UNIVERSIDAD NACIONAL AGRARIA

LA MOLINA
ESCUELA DE POSTGRADO

MAESTRÍA EN ESTADÍSTICA APLICADA

ESTADÍSTICA ACTUARIAL: “EDADES FRACCIONALES”

Gerardo Soto

Julio Gutierrez

María Gracia Becerra

La Molina, 2019

I. INTRODUCCIÓN
II. MARCO TEÓRICO

Una tabla de vida (l❑x ) x ≥ x 0 nos brinda la misma información que una función de

supervivencia S x 0❑ S❑x 0 Sin embargo, una tabla de vida que considera edades
❑

como números enteros no contiene toda la información del modelo de supervivencia

correspondiente, puesto que los valores de lx no son suficientes para calcular
probabilidades de edades fraccionales, como por ejemplo 0,75 p 30.5.

Dados valores de l❑x para valores enteros, es necesario establecer ciertos

supuestos para calcular las probabilidades de edades fraccionales. Específicamente,
necesitamos establecer supuestos sobre la distribución de probabilidad de los
valores de l❑x que se encuentran entre las edades enteras.

De acuerdo a lo señalado en el texto Actuarial Mathematics for Life Contingent Risks

de Dickson, Hardy y Waters (2013) los dos supuestos de edades fraccionales más
importantes son: a) Distribución uniforme de muertes y b) Fuerza constante de
mortalidad.

2.1. Distribución uniforme de muertes

El primer supuesto de edades fraccionales es la distribución uniforme de muertes

( UDD, por sus acrónimos en inglés). De forma simple, en esta interpolación se
asume que el número de vidas restantes en una población es una función lineal, la
cual decrece de l❑x a l❑x+1 en una tasa constante.

Si tomamos la Tabla 1 como ejemplo, el supuesto de UDD nos diría que podemos
obtener el valor de l❑x para valores edades fracciones simplemente conectando los
puntos con una línea, tal y cómo se observa en el Gráfico 1.

Tabla 1. Extracto de una tabla de vida.

El supuesto UDD se manifiesta en una ecuación para calcular ❑s q❑ x cuando x es

un número entero y s ϵ [0,1). La columna d ❑x de la tabla estima el número de

muertes que ocurrirían en una población en el próximo año para las personas con
edades x . El supuesto UDD asume que estas muertes se distribuyen
equitativamente a lo largo del año, de forma que 0 muertes han ocurrido al inicio del
año, 0.5d ❑x muertes han ocurrido 6 meses después y d ❑x muertes han ocurrido
luego de un año.

Gráfico 1. Función l❑x , bajo el supuesto UDD.

Fuente:
Si introducimos la notación❑s d ❑x para el número de muertes esperadas en s años

(0 ≤ s <1) para las edades x , entonces:

Desprendiéndose ello de:

2.2. Fuerza constante de mortalidad

Un segundo supuesto de las fracciones es que la fuerza de mortalidad es constante

entre edades enteras. En este supuesto, la fuerza de mortalidad u❑ x es una función
escalonada, la cual cambia únicamente cuando x es un número entero. Entonces,
para una edad con valor entero x , tenemos u❑ x= u ¿ x para una constante u ¿ x y

para s ϵ [0,1). Ello crea discontinuidades en la función de la fuerza de mortalidad. La

función de este supuesto se construye con❑s p ❑x en lugar de❑s q❑ x. En particular:

Entonces:

Considerando ello, la notación para este supuesto es:

2.3. Interpolación general de Newton

Es un método de interpolación polinomial. Aunque solo hay un polinomio de
interpolación, existen diferentes métodos de cálculo. Este método es útil para
situaciones en las que es necesario insertar una pequeña cantidad de puntos,
porque a medida que aumenta la cantidad de puntos, también aumenta el grado del
polinomio.

2.4. Interpolación lineal

La interpolación lineal es un caso particular de la interpolación general de Newton.

Con el polinomio de interpolación de Newton se logra aproximar un valor de la

función f(x) en un valor desconocido de x. El caso particular, para que una
interpolación sea lineal es en el que se utiliza un polinomio de interpolación de grado
1, que se ajusta a los valores en los puntos x 1 y x 2. Se denota de la siguiente
manera:

Para esto caso en particular se asumirá una distribución uniforme de muertes.

Y denotamos lo siguiente:

Y de esto podemos derivar valores de la tabla de vida fraccionaria.

Así podemos establecer las siguientes relaciones útiles

2.4 Interpolación Exponencial

La interpolación exponencial es un caso de interpolación que debe usarcé solo si se
está aproximando una curva exponencial. Dados dos puntos x 1 y x 2. y un punto

entre ellos, suponemos que los puntos ( x 1, y 1) y ( x 2, y 2) se aproximan a una curva

de la forma ke mx , donde k y m son constantes.

Este método es muy adecuado para interpolar a partir de curvas de factores de

descuento (donde los valores son fechas y los valores son factores de descuento) y
da como resultado tasas a plazo constantes.
En este campo tambien el utilizar este metodo es conocido como “constant force
 of mortality”.

2.5 Balducci assumption

Este supuesto asume que la inversa de l x +s es una función lineal de s:

Bajo este supuesto, podemos derivar fórmulas para varias probabilidades

III. APLICACIÓN

Para la aplicación de los ejercicios en cuestión se utilizó el paquete

lifecontingencies, una librería de R desarrollada para hacer cálculos matemáticos
financieros y actuariales para modelar seguros de vida. En ese sentido, el paquete
permite explorar distintos tipos de probabilidades de vida, de fallecimiento y
esperanza.

Para los ejercicios propuestos se utilizará las tablas de vida desarrolladas por la
Superintendencia de Banca y Seguro (SBS) de Perú en el 2017.

Ejercicio 1.

¿Cuál es la probabilidad de sobrevivir 10 años y 6 meses más para una mujer sana
de 70 años en el 2020, según los supuestos de fraccionales lineales, exponenciales
e hiperbólicas?

Notación actuarial:

Resolución:

Tabla1 = probs2lifetable(probs = SPPS2017M*(1-AaxM)^3,

radix = 10^6,
type = "qx",
name = "Tabla 1")

#Linear
Interpretación de resultados:

La probabilidad de que la mujer sana de 70 años viva por lo menos 10 años y 6

meses es de 0.8593255, 0.8593950 y 0.8592560, según el fraccionamiento
Exponencial, Lineal e Hiperbólica, respectivamente. En ese sentido, para el presente
ejercicio el fraccionamiento Exponencial es la que mejor probabilidad predice.

Ejercicio 2.

¿Cuál es la probabilidad de que una pareja sana de ancianos compuesta en el 2020

por una mujer de 80 años y un hombre de 90 años, puedan vivir 5 años y 6 meses
más, según los supuestos de fraccionales lineales, exponenciales e hiperbólicas?

Notación actuarial:

Resolución:

Tabla.1 = probs2lifetable(probs = SPPS2017M*(1-AaxM)^3,

radix = 10^6,
type = "qx",
name = "Tabla.1")

Tabla.2 = probs2lifetable(probs = SPPS2017H*(1-AaxH)^3,

radix = 10^6,
type = "qx",
name = "Tabla.2")

Tablas3 = list(T3 = Tabla.1, T3 = Tabla.2)

linear.2 = pxyzt(Tablas3, x = c(80,90), t=.5, status = "joint",

fractional=rep("linear",length(Tablas3)))

expone.2 = pxyzt(Tablas3, x = c(80,90), t=.5, status = "joint",

fractional=rep("constant force", length(Tablas3)))

hiperb.2 = pxyzt(Tablas3, x = c(80,90), t=.5, status = "joint",

fractional=rep("hyperbolic",length(Tablas3)))

c(linear.2,expone.2,hiperb.2)

[1] 0.9371342 0.9357072 0.9342823

 Interpretación de resultados:

La probabilidad de que la pareja de ancianos viva por lo menos 6 meses más es de

0.937, 0.935 y 0.934, según el fraccionamiento Lineal, Exponencial e Hiperbólica,
respectivamente. En ese sentido, para el caso el fraccionamiento Lineal es la que
mejor probabilidad predice.

IV. CONCLUSIONES

V. BIBLIOGRAFÍA

Bowers, N., Gerber, H., Hickman, J., Jones, D., & Nesbitt, C. (1997). Actuarial
mathematics. The Society of Actuaries.

Dickson, D., Hardy, M., & Waters, H. (2013). Actuarial mathematics for life contingent
risks (2nd ed.). United Kingdom: Cambridge university press.

Spedicato, G. (2019) The lifecontingencies Package: Perfoming Financial and

Acturial Mathematics Calculations in R. Disponible en: http://www2.uaem.mx/r-
mirror/web/packages/lifecontingencies/vignettes/an_introduction_to_lifecontingencies
_package.pdf

VI. ANEXOS