  
 ln 1  q j ,  j  1,2,..., n (5.28)

y la función de distribución de los reclamos individuales es dada por,

84
 ~
n λ
P x    ~λj Pj x  (5.29)
j 1

De (5.27) y (5.28) se deduce la relación,

 1 
~ n
e λ   qj
j 1

lo cual indica que en el periodo de un año, las probabilidades de no reclamo en el

modelo colectivo (lado izquierdo) y en el modelo individual (lado derecho), son las
mismas.

EJEMPLO 5.10 Para la cartera de 1.800 pólizas, estudiada en el Ejemplo 5.9,

calcule el valor esperado y la varianza del reclamo total, usando el método de la
cartera abierta.

SOLUCIÓN

 500 ln 1  0,02 
~ ~
λ1  λ2 

= 10,101

 300ln1 0,10
~
λ3 

= 31,608

 500 ln 1  0,10 
~
λ4 

= 52,680

Entonces,
~ ~ ~ ~ ~
λ  λ1  λ2  λ3  λ4

= 104,490

Además,

p 1 
~ 1~
λ
 ~
λ1  λ3 

85
 = 0,399

p 2 
~
λ

1~ ~
λ2  λ4 
= 0,601

Así,

~
p1  1,601 y ~
p2  2,803

Por lo tanto,
~
ES  λ p1  167,29

Var S 
~
λ p2  292,89

Si todos los qj para el modelo individual son pequeños (lo cual podría ocurrir en
relación con los seguros de vida), los dos métodos producen resultados muy
similares, porque
~
λj  qj  1 2
q
2 j
   qj

86
EJERCICIOS

5.2 DISTRIBUCIÓN DEL NÚMERO DE RECLAMOS

5.1 Suponga que la variable  tiene distribución exponencial con parámetro 9 y

que dada  = , el número N de reclamos en un año, tiene distribución de
Poisson con media . Calcule P{N = 0} y P{N =1}.

5.2 El número N de reclamos en un año tiene distribución de Poisson con una

media  que sigue la distribución Binomial Negativa con parámetros 2 y ¼.
Calcule P{N =0}.

5.3 El número N de reclamos en un año tiene distribución de Poisson con una

media  que sigue la distribución Binomial con parámetros 2 y 1/5. Calcule
P{N = 1}.

5.4 La probabilidad de que una persona, admitida en un hospital, permanezca allí

k días o menos es 1  0,8 , k  0,1,2,... Una póliza de indemnización
k

hospitalaria provee una cantidad fija diaria para los días 5,..., 10 (esto es, para
un máximo de 6 días). ¿En qué porcentaje se incrementa el costo esperado
por admisión, si el número máximo de días pagados se incrementa de 6 a 13?

5.3 DISTRIBUCIÓN DEL VALOR INDIVIDUAL DE LOS RECLAMOS

5.5 En una cartera de seguros el valor de los reclamos tiene la función de

frecuencia: p(1) = 0,5, p(2) = 0,3 y p(3) = 0,2. Calcule la probabilidad de que
el valor de los primeros tres reclamos sea 5.

5.6 El valor X de los reclamos a una compañía de seguros sigue la distribución

exponencial con media  donde  tiene distribución de Poisson con
parámetro 5. Calcule la varianza de la variable X.

5.7 En una cartera de seguros el valor X de los reclamos tiene función de

frecuencia p(x), x = 1,2,. Si p*2(2) = 0,36, calcule el valor esperado y la
varianza de la variable X.

5.8 Para una póliza de seguros que cubre el cuidado domiciliario de personas
incapacitadas, la duración promedio de los cuidados es de 440 días y el 30%
de los cuidados terminan en los primeros 30 días. Durante este lapso, las
terminaciones son distribuidas uniformemente. El seguro paga 24 diarios por
los primeros 30 días y 100 diarios de ahí en adelante. Determine el beneficio
que se espera pagar por cada persona asegurada.

87
5.4 DISTRIBUCIÓN DEL RECLAMO TOTAL

5.9 El reclamo total S tiene distribución de Poisson compuesta con  = 3 y p(x) =

0,1x, x = 1,2,3,4. Calcule P{S = 2}.

5.10 En un modelo de riesgo colectivo, el número N de reclamos tiene distribución

Geométrica con parámetro 0,8. Los valores de los reclamos son distribuidos
uniformemente sobre el intervalo [0,4]. Calcule P{N = 1, S ≤ 3}.

5.11 En un año una cartera de seguros produce 0, 1, 2, 3 o 4 reclamos, por valor

de 1 o 2. Si F(6) = 0,935, F(7) = 0,976 y p*4(7) = 0,412, calcule p*4(8).

5.12 Los reclamos totales han sido modelados por la distribución Binomial
Negativa con parámetros 15 y 1/5. Los valores de los reclamos siguen la
distribución Uniforme sobre el intervalo [0,10]. Usando la aproximación
normal, determine la prima tal que, la probabilidad de que los reclamos
excedan la prima es 0,025.

5.13 La distribución de las pérdidas individuales es Normal con media 100 y

varianza 9. La distribución del número N de reclamos es: PN  0  0,45 ,
PN  1  0,30 , PN  2  0,15 y PN  3  0,10 . Calcule la probabilidad de
que el total de los reclamos exceda a 100.

5.5 PROCESO DEL RECLAMO TOTAL

5.14 Hay diez personas de edad 40 en el tiempo 0. N(t) es el número de decesos

al cabo del tiempo t. Los tiempos de deceso son independientes. Si q41 =
0,0041 y q42 = 0,0043, calcule PN3  N1  1/ N1  2.

5.15 Hay dos personas de edades 50 y 60. N(t) es el número de decesos al cabo
del tiempo t. Los tiempos de deceso son independientes. Si q52 = 0,007, q53
= 0,008, q62 = 0,014 y q63 = 0,016, calcule PN4  N2  1/ N2  0.
5.16 Sea N(t) el número de reclamos al cabo del tiempo t y sea Xi el valor
del i-ésimo reclamo (i = 1,2,...). N(t) tiene distribución de Poisson con
parámetro 3t. X1, X2, ..., son independientes y distribuidas idénticamente con
función de frecuencia común: p(1) = 2/3 y p(2) = 1/3. X1, X2, ..., son
independientes de N(t). Calcule el valor esperado y la varianza del reclamo
total en el intervalo de tiempo (1,5).

5.6 UTILIDAD DE ALGUNAS DISTRIBUCIONES COMPUESTAS

5.17 En el Ejemplo 5.4 sea N2 el número de reclamos de valor 2. Calcule

P{N2 = 1}.

88
5.18 S1 tiene distribución de Poisson compuesta con  = 2, p(1) = 0,2, p(2) = 0,6 y
p(3) = 0,2. S2 tiene distribución de Poisson compuesta con  = 6, p(3) = p(4) =
0,5. Si S1 y S2 son independientes, calcule el valor esperado y la varianza
de la variable, S = S1 + S2.

5.19 Sea S = N1 + 2N2 + 3N3 donde N1, N2 y N3, son variables mutuamente
independientes que tienen distribución de Poisson con parámetros 0,1, 0,3 y
0,4, respectivamente. Calcule P{S = 2}.

5.20 El reclamo total S tiene distribución de Poisson compuesta con  ,p(1) = p,

p(2) = 1 – p, 0 < p < 1. Si f(0) = f(1) = f(2), halle f(3).

5.21 En un modelo de riesgo colectivo el número de reclamos tiene distribución

Binomial con parámetros m y p. El valor de los reclamos tiene función de
frecuencia p(1) = 2/3 y p(2) = 1/3. Si f(2) = 32 f(1) = 94 f(0), halle los valores de
m y p.

5.7 APROXIMACIÓN DEL MODELO INDIVIDUAL

5.22 Un asegurador tiene una cartera de 1.000 pólizas de vida, temporales a un

año, como se describe en la tabla:

Número de Tasa Anual de

Pólizas Beneficio Mortalidad
200 1 0,01
100 4 0,01
300 1 0,02
400 4 0,02

Calcule el valor esperado y la varianza del reclamo total, usando el método

de la aproximación canónica.

5.23 Para la cartera descrita en el Ejercicio 5.22, calcule el valor esperado y la

varianza del reclamo total, usando el método de la cartera abierta.

5.24 Una cartera se compone de 30 pólizas; en 10 de ellas el reclamo tiene un

valor de 100 y se presenta con probabilidad 0,2. En las 20 restantes, el
reclamo se presenta con probabilidad 0,3 y tiene un valor de 50 o 200 con
probabilidades 0,4 y 0,6 respectivamente. Calcule el valor esperado y la
varianza del reclamo total, usando el método de aproximación canónica.

89
5.25 Una cartera se compone de tres pólizas; en una de ellas el reclamo tiene un
valor de 10 y se presenta con probabilidad 0,2; en las dos pólizas restantes el
reclamo se presenta con probabilidad 0,3 y tiene un valor de 5 o 20, con
probabilidades 0,4 y 0,6, respectivamente. Calcule el valor esperado y la
varianza del reclamo total, usando el método de la cartera abierta.

90
 CAPÍTULO VI

TEORÍA DE LA RUINA

6.1 INTRODUCCIÓN

La teoría de la ruina está relacionada con el nivel del superávit de un

asegurador, con relación a una cartera de seguros. Por “superávit” entendemos el
exceso de algún fondo inicial más las primas recogidas, sobre los reclamos
pagados. El fondo inicial se conoce como el “superávit inicial” o “superávit en el
tiempo cero”.

En este capítulo consideramos un modelo matemático del riesgo colectivo, para

las variaciones en el superávit de un asegurador, sobre un periodo extenso de
tiempo.

6.2 UN MODELO DE TIEMPO CONTINUO

Para t ≥ 0, sea U(t) el superávit del asegurador en el tiempo t. Asumimos que

las primas son recibidas continuamente a una tasa anual constante, c > 0, y que
S(t) es el reclamo total hasta el tiempo t. Si U(0) = u, es el superávit inicial,
entonces, como resultado de operaciones pasadas,

Ut   u  ct  St , t 0 (6.1)

En palabras, el superávit del asegurador en un tiempo fijo t > 0, es determinado

por el superávit inicial, el ingreso por primas recibidas hasta el tiempo t y los
reclamos pagados hasta el tiempo t.

En este modelo ignoramos el interés y los factores distintos a las primas y a los
reclamos que podrían afectar al superávit. Un resultado típico de este “proceso
del superávit” Ut t  0 , es mostrado en la Figura 6.1. Notamos que el superávit se
incrementa linealmente (con pendiente c), excepto en los tiempos en que se

91
presentan los reclamos; momentos en los cuales, el superávit disminuye en una
cantidad igual al valor de los reclamos.

Figura 6.1 Un Resultado Típico del Proceso del Superávit.

U(t)

c
0 iente t
t2 T = t3 Pend
t1
U(T)

Como se ilustra en la Figura 6.1, el superávit puede llegar a ser negativo en

ciertos momentos. Cuando esto ocurra por primera vez decimos que la “ruina” ha
ocurrido. Este término no es equivalente a “insolvencia”, puesto que, cuando
todos los factores son considerados, es posible que el superávit sea positivo.

Una medida útil para valorar el riesgo financiero concerniente a una

organización de seguros, es obtenida calculando la probabilidad de ruina para esta
organización. Definimos

T  mìnt : Ut   0

como el tiempo en que la ruina ocurre. (Cuando la ruina no se presenta, diremos

que T =  o que U(t) ≥ 0, para todo t ≥ 0). Además, indicamos por,

u   PT  

la probabilidad de la ruina, considerada como una función del superávit inicial u.

También estamos interesados en U(T), el superávit negativo en el tiempo en que
se presenta la ruina.

92
 En la práctica, la mayoría de los aseguradores están interesados en la ruina,
sólo sobre un periodo largo pero finito. Con más exactitud, la consideración sería
limitada a,

u,t   PT  t

la probabilidad de la ruina antes del tiempo t. La probabilidad de la ruina sobre un

horizonte infinito, (u), que es más manejable matemáticamente y constituye una
cota superior para (u, t).

EJEMPLO 6.1 Para el tiempo t ≤ 7, la historia de los reclamos es:

Tiempo del Reclamo, t: 0,50 2 2,75 4 6

Valor del Reclamo, X: 2,5 10 7 4 12

El capital inicial disponible es 5 y la tasa anual con que se paga continuamente la

prima es 4. Describa el superávit U(t) y establezca el tiempo en que ocurre la
ruina.

SOLUCIÓN

La función U(t) tiene la forma:

U(t) = 5 + 4t – S(t), t≥0

donde

0 si 0  t  0,50
2,5 si 0,50  t  2

12,5 si 2  t  2,75
St   
19,5 si 2,75  t  4
23,5 si 4t6

35,5 si 6t7

El superávit en el tiempo t, antes y después del pago del reclamo, es dado en la

tabla siguiente:

93
 Tiempo Superávit
t Antes del Pago Después del Pago
0,50 7 4,5
2 10,5 0,5
2,75 3,5  3,5
4 1,5  2,5
6 5,5  6,5

Puesto que el superávit es negativo por primera vez, cuando se hace el tercer
pago, concluimos que la ruina se presenta en el tiempo, t = 2,75.

6.3 PROBABILIDAD DE LA RUINA

El proceso de superávit Ut t  0 , puede ser estudiado por su relación con el
proceso de los reclamos totales St t  0 . En el resto de este capitulo asumiremos
que St t  0 es un proceso de Poisson compuesto, con parámetro de Poisson λt .
En esta forma,

ESt   λtp1

VarSt   λtp2

donde, como en el Capitulo V, pk es el k-ésimo momento del valor común de los

reclamos individuales.

Asumimos que por unidad de tiempo, la prima c excede el pago esperado λp1
de los reclamos, en la cantidad θλp1 donde θ es el cargo relativo por seguridad.
En otras palabras,

c  1  θ λp1, θ 0

Trataremos ahora con el “coeficiente de ajuste” el cual da una medida del riesgo
en un proceso del superávit. En este proceso se tienen en cuenta dos factores:
los reclamos totales y el ingreso por primas. El es indicado por R y se define
como la menor raíz positiva de,

94
 M s t  ct r   1 (6.2)
o
λMX r   1  cr (6.3)

Sustituyendo c por 1  θ λp1, tenemos la forma equivalente,

1  1  θ  p1r  MX r  (6.4)

El lado izquierdo es una función lineal de r, mientras que, Mx(r) es una función
creciente. Además, M'X' r   0 , así que, MX(r) es una función convexa. La
suposición c  λp1 (equivalente a, θ  0 ), significa que la pendiente 1  θ  p1, del
lado izquierdo de (6.4), excede la pendiente MX 0  p1 , del lado derecho en r = 0.
De la Figura 6.2 vemos que, (6.2) tiene dos soluciones, r = 0 y r = R (>0), que es el
coeficiente de ajuste.

FIGURA 6.2 Definición de R

M x( r )
1+(1+q)p1 r

r
0 R

95
 El siguiente teorema muestra una relación importante entre el coeficiente de
ajuste y la probabilidad de la ruina.

TEOREMA 6.1 Para u  0 , la probabilidad de la ruina está dada por,

e Ru
 u  

E e  RU T  / T    (6.5)

Prueba

Para t > 0 y r > 0 consideramos


E erUt     
 E e rUt  / T  t PT  t  E erUt  / T  t PT  t 
Como

Ut   u  ct  St 

tenemos


E e  rUt    e  ruMSt  ct r 

Teniendo en cuenta que MSt  ct R   1 , obtenemos


E e  Ru t    e  Ru

Ahora,

Ut   UT   Ut   UT 

 UT  ct  T  St   ST

Para un T dado, St   ST  es independiente de U(T) y tiene distribución de

Poisson compuesta con parámetro de Poisson λt  T  . De aquí que,

  
E e rUt  / T  t PT  t  E e rUT e rct  T  λt  T Mx r 1 / T  t PT  t 
 Ee  rUT 

et  T cr  λMx r 1 / T  t PT  t

Puesto que,

96
  Rc  λMX R  1  0

escribimos

  
E erUt  / T  t PT  t  E eRUT  / T  t PT  t 
Notamos que,

 
lím E e  rUt  / T  t PT  t 
t 

E e RU T  / T    u  
Si T > 0, ello implica que hasta el tiempo t no se presenta la ruina; en otras
palabras, si T > 0, ello implica que Ut   0 y así, e RUt   1, con lo cual deducimos
que,

t 
 
lím E e  rUt  / T  t PT  t  0

Por lo tanto, cuando t   , tenemos la igualdad,

eRu 
 E eRUT  / T   u  
▼

En la figura 6.2 vemos que, si θ  0 , la secante se aproxima a la tangente de

MX(r) en r = 0, lo cual implica que, R  0 . Entonces, de (6.5), u   1, es decir,
la ruina es cierta. Naturalmente, si la ruina es cierta para θ  0 , también lo será
para θ  0 . Por esta razón, se mantiene la suposición de que, θ  0 .

Una evaluación explícita del denominador de (6.5) es difícil excepto cuando u =

0 o cuando la distribución del valor de los reclamos es exponencial. Como, dado
T   , el superávit, U(T) es negativo, el denominador de (6.5) excede a 1 y
entonces se tiene la desigualdad de Lundberg.

 u   e Ru (6.6)

Si m (finito) es el valor máximo de los reclamos se sigue que, dado T   ,

UT    m , puesto que el superávit, justo antes del reclamo, debe haber sido
positivo. Por lo tanto,

97
  
E e  RU T  / T    eRm

Así,

 u   e R u  m 

Algunos autores sugieren el uso de la aproximación,

 u   e Ru

que observando (6.6), sobrevalora la probabilidad de la ruina.

EJEMPLO 6.2 Calcule el coeficiente de ajuste si todos los reclamos son de valor
1.

SOLUCIÓN

El coeficiente de ajuste es la raíz positiva de (6.4), a saber,

1  1  θ r  er

Los resultados de la evaluación numérica de la ecuación anterior, para varios

valores de θ , son mostrados a continuación.

θ R
0,1 0,18768
0,3 0,50363
0,5 0,76267
0,7 0,98160
0,9 1,17077
1,1 1,33706

EJEMPLO 6.3 Determine el coeficiente de ajuste cuando la distribución del valor

de los reclamos es exponencial con parámetro β .

SOLUCIÓN

De (6.4) tenemos la ecuación,

98
 1 
1  θ

β
β β  r
o

1  θ r 2  θβr  0
y así,

θ
R  β
1  θ

▼
EJEMPLO 6.4 Calcule la probabilidad de la ruina en el caso en que la
distribución del valor de los reclamos sea exponencial con parámetro β .

SOLUCIÓN

Sean, û el superávit justo antes del tiempo T de la ruina y X el valor del

reclamo que causa la ruina. Entonces, el superávit en el tiempo T puede
escribirse como UT   uˆ  X y así,

P UT  y / T    PX  uˆ  y / X  uˆ

 e  βy

Esto es, – U(T) dado T   , tiene distribución exponencial con parámetro β . Por
lo tanto,


E e  RU T  / T    
β
β  R

De (6.5) y del Ejemplo 6.3 concluimos que,

β  R  Ru
 u   e
β

θ
1  βu
 e 1 θ
1  θ

θ u

1
 e 1 θ p1
1  θ

99
6.4 UN MODELO DE TIEMPO DISCRETO

Sea Un el superávit en el tiempo n (n = 0,1,2,…). Asumimos que,

Un  u  nc  Sn n = 1,2,….

donde u = U0, es el superávit inicial, c es el valor de las primas recibidas en cada

periodo y Sn es el valor total de los reclamos en los primeros n periodos. Además,
sea

Sn  W1  W2    Wn n = 1,2,….

donde Wi es la suma de los reclamos en el periodo i (i = 1,2,….). Asumimos que,

W1, W 2,…., son variables aleatorias independientes y distribuidas idénticamente
con media común,  = EW < c, donde W es una variable aleatoria con la
distribución común de W1, W 2,… Entonces podemos escribir,

Un  u  c  W1     c  Wn 

 Un 1  c  Wn (6.7)

Sean,
~
T  mín n : Un  0

el tiempo de la ruina y

~ u 
  
~
PT 
~   si U ≥ 0, para
la probabilidad de la ruina cuando el superávit inicial es u. T n
todo n ≥ 0.

Cuando el valor de las primas es 1 y tanto el superávit inicial como los

reclamos periódicos son enteros no negativos, la probabilidad  u  puede
calcularse mediante la siguiente fórmula.

u 
u    PW  ju  j   PW  j
~ ~
(6.8)
j 0 j  u 1

100
 Para comprobar esta fórmula tenemos en cuenta que, si W1  j , j  0,1,..., u ,
entonces, U1  u  1  j y la probabilidad de la ruina a partir de este nivel del
superávit es u  1  j  . Esto se sigue porque las variables Wi son
independientes y tienen la misma distribución. Ahora,


~ u  PT   
   PT  , W  j
j 0


  PW  j PT   / W  j
j 0

Entonces, si U1  0 tenemos,


~ u 
   PW  j~ u  1  j 
j 0

u 1 
 PW  ju  1  j    PW  j
~

j 0 j u  2

Tomando r  u  1 j en la primera sumatoria, escribimos

u 1
 u   PW  u  1  rr   PW  u  1
~ ~

r 0

Para k = 0,1,2,..., tenemos

k k u 1 k
 u    PW  u  1  rr    PW  u  1
~ ~

u 0 u 0 r 0 u 0

k 1 k
 PW  0 0   r  PW  k  1  r   PW  u  1
~

r 0 u 0

k
 PW  0 0    r  1  PW  k  1  r
~

r 0

k
  k  1 PW  0   PW  u  1
~
u 0

Entonces,

101
 k
 k  1 PW  0  PW  0 0   r PW  k  1  r
~ ~ ~
r 0

k
  PW  u  1
u 0

Cuando k   obtenemos,


PW  0 0   PW  u  1
u 0

y así,

k 
PW  0 k  1  r PW  k  1  r   PW  u  1
~ ~

r 0 u  k 1

~ u  , podemos escribir,
Del desarrollo original de la probabilidad 

k k
 k   PW  k  1  rr   0   r PW  k  1  r
~ ~ ~ ~

r 0 r 0


  PW  r  1  PW  k  1
r  k 1

k 
 r  PW  k  1  r  PW  r  PW  k  1
~
 
r 0 r k 2

Entonces,
k 
 k   r  PW  k  r   PW  r
~ ~

r 0 r  k 1

Si reemplazamos k por u y luego tomamos j = u – r, obtenemos la fórmula (6.8)

EJEMPLO 6.5 El valor periódico de los reclamos a un asegurador tiene

distribución Geométrica con parámetro p (p > 1/2). Si la tasa periódica de las
primas es 1, calcule la probabilidad de la ruina a partir del superávit inicial,
u = 0,1,2,..

SOLUCIÓN

102
 
PW  j  p  qk q  1  p
k j

 q j 1

y así,

 
 PW  j   q j 1
j  u 1 j u

1 u2
 q
p

Entonces, la probabilidad de la ruina es,

u
u    q j 1u  j 
~ 1 u2
 q , u  0,1,2,...
j 0 p

En particular

2
q
 0
~
  
 p

Ahora,

u u 1
 u   q u  1  q j 1u  j    q j  2 u  1  j 
~ ~ ~ ~

j 0 j 0

1 u2 1
 q  q q u 1
p p

qu 
~


Entonces

 u   u  1
~ q ~

p


103
 u
q ~
    0
 p

u2
q
   . u  0,1,2,...
 p
▼

Trataremos ahora con el coeficiente de ajuste el cual, como en el modelo de

tiempo continuo, da una medida del riesgo en un proceso de superávit. El es
~ y por analogía con (6.2), se escoge como la menor raíz positiva
indicado por R
de,

f r   MW  c r   1 (6.9)
o
lnMW r   cr (6.10)

La gráfica de f(r) (Figura 6.3) puede trazarse observando que,

f r   
E W  c e r W  c  
y
f r   
E W  c  e r W  c 
2

~
Figura 6.3 Definición de R

f(r)

r
0 ~
R

104
 f(0) = 1, así que r = 0, es una raíz de la ecuación f(r) = 1. Como, f’(0) =  - c <
0, vemos que la función inicialmente es decreciente y como f’’(r) > 0, la función f(r)
es convexa, concluyendo entonces que, f(r) cruza la línea f(r) = 1. El valor de r
donde esto ocurre es el coeficiente de ajuste.
Como en el modelo de tiempo continuo, el siguiente teorema cuya prueba es
análoga a la del Teorema 6.1, muestra una relación importante entre el coeficiente
de ajuste y la probabilidad de la ruina.

TEOREMA 6.2 Para u  0 , la probabilidad de la ruina está dada por,

~
e  Ru
u 
~
 ~ (6.11)
E e T / T   
 Ru ~
 

Puesto que U T  0 , del Teorema 6.2 se sigue la desigualdad de Lundberg:

~ u  

~
eRu

~ . Observamos que,
Ahora deducimos una aproximación para R

lnMw r  r  0
d
 EW  μ
dr

d2
lnMw r  r  0  Var W   σ2
dr 2

d3
dr 3
lnMw r  r  0  
E W  μ 
3


Entonces la expansión en serie de Maclaurin de lnMw(r) es,

lnMW r   μr 
1 2 2
2
σ r 
r3
6
 3

E W  μ   

Usando sólo los dos primeros términos de esta expansión en (6.10) obtenemos

105
 ~ 2c  μ 
R 
σ2

Si W tiene una distribución compuesta y el cargo relativo por seguridad q, es dado

por, c = (1 + q), entonces (5.7) y (5.8) producen

~ 2θp1 EN

R
p 2  p12 EN  p12 Var N
(6.12)

donde N indica el número de reclamos en cada periodo.

Cuando N tiene distribución de Poisson con parámetro , de (6.12) se deduce

que,

~ 2θp1
R  (6.13)
p2

y cuando N tiene distribución Binomial Negativa con parámetros r y p,

~ 2θp1
R 
1 
p2  p12   1
p 

Nótese que, cuando p  1, se obtiene (6.13)

EJEMPLO 6.6 Los valores W i de los reclamos son 0 y 2, con probabilidades p (p

> ½) y q = 1 – p, respectivamente. El superávit inicial u es un entero y la tasa
anual de las primas es, c = 1. Determine,

a. El superávit en el tiempo de la ruina

b. El coeficiente de ajuste
c. La probabilidad de la ruina

SOLUCIÓN
~
a. Para n  T , de (6.7) tenemos

Un = Un-1 + 1 – Wn

106
 Puesto que, T  mín n : Un  0 y Wn sólo toma los valores 0 o 2,
~

concluimos que, UT 1  0 y UT~  1

b. Puesto que,

Mw(r) = p + q℮2r

De (6.9) tenemos la ecuación,

~ ~
pe R  qeR  1

cuya solución es

~  p
R  ln  
q

c. De (6.11)
~
e Ru
u  
~
~ ~
E[eR / T  ]

e Ru 1
~


u 1
q
  
 p

6.5 PROBABILIDAD DE SOBREVIVENCIA

La probabilidad de que la ruina nunca ocurra a partir del superávit inicial u, es

dada por,

u   1  u 

y se conoce como la “probabilidad de sobrevivencia”. Con el fin de determinar la

probabilidad u  , hallaremos primero una fórmula para calcular n u  , la
probabilidad de la ruina en o antes del n-ésimo reclamo.

107
 Asumiremos que el número de reclamos sigue la distribución de Poisson con
media λ y que el valor individual de los reclamos tiene función de densidad p(x) y
función de distribución P(x). También asumiremos que, el primer reclamo ocurre
en el tiempo t y tiene un valor x. En esta forma, el proceso del superávit empieza
nuevamente y la probabilidad de la ruina en o antes de los n – 1 reclamos
posteriores es n 1u  ct  x  . Puesto que las probabilidades de los eventos
anteriores son respectivamente, λe  λt dt y p x dx , la integración sobre x y t da,


n u     n 1u  ct  x λe
 λt
dt p x dx
00

 

 λe  px dxdt
 λt

0 u  ct

 u  ct

 λe  px n 1u  ct - x dxdt

 λt
 (6.14)
0 0

Puesto que,

lím n u    u 
n

para todo u tenemos

 
 u    λe
 λt
 px dxdt
0 u  ct

 u  ct

 λe  px  u  ct - x dxdt
 λt

0 0

Entonces,

 
1  u    λe
 λt
 px dxdt
0 u  ct

 u  ct

 λe  px 1  u  ct - x  dxdt

 λt

0 0

de donde se deduce que la probabilidad de sobrevivencia es,

108
  u  ct
u    λe
 λt
 px u  ct - x dxdt (6.15)
0 0

Tomando r = u + ct en (6.15) obtenemos

 r
λ λu/c
u   e  λe  λr/c  p x r  x dxdr
c u 0

Así,

u
λ λ
u  u    p x u  x dx
d
 (6.16)
du c c0

Aplicando la transformación de Laplace a ambos lados de (6.16) tenemos,

λ  λ
s s   0   s   p  s  s 
c c
o

c0
 s  

cs  λ 1  p  s   (6.17)

Ahora calculamos 0. En (6.16) reemplazamos u  por 1  u  para obtener,

λ λu λ
 u   u    p x u  x dx  1  Pu 
d

du c c0 c

Integrando ambos lados de la igualdad con respecto a u entre 0 e  , se halla,

 u
λ λ λ
  0     u du    p x u  x dxdu  p1
c0 c 00 c

Al cambiar el orden de la integral doble y reemplazar, u – x por y, encontramos

que,

u 

 p x u  x dxdu    y dy

00 0

Entonces

109
 λ
0  p1 (6.18)
c
y
λ
0  1  p1 (6.19)
c

EJEMPLO 6.7 Calcule la probabilidad de sobrevencia, cuando la distribución del

valor individual de los reclamos es exponencial con parámetro β .

SOLUCIÓN

λ
0  1 
cβ
y
β
p  s  
βs

Reemplazamos estos valores en (6.17) y luego de algunas operaciones

obtenemos,

cβ  λ  s c  λ/β 
 s  
s cs  cβ  λ 

1 λ 1
 
s cβ λ
s β
c

Al tomar la transformación inversa de Laplace tenemos,

 λ
λ  β  c u
u   1  e (6.20)
cβ

A partir de (6.20) se puede deducir la fórmula encontrada en el Ejemplo 6.4,

para calcular la probabilidad de la ruina. Ello se hace sustituyendo c por 1  θ /β

110
6.6 PRIMER SUPERÁVIT POR DEBAJO DEL NIVEL INICIAL

Continuamos con el modelo de tiempo continuo, donde el proceso de los

reclamos totales St t  0 , es un proceso de Poisson compuesto. Específicamente,
consideramos el valor del superávit en el tiempo en que cae por primera vez por
debajo del nivel inicial (esto puede que nunca ocurra). Como una aplicación, en
(6.18) tomamos, c  1  θ λp1 para obtener,

0
1
 (6.21)
1 θ

Como puede verse, la probabilidad de la ruina cuando el superávit inicial es cero,

depende del cargo relativo por seguridad θ y no de la forma específica de la
distribución del valor de los reclamos.

Sea L1 el valor aleatorio por el cual el superávit cae por primera vez, por debajo
del nivel inicial, dado que esto ocurre. La función de densidad de L 1 es,

f L1 x  
1
1  Px , x  0, (6.22)
p1

y por consiguiente , su función generatriz de momentos es,


ML1 r  e rx 1  Px dx
1
p1 0


Integrando por partes se obtiene la relación entre la función ML1 r  y la función

generatriz de momentos del valor X de los reclamos, a saber,

ML1 r  
1
MX r   1 (6.23)
p1r

EJEMPLO 6.8 Determine la distribución del nivel L1 del superávit, cuando todos
los reclamos son de valor a.

SOLUCIÓN

1 si 0 xa
1  Px   
0 si xa

111
Así, la función de densidad de la variable L1 es

1
 a si 0 xa

f L 1 x   
0 si xa



Por lo tanto, L1 es distribuida uniformemente entre 0 y a, así que, el nivel del

superávit después de la primera de tales caídas, es distribuido uniformemente
entre u – a y u.
▼

EJEMPLO 6.9 Establezca la distribución del nivel L1 del superávit, si el valor de

los reclamos individuales tiene distribución exponencial con parámetro .

SOLUCIÓN

Puesto que 1 – P(x) = ℮-x, para x > 0, la variable L1 también tiene distribución
exponencial con parámetro .

6.7 LA PÉRDIDA TOTAL MÁXIMA

Consideramos el proceso Lt  t  0 , conocido como el proceso de la pérdida

total, definido por,

Lt   St   ct, t 0

Y su valor máximo,

L  máx St   ct

t 0

Así, L es el exceso máximo del total de los reclamos, sobre las primas recibidas.
Puesto que, L(0) = 0, se sigue que, L ≥ 0.

Ahora para u ≥ 0,

u   PUt   0, para todo t  0

 PLt   u, para todo t  0

112
  PL  u (6.24)

En particular, como L ≥ 0, tenemos

0  PL  0 (6.25)

concluyendo en esta forma que, la distribución de la variable L es mixta; hay una

probabilidad puntual de (0) en el origen, con las restantes probabilidades
distribuidas continuamente para valores positivos de L. También se nota que, la
pérdida máxima se alcanza en el tiempo t = 0.

Ahora consideramos los tiempos donde el proceso de la pérdida total asume un

nuevo registro de altura. Un resultado de este proceso es mostrado en la Figura
6.4; en él se establece tres veces un registro nuevo de altura. Luego de cada
registro de altura hay una probabilidad (0) de que no se romperá este registro y
una probabilidad (0) de que se romperá. Al hacer esta afirmación estamos
contando con el hecho de que, un proceso de Poisson compuesto tiene
incrementos independientes y estacionarios.

FIGURA 6.4 Un resultado Típico del Proceso de la Pérdida Total

u(t)

{
}
L1
L
L2
{
L3
{

0 t1 t2 t3 t

113
La Figura 6.4 ilustra el hecho de que la pérdida total máxima L, puede
representarse como la suma de un número aleatorio de variables, a saber,

L = L1 + L2 +  + LN

Las variables L1, L2,…, son independientes, distribuidas idénticamente e

independientes de N. la variable N representa el número de registros nuevos de
altura y tiene distribución Geométrica con parámetro 0 .

EJEMPLO 6.10 Regresando a los datos dados en el Ejemplo 6.1, determine,

a. La pérdida total máxima
b. Los valores observados de N; L1, …, LN

SOLUCIÓN

El superávit inicial y el superávit en los tiempos de los reclamos, después de

que se han efectuado los pagos, son

U(0) = 5 U(0,5) = 4,5 U(2) = 0,5

U(2,75) =  3,5 U(4) =  2,5 y U(6) =  6,5

a. La pérdida total máxima es

L  máx U0   Ut 

t 0

= U(0) – U(6)

= 11,5

b. Los registros nuevos de altura están entre los tiempos: 0 y 0,5, 0,5 y 2, 2 y
2,75, 2,75 y 6. Entonces el valor observado de N es 4 y

L1 = U(0) – U(0,5)

= 0,5

L2 = U(0,5) – U(2)

= 4

L3 = U(2) – U(2,75)

114
 = 4
y
L4 = U(2,75) – U(6)

= 3

La transformación de Laplace de la pérdida máxima L es,


L s 

 0  e
 su
du 
0

 0   s s   0

cs0


cs  λ 1  p  s  
Puesto que L 0   1, la aplicación de la regla de Hôpital produce,
{}
c0
1 
c  p1

de dónde se deduce que,

λ
0  1  p1
c

θ

1  θ

La función L s  puede escribirse de la forma,

θp1s
L s   (6.26)
 1  1  θ  p1s  p  s 

y así, la función generatriz de momentos de la pérdida máxima L es,

θp1r
ML r   (6.27)
1  1  θ  p1r  MX r 

115
Nótese que la ecuación usada para establecer el coeficiente de ajuste, es obtenida
igualando a cero el denominador de (6.27). El coeficiente de ajuste viene a ser el
menor de los r > 0 que satisfacen la ecuación (6.4).

Teniendo en cuenta que la distribución de la pérdida máxima L es mixta, la

probabilidad de la ruina  u  se puede hallar haciendo uso de la integral en (6.26)
la cual puede escribirse como sigue,


θ 1  p  s 
e
 su
du   (6.28)
0
1  θ  1  1  θ  p1s  p  s 

Esta fórmula puede ser usada para calcular la probabilidad  u  , siempre y

cuando el quebrado pueda escribirse da la forma siguiente:

θ 1  p  s  n
Ai
1  θ  1  1  θ  p1s  p  s 
 s  ri
i 1

En este caso, la probabilidad  u  se expresa como,

n
 u    ci e  uri

i 1

Para establecer el valor de ci, reemplazamos u  por 1  u  , en la integral de

(6.28) para obtener,

 e d  u  
n 1
 us
 ci ri s  ri
0 i 1

de donde se deduce que, ciri = Ai y por consiguiente la probabilidad de la ruina

es dada por,

n
 u 
A
  r i e  ur i
(6.29)
i 1 i

EJEMPLO 6.11 Asumiendo que, q = 2/5 y p(x) es dada por

p x 
3 3 x 7
 e  e7x , x>0
2 2

116
Calcule la probabilidad de la ruina, (u) y la máxima pérdida total esperada, EL

SOLUCIÓN

La transformación de Laplace del valor individual X de los reclamos es,

p  s 
1 3 1 7
 
2 3  s 2 7  s

1 1 1 1
p1  
2 3 2 7

5

21

Sustituimos estas expresiones en el lado derecho de (6.28), para obtener, luego

de algunas simplificaciones,

θ 1  p  s  6 s  5

1  θ  1  1  θ  p1s  p  s  7 s  1s  6
24 1 6 1
 
35 s  1 35 s  6

Por lo tanto,

u  
24  u 6  6u
e  e , u0
35 35
y


EL    u du
0

5

7

117
 Los problemas prácticos requieren la consideración de distribuciones de los
reclamos que no sean combinaciones de distribuciones exponenciales. Para
algunas distribuciones puede ser difícil establecer el coeficiente de ajuste para
aproximar las probabilidades de la ruina. Un método basado en los dos primeros
momentos de la distribución del valor de los reclamos es fácil de aplicar y parece
dar resultados satisfactorios para valores moderados de u.

Puesto que, el número N de registros nuevos de altura tienen distribución

Geométrica con parámetro 0 y los registros nuevos de altura L1, L2,…., son
independientes y tienen la misma distribución de probabilidad, tenemos que,

1
EN 
θ
y
p2
EL1 
2 p1

Entonces,

EL  EEL / N

 ENEL1

p2
 (6.30)
2θp1

Además de la observación de (6.21) y (6.6), surge la siguiente aproximación,

u  
1 Ku
e , u0
1 θ

donde K es escogida de manera que, el valor aproximado de EL sea igual al dado

en (6.30). Como


EL    u du
0

1 1

1 θ K

tenemos que,

118
 2θp1
K 
1  θ  p2
y la probabilidad aproximada de la ruina es entonces,

 2θp1 
u  
1
exp  u , u0 (6.31)
1 θ  1  θ  p2 

Debe notarse que, si la distribución de los reclamos es exponencial con media p1,
entonces p2  2 p12 y el resultado es exacto.

EJEMPLO 6.12. A partir de la información dada en el Ejemplo 6.11, calcule la

probabilidad aproximada de la ruina  u  , cuando u = 0, 3, 6, 9 y 12. Compare
estas aproximaciones con los valores exactos.

SOLUCIÓN

Para la distribución del valor individual de los reclamos.

5 58
p1  y p2 
21 441

Entonces,

u  
5  30u / 29
e , u0
7

La Tabla 6.1 muestra los valores exactos y aproximados de la probabilidad de

la ruina donde, los valores exactos son calculados de la solución dada en el
Ejemplo 6.11.

Tabla 6.1 Probabilidad de la Ruina.

u Exacta Aproximada
0 0,714286 0,714286
3 0,034140 0,032067
6 0,001700 0,001440
9 0,000085 0,000065
12 0,000004 0,000003

119
6.8 MÉTODO DE DE VYLDER

Este método consiste en aproximar el proceso Ut t  0 por un proceso de

 
superávit Ut  t  0 con las siguientes características:
 U 0  = 0
 El parámetro de Poisson es 
 La prima por unidad de tiempo es c
 La distribución del valor individual de los reclamos es exponencial con
parámetro β

De (6.20) vemos que, la probabilidad de la ruina para el proceso del superávit

U t t  0
es,

λ  β  λ /c u
v u   e (6.32)
βc

Esta es la aproximación de De Vylder, de la probabilidad de la ruina, para el

proceso del superávit Ut t  0 . Los parámetros λ , c y β , son escogidos
igualando los valores esperados y los momentos centrales de orden 2 y 3, de los
procesos del superávit. Puesto que,

Ut   EUt    St   λp1t

λ , c y β se escogen a partir de las siguientes igualdades:

EUt   EUt 

VarSt   VarSt 


E St   λp1t 
3
  
E S t   λ p1t 
3

De estas igualdades se desprenden las siguientes ecuaciones:

u  ct  λp1t  u  c t  λ t /β

λp2  2 λ /β

120
 λp3  6 λ /β 3

La solución de estas ecuaciones es:

3 p2
β  (6.33)
p3

9 λp23
λ  (6.34)
2 p32

λ
c  c  λp1  (6.35)
β

EJEMPLO 6.13 A parir de la información dada en el Ejemplo 6.11, calcule la

probabilidad aproximada de la ruina  u  , cuando u = 0, 3, 6, 9 y 12. Compare
estas aproximaciones con los valores exactos.

SOLUCIÓN

5 58 370
p1  p2  y p3 
21 441 3087

Entonces,

β  3,291892

λ  0,712608

c  0,311712

Por lo tanto, la probabilidad aproximada de la ruina es,

v u   0,694467 e 1,005782u , u0

121
 La Tabla 6.2 muestra los valores exactos y aproximados de la probabilidad de
la ruina donde, los valores exactos son calculados de la solución dada en el
Ejemplo 6.11.

Tabla 6.2 Probabilidad de la Ruina.

u Exacta Aproximada
0 0,714286 0,694467
3 0,034140 0,033981
6 0,001700 0,001663
9 0,000085 0,000081
12 0,000004 0,000004

6.9 FÓRMULA ASINTÓTICA DE CRAMER Y APROXIMACIÓN DE TIJMS

Una información importante sobre la ruina, que involucra al coeficiente de

ajuste, es dada por la fórmula asintótica de Cramer para la probabilidad de la
ruina. Esta fórmula es,

c u   CeRu (6.36)

donde

θp1
C  (6.37)
M' x R   1  θ  p1

EJEMPLO 6.14 Suponga que θ  2 y p x   4 xe 2 x , x  0 . Determine la

fórmula asintótica de Cramer para la probabilidad de la ruina.

SOLUCIÓN

El valor individual X de los reclamos tiene la distribución Gamma con

parámetros α  2 y β  2. Entonces, la función generatriz de momentos de X es,

2
 2 
MX r     , r2
2  r

122
De (6.4) se deduce que el coeficiente de ajuste es 1. Entonces c = 2/5 y por lo
tanto,
c u  
2 u
e
5
▼

Una expresión analítica simple fue sugerida por H. Tijms y consiste en agregar
un término exponencial a (6.36) para mejorar la aproximación de la probabilidad
de la ruina, cuando el superávit inicial u es pequeño. Así, la aproximación de
Tijms es definida como,

 1 
T u   CeRu    C e  uA (6.38)
 1 θ 

donde
1
 C
A  1 θ (6.39)
p2 C

2θp1 R

En particular, T u   u , cuando la función de densidad del valor individual de

los reclamos es,

p x     
p βe  βx  1  p  β´ 2 xe  βx ,  x0 0  p 1

EJEMPLO 6.15 A partir de la información dada en el Ejemplo 6.14, determine la

aproximación de Tijms para la probabilidad de la ruina.

SOLUCIÓN

Puesto que,

2 3
q  2, C  , p1  1, p2  y R  1
5 2

de (6.39) se deduce que, A = 8/3 y por lo tanto, la probabilidad de la ruina es,

T u  
2 u 1  8u / 3
e  e , u0
5 15
▼

123
EJERCICIOS

6.2 UN MODELO DE TIEMPO CONTINUO

Para los Ejercicios 6.1, 6.2 y 6.3, considere los datos siguientes que
corresponden a un proceso de reclamos hasta el tiempo t = 4,25

Tiempo del Reclamo, t: 0,50 1,25 2,75 3,50 4,25

Valor del Reclamo, X: 2 3 13 8 1

6.1 El capital inicial disponible es 4 y las primas son pagadas continuamente a la

tasa anual de 6. Describa el superávit U(t). ¿Ocurre la ruina? Si es así,
¿cuál es el tiempo de la ruina?

6.2 El capital inicial es 4. Determine el valor mínimo de la prima anual, pagadera

continuamente, para que la ruina no ocurra en el intervalo de tiempo [0; 4,25]

6.3 El superávit inicial es 4 y la prima anual pura, pagadera continuamente, es 5.

Establezca el cargo mínimo relativo por seguridad tal que la ruina no ocurra
en el intervalo de tiempo [0; 4,25]

6.3 PROBABILIDAD DE LA RUINA

6.4 El cargo relativo por seguridad es, (3 – ln4)/ln4 y todos los reclamos tiene el
valor ln2. Determine el coeficiente de ajuste.

6.5 La probabilidad de la ruina con un superávit inicial u = 0, es 5 / 7 y el valor

individual de los reclamos es mayor que x, con probabilidad e-4x. Calcule la
probabilidad de la ruina cuando el superávit inicial es 1.

6.6 Un proceso de Poisson compuesto tiene un coeficiente de ajuste de 10. Un

segundo proceso de Poisson compuesto es idéntico al primero excepto que,
los valores de los reclamos y las primas, duplican a los del primer proceso.
Calcule el coeficiente de ajuste para el segundo proceso.

6.7 El superávit tiene un proceso de reclamos que es Poisson compuesto. La

distribución del valor de los reclamos es exponencial con media 5. El cargo
relativo por seguridad es 0,30 y el superávit inicial es 8. Determine la
cantidad adicional de superávit para reducir la probabilidad de la ruina en un
60%.

124
6.4 UN MODELO DE TIEMPO DISCRETO

6.8 Muestre que, cuando la distribución común de las variables W i es Normal con
media μ y varianza σ 2 , el coeficiente de ajuste es,

~ 2c  μ 
R 
σ2

6.9 Para un proceso de superávit de tiempo discreto, Un, n = 0,1,2,…, sea Gn =

Un – Un-1. G1, G2,…, son variables independientes y distribuidas
idénticamente con PGn  1  PGn  0  1/ 5 y PGn  1  3 / 5 .
Determine el coeficiente de ajuste.

6.10 En un modelo de tiempo discreto, la ganancia G n de un asegurador en el n-

ésimo periodo de tiempo, es 1 o –1, con probabilidades ¾ y ¼,
respectivamente. El superávit inicial es 1 y la tasa anual de las primas es 1.
Determine la probabilidad de la ruina.

6.11 Los valores de los reclamos son 0 o 1 con probabilidades 2/3 y 1/3,
respectivamente. El superávit inicial es 2 y la tasa anual de las primas es 0,5.
Calcule la probabilidad de la ruina.

6.5 PROBABILIDAD DE SOBREVIVENCIA

6.12 En un proceso de riesgo el número de reclamos sigue la distribución de

Poisson con media 10 y el valor individual de los reclamos tiene distribución
exponencial con media 5. La prima por unidad de tiempo es 80 y el superávit
inicial es 10. Calcule la probabilidad de la ruina en o antes del segundo
reclamo.

6.13 A partir de la información dada en el Ejercicio 6.12, calcule la probabilidad de

sobrevivencia.

6.14 En un proceso de riesgo, el número de reclamos sigue la distribución de

Poisson con media  y el valor individual de los reclamos tiene función de
densidad p x   4 xe 2 x , x  0 . La prima por unidad de tiempo es c  1,4 λ y
el superávit inicial es 2. Calcule la probabilidad de sobrevivencia.

6.6 PRIMER SUPERÁVIT POR DEBAJO DEL NIVEL INICIAL

6.15 Compruebe que,

125
 2
p2 p3  p 
EL1 = y Var(L1) =   2 
2 p1 3 p1  2 p1 

6.16 Calcule EL1, cuando la función de densidad del valor de los reclamos es,

p x 
5 5 x
 e  6e  8 x , x0
4

6.17 El proceso del superávit es Poisson compuesto con q > 0 y todos sus
reclamos son iguales a 5. El superávit inicial es 10. Dado que el superávit
cae por debajo de 10, determine la probabilidad condicional de que la primera
vez que esto ocurra, el nuevo nivel del superávit sea menor que 8.

6.7 LA PÉRDIDA TOTAL MÁXIMA

6.18 Para un proceso de reclamos se dispone de los datos siguientes, hasta el

tiempo t = 4,25.

Tiempo del Reclamo, t: 0,50 1,25 2,75 3,50 4,25

Valor del Reclamo, X: 2 3 13 6 1

El capital inicial disponible es 4 y las primas son pagadas continuamente a la

tasa anual de 6. Determine
a. La pérdida total máxima
b. Los valores observados de N, L1,…., LN

6.19 En un proceso de riesgo el número de reclamos sigue la distribución de

Poisson con media λ  3 y el valor individual de los reclamos tiene la función
de densidad

p x  
1 3 x 16  6 x
e  e , x0
3 3

La prima por unidad de tiempo es c = 1 y el superávit inicial es ln2. Calcule la

probabilidad de la ruina.

6.20 Compruebe que la función de densidad común de las variables L 1, L2,…, es

dada por (6.22)

126
6.8 MÉTODO DE DE VYLDER

6.21 El superávit inicial es ln2, el cargo relativo por seguridad es 0,20 y los valores
de los reclamos son exponenciales con parámetro 3. Calcule la probabilidad
de la ruina, usando la aproximación de De Vylder.

6.22 La probabilidad de la ruina con superávit inicial de 14 es v 14  

5 16
e y la
7
función de densidad del valor individual de los reclamos es, p x   4e 4 x , x
>0. Calcule el coeficiente de ajuste.

6.23 Un superávit tiene un proceso de reclamos que es Poisson compuesto. La

distribución del valor de los reclamos es exponencial con media 0,5. El
coeficiente de ajuste es 1. Determine el valor inicial del superávit que se
requiere para que, v u   0,1

6.9 FÓRMULA ASINTÓTICA DE CRAMER Y APROXIMACIÓN DE TIJMS

6.24 A partir de la información dada en el Ejercicio 6.19, calcule la probabilidad

T u  , cuando u = ln2.

6.25 La distribución del valor de los reclamos es discreta con, p(1) = ¾ y p(2) = ¼.
Si el coeficiente de ajuste es ln2, calcule la probabilidad T 4 .

6.26 El cargo relativo por seguridad es, (3 – ln4)/ln4 y todos los reclamos tienen el
valor ln2. Calcule la probabilidad T 3 .

6.27 La función generatriz de momentos del valor de los reclamos es,

MX r    e 2r . Si C u   3 / 4 , u  0 , calcule el cargo relativo por
4 3 u 1
7 7
seguridad.

127
 CAPÍTULO VII

REASEGUROS

7.1 INTRODUCCIÓN

El reaseguro es un proceso por medio del cual un compañía de seguros, llamada

el reasegurador, acepta indemnizar a otra compañía de seguros, llamada cedente,
toda o parte de una pérdida en que esta pueda incurrir, bajo ciertas pólizas de
seguros que ha emitido.

Naturalmente, la compra del reaseguro reduce la ganancia esperada de la

compañía cedente y por ello es importante que esta compañía haga un convenio
razonable de reaseguro que incremente su seguridad en algún sentido. Primero
se define un requerimiento estándar de seguridad y luego se consideran los
convenios de reaseguros que satisfagan este requerimiento estándar. A partir de
este conjunto de convenios admisibles, la compañía cedente selecciona el que le
permita la mayor ganancia esperada.

En este capítulo trataremos con la forma en que puede aplicarse la teoría de la

utilidad y de la ruina, en la determinación del nivel óptimo de retención bajo los
reaseguros, proporcional y de exceso de pérdida.

7.2 REASEGURO PROPORCIONAL Y REASEGURO DEL EXCESO DE

PÉRDIDA

Los conceptos sobre el seguro proporcional y el seguro del exceso de pérdida,

pueden extenderse al campo de los reaseguros en donde, el reasegurador hace el
papel del decisor.

En esta forma, bajo el convenio de un reaseguro proporcional, si S indica el

valor total de los reclamos y el asegurador se ha responsabilizado por la

128
proporción a 0  a  1 de estos, el asegurador paga la cantidad aS y el
reasegurador paga la cantidad (1 – a)S.

EJEMPLO 7.1 Si el valor total S de los reclamos sigue la distribución Lognormal

con parámetros μ y σ 2 , muestre que aS tiene distribución Lognormal con
parámetros, μ  lna y σ 2 .

SOLUCIÓN

La función de densidad de S es,

 lnx  μ  
 2

f x 
1
 exp  
xσ 2π 
 2σ 2



y la función de distribución de aS es,

PaS  x  Fx/a 

siendo F la función de distribución de S. Entonces, la función de densidad de aS

es,

Fx/a   f x/a 
d 1
dx a

 lnx  lna  μ  
 2
1 
 exp  
xσ 2π 
 2σ 2



de donde se deduce que la distribución de aS es LN μ  lna, σ 2  

▼

Bajo el convenio de un reaseguro del exceso de pérdida, si S indica el valor

total de los reclamos y el asegurador reasegura el exceso de la pérdida con un
deducible o nivel de retención d, la cantidad pagada por el reasegurador al
asegurador cedente es,

 0 si Sd
Id   (7.1)
S  d si Sd

 S  d 

129
En esta forma,

S si Sd
S  Id  
d si Sd

 mínS, d 

es el valor de los reclamos, retenido por el asegurador. Así, el valor retenido es

acotado por d.

Como antes, indicamos con F la función de distribución del reclamo total S y

con f su función de densidad. Entonces, la prima pura por el exceso de pérdida,
cuando el deducible es d, indicada por EId, puede escribirse como sigue.


EId   x  d  f x dx (7.2)
d

d
 ES  d   d  x  f x dx (7.3)
0

Si en (7.2) colocamos f x   d 1  Fx  e integramos por partes, tenemos


EId   1  Fx dx (7.4)
d

d
 ES   1  Fx dx (7.5)
0

EJEMPLO 7.2 Suponga que c y b son números tales que Pc  S  b  0 .

Muestre que, para c  d  b , EId puede obtenerse de EIc y EIb, por interpolación
lineal.

SOLUCIÓN

De la suposición de que, Pc  S  b  0 , se deduce que, F(x) = F(c) para c ≤ x

< b. En (7.5) usamos este resultado para obtener,

c
EI c  ES   1  Fx dx
0

130
y así,

c d
EI d  EI c   1  Fx dx   1  Fx dx
0 0
 EI c  d  c 1  Fc 

Entonces, tomando d = b tenemos

EI b  EI c  b  c 1  Fc 

y así,

1  Fc  
1
EI c  EI b 
bc

Entonces

 1
EI d  EI c  d  c  EI c  EI b 
b  c 

bd d c
 EI c  EI c
bc bc

Ahora supondremos que el reclamo total S es una variable discreta con función
de frecuencia f(x), x = 0,1,2,…, y que el deducible d es un entero. De acuerdo con
el ejemplo precedente, la prima pura por el exceso de pérdida para deducibles no
enteros, puede obtenerse por interpolación lineal. En forma similar a (7.2) y (7.3)
tenemos,


EId   x  d  f x  (7.6)
x  d 1

d 1
 ES  d   d  x  f x  (7.7)
x 0

Las integrales en (7.4) y (7.5) pueden ser escritas como sumas, puesto que
F(x) es constante a trozos. Así,

131
 
EId   1  Fx  (7.8)
xd

d 1
 ES   1  Fx  (7.9)
x 0

EJEMPLO 7.3 Para la distribución de los reclamos totales en el Ejemplo 5.4,

calcule por dos métodos, la prima pura por el exceso de pérdida, cuando el
deducible es 7.

SULUCIÓN

De las fórmulas (7.6) y (7.8) tenemos respectivamente,

EI7 = f(8) + 2f(9)

= 0,0009 + 2(0,0001)

= 0,0011
y

EI7  1  F7  1  F8

 1  0,9990  1  0,9999

= 0,0011
▼

En general, de (7.8) obtenemos la fórmula recursiva,

EId 1  EId  1  Fd , d  0,1,2,... (7.10)

Así, EId puede obtenerse recursivamente, empezando con el valor, EI 0 = ES.

Esta aproximación recursiva es conveniente si el reclamo total S, tiene

distribución de Poisson compuesta, con parámetro de Poisson λ y función de
frecuencia de los valores de los reclamos individuales, p(x), x = 1,2,…. En este
caso, f(x) también puede calcularse recursivamente (ver (5.21)). Así, empezando
con

132
 f 0   F0   e  λ
y

EI0  λp1

usamos sucesivamente las siguientes fórmulas recursivas para x = 0,1,2,…

λ x
f x    ipi  f x  i  (5.21)
x i 0

Fx   Fx  1  f x  (7.11)

EI x  EI x 1  1  Fx  1 (7.12)

EJEMPLO 7.4 Asuma que el reclamo total S tiene distribución de Poisson

compuesta con   3 y función de frecuencia del valor individual de los reclamos:
p1  2 / 3 y p2  1/ 3 . Calcule los valores de f(x), F(x) y EIx para x = 0,1,2,…,6.

SOLUCIÓN

f 0  F0  e 3

 0,049787

EI 0  λp1

 34 / 3

 4

Entonces, como λipi   2 para i = 1,2

f x  
2
 f x  1  f x  2
x

y los valores buscados son los siguientes:

133
 x f(x) F(x) EIx
0 0,050 0,050 4
1 0,100 0,150 3,050
2 0,149 0,299 2,000
3 0,166 0,465 1,499
4 0,158 0,623 0,964
5 0,129 0,752 0,587
6 0,096 0,848 0,339

En general, la prima contiene un cargo que refleja la variabilidad del pago Id del
reasegurador. Una medida de esta variabilidad es la varianza de Id. En el caso
 
discreto es posible calcular E I 2d recursivamente. (ver Ejercicio 7.1)

7.3 DIVIDENDOS

Los aseguradores ofrecen opciones de dividendos con el fin de incrementar los

beneficios del seguro; incremento que a su vez aumenta la necesidad del
reaseguro. Asumiremos que por una prima comercial G, el asegurador proveerá
un cubrimiento completo del reclamo total S, en un periodo dado. La prima
contiene un cargo, G – S > 0 y en consecuencia, el titular de la póliza recibe un
dividendo D (al final del periodo), el cual es una función de S. Específicamente,
asumimos que el dividendo es de la forma,

 kG  S si S  kG
D   (7.13)
 0 si S  kG

donde 0 < k < 1. Así, el asegurado paga G y a cambio recibe S y D.

Por conveniencia notacional, asumimos que S es continua con función de

densidad f(x). Para el caso discreto ver el Ejemplo 7.5. De (7.13) tenemos,

kG
ED   kG  x  f x dx (7.14)
0

Presumiblemente, el asegurador dará a k un valor lo suficientemente pequeño

de manera que,
ES + ED < G

134
EJEMPLO 7.5 Por una prima de 5 un asegurador cubre el reclamo total S, que
tiene la distribución de Poisson compuesta, considerada en el Ejemplo 7.4. El
asegurador accede a pagar un dividendo igual al exceso del 80% de la prima
sobre los reclamos. Calcule la cantidad esperada disponible para cubrir gastos,
seguridad, etc.

SOLUCIÓN

El dividendo es de la forma (7.13) con k = 0,8. Así,

ED  4 f 0  3 f 1  2 f 2  f 3

= 0,962549.

Entonces, la cantidad esperada disponible para cubrir gastos, seguridad, etc., es

G – ES – ED = 5 – 4 – 0,962549

= 0,037451.
▼

Cuando extendemos la integral en (7.14) hasta  , obtenemos

 
ED   kG  x  f x dx   x  kG f x dx
0 kG

 kG  ES  EI kG (7.15)

donde IkG es el pago bajo un contrato de exceso de pérdida con deducible kG. Si
la prima pura por el exceso de pérdida EId, ya ha sido calculada para varios
deducibles, (7.15) es una fórmula conveniente para obtener ED. Por otra parte, de
(7.1) y (7.13) deducimos la relación,

S + D = kG + IkG (7.16)

que produce nuevamente a (7.15), cuando se toman valores esperados a ambos

lados.

EJEMPLO 7.6 Use (7.15) para obtener el dividendo esperado, para el seguro
descrito en el Ejemplo 7.5

135
SOLUCIÓN

Puesto que,

kG  0,85   4

ES  λp1  4

EI 4  0,962549

concluimos que,

ED = 0,962549

7.4 EL REASEGURO EN EL MODELO DE RIESGO COLECTIVO

El valor total S de los reclamos, generado por una cartera de pólizas en un

periodo dado de tiempo, puede describirse en la forma,

S  X1  X 2    XN

donde N es el número de reclamos que produce la cartera de pólizas y Xi s el valor

del i-ésimo reclamo (i = 1,2,….). Suponemos que las variables Xi son
mutuamente independientes, tienen la misma distribución y son independientes de
N.

Con el fin de analizar el efecto de los arreglos del reaseguro, sobre la

distribución de los reclamos totales, el valor total S de los reclamos se escribe
como,

S = S I + SR

donde SI y SR son los valores de los reclamos totales, a cargo del asegurador y
del reasegurador, respectivamente.

136
7.4.1 REASEGURO PROPORCIONAL

Bajo un reaseguro proporcional, con la proporción retenida a, el asegurador

paga la cantidad del reclamo,

N
SI   aX i
i 1

 aS

Con SI = 0 si S = 0. De manera similar tenemos,

SR  1 a S

EJEMPLO 7.7 los reclamos totales provenientes de un riesgo tiene distribución

de Poisson compuesta con parámetro de Poisson λ y distribución de los reclamos
individuales que es exponencial con media 1/ β . Bajo un convenio de reaseguro
proporcional, el asegurador se responsabiliza por la proporción a de los reclamos
totales. ¿Cuál es la distribución de la variable SI y de la variable SR?

SOLUCIÓN

Tanto SI como SR tienen distribución de Poisson compuesta, con el mismo

parámetro de Poisson λ . En cuanto a la distribución de los reclamos individuales
se refiere, esta es exponencial con media, a 1/ β  para SI y con media
1- a 1/ β  para SR.
▼

7.4.2 REASEGURO DEL EXCESO DE PÉRDIDA.

Asumimos que el asegurador de un riesgo S, ha reasegurado el exceso de

pérdida con un nivel de retención d. Entonces podemos escribir,

N
SI   mín X i , d 
i 1

con SI = 0, cuando N = 0 y

137
 N
SR   máx 0, X i  d 
i 1
con SR = 0, cuando N = 0.

Es importante notar que SR puede ser 0 aun cuando N > 0. Esta situación se
presenta cuando todos los reclamos tienen un valor inferior al nivel de retención d,
así que, el asegurador pagaría la totalidad de cada uno de estos reclamos.
Cuando sólo se contabilizan los reclamos cuyo valor excede al nivel de retención
d, ellos dan lugar a pagos positivos por parte del reasegurador. Así, el valor total
de los reclamos a cargo del reasegurador, puede escribirse como, ,

SR  X̂1  X̂ 2    X̂NR

con SR = 0 cuando NR = 0. Aquí, NR indica el número de reclamos cuyo valor es

mayor que el nivel de retención d y X̂ i indica el valor del i-ésimo reclamo que es
pagado por el reasegurador (i = 1,2,…).

Siguiendo un procedimiento similar al realizado en la Sección 2.6,

encontramos que, la función generatriz de probabilidad de la variable NR es

gNR t   gN 1  v t  1

Donde v es la probabilidad de que el reasegurador deba hacer un pago por un

reclamo.

EJEMPLO 7.8 El número de accidentes anuales en que incurre un conductor

asegurado, tiene distribución de Poisson con media 2. Si ocurre un accidente, la
probabilidad de que el valor del daño exceda el deducible es 0,20. El número de
reclamos y el valor de los daños son independientes. Calcule la probabilidad de
que en un año, no haya daños que excedan el deducible.

SOLUCIÓN

Puesto que la función generatriz de probabilidades del número N de accidentes

anuales, en que incurre un conductor asegurado es,

gN t   e 2t 1

vemos que, la función generatriz de probabilidad del número N R de reclamos, cuyo

valor excede el deducible es,

gNR t   e 2v t 1

138
Entonces la variable NR tiene distribución de Poisson con media,

2v  0,4

Por lo tanto, la probabilidad de que en un año, no haya daños que excedan el

deducible es,

PNR  0  e 0,4

7.5 EL REASEGURO Y LA TEORÍA DE LA UTILIDAD

En esta sección asumimos que un asegurador toma decisiones con base en la

función de utilidad exponencial, con parámetro α .

u x    e  αx , α0

Consideramos un riesgo reasegurado sobre un periodo de un año, tal que, la

fortuna del asegurador al final del año es,

w  c  cR  SI

donde w es la fortuna del asegurador al comienzo del año, c es la prima que

recibe el asegurador para cubrir el riesgo, cR es la prima del reaseguro y S I es el
valor de los reclamos a cargo del asegurador.

Nuestro objetivo es hallar el nivel de retención que, maximiza la utilidad

esperada del asegurador al final del año. Con este propósito partimos de la
ecuación de equilibrio:

Eu w  c  cR  S I   
 E e  α w  c  cR  SI 

  
 e  α w  c e αc R E e αS I

Puesto que w y c, no dependen del nivel de retención, el objetivo es maximizar,

 e αcR MSI α 

139
 Finalmente, asumiremos que el reclamo total tiene distribución de Poisson
compuesta, con parámetro de Poisson λ y función de distribución P, del valor
individual X de los reclamos, tal que, P(0) = 0.

EJEMPLO 7.9 Un asegurador escoge el reaseguro proporcional y paga la

proporción a de cada reclamo. La prima anual del reaseguro es calculada por el
principio exponencial con parámetro αR . Los reclamos totales a cargo del
reasegurador, tienen distribución de Poisson compuesta, con parámetro de
Poisson λ y valor individual (1 – a)X de los reclamos. Calcule el valor de a que
maximiza la utilidad esperada del asegurador.

SOLUCIÓN

La prima del reaseguro es,

lnMSR αR 
1
cR 
αR

lnMS 1  a αR 

1

αR

 

λ
αR

E e 
 1 a αR X 
 1 

 


Puesto que SI tiene distribución de Poisson compuesta, con parámetro de

Poisson λ y valor individual aX de los reclamos,

MSI α   MS aα 

 


  
exp  λ E e aαX  1  

 


Así,

  λα  λα 
 e αcR MSI α    exp E e 1 a αR X  λe aαX    λ
  αR  αR 

El valor de a que maximiza esta expresión, es el mismo valor de a que minimiza

h(a) donde,

140
  λα 
ha   E e 1 a αR X  λe aαX 
 αR 

Observamos que,

h' a   0 cuando 1 a αR  aα

y como ha   0 , concluimos que, el valor de a que maximiza la utilidad esperada

del asegurador al final del año es,

αR
a  (7.17)
αR  α

De este resultado se desprende que, el nivel óptimo de retención es

independiente de la distribución del valor individual de los reclamos y sólo
depende del parámetro de la función de utilidad del asegurador y del parámetro
del principio de la prima del reaseguro.

Puesto que a se incrementa a medida que se incrementa el coeficiente αR de

aversión al riesgo del reasegurador, vemos que, entre más adverso al riesgo sea
el reasegurador, mayor es la prima del reaseguro, con lo cual es natural que el
asegurador retenga una mayor parte del seguro.

De manera similar, como a decrece a medida que se incrementa el coeficiente

α de aversión al riesgo del asegurador, vemos que, al incrementarse la aversión
al riesgo del asegurador, disminuye su parte en cada reclamo.

EJEMPLO 7.10 Un asegurador escoge el reaseguro del exceso de pérdida, con

un nivel de retención de d. La prima anual del reaseguro es calculada por el
principio del valor esperado, con un cargo relativo por seguridad θ . El reclamo
total SI tiene distribución de Poisson compuesta, con parámetro de Poisson λ y
valor individual de los reclamos, distribuido como Y  mínX, d  , donde X es el
valor individual de los reclamos. Calcule el valor de d que maximiza la utilidad
esperada del asegurador

SOLUCIÓN

La prima del reaseguro es

cR  1  θ λEI d

141
 
 1  θ λ  x - d  f x dx
d

Puesto que SI tiene distribución de Poisson compuesta, con parámetro de

Poisson λ y valor individual Y de los reclamos,

MSI α   expλM Y α   1

  d αx  
 exp  λ   e f x dx  e αd 1  Fd   1 
  0  

Así,



 d 

 e cR MSI α    exp 1  λα  x  d  f x dx  λ  e αx f x dx  λe αd 1  Fd   λ 

 d 0 


El valor de d que maximiza esta expresión es el mismo valor de d que minimiza

g d  donde,

 d
g d   1  λα  x  d  f x dx  λ  e αx f x dx  λe αd 1  Fd 
d 0

Observamos que,


g' d    1  λα  f x dx  λαe αd 1  Fd 
d

 
λα1  Fd  e αd  1  θ 
 0 cuando e αd  1  θ  0

y como g d   0 , concluimos que, el valor de d que maximiza la utilidad esperada

del asegurador al final del año es,

ln 1  θ 
1
d  (7.18)
α

De este resultado se deduce que el nivel óptimo de retención sólo depende de

los parámetros α y θ y no de la distribución del valor individual de los reclamos.

142
 Puesto que d  es una función creciente de θ y decreciente de α , vemos que,
cuando el costo del reaseguro se incrementa, el asegurador debe retener una
parte mayor de cada reclamo y entre más adverso sea él al riesgo, menor debe
ser su nivel de retención.

Debido a que el análisis en los casos anteriores, se hace con una función de
utilidad exponencial, la prima que el asegurador recibe para cubrir los riesgos no
influye en su decisión. Sin embargo, si asumimos que la prima del reaseguro es
pagada, según el ingreso que el asegurador reciba por la prima, entonces este
ingreso influirá en su decisión. Este caso será tratado en la siguiente sección
donde, consideramos el efecto del reaseguro sobre el proceso del superávit.

7.6 EL REASEGURO Y LA TEORÍA DE LA RUINA

Como una alternativa al empleo de la función de utilidad, en la escogencia de

los contratos de los reaseguros, se recurre a la probabilidad de la ruina. Cuando
el cálculo de esta probabilidad es difícil se acude a dos herramientas de la teoría
de la ruina, que son muy útiles para evaluar los convenios de reaseguros.

La primera herramienta es el coeficiente de ajuste, porque el puede usarse

para obtener información acerca de la probabilidad de la ruina; si un convenio de
reaseguro produce un valor de RR  que no es suficientemente grande, es
necesario ajustar el convenio. Como una segunda herramienta examinamos el
uso del valor esperado EL, de la pérdida total máxima.

Consideramos convenios de reaseguros donde los pagos del reasegurador

dependen de los valores de los reclamos individuales.

En general, el cubrimiento del reaseguro es definido en términos de una

función h(x) con 0  hx   x , para todo x. La función h(x) puede interpretarse
como la cantidad pagada por el reasegurador al asegurador, si un reclamo es de
valor x.

Con el fin de ilustrar los procedimientos a seguir, consideramos el modelo de

Poisson compuesto con tasa de Poisson λ y un valor individual X de los reclamos.
Cuando el modelo sea de tiempo continuo, supondremos que la variable X sigue la
distribución exponencial con parámetro β .

143
 Sean θ y θR los cargos relativos por seguridad de las primas c y cR que
cobran el asegurador y el reasegurador, tales que,

c  1 θ λEX
cR  1 θR λEhX
En esta forma, cn = c – cR, representa el ingreso neto por prima del asegurador.

7.6.1 REASEGURO PROPORCIONAL.

Consideramos la situación en que el asegurador escoge el reaseguro

proporcional y paga la proporción a de cada reclamo. En este caso,

hX   1 a X, 0  a 1

esto es, el reasegurador reembolsa un porcentaje constante del reclamo.

La porción de la prima que le corresponde al asegurador es,

cn  1  θ  1  θR 1  a λEX (7.19)

Como la prima que recibe el asegurador debe ser superior al pago que espera
hacer,

cn  λaEX

esto es,

θ
a  1  (7.20)
θR

Así, el asegurador para evitar la ruina, debe retener de cada reclamo, una
proporción mayor que, 1  θ/θR .

La prima neta cn que recibe el asegurador, puede escribirse como,

cn  1  θn aλEX
donde θ n es el cargo relativo neto por seguridad del asegurador. De (7.19) se
deduce entonces que,
θ θ
θn  θR  R (7.21)
a

144
Notamos que θ n se incrementa desde 0, cuando a  1  θ/θR , hasta θ , cuando
a = 1.

Cuando el valor individual de los reclamos sigue la distribución exponencial con

parámetro β , de (6.20) se desprende que, bajo el reaseguro proporcional, con
proporción retenida a, la probabilidad de la ruina es,

λa  β λ 
 u   exp     u  (7.22)
βc n  a c  

En particular, para un valor dado de u, se puede hallar el valor de a que

minimiza la probabilidad  u  . En efecto, mediante el uso del cálculo diferencial
vemos que, el valor de a que minimiza  u  , se encuentra resolviendo para a la
ecuación,

1  θR θR u  p1θR  θ  a 2

 θR  θ  p1θR  θ   21  θR u  a

 θR  θ  u 
2
0 (7.23)

EJEMPLO 7.11 Considere un proceso del superávit con las siguientes

características:

 El proceso S(t) de los reclamos totales es Poisson compuesto donde, el

valor X de los reclamos individuales, tiene distribución exponencial con
media p1.
 Sean θ y θR los cargos relativos por seguridad de las primas c y cR que
cobran el asegurador y el reasegurador, respectivamente.

Determine la proporción a de cada reclamo retenido por el asegurador, que

maximiza el coeficiente de ajuste R, del proceso con este reaseguro.

SOLUCIÓN

El coeficiente de ajuste R, es la solución no trivial de la ecuación, (ver (6.3))


λ M X  h  x  r   1   cn r (7.24)

145
Haciendo uso de (7.19) escribimos,

λMX ar   1  1  θ  1  θR 1  a λp1r

1
 1  θ  θR  a 1  θR p1r
1  ap1r

La solución no trivial de esta ecuación es,

1 θ  θR  aθR
R  (7.25)
ap1 θ  θR  a 1  θR 

Mediante el uso del cálculo diferencial vemos que, la proporción a de cada

reclamo, retenido por el asegurador, que maximiza el coeficiente de ajuste R es,

1  θR  1  θR 
1/ 2
a  θR  θ (7.26)
1  θR θR
▼

7.6.2 REASEGURO DEL EXCESO DE PÉRDIDA

Analizaremos el reaseguro del exceso de pérdida, aplicado a los reclamos

individuales y con un deducible d. En esta forma, cuando ocurre un reclamo, la
cantidad pagada por el reasegurador es,

hX   X  d 

Y la cantidad pagada por el asegurador es,

Y  X  hX   mínX, d 

La porción de la prima que le corresponde al asegurador es,

cn  1  θ  1  θR e  d/p1 λp1  (7.27)

Como la prima que recibe el asegurador debe ser superior al pago que espera
hacer,

cn  λEY  1  e λp
 d/p1
1

146
esto es,

θ 
d  p1 ln R  (7.28)
 θ 

Así, el nivel de retención del asegurador debe ser mayor que, p1 lnθR /θ 

La prima neta cn que recibe el asegurador, puede escribirse como,

cn  1  θn λEY

Entonces de (7.27) tenemos que,

θ  θR e  d/p1
θn  (7.29)
1  e  d/p1

Notamos que θ n se incrementa desde 0, cuando d  p1 lnθR /θ  , hasta θ cuando

d .

EJEMPLO 7.12 Considere un proceso del superávit con las siguientes

características:

 El proceso S(t) de los reclamos totales es Poisson compuesto donde, el

valor X de los reclamos individuales, tiene distribución exponencial con
media p1 = 1.
 El cargo relativo por seguridad es θ  0,25
 El reaseguro del exceso de pérdida está disponible a un precio igual al
140% de los reclamos esperados del reaseguro.

Determine el deducible d que maximiza el coeficiente de ajuste R, para el

proceso con este reaseguro.

SOLUCIÓN

El coeficiente de ajuste R es la solución no trivial de la ecuación (7.24) donde cn

es dada en (7.27). En esta forma, asumiendo que β  1/ p1 , escribimos,

 
d
1  1  θ  1  θR e  βd p1r  M Y r   e
rx
βe  βx dx  e rd PX  d 
0


β
βr
 
1  e   β  r d  e   β  r d

147
 
1
βr

β  re   β  r d  (7.30)

De acuerdo con la información dada tenemos la ecuación

 
1  1,25  1,40e  d r 
1
1 r

1  re  1 r d 
La siguiente tabla muestra los valores de R que corresponden a diversos valores
de d. Observamos que d = 0,9676, produce el mayor valor de R: 0,3490.

d R
1,0217 0,3476
0,9943 0,3480
0,9676 0,3490
0,9416 0,3488
0,9163 0,3486

EJEMPLO 7.13 Un asegurador tiene una cartera que produce reclamos totales
anuales que siguen una distribución de Poisson compuesta con parámetro de
Poisson λ  3 y función de frecuencia del valor individual X de los reclamos: p(1)
= 2/3 y p(2) = 1/3, (ver el Ejemplo 7.4). La prima anual por cada riesgo asegurado
es 5,64 y el cubrimiento del exceso de pérdida puede obtenerse de un
reasegurador que cobra un cargo del 100%. Calcule el coeficiente de ajuste si el
asegurador suscribe un contrato de exceso de pérdida, con un deducible de 3.

SOLUCIÓN

EI3 = 1,499 y la prima anual por el exceso de pérdida es 2EI 3 = 2,998. Así, la
prima anual retenida por el asegurador es,

cn = 5,640 – 2,998 = 2,642

y el reclamo retenido es,

Y  mínX,3

148
 ~ es la solución positiva de la
De acuerdo con (6.9), el coeficiente de ajuste R
ecuación,

 2 
e  2,642r   f x e xr  1  F2e3 r   1
 x 0 


e  2,642r 0,050  0,100 e r  0,149 e 2 r  0,701e 3 r   1

esto es, R ~  0,468 . Puesto que el valor esperado anual de los reclamos totales es
λp1  4 , la ganancia anual esperada es,

5,640 – 4,000 – 1,499 = 0,141

Notamos que si el asegurador no suscribe contrato alguno de reaseguros, de la

ecuación (6.3) se deduce que el coeficiente de ajuste es 0,424, con lo cual
concluimos que, al asegurador le conviene más el contrato del reaseguro con
deducible 3.

7.6.3 PÉRDIDA TOTAL MÁXIMA

Ahora enfocamos la atención a un segundo criterio para analizar los arreglos

del reaseguro, el cual, consiste en minimizar el valor esperado de la pérdida total
máxima, L. De (6.24) deducimos que, PL  u  u  y como,


EL   PL  udu
0


   u du (7.31)
0

Observamos entonces que la minimización de EL está relacionada con el

problema de reducir la probabilidad de la ruina. Los dos criterios están
relacionados por la desigualdad de Lundberg,

 u   e Ru

149
así que,

 u du
1
EL  
0
R

En esta forma, la maximización de R está relacionada con la minimización de EL,

la que a su vez, maximiza la seguridad.

EJEMPLO 7.14 Considere un proceso del superávit con las siguientes

características:

 El proceso S(t) de los reclamos totales es Poisson compuesto donde, el

valor X de los reclamos individuales, tiene distribución exponencial con
parámetro β .
 Sean θ y θR los cargos relativos por seguridad de las primas c y cR que
cobran el asegurador y el reasegurador, respectivamente.

Determine la proporción a de cada reclamo retenido por el asegurador, que

minimiza la pérdida total máxima esperada, EL.

SOLUCIÓN

Similar a (6.30) tenemos,

p2
EL  (7.32)
2θn p1

donde θ n es el cargo relativo neto por seguridad del asegurador y es dado en

(7.21). Ahora p1 y p2 se refieren a los momentos de los reclamos individuales
retenidos, aX. En esta forma,

a
p1 
β

p2   
a 2E X 2

2a 2

β2

Entonces, la pérdida total máxima esperada tiene la forma,

150
 a2
EL 
β θ  1  a θR 

Mediante el uso del cálculo diferencial, encontramos que el valor de a que

minimiza EL es,

 θ 
a  21   (7.33)
 θR 

y por lo tanto, el valor mínimo de la pérdida total máxima esperada, viene a ser,

EL  
4
θR  θ  (7.34)
βθ R2

EJEMPLO 7.15 Considere un proceso de superávit con las siguientes

características:

 El proceso S(t) de los reclamos totales es Poisson compuesto donde, el

valor X de los reclamos individuales, tiene distribución exponencial con
parámetro β .
 Sean θ y θR los cargos relativos por seguridad de las primas c y cR que
cobran el asegurador y el reasegurador, respectivamente.

Determine el deducible d que minimiza la pérdida total máxima esperada, EL.

SOLUCIÓN

Bajo el reaseguro del exceso de pérdida, la cantidad pagada por el

reasegurador es,

hX   X  d 

y la cantidad pagada por el asegurador es,

Y  mínX, d 

La pérdida total máxima esperada es dada por (7.32) donde ahora, p 1 y p2 son
los dos primeros momentos de Y. Así,

151
 p1 
1
β
1  e  βd 
y

p2 
2
β 2

1   βd  1e  βd 
Por otra parte, el cargo relativo neto por seguridad del asegurador, θ n , es dado
por (7.29). Entonces, al reemplazar los valores de p1, p2 y θ n en (7.32), hallamos
que, la pérdida total máxima esperada, tiene la forma,

1 1  d  1e  βd
EL  (7.35)
β   R e  βd

Mediante el uso del cálculo diferencial, vemos que el valor de d que minimiza EL,
es el valor de d que satisface la ecuación,

θR e  βd  βdθ  θR  0 (7.36)

152
EJERCICIOS

7.2 REASEGURO PROPORCIONAL Y DEL EXCESO DE PÉRDIDA

7.1 Asumiendo que los reclamos posibles son enteros, muestre que,

 
E I 2d  
 E I 2d -1  2EI d 1  1  Fd  1

7.2 Si S tiene una distribución de Poisson compuesta dada por,  = 3, p(1) = 5/6
y p(2) = 1/6, calcule EI2

7.3 Un asegurador respalda una cartera de cinco pólizas de seguros a un año

por valor de 1.000 cada una. Todas las probabilidades de deceso son iguales
a 0,15. Si el asegurador reasegura el exceso de pérdida con un deducible de
1, calcule la prima neta que él debe pagar.

7.4 Un reasegurador paga el valor de los reclamos en exceso de d y en

compensación recibe la prima por el exceso de pérdida. ES  100    15 ,
ES  120    10 y la probabilidad de que el valor total de los reclamos sea
mayor que 80 y menor o igual que 120 es 0. Determine la probabilidad de
que el valor total de los reclamos sea menor o igual que 80.

7.3 DIVIDENDOS

7.5 Por una prima de 2 un asegurador cubre el reclamo total S que tiene
distribución de Poisson compuesta con λ  1/5 , p(1) = ¾ y p(2) = ¼. El
asegurador paga un dividendo igual al exceso del 100k% de la prima sobre
los reclamos. Si el asegurador espera disponer de 0,25 para cubrir gastos,
seguridad, etc., ¿cuál es el valor de k?

7.6 Suponga que las cinco pólizas de vida mencionadas en el Ejercicio 7.3 son
consideradas como un plan de seguro de grupo donde el asegurador cobra
una prima de 1500 y promete un dividendo igual al exceso del 85% de la
prima sobre los reclamos. Determine:
a. El dividendo esperado
b. La cantidad que espera pagar el asegurador

7.7 Para un cierto grupo de asegurados, los reclamos totales siguen la

distribución Uniforme sobre el intervalo [0,14]. El asegurador A propone un
cubrimiento con una prima igual al valor esperado de los reclamos. El
asegurador B propone un cubrimiento con una prima de 12 y un dividendo de

153
 12k  S .
Calcule k tal que, el costo esperado para el grupo sea igual bajo
ambas propuestas.

7.4 EL REASEGURO EN EL MODELO DE RIESGO COLECTIVO

7.8 El número de reclamos que produce una cartera de pólizas sigue la

distribución Binomial con parámetros 5 y 0,2. El valor individual de los
reclamos sigue la distribución exponencial con parámetro 0,5. Con un
deducible de 2, calcule la probabilidad de que el reasegurador pague 2
reclamos.

7.9 El número de reclamos que produce una cartera de pólizas sigue la

distribución Geométrica con parámetros ¼. El valor individual de los
reclamos sigue la distribución Binomial con parámetros 4 y 1/3. Con un
deducible de 1, calcule la probabilidad de que el reasegurador pague máximo
un reclamo.

7.10 Los reclamos totales provenientes de un riesgo, tienen distribución de

Poisson compuesta con parámetro de Poisson 4 y la distribución del valor
individual de los reclamos es Pareto (3, 9). El asegurador de este riesgo
reasegura el exceso de pérdida con un nivel de retención de 3. Calcule la
probabilidad de que el valor de los reclamos, pagados por el reasegurador,
sea menor que 15. Use la aproximación normal.

7.5 EL REASEGURO Y LA TEORÍA DE LA UTILIDAD

7.11 Los reclamos totales provenientes de un riesgo, tienen distribución de

Poisson compuesta con parámetro de Poisson λ y los valores de los
reclamos individuales son distribuidos exponencialmente con parámetro β .
El asegurador de este riesgo escoge el reaseguro proporcional y la prima de
reaseguro, calculada según el principio del valor esperado, tiene un cargo
relativo por seguridad θR . Muestre que la proporción retenida por el
asegurador, que maximiza su utilidad esperada con respecto a la función de
utilidad u x   e  αx , es

a 
β
α

1  1  θR 
1 / 2


7.12 Los reclamos totales provenientes de un riesgo, tienen distribución de

Poisson compuesta con parámetro de Poisson λ y los valores de los
reclamos individuales son distribuidos exponencialmente con parámetro β .
El asegurador de este riesgo escoge el reaseguro del exceso de pérdida y la

154
 prima del reaseguro, calculada según el principio de la varianza con
parámetro θ . Muestre que el nivel de retención que maximiza la utilidad
esperada del asegurador, con respecto a la función de utilidad u x   e  αx ,
es

1  2θ 
d  ln  1  
α  β 

7.13 Los reclamos totales en un año, provenientes de un riesgo, tienen distribución

de Poisson compuesta con parámetro de Poisson λ y los valores de los
reclamos individuales son distribuidos exponencialmente con parámetro β .
El asegurador de este riesgo escoge el reaseguro del exceso de pérdida con
nivel de retención d. La prima del reaseguro es calculada por el principio de
Esscher con parámetro h  β .
a. Muestre que la prima del reaseguro es,

λβe  βd
cR 
 β  h 2
b. Sea d* el nivel de retención que maximiza la utilidad esperada del
asegurador con respecto a la función de utilidad u x   e  αx , 0  α  β .
Muestre que,

2  β 
d  ln  
α  β  h 

7.6 EL REASEGURO Y LA TEORÍA DE LA RUINA

7.14 El reclamo total en un año es Poisson compuesto con parámetro de Poisson

λ y los valores de los reclamos individuales son distribuidos
exponencialmente con parámetro 0,20. El cargo relativo por seguridad del
asegurador es 0,30. El asegurador escoge el reaseguro proporcional y el
cargo relativo por seguridad del reaseguro es 0,40. Determine el coeficiente
de ajuste del proceso de reaseguro.

7.15 Los reclamos totales provenientes de un riesgo tienen distribución de Poisson

compuesta con parámetro de Poisson λ y los valores de los reclamos
individuales siguen la distribución 2; 0,1 . El asegurador calcula la prima
del riesgo con un factor de cargo del 30% y escoge el reaseguro
proporcional. El asegurador tiene la posibilidad de retener el 50% o el 80%
de cada reclamo y en cada caso la prima del reaseguro es calculada con un

155
 factor de cargo del 40%. ¿Qué nivel de retención debe escoger el
asegurador?.

7.16 Los reclamos totales provenientes de un riesgo tienen distribución de Poisson

compuesta con parámetro de Poisson λ y los valores de los reclamos
individuales siguen la distribución  2 4  . El cargo relativo por seguridad del
asegurador es del 30%. Un reasegurador acepta el riesgo sobre el 30% de
cada reclamo por una prima del 150% del valor esperado de los reclamos
reasegurados. Halle el coeficiente de ajuste.

7.17 Un asegurador tiene un proceso del superávit con un proceso de reclamos

totales que es Poisson compuesto con parámetro de Poisson λ y los valores
de los reclamos individuales son distribuidos uniformemente sobre el intervalo
[0, 2]. El cargo relativo por seguridad es del 100%. El asegurador compra
un reaseguro proporcional donde el reasegurador paga el 30% de cada
reclamo individual. El reasegurador tiene un cargo relativo por seguridad del
100%. Determine el coeficiente de ajuste del proceso del reaseguro.

7.18 Un proceso de reclamos totales es Poisson compuesto con parámetro de

Poisson λ y los valores de los reclamos individuales siguen la distribución
exponencial con media 1. El cargo relativo por seguridad es del 50%. El
asegurador reasegura el exceso de pérdida con un deducible de 1,40. El
reasegurador tiene un cargo relativo por seguridad del 100%. Halle el
coeficiente de ajuste con reaseguro.

7.19 Un proceso de reclamos totales es Poisson compuesto con parámetro de

Poisson λ y valores individuales de los reclamos que siguen la distribución
exponencial con parámetro 0,2. Sin reaseguro, la pérdida total máxima
esperada es 10. El asegurador escoge el reaseguro proporcional y el cargo
relativo por seguridad del reaseguro es del 80%. Halle el valor mínimo de la
pérdida total máxima esperada.

7.20 Un proceso de reclamos totales es Poisson compuesto con una distribución

del valor de los reclamos que es exponencial con parámetro β . La
probabilidad de la ruina sin reaseguro y con un cargo relativo por seguridad
del 50% es 0,40. El asegurador reasegura el 60% de su deuda. Calcule la
probabilidad de la ruina con reaseguro.

156
 APÉNDICE

A. DISTRIBUCIONES DISCRETAS

A1. Distribución Binomial: Bm, p 

PN  n   m  p n q mn , n  0,1,..., m ; q  1 p

n
 

gN t   q  pt 
m
MN t   q  pe t m

EN  mp VarN  mpq

Distribución de Bernoulli: B1, p 

A2. Distribución de Poisson: Poissonλ 

λn
PN  n  eλ , n = 0,1,2,....
n!

λ  et 1
gN  e λ t 1
MN t   e  

EN = Var(N) = λ

A3. Distribución Binomial Negativa: BNr, p 

PN  n   r  n  1 p r q n , n  0,1,... ..; q  1 p

 n 
 

r r
 p   
gN t  MN t  
p
   1  qt  0  
t 
1  qet  0
 1  qt   1  qe 

Var N 
q q
EN  r r
p p2

Distribución Geométrica: BN1, p 

157
B. DISTRIBUCIONES CONTINUAS

B1. Distribución Uniforme: Ua,b

f X x 
1
 , a  x  b.
b  a

M X t  
1
b  a t

e bt  e at 

EX 
1
a  b Var X 
1
b  a 2
2 12

B2. Distribución Gamma: α, β 

β α α 1  βx
f X x   x e , x0
 

FX x   1  e
α 1 βx i
 βx
 i!
si α es un entero positivo
i 0

α
 β  α α
MX t     tβ EX  Var X 
 β  t β β2

Sesgo de X: k 
1
σx3

E X  EX 
3
 
2
α

 n 1
 2 n    ,  . Si X ~ α, β  entonces 2 βX ~  2 2α 
 2 2

Distribución Exponencial: 1, β   expβ 

B3. Distribución de Pareto: Pareto α, β 

α 1 α
α β   β 
f X x     , x0 FX x   1   
β  β  x   β  x 

158
 β αβ 2
EX  , x0 Var X   , α2
α 1 α  12 α  2

β   β  
α 1
EX  m   1    , α  1
α  1   β  m  
 

 β 
EX  m    ln , α  1
 β m

    β α  2  α 1
2β2 2mβ  β 
E X  m   1       ,α  2
2

α  1α  2   β  m   α  1  β  m 

B4. Distribución de Weibull: Weibull α, β 

f X x  αβ  βx  FX x 
α 1   βx α
1  e   βx 
α
 e 

 βm α
 
EX k

1 
β 
k
k
 1  
α

E X  m 
k
 
1
βk t
k/α
e  t dt
0

B5. Distribución Normal: N μ,σ 2  

 x  μ 2 
f X x  
1
exp ,   x  
σ 2π  2σ 2 

1 
MX t   exp σ 2t 2  μt  EX  μ Var X   σ2
2 

X  μ
Z  ~ N(0, 1) x   PZ  x
σ

B6. Distribución Lognormal: LN μ,σ 2  

 lnx  μ 2 
f X x 
1
 exp , x0
xσ 2π  2σ 2 

 lnx  μ 
FX x    
 σ 

159
 Si X ~ LN μ,σ 2   entonces lnX ~ N μ,σ 2   y así

 
E Xk 
1 
exp σ 2 k 2  μk 
2 

C. SUMAS DE VARIABLES ALEATORIAS

S  X1  X 2    X n

donde X1, X2,.....Xn son mutuamente independientes y distribuidas

idénticamente

Si X i ~ Poisson λ  entonces S ~ Poisson nλ 

Si X i ~ Bm, p  entonces S ~ Bnm, p 

Si X i ~ BNr, p  entonces S ~ BNnr, p 

Si X i ~ α, β  entonces S ~ n,

Si Xi ~ N μ,σ 2   entonces S ~ B n,nσ 2  

D. TRANSFORMACIÓN DE LAPLACE

Sea X una variable aleatoria no negativa, con función de densidad px 

y función de distribución P(x) con P(0) = 0.


L px   p s 

 
Ee  Sx
  e
 sx
p x dx
0

p   t   M X t  MX  s   p  s 

Propiedades:

i) L α1 p1x   α2 p2 x   α1 p1 s   α2 p s 


ii) e
 sx
dpx   sp * x   p 0 
0

160
 

x 

iii) L  p1 y  p2 x  y dy   p1 s   p2 s 

0 


n  1
iv) L x n  
s n 1

p s 
v) L Px  
s

161
 RESPUESTAS A LOS EJERCICIOS

1.2 2 3 3.6 21,98 5.5 0.285 6.7 19,85

1.5 6 3.7 5,76; 6,93 5.6 5 6.9 ln3
1.6 0,024 3.8 1,52 35 6.10 1/9
1.7 0,2689 3.9 25 5.7 1,40 6.11 1/32
1.9 0,65 44,63 0,24 6.12 0,1044
1.10 3,8 3.10 5,14% 5.8 42.062 6.13 0,7048
1.12 1,6 3.11 28,62 5.9 0,0321 6.14 0,6619
3.12 a = 0,25 5.10 0,12 6.16 0,1511
d=5 5.11 0,241 6.17 3/5
3.13 18,70 5.12 475,31 6.18 a) 3
2.1 5 3.14 500 5.13 0,40 b) 2
2.2 0,1283 3.15 30,33 5.14 0,063 1,5
2.3 136/7 3.16 ¼ 5.15 0,0438 1,5
2.4 21% 5.16 16 6.19 1/4
2.5 94 24 6.21 0,589
2.6 94 5.17 0,2181 6.22 8/7
2.7 143 4.1 0,00215 5.18 25 6.23 ln5
2.8 35.000 4.2 0,25 83,8 6.24 17/144
2.9 490,95 4.3 0,036 5.19 0,137 6.25 0,042
2.10 418,33 4.4 a) 0,49 5.20 0,149 6.26 0,001576
2.11 250,26 b) 0,20 5.21 2 6.27 ln(4/3)
2.12 376 c) 3,4 1/3
2.13 0,091 6,4 5.22 44
2.14 0,305 4.5 20,63 152 7.2 0,180
2.15 1.972,68 4.6 4.719,42 5.23 44,44 0,354
2.16 8,32% 4.7 462,84 153,56 1,724
2.17 11.200 4.8 0,84 5.24 1.040 7.3 0,8[EI1 – EI2]
2.18 5,66 4.9 0,2743 170.000 7.4 193,71
2.19 33,98 4.10 0,3423 5.25 12,21 7.5 0,7236
2.20 14.617 4.11 0,0197 200,58 7.6 a) 673,39
2.21 9,75 4.12 0,641 b) 1.423,39
2.22 4,02 4.13 0,0035 7.7 0,573
2.23 6,8 4.14 0,918 7.8 0,043
2.24 9,35 6.1 Si 7.9 0,6975
2.25 4,69 3,50 7.10 0,623
6.2 6,29 7.14 0,067
5.1 0,90 6.3 0,26 7.15 50%
0,09 6.4 2 7.16 1,0486
3.3 0,5044 5.2 0,1192 6.5 0,2278 7.17 1,2809
3.4 0,278 5.3 0,1285 6.6 5 7.18 0,50
69,52% 5.4 28,08% 7.19 9,375
3.5 1,98 7.20 0,1859

162
 BIBLIOGRAFIA

[1] Bowers N. L., Gerber H.U., Hickman J.C., Jones D.A., Nesbit C.J., Actuarial
Mathematics, Society of Actuaries, 1997

[2] Bühlman H., Mathematical Methods in Risk Theory, Springer – Verlag, 1970

[3] Daykin C.D., Pentikäinen T. and Pesonen M., Practical Risk Theory for
Actuaries, Chapman & Hall, 1994

[4] Dickson D.C.M., Insurance Risk and Ruin, Cambridge University Press,
2005

[5] Gerber H. U., An Introduction to Mathematical Risk Theory, Huebner

Foundation Monograph 8, 1979

[6] Kaas R., Goovaerts M., Dhaene J. and Denuit M., Modern Actuarial Risk
Theory, Kluwer Academic Publishers, 2001.

[7] Klugman S.A., Panjer H.H., Willmot G. E., Loss Models – from data to
decisions, John Wiley, 2004.

[8] Mikosh T. Non – Life Insurance Mathematics – An Introduction with

Stochastic Processes, Springer, 2006.

[9] Moreno L.G., Cálculo de Probabilidades, Universidad Nacional de Colombia,

1992

[10] Moreno L.G., Procesos Estocásticos, Universidad Nacional de Colombia,

1993

[11] Panjer H.H. and Willmot G.E., Insurance Risk Models, Society of Actuaries,
1992.

[12] Seal H.L., Stochastic Theory of a Risk Business, john Wiley & Sons, Inc.,
1969.

163