S∫P

Matemáticas Actuariales I

Tema I: Modelos de Mortalidad

A) Enfoque Determinístico

Tabla de mortalidad
1. Una tabla de mortalidad puede ser interpretada como un conjunto de indicadores relacionados
con la muerte y supervivencia de los integrantes de una población hipotética inicial, hasta la
desaparición total del grupo.

2. Las primeras columnas de una tabla de mortalidad son las siguientes:

Notación x ℓx dx qx px
Número de
personas que
Número de
fallecen teniendo Probabilidad de
personas con Probabilidad de
edad x. que una persona
vida al que una persona
con edad x
Interpretación Edad momento con edad x
Número de fallezca antes de
exacto de cumpla edad
personas que cumplir la edad
cumplir edad x+1
fallecen en el x+1
x
intervalo de edades
[x,x+1)

3. Ejemplo. Extracto de una tabla de mortalidad:

x ℓx dx qx px
0 1,000,000 11,327 0.011327 0.988673
1 988,673 593 0.000600 0.999400
2 988,080 534 0.000540 0.999460
3 987,546 484 0.000490 0.999510
4 987,062 454 0.000460 0.999540
5 986,608 424 0.000430 0.999570
…
21 978,443 755 0.000772 0.999228
22 977,688 802 0.000820 0.999180
23 976,886 745 0.000763 0.999237
24 976,141 723 0.000741 0.999259
25 975,417 716 0.000734 0.999266
…
96 17,160 6,516 0.379741 0.620259
97 10,644 4,430 0.416199 0.583801
98 6,214 2,826 0.454816 0.545184
99 3,388 1,678 0.495379 0.504621
100 1,710 1,710 1.000000 -
101 - - - -

4. ℓx es una función decreciente, como consecuencia de considerar a un grupo cerrado.

1
__________________________________________________________________________
Act. Mario Arriaga Parra I - A
 S∫P
Matemáticas Actuariales I

5. Al primer valor de ℓx se le conoce como rádix (el rádix del ejemplo es 1,000,000) y se
interpreta como el número de elementos de la población inicial.

6. A la edad en la que ℓx alcanza, por primera vez, el valor de cero se le denomina edad ω (edad
omega). Así,  = Mín {x | x = 0}

7. qx y px, por ser probabilidades, se encuentran siempre entre 0 y 1.

Relaciones entre las columnas de una tabla de mortalidad

8. Los valores de una tabla de mortalidad se encuentran relacionados entre sí a través de las
siguientes igualdades:
ℓx+1 = (ℓx ) px
ℓx+1 = ℓx - dx

dx = ℓx - ℓx+1
dx = ℓx qx

qx = dx /ℓx
qx = 1 - px

px = ℓx+1 /ℓx
px = 1 - qx

9. ℓx es el número de personas que están con vida en el punto x, mientras que dx es el número
de personas que fallecen en el intervalo de edades [x, x+1), es decir, alcanzan la edad x, pero
no alcanzan la edad x+1.

Generalización de fórmulas
10. Las fórmulas mostradas en el párrafo 8 son casos particulares de las siguientes fórmulas

ℓx+n = (ℓx) npx

ℓx+n = ℓx – (dx + dx+1 + … + dx+n-1)

ndx = ℓx – ℓx+n
ndx = (ℓx) nqx

nqx = ndx /ℓx

nqx = 1 - n px

npx = ℓx+n /ℓx

npx = 1 - nqx

11. La interpretación de la notación utilizada en las fórmulas anteriores es la siguiente:

n: Número entero //posteriormente se elimina esta restricción//
n x : Probabilidad de que una persona de edad x llegue con vida a edad x+n
p
nqx : Probabilidad de que una persona de edad x fallezca antes de alcanzar la edad x+n
ndx : Número de personas que fallecen en el intervalo de edades [x, x+n)

12. Otras fórmulas comúnmente utilizadas son las siguientes:

npx = (px) (px+1) (px+2) … (px+n-1).
n+mpx = (npx) (mpx+n) = (mpx) (npx+m).

2
__________________________________________________________________________
Act. Mario Arriaga Parra I - A
 S∫P
Matemáticas Actuariales I

13. El símbolo n|mqx denota la probabilidad de que una persona de edad x fallezca en el intervalo
de edades [x+n, x+n+m)
n| mqx = (ℓ x+n - ℓ x+n+m) / ℓ x
n| mqx = mdx+n / ℓ x
n| mqx = npx – n+mpx
n| mqx = npx * mqx+n

14. En particular, para m=1, el símbolo n|qx denota la probabilidad de que una persona de edad x
fallezca en el intervalo de edades [x+n, x+n+1), es decir, que el fallecimiento ocurra durante
el (n+1) – ésimo año.
n|qx = (ℓ x+n - ℓ x+n+1) / ℓ x
n|qx = dx+n / ℓ x
n|qx = npx – n+1px
n|qx = (npx) (qx+n)

15. El símbolo (x) denota la frase ‘una persona con edad x’ y debe usarse de acuerdo al contexto.
Por ejemplo, n|qx denota la Pr{(x) fallezca durante el transcurso del (n+1)-ésimo año} = Pr{(x)
fallezca en el intervalo de edades [x+n, x+n+1)} = Pr{(x) fallezca teniendo edad x+n}.

Edades fraccionadas
16. Para el caso de edades fraccionadas, es usual encontrar expresiones que se derivan de suponer
‘Distribución Uniforme de Muertes’, DUM, la cual considera que el número de muertes se
distribuye uniformemente durante el año comprendido entre dos edades consecutivas. Para
efectos prácticos, el procedimiento consiste en suponer que los valores de lx, para dos edades
enteras consecutivas, se encuentran unidos por una recta.

17. Lo anterior implica que, para 0<t<1,

ℓx+t = //DUM// = ℓx – (t)dx

18. A partir de la fórmula anterior, se deducen las siguientes, para 0<t<1 y 0<s+t<1,

tqx = (t)qx
tpx = 1 – (t)qx
t x+s = (t)qx / [1- (s)qx]
q

Fuerza de mortalidad
19. Considérese una población de 1,000,000 individuos de edad x. Los registros indican que entre
las edades [x, x+1) ocurrieron 19,478 muertes, con la siguiente distribución.
Intervalo Número registrado de fallecimientos
Primera hora //es decir [x,x+0.000114) // 3
Primer día //es decir [x,x+0.002740) // 57
Primera semana //es decir [x,x+0.019231) // 369
Primer mes //es decir [x,x+0.083333 ) // 1,581
Primer timestre //es decir [x,x+0.25) // 4,803
Primer semestre //es decir [x,x+0.5) // 9,688
Todo el año //es decir [x,x+1) // 19,478

20. Conociendo el número de muertos de todo el año (19,478), se puede afirmar que la tasa de
mortalidad para esa edad es de 0.019478.
21. Ahora considérese el número de fallecimientos del primer semestre (9,688). Con esa
información, resulta que 0.5𝑞𝑥= 0.009688 y una estimación para el número total de muertes
3
__________________________________________________________________________
Act. Mario Arriaga Parra I - A
 S∫P
Matemáticas Actuariales I

en el año sería (2) (9,688) = 19,376 y, asimismo, una estimación para qx ser’ia (2) ( 0.5𝑞𝑥)=
0.019376. La estimación asume implícitamente que la mortalidad durante el segundo
semestre del año será exactamente igual que como se observó durante el primer semestre.

22. La estimación se puede hacer para cualquiera de los intervalos mostrados. Por ejemplo,
tomando el registro de muertes del primer día (57 fallecimientos), la estimación de muertes
para todo el año sería de (365) (57) = 20,805 muertes, lo que conduce a una estimación de qx
de (365) ( 1 𝑞𝑥 ) = (365) ( 0.002740𝑞𝑥) = (365) (0.000057) = 0.020805, estimación que
365
implícitamente considera que la mortalidad durante los 364 días restantes del año se
comportará exactamente como lo hizo durante el primer día.

23. De un planteamiento como los anteriores, pero considerando un intervalo infinitesimal, se

interpreta el concepto de fuerza de mortalidad en edad x: es la medición de la tasa anualizada
de mortalidad, bajo el supuesto de que la mortalidad en el intervalo [x,x+1) se comporta
exactamente de la misma forma que como se observó en el momento exacto de cumplir edad
x.

24. La fuerza de mortalidad en edad x, también conocida como tasa instantánea de mortalidad, se
denota por 𝜇 𝑥 y su fórmula se obtiene como sigue:

𝑙 𝑥 − 𝑙 𝑥+𝛥𝑥
𝛥𝑥 𝑞𝑥 es la Pr{(x) fallezca en el intervalo de edades [x,x+Δx)} =
𝑙𝑥
𝑞
Entonces, para Δx muy pequeño, 𝛥𝑥 𝑥 será la tasa anualizada de mortalidad en el intervalo
𝛥𝑥
[x,x+1), bajo el supuesto de que la mortalidad se comporta en todo el año t al y como se
observó en el intervalo [x,x+Δx).

𝜇 𝑥 se obtiene al tomar el límite cuando Δx tiende a cero en 𝛥𝑥 𝑞𝑥 , es decir,

1 𝑙 𝑥 − 𝑙 𝑥+𝛥𝑥 1 1 𝑙 𝑥 − 𝑙 𝑥+𝛥𝑥
𝜇 𝑥 = // tasa anualizada// = lim 𝛥𝑥 𝑞𝑥 ( 𝛥𝑥 ) = lim ( ) = ( ) lim
𝛥𝑥 →0 𝛥𝑥 →0 𝑙𝑥 𝛥𝑥 𝑙 𝑥 𝛥𝑥 →0 𝛥𝑥

1 ―𝑑 ―𝑑
⸫ 𝜇𝑥 = ( ) 𝑙 = 𝑙𝑛[𝑙𝑥 ]
𝑙𝑥 𝑑𝑥 𝑥 𝑑𝑥

4
__________________________________________________________________________
Act. Mario Arriaga Parra I - A
 S∫P
Matemáticas Actuariales I

B) Enfoque Probabilístico

Introducción
25. Considérese una cartera conformada por n pólizas. Los modelos de Teoría del Riesgo son
útiles para estimar el costo de la cobertura de las reclamaciones de la cartera. Los modelos
de Teoría del Riesgo pueden ser clasificados conforme a las siguientes tres categorías:

26. Modelo 1, Modelo de Riesgo Individual

n
S =  Yi
i =1
donde

26.1. S es la v.a. que denota un indicador relacionado con el importe de las reclamaciones de
la cartera (ya sea en valor presente, en suma simple o con otra ponderación, dependiendo del
contexto de la situación).

26.2. Yi denota el indicador de la reclamación de la i-ésima póliza (por ejemplo cada Yi es

una v.a. que puede tomar el valor de 0 si no hubo siniestro o el importe relacionado con la
suma asegurada en caso contrario); y

26.3. n denota el número de pólizas que conforman la cartera (no es v.a.).

27. Modelo 2, Modelo de Riesgo Colectivo

N
S =  Yi
i =1
donde

27.1. S es la v.a. que denota el indicador relacionado con el monto de las reclamaciones de la
cartera.

27.2. Yi denota el indicador correspondiente al i-ésimo siniestro (cada Yi es una v.a. que toma
el valor asociado a la suma asegurada); y

27.3. N es la v.a. que denota el número de siniestros ocurridos en la cartera.

28. Modelo 3, Proceso de Reclamaciones Acumuladas

N (t )
S (t ) = Y
i =1
i

donde

28.1. S(t) es la v.a. que denota el indicador relacionado con el monto de las reclamaciones,
hasta el tiempo t.

28.2. Yi denota el indicador del i-ésimo siniestro (cada Yi es una v.a. que toma el valor
asociado a la suma asegurada); y

28.3. N(t) es la v.a. que denota el número de siniestros ocurridos hasta el tiempo t.

5
__________________________________________________________________________
Act. Mario Arriaga Parra I - B
 S∫P
Matemáticas Actuariales I

29. En los tres modelos la teoría está enfocada a la determinación y análisis de la distribución de
la v.a. S, indicador relacionado con el monto de reclamaciones en una cartera, casi siempre
con el objeto de determinar el costo de un beneficio o de una cobert ura.

30. En el curso se estudian los modelos de Riesgo Individual, restringiéndose a situaciones en las
que la reclamación depende de la supervivencia o muerte de las personas; en otras materias
se eliminará esta restricción.

31. El costo de un beneficio o prestación usualmente se determina con E[S] y su resultado

coincidirá, bajo las mismas hipótesis de cálculo, con el costo que se determine aplicando las
técnicas analizadas bajo el Enfoque Determinístico.

32. La diferencia entre ambos enfoques radica en que el Enfoque Probabilístico permite
determinar el grado de suficiencia de los recursos disponibles. Por ejemplo, permite resolver,
bajo algunas condiciones no muy rígidas, ecuaciones como las siguientes

Pr{S > (1+Ө)E(S)} = 0.05,

ó
Pr{S ≤ (1+Ө)E(S)} = 0.95,

33. En las ecuaciones anteriores Ө es el factor de seguridad que debe aplicarse a una prima inicial,
E[S], ·Э· sea pequeña la probabilidad de que el indicador relacionado con el monto de
reclamaciones, S, sea mayor que las primas cobradas, una vez aplicado el factor de seguridad.

34. La distribución de S dependerá de que ocurran o no ocurran los siniestros, así como del tiempo
en el que estos sucedan. Al considerar beneficios cuyo pago depende de la muerte o
supervivencia de las personas, deben entonces estudiarse modelos de mortalidad.

35. El desarrollo que se muestra a continuación está basado en “Actuarial Mathematics”

Distribución de X

36. Considérese a un recién nacido, es decir (0). Sea X la v.a. que denota la edad de fallecimiento
de (0).

37. Dado que X mide el tiempo que transcurre desde el nacimiento hasta la muerte, entonces X
es una v.a. continua, con X > 0.

38. Como ejemplo, supóngase que una persona nació a las 0:00 horas del 1º de enero de 1990.

Descripción de la edad de fallecimiento Valor aproximado que toma X

Si (0) falleció el 30 de junio de 1990 0.5
Si (0) falleció el 30 de junio de 1991 1.5
Si (0) falleció el 31 de marzo de 2003 13.25
Si (0) falleció el 31 de diciembre del 2020 30
Si (0) fallece el 30 de septiembre del 2038 48.75

39. Para iniciar el estudio de la distribución de X, sea FX(x) la función de distribución de X, es

decir, Pr{X ≤x} y se interpreta como la probabilidad de que (0) fallezca antes de alcanzar la
edad x, es decir xq0.

6
__________________________________________________________________________
Act. Mario Arriaga Parra I - B
 S∫P
Matemáticas Actuariales I

40. Se define la función de supervivencia, s X(x), como

sX(x) = 1 - FX(x) = Pr{X > x}
y se interpreta como la probabilidad de que (0) alcance por lo menos la edad x, es decir xp0,
interpretándose también como la probabilidad de que (0) fallezca teniendo una edad mayor
de x.

41. Como consecuencia de las propiedades de X y de FX(x), sX(x) cumple con lo siguiente

Propiedades de FX(x) Propiedades de s X(x) = 1 - FX(x)

Continua Continua
Monótona creciente Monótona decreciente
FX(0) = 0 sX (0) = 1
Existe ω tal que FX(ω) = 1 Existe ω tal que s X (ω) = 0

42. Tanto FX(x) como sX(x) determinan la distribución de X.

43. La Pr{t1 < X ≤ t2} = Pr{X ≤ t2} – Pr{X ≤ t1} = FX(t2) - FX(t1) = sX(t1) - sX(t2) se interpreta
como la probabilidad de que (0) fallezca entre las edades t1 y t2, con t1 < t2.

Distribución de T(x)
44. En la práctica será necesario calcular probabilidades de muerte o supervivencia para personas
que no necesariamente son recién nacidas, sino que ya alcanzaron una edad x > 0.

45. Se define a T(x) como la v.a. que denota el tiempo futuro de vida de (x); es decir, T(x) es la
v.a. que mide el tiempo que transcurre desde el momento en el que una persona cumple edad
x, hasta que ocurra su fallecimiento.

46. Determinar la distribución de T(x) permitirá calcular probabilidades de muerte y de

supervivencia para (x), cualquiera que sea el valor del argumento x.

47. Funcionalmente se define a T(x) como

T(x) = X – x
por lo que conociendo la distribución de X se puede determinar la de T(x).

48. Sea FT(x)(t) la f.d. de T(x). Como FT(x)(t) = Pr{T(x) ≤ t}, entonces FT(x)(t) se interpreta como
la Pr{(x) fallezca en el transcurso de un tiempo t, contado a partir de este momento} = Pr{(x)
fallezca antes de que transcurra el tiempo t} = Pr{(x) fallezca entre las edades x y x+t}.

49. En términos de la notación utilizada en el denominado Enfoque Determinístico, se tiene que,

para cualesquiera valores no negativos x y t,
FT(x)(t) = Pr{T(x) ≤ t} = tqx

50. Se define a tpx como la función de supervivencia de (x) y se interpreta como la Pr{(x) llegue
con vida a edad x+t} = Pr{(x) esté con vida después de un tiempo t}
tpx = 1 - FT(x)(t) = Pr{T(x) > t}

Relación entre la Distribución de T(x) con la Distribución de X

51. Como se mencionó anteriormente, las probabilidades de muerte y supervivencia de (x) se
pueden calcular si se conoce la distribución de X, es decir, si se conoce FX(x) ó sX(x).

7
__________________________________________________________________________
Act. Mario Arriaga Parra I - B
 S∫P
Matemáticas Actuariales I

52. Las fórmulas que relacionan la distribución de T(x) con la de X pueden ser expresadas como
sigue:

tqx = FT(x)(t) = Pr{T(x) ≤ t } = Pr{x < X ≤ x+t |X > x }

tpx = 1 - FT(x)(t) = Pr{T(x) > t } = Pr{ X > x+t |X > x }
t| uqx = Pr{t < T(x) ≤ t+u } = Pr{x+t < X ≤ x+t+u |X > x }

53. Como se puede observar, la distribución de T(x) corresponde a la distribución condicional de

X; la condición es que X>x.

54. A partir de las fórmulas anteriores, se obtienen las siguientes igualdades para tqx:

En términos de la distribución de T(x):

tqx = FT(x)(t) = Pr{T(x) ≤ t}

En términos de la distribución de X:
tqx = Pr{x<X ≤ x + t | X > x}
= Pr{(x< X ≤ x + t ) ∩ (X > x)} / Pr{X > x}
= Pr{x < X ≤ x + t } / Pr{X > x}
= [FX(x+t) - FX(x)] / [1 - FX(x)]
= [sX(x) - sX(x+t)] / sX(x)
Así, tqx = FT(x)(t) = [FX(x+t) - FX(x)] / [1 - FX(x)] = [sX(x) - sX(x+t)] / sX(x)

55. En forma análoga, para tpx, se tiene que

tpx = 1 - FT(x)(t) = [1 - FX(x+t)] / [1 - FX(x)] = [sX(x+t)] / sX (x)

56. Igualmente para t|qx se tiene lo siguiente

t|qx = FT(x)(t+1) - FT(x)(t) = [FX(x+t+1) - FX (x+t)] / [1 - FX(x)]
= [sX(x+t) - sX(x+t+1)] / sX(x)

57. Las fórmulas para tqx, tpx y t|qx, expresadas en términos de sx, guardan una similitud con las
fórmulas determinadas bajo el enfoque determinístico, expresadas en términos de ℓx.

58. Las siguientes fórmulas también se cumplen:

t+upx = (tpx) (upx+t) = (upx) (tpx+u)
t+uqx = tqx +(tpx) (uqx+t) = uqx +(upx) (tqx+u)
t| uqx = tpx - (t+upx) = (tpx) (uqx+t)

Distribución de K(x)
59. Se define a K(x) como la v.a. que denota el número de años completos que transcurren
hasta que ocurra la muerte de (x).

60. K(x) es entonces una v.a. discreta que toma el valor de cero si (x) fallece en el transcurso del
primero año; tomará el valor de 1 si (x) fallece durante el segundo año y así sucesivamente.

61. La función de probabilidad de K(x) puede ser determinada a partir de la distribución de T(x),
conforme a lo siguiente:
Pr{K(x) = 0} = Pr{(x) fallezca durante el primer año} = Pr{0 < T(x)≤ 1}
Pr{K (x) = 1} = Pr{(x) fallezca durante el segundo año} = Pr{1 < T (x)≤ 2}
Pr{K (x) = 2} = Pr{(x) fallezca durante el tercer año} = Pr{2 < T(x)≤ 3}
…
Pr{ K (x) = k} = Pr{(x) fallezca durante el (k+1)-ésimo año} = Pr{k < T(x)≤ k+1}
8
__________________________________________________________________________
Act. Mario Arriaga Parra I - B
 S∫P
Matemáticas Actuariales I

62. A efecto de ser consistente con el tipo de intervalos utilizados, se aprovechará el hecho de
que T(x) es una v.a. continua, por lo que 0 = Pr{T(x) = 0} = Pr{T(x) = 1} …, por lo que a
partir de ahora se manejarán intervalos cerrados por la izquierda y abiertos por la derecha.
Así, la f.p. de K(x) queda definida como sigue:
Pr{K(x) = 0} = Pr{(x) fallezca durante el primer año} = Pr{0 ≤ T(x) < 1}
Pr{K(x) = 1} = Pr{(x) fallezca durante el segundo año} = Pr{1 ≤ T(x) < 2}
Pr{K(x) = 2} = Pr{(x) fallezca durante el tercer año} = Pr{2 ≤ T(x) < 3}
…
Pr{K(x) = k} = Pr{(x) fallezca durante el (k+1)-ésimo año} = Pr{k ≤ T(x) < k+1}

63. Pr{K(x) = k} es la probabilidad de que (x) fallezca en el transcurso del (k+1)- ésimo año, es
decir, en el intervalo de edades [x+k,x+k+1), probabilidad que es igual a k|qx. Así, la función
de probabilidad de K(x) está dada por:

Pr{K(x) = k} = k|qx

64. La f.d. de K(x) está dada por:

Pr{K(x) ≤ k} = Pr{K(x) = 0} + Pr{K(x) = 1} + Pr{K(x) = 2} +… + Pr{K(x) = k}=

= qx + 1|qx + 2|qx + … + k|qx
= k+1qx

Fuerza de Mortalidad μx
65. Se sabe que
FX ( x + t ) − FX ( x)
tqx = Pr{x ≤ X < x+t | X>x} =
1− FX ( x)

66. Haciendo t = Δx, con Δx muy pequeño

FX ( x + x) − FX ( x) fX ( x) x
 Δxqx = Pr{x ≤ X < x+ Δx} = ≈
1− FX ( x) 1− FX ( x)

NOTAS AL PARRAFO 66

66a) Se sabe que

lím g ( y ) − g ( y 0)
g'(y0) = y → yo
y− y 0

66b) Si y “está muy cerca de y0”, entonces

g ( y ) − g ( y 0)
g'(y0) ≈
y− y 0
66c) Entonces
g(y) ≈ g(y0) + g'(y0) (y – y0)
66d) Haciendo y0 = x; y = x+Δx; g ≡ F; g’ ≡ F’ = f, se obtiene la aproximación mostrada
F(x+Δx) – F(x) ≈ f(x) Δx

66e) Un ejemplo de la aproximación es el siguiente

g(y) = y

9
__________________________________________________________________________
Act. Mario Arriaga Parra I - B
 S∫P
Matemáticas Actuariales I

Considérese y0 = 100; y=101

1
Como g’(y0) =
2 y0

Entonces, utilizando la aproximación g(y) ≈ g(y 0) + g'(y0) (y – y0), resulta que

y − y0
g(y) ≈ y0 +
2 y0

(101 − 100)
 101  100 + = 10.05
2 100

fX ( x )
67. A la función μx = se le conoce como fuerza de mortalidad.
1− FX ( x)
68. Los valores de μx son comparables con los de qx para la mayoría de los valores de x, en virtud
de que μx es una tasa anualizada, obtenida bajo el supuesto de que la mortalidad se comporta
igual en todo el intervalo de edades [x,x+1), como lo hizo al momento exacto de alcanzar la
edad x.

−d
69. Como fX(x) = F’X(x) = [1 - F X(x)] = - s’X(x), resulta que
dx
− s ' X ( x)
μx =
sX ( x )
70. Como sX(x) es decreciente  - s’X(x) > 0;  μx > 0.

71. Si se conoce μx es posible determinar la distribución de X y, por tanto, la distribución de T(x).

72. A continuación se determina la distribución de X a partir de μx (se determinarán fórmulas

para sX(x), FX(x) y fX(x), en términos de μ x)

73. Partiendo de la fórmula del párrafo 69 se obtiene una fórmula para s(x):
− s' X ( y) − d
μy = = ln[ sX ( y )]
sX ( y ) dy

 - μydy = d ln[s(y)]
x+n x+n
 − y dy =  d ln[ s( y )] = ln[ s( y )] | xx + n = ln[ s( x + n)] − ln[ s( x)] =
x x

s ( x + n)
= ln = ln[npx]
s ( x)

−  xx + n y dy
 npx = e
Haciendo t = y − x resulta que
− 0n x + t dt
n px = e
10
__________________________________________________________________________
Act. Mario Arriaga Parra I - B
 S∫P
Matemáticas Actuariales I

Finalmente, como s(x) = xp0, se tiene que

− 0x  t dt
sX(x) = xp0 = e
74. A partir de la fórmula anterior se obtiene la fórmula para F X(x):
− 0x  t dt
FX(x) = 1 − sX(x) = xq0 = 1 − e
75. Para fX(x):
− 0x  t dt
fX(x) = F’X(x) = (μx) e = (μx) (xp0)

76. Para determinar la distribución de T(x) a partir de μ x:

−d
s( x + t )
d d s( x + t ) dt
fT(x)(t) = F’T(x)(t) = tqx = [1 − ]=
dt dt s ( x) s ( x)

= [ s(sx( x+)t ) ][ −ss('x( x++t )t ) ]

 fT(x)(t) = tpx μx+t

77. Así, tpx μx+t es la f.d.p. de T(x).

78. Entonces la f.d. de T(x) está dada por:

t
FT(x)(t) = tqx =

0
r px μx+r dr

79. En Actuarial Mathematics se presenta una tabla que resume algunos de los resultados
obtenidos.
En términos de FX(x) es igual a sX(x) es igual a fX(x) es igual a μx es igual a
F' X(x)
FX(x) FX(x) 1 −FX(x) F’X(x)
1 - FX(x)

- s' X(x)
sX(x) 1− sX(x) sX(x) − s’X(x)
sX(x)

x 
fX(x)
fX(x)
 0
fx (u ) du  x
f x(u) du fX(x)


fx (u ) du
x

1−
− 0x  t dt − 0x  t dt
μx − 0x  t dt e μx e μx
e

11
__________________________________________________________________________
Act. Mario Arriaga Parra I - B
 S∫P
Matemáticas Actuariales I

Tablas de mortalidad
80. Considérese un grupo de ℓ0 recién nacidos y supóngase que cada uno de ellos está sujeto a la
función de supervivencia sX(x).

81. Sea L(x) la v.a. que denota el número de personas que, del grupo inicial ℓ 0, están con vida en
edad x. L(x) puede ser definida como la suma de funciones indicadoras:

l0
L(x) = j =1
Ij

donde
1 𝑆𝑖 𝑒𝑙 𝑗é𝑠𝑖𝑚𝑜 𝑖𝑛𝑑𝑖𝑣𝑖𝑑𝑢𝑜 𝑒𝑠𝑡á 𝑐𝑜𝑛 𝑣𝑖𝑑𝑎 𝑎𝑙 𝑐𝑢𝑚𝑝𝑙𝑖𝑟 𝑒𝑑𝑎𝑑 𝑥
Ij = {
0 𝐸𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜

82. La E[L(x)] está dada por:

l0 l0
E[L(x)] = E[  j =1
Ij ] = j =1
E[Ij ]

83. Ahora,
si i =1
Pr{Ij = i ]= { 1s−( xs)( x) si i=0

 E[Ij] = (1) s(x)] + (0) [1 – s(x)] = s(x), para toda j

84. Por tanto,

l0
E[L(x)] = 
j =1
E[Ij ] = (ℓ0) s(x)

85. Usualmente E[L(x)] se denota como ℓ x y el hecho de que sea una esperanza se justifica que
sus valores no necesariamente sean números enteros (la esperanza de una variable aleatoria
no necesariamente debe coincidir con alguno de los valores que puede tomar la variable
aleatoria).

86. Así, ℓx = (ℓ0) s(x) se interpreta como el número esperado de personas con vida al momento
de alcanzar la edad x.

87. En caso de que, además, se suponga independencia en la supervivencia de los individuos que
conforman el grupo, entonces L(x) será la suma de ℓ 0 ensayos Bernoulli, por lo que
L(x) ~ Bi(ℓ0, s(x))

88. Para el caso del número de fallecimientos, el planteamiento es similar. Se define a nD x como
la v.a. que denota al número de personas que, del grupo inicial ℓ 0, fallece en el intervalo de
edades [x,x+n). nD x puede entonces ser expresada como
l0
nD x = 
j =1
Hj

donde
j −ésimo individuo fallece entre las edades [ x, x+n)
Hj = { 10 sienelotro caso
12
__________________________________________________________________________
Act. Mario Arriaga Parra I - B
 S∫P
Matemáticas Actuariales I

89. La esperanza de nD x está dada por:

l0 l0
E[nD x] = E[  j =1
Hj ] = 
j =1
E[Hj ]

90. Ahora,
Pr{Hj = h ]= { 1s−( xs)(−x)s−( xs+( xn+)n) para h=1
para h=0

 E[Hj] = (1)[s(x) – s(x+n)] + (0) [1 – s(x) – s(x+n)] = s(x) – s(x+n), para toda j

91. Por tanto,

l0
E[nD x] =  j =1
E[Hj ] = (ℓ0) [s(x) – s(x+n)] = ℓx − ℓx+n

92. Usualmente E[nD x] se denota como ndx. Al igual que con ℓ x, el hecho de que sea una esperanza
se justifica que sus valores no necesariamente sean números enteros.

93. Algunas otras igualdades que pueden ser de utilidad son las siguientes:

−1 d −1 d
μx = s(x) = ℓx
s( x) dx x dx

− dℓx = ℓx μx dx
− 0x  y dy
ℓx = ℓ0 e
− xx + n y dy
ℓx+n = ℓx e
x +n
ℓx − ℓx+n =  ℓy μy dy
x

94. Un resultado importante es que

s( x + k ) − s( x + k + 1) x + k − x + k + 1 dx + k
Pr{K(x) = k} = = = = k|qx
s ( x) x x

 una tabla de mortalidad define completamente la distribución de K(x), para x edad entera.

Características de la distribución de X, T(x) y K(x)

95. Teorema 3.1 (Primera edición de Actuarial Mathematics)
Sea T una v.a. continua, con f.d. G(t) y con f.d.p. G’(t) = g(t), tal que G(0) = 0. Si z(t) es una
función monótona, no negativa, diferenciable, tal que existe E[z(T)], entonces

 
E[z(T)] = 
0
z (t ) g(t)dt = z(0) + 0
z ' (t)[1─G(t)]dt
13
__________________________________________________________________________
Act. Mario Arriaga Parra I - B
 S∫P
Matemáticas Actuariales I

96. Teorema 3.2 (Primera edición de Actuarial Mathematics)

Sea K una v.a. discreta, con probabilidades sólo para enteros no negativos, con f.d. G(t) y con
f.p. g(k) = ΔG(k─1). Si z(k) es una función monótona, no negativa, diferenciable, tal que
existe E[z(K)], entonces

 
E[z(K)] =  z (k)g(k) = z(0) +
k =0
[ 1─G(k)]Δz(k)
k =0

con Δz(k) = z(k+1) ─ z(k).


97. Utilizando el Teorema 3.1 se puede mostrar que E[T(x)] = ėx = p
0
t x dt
Demostración

Por definición, E[T(x)] = 0
(t ) fT(x)(t)dt
Como FT(x)(t) = tqx, haciendo z(t) = t y aplicando el Teorema 3.1 (z(t)=t cumple con los
supuestos requeridos), se tiene que

E[T(x)] = z(0) + 
0
z ' (t)[1─FT(x)(t)]dt
Como z(0) = 0 y z’(t) = 1, entonces
  
E[T(x)] = 0
[ 1─FT(x)(t)]dt = 0
[ 1─tqx]dt = 0
. tpxdt


98. Al valor esperado E[T(x)] = ėx = p
0
t x dt se le conoce como la esperanza completa de vida
de (x) y se interpreta como el tiempo esperado de vida para (x).


99. Utilizando el Teorema 3.1 se puede mostrar que Var[T(x)] = 2 (t )t px dt ─ (ėx)2 
0

100. El Teorema 3.2 puede ser utilizado para demostrar los siguientes resultados


E[K(x)] = ℮x =  kpx
k =1
.


Var[K(x)] =  (2k+1)k+1px ─ (℮x)2
k =0
.

14
__________________________________________________________________________
Act. Mario Arriaga Parra I - B
 S∫P
Matemáticas Actuariales I

Edades fraccionadas
101. Hasta ahora, bajo el Enfoque Probabilístico, para calcular probabilidades, esperanzas y
varianzas, las fórmulas han sido desarrolladas bajo el supuesto de que se conoce la
distribución de T(x) o la de X, o bien que se conoce la forma funcional de μ x.

102. La distribución de K(x) es un caso especial, pues está completamente determinada por los
valores de una Tabla de Mortalidad, pues, como se mencionó anteriormente, con los valores
de una tabla de mortalidad se pueden calcular, para x entero, Pr{K(x) = k} y, por tanto, se
pueden calcular los valores de Pr{K(x) ≤ k}, E[K(x)] y Var[K(x)].

103. En la práctica, lo usual es que el modelo de mortalidad esté basado en una tabla de
mortalidad, por lo que es necesario poder determinar la distribución de T(x) a partir de los
valores de esa herramienta.

104. La forma de hacerlo es aproximando la distribución de T(x) tomando como base la

distribución de K(x) a través del siguiente planteamiento
T =K +R

105. Así, el Tiempo Futuro de Vida, T, es igual al número de años completos, K, más la
fracción de año, R, en la que ocurre la muerte, por lo que R sólo toma valores dentro del
intervalo [0,1). La aproximación se interpreta como si la distribución de T fuera sustituida
por la de R entre dos edades enteras consecutivas.

106. El supuesto que se utiliza con mayor frecuencia es el de Distribución Uniforme de

Muertes, DUM. En Actuarial Mathematics se muestra la forma funcional de este supuesto,
así como la forma funcional de otros dos supuestos, en términos de funciones de
supervivencia:

Supuesto Forma funcional

Distribución Uniforme de Muertes (interpolación lineal) s(x+t) =(1─t)s(x) + (t)s(x+1)
Balducci 1/s(x+t) =(1─t) / s(x) + (t) / s(x+1)
Fuerza constante de mortalidad (interpolación exponencial) s(x+t) =s(x) ℮(t)μ con μ = ─ln[px]

107. Bajo DUM se está suponiendo que R~U(0,1). Como E[R] = ½, entonces
ėx = E[T(x)] = E[K(x) + R(x)] = E[K(x)] + E[R(x)] = ℮x + ½

15
__________________________________________________________________________
Act. Mario Arriaga Parra I - B