Documentos de Académico
Documentos de Profesional
Documentos de Cultura
3 de diciembre de 2021
2da evaluación Teoría del Riesgo
Estimación Bayesiana
121.- Suponga que el número de reclamaciones X de un cierto riesgo sigue una distribución Poisson de
parámetro λ. Se considera que el parámetro λ es desconocido y se le modela como una variable aleatoria
con distribución exp(µ). Demuestre que la distribución a posteriori o no condicional de X es la siguiente
distribución geométrica.
x+1
1
P(X = x) = µ
1+µ
Solución.
Tenemos X número de reclamaciones que siguen cierta distribución Poisson de parámetro λ, es decir,
X|λ ∼ P oisson(λ) y además λ se dsitribuye como una exp(µ)
Así sustituimos P(X = x|λ = t) por la distribución Poisson y a fλ (t) como una exponencial mencionadas
anteriormente, esto es
Z ∞
tx
P(X = x) = e−t µe−µt dt
0 x!
Z ∞ x
t
= µe−(µ+1)t dt
0 x!
Observemos que es posible completar a una ditribución gamma, puesto que contamos con tx e−(µ+1)t ,
donde el primer parámetro será 1 más el exponente que tenga la variable de integración y el segundo como
el factor que esta multiplicando a t en la parte exponencial (Gamma(x + 1, µ + 1)), quedando como
∞
(µ + 1)x+1 x −(µ+1)t
Z
1
=µ t e dt
(µ + 1)x+1 0 Γ(x + 1)
Y dado que es una ditribución continua y además está evaluada de 0 a infinito, toda la integral vale 1,
quedando así
x
1 µ 1 µ
µ x+1
= ∼ Geo
(µ + 1) µ+1 µ+1 µ+1
i
2da evaluación Teoría del Riesgo
Solución.
Sabemos que
∞
X
E[Y ] = yP (Y = y)
y=1
E[Y ] = 1 ∗ P (Y = 1) + 2 ∗ P (Y = 2) + 3 ∗ P (Y = 3) + 4 ∗ P (Y = 4) + ...
E[Y ] = P (Y = 1) + P (Y = 2) + P (Y = 3) + P (Y = 4) + ···
+ P (Y = 2) + P (Y = 3) + P (Y = 4) + · · ·
+ P (Y = 3) + P (Y = 4) + · · · (1)
+ P (Y = 4) + · · ·
..
.
Notemos que
∞
X
P (Y > j) = P (Y = y) , j∈{0, 1, ...}
k=j+1
Entonces
∞
X
∴ E[Y ] = F (y)
y=0
135.- A partir de la fórmula recursiva de la probabilidad de ruina ψ(u) en el proceso de riesgo a tiempo
discreto que aparece en el enunciado de la proposición 7.1, demuestre que
a) ψ(u + 1) ≤ ψ(u)
b) lı́m ψ(u) = 0
u→∞
Solución.
a) Sabemos que
u−1
X u−1
X
ψ(u) ≤ ψ(0) + ψ(u − y)F̄ (y) − F̄ (y)
y=0 y=0
ii
2da evaluación Teoría del Riesgo
Se han separado dos caso, la primera suma se refiere al caso cuando el monto reclamado Y1 no produce
ruina y la segunda suma cuando se presenta la ruina. En el segundo caso la probabilidad condicional
indicada es 1.
En el primer caso la probabilidad condicional se reduce a la probabilidad ψ(w + 2 − y) , pues siendo la
primera reclamación de magnitud y y no habiendo ruina en esta primera reclamación, la probabilidad
condicional original se reduce a la probabilidad de que no se presente la ruina desde el momento de la
primera reclamación en adelante pero ahora con capital inicial w + 2 − y
Escribiendo u en lugar de w
u+1
X
ψ(u + 2)(0) = ψ(u + 1) − ψ(y)f (u + 2 − y) − F̄ (u)
y=1
Sumando ahora las ecuaciones para valores de w de cero a cualquier u ≥ 0, se tiene que
u+1
X X w+2
u+1 X u+1
X
ψ(w + 1) = ψ(y)f (w + 2 − y) + F̄ (w)
w=0 w=0 y=1 w=0
u+2
X u+1
X u+1
X
= ψ(y) f (w + 2 − y) + F̄ (w)
y=1 w=y−2 w=0
u+2
X u+1
X
= ψ(y)F (u + 2 − y) + F̄ (w)
y=1 w=0
u+1
X u+1
X
= ψ(u + 2)f (0) + ψ(y)F (u + 2 − y) + F̄ (w)
y=1 w=0
Para obtener la última identidad se separa el último sumando de la primera suma y se observa que
F (0) = f (0) . Despejando este término se obtiene
u+1
X u
X
ψ(u + 2)f (0) = ψ(0) + ψ(y)(1 − F (u + 2 − y)) − F̄ (y)
y=1 y=0
iii
2da evaluación Teoría del Riesgo
∴ ψ(u + 1) ≤ ψ(u)
b) Por la ley fuerte de los grandes números y la condición de ganancia neta tenemos que
n
1 1 X
lı́mCn = lı́m (u + n − Yj )
n→∞ n n→∞ n
j=1
n
1X
= 1 − lı́m Yj
n→∞ n
j=1
= 1 − E(y) > 0
El límite implica que la v.a. Cn diverga a infinito casi seguramente cuando n → ∞, de tal manera que
la variable ı́nf n≥0 Cn está acotada por debajo casi seguramente. Así, si tomando un capital inicial u
suficientemente grande, la cota inferior de ı́nf n≥0 Cn puede ser cero
ı́nf Cn ≥ 0
n≥0
∴ ψ(u) = 0 cuando n → ∞
Modelo de Cramér-Lundberg
137.- Considere el proceso de Cramér-Lundberg {Ct : t ≥ 0}con la notación e hipótesis usuales. Demuestre
que
a)E(Ct ) = u + (c − λµ)t
b)V ar(Ct ) = λtµ2
c)MCt (r) = exp[r(u + ct) + λt(MY (−r) − 1)]
Solución. PNt
a) Sea St un proceso poisson compuesto, {St }t≥0 con St = i=1 Yi
iv
2da evaluación Teoría del Riesgo
b) Sea Ct un proceso de riesgo con t ≥ 0, número de siniestros Nt y monto de reclamación Yi son indepen-
dientes
V ar(Ct = V ar(u + ct − St ) = V ar(St )
V ar(St ) = E(St2 ) − E2 (St )
Nt
X
= E(E(( )) − µ2 E2 (Nt )
i=1
∞
X Xk X
= ( Yi2 ) (Yi Yj ) P(Nt = k) − µ2 E2 (Nt )
k=0 i=1 i̸=j
∞ k
!
X X X
= E(Yi2 ) i ̸= jE(Yi Yj ) P(Nt = k) − µ2 E2 (Nt )
k=0 i=1
X∞
= (k(σ 2 + µ2 ) + k(k − 1)µ2 )P(Nt = k) − µ2 E2 (Nt )
k=0
= (σ 2 + µ2 )E(Nt ) + µ2 E(Nt2 ) − µ2 E(Nt ) − µ2 E2 (Nt )
= σ 2 E(Nt ) + µ2 V ar(Nt )
Como E(Nt ) = λt,V ar = λt y la varianza es el segundo momento entonces
V ar(Ct ) = λtµ2
c) Tenemos que
v
2da evaluación Teoría del Riesgo
Probabilidades de ruina
138.- Suponga que las reclamaciones, en el modelo de Cramér-Lundberg, siguen una distribución expo-
nencial de parámetro α = 1. Suponga que λ = 21 y c = 2. Observe que cumple la condición de ganancia neta
c > λµ. ¿Cuál debe ser el capital inicial u para que la probabilidad de ruina sea menor o igual a 0.01?
Solución.
Tomando la fórmula 1 de la última proposición vista en clase respecto a la probabilidad de ruina, y ha-
ciendo un cambio de variable tenemos que:
Z u
d λ
ψ(u) = ψ(u) − ψ(y)f (u − y)dy (2)
du c 0
Considelando el modelo de Cramér-Lundberg en donde las reclamaciones tienen distribución exp(α) y cuya
esperanza es µ = α1 , por (1) llegamos a:
Z u
λ
ψ ′ (u) = ψ(u) − e−αu ψ(y)αeαy dy
c 0
λ −(α− λ )u
ψ(u) = e c (3)
αc
Ahora, teniendo los datos del problema, bastará con sustituir los valores conocidos y hacer un despeje para
conocer el monto inicial:
1
Sea α = 1 =⇒ µ = 1. Además, λ = 2 y ψ(u) = 0.01. Sustituyendo en (2):
1 1
0.01 = e−(1− 4 )u
4
1 3
0.01 = e− 4 u
4
3
4(0.01) =e− 4 u
3
Ln(0.04) =Ln(e− 4 u )
3
Ln(0.04) = − u
4
4Ln(0.04)
− =u
3
u =4.292
Por lo tanto el capital inicial u es igual a 4.292.
Coeficiente de ajuste
140.-Se ha demostrado que cuando las reclamaciones tienen distribución exp(α) el coeficiente de ajuste
es R =α − λc . Usando la condición de ganancia neta compruebe que este valor de R efectivamente cumple la
desigualdad
2(c − λµ)
0<R<
λµ2
vi
2da evaluación Teoría del Riesgo
Solución.
Para poder resolver este ejercicio tenemos que demostrar primero la proposición que nos dice que si el
coeficiente de ajuste R existe para la distribución de probabilidad de las reclamaciones del modelo de Crame-
Lundberg, entonces:
1 c 2(c − λµ)
ln( ) < R <
M λµ λµ2
en donde la primera parte de la desigualdad se cumple casi siempre cuando Y ≤ M, para alguna constante
M positiva.
Entonces comenzamos con la cota superior, donde tomamos que θ(r) = λ(MY (r) − 1) − cr, para r ≥ 0.
Pero sabemos que θ(0) = 0
Entonces primero derivamos:
Pero como vemos h(x) es cóncava y h(0)=h(M)=0. Luego h(x) > 0 para 0 < x < M. Entonces podemos decir
que:
x RM
(e − 1) − (eRx − 1) > 0
M
x RM
=⇒ (eRx − 1) ≤ (e − 1)
M
vii
2da evaluación Teoría del Riesgo
Por lo que sea g(x) = xex − ex + 1, entonces g’(x)= xex > 0. Para un x > 0 , g(x) > g(0) = 0 Supongamos
que x = RM tenemos:
Entonces por la propocion anterior podemos concluir que si el coeficiente de ajuste existe, entonces el
intervalo esta en (0, 2(c−λµ)
λµ2 ). Pero ademas podemos decir que estas cotas se pueden utlilizar para encontrar
una cota superior de la probabilidad de la ruina, donde:
ψ(u) ≤ e−Ru
u c
< e− M ln( λµ )
c u
= ( )(− M )
λµ
viii