TEORÍA DEL EQUILIBRIO

ACTUARIAL

APUNTES TEÓRICOS

GUÍA DE TRABAJOS PRÁCTICOS

CÁTEDRA: Dr. Eduardo Melinsky

PROFESOR: Dr. Eduardo Melinsky

 TEORÍA DEL EQUILIBRIO
ACTUARIAL

APUNTE TEÓRICO

“INTRODUCCIÓN A LA
TEORÍA DEL RIESGO”

Contenido:
1) El riesgo individual asegurable y los siniestros como variable aleatoria.-
2) La cartera de riesgos individuales.
3) La cartera de riesgos individuales: los siniestros y su margen de desvío respecto de
los siniestros esperados.
4) La estabilidad del asegurador.
5) El Teorema Central del Limite – Aplicación del Teorema Central del Límite.

I Autor: Dr. Eduardo Melinsky

EL RIESGO INDIVIDUAL ASEGURABLE Y LOS SINIESTROS COMO
VARIABLE ALEATORIA.

Cada unidad asegurable considerada individualmente es una unidad de riesgo, es decir

sujeta al riesgo de generar siniestros.
Si consideramos los siniestros, para cada unidad asegurable, como una variable
aleatoria (v.a) “X” definida por el importe total de siniestros en una unidad de tiempo,
tenemos que tal v.a. presenta:

a) Importes de siniestros: dentro de un rango de variabilidad de x1,xm  , tal que:

x1  x2   ........  xt   xm 

con valores particulares: x1  0 yxm  como importe máximo.

De esta manera agrupamos los eventos posibles en función de la cuantía total de los
siniestros.
Consideramos eventos probables futuros completos, incluyendo la no ocurrencia de
siniestros.
Por simplicidad trataremos con v.a. discreta.

b) Probabilidades correspondientes a cada importe total de siniestros:

Para cada importe particular de siniestros probables futuros x(t), se tiene una
probabilidad simbolizada por: “ P  X  xt  ”, siendo ésta la Función de Probabilidad
con la condición
m

 PX  xt   1
t 1
k
y con la Función de Distribución P X  xk    PX  xt 
t 1
los siniestros probables futuros pueden ser caracterizados por los “momentos” absolutos
y centrados.

1) Momentos absolutos:

   xt  * PX  xt 

m
E xk 
k

t 1
Es de fundamental importancia el momento absoluto de primer orden, pues representa el
valor ponderado de los valores probables que puede adquirir el importe de siniestros, y
por lo tanto es el importe esperado de los siniestros, o valor probable de las obligaciones
del Asegurador.

m
E x    xt  * P X  xt 
t 1

2) Momentos Centrados:
 
E  X  E  X  
k
  xt   EX  * PX  xt 
k

t 1

En particular nos interesa el momento centrado de orden dos, que se denomina Varianza
de X, con:

   xt   EX  * PX  xt 

m
Var X   E  X  E  X  
2 2

t 1

a partir del cual se obtiene el desvío típico, desvío estandar o dispersión, como

 x   var X 

que es la medida de dispersión de los valores probables de los siniestros respecto del
siniestro esperado, también conocida como desvío medio cuadrático.

En toda variable aleatoria se tiene que si k =1, entonces

E  X  E  X   0

Los momentos centrados de orden impar en una distribucuón simétrica son nulos. En
atención a ello se toma el momento tercero centrado como una medido de la
“asimetría”, dividiéndole por la dispersión elevada al cubo para trabajar con igual
unidad de medida (que la empleada para valor esperado y dispersión).

Es interesante destacar que la varianza puede ser calculada en función de momentos

absolutos en atención a:

   
Var  X   E  x  E x   E X 2  E  X 
2 2

aparte de las características mencionadas anteriormente, resulta interesante mencionar:

1. Desvío máximo positivo: D. Máx. Pos.= xm   E  X 
2. Desvío lineal medio: es una medida más natural que la dispersión y consiste
en sumar los desvíos negativos y positivos en valores absolutos, ponderarlos por las
probabilidades respectivas y dividirlos por dos, así:

D.M.L= E 1 2 * X  E  X   
m

2 *  x t   E  X  * P X  x t 
1

t 1

En la práctica se opera con las Var  X  y la   X  puesto que desde el punto de vista
matemático son más tratables que el D.L.M.

En muchas ocasiones es conveniente considerar que todo importe de siniestros puede

ser expresado en función del importe esperado de siniestros y de la dispersión ,
mediante la siguiente relación:

xt   E  X    t  *   X 
de donde se obtiene la variable estandarizada “  t  ”

xt   E  X 
 t  =
 X 

la variable estandarizada tiene las siguientes propiedades:

1. P   t   P X  xt 
2. E    0
3. Var    1

Hasta ahora hemos considerado características “parciales” del importe de los siniestros
como variable aleatoria.

Consideramos una característica completa, llamada “Función Generatriz de momentos ”

(F.G.M) definida como:

  e
m
M X , z   E e z* X  z * x t 
* P X  xt 
t 1
Donde “z” es un parámetro real y la F.G.M. existe si la suma es finita.

Dado que:

e z*x  1  x * z 
 x * z 2  x * z 3  ...   x * z k   x * z k 1  ...
2! 3! k! k  1!

M X , z   1  z * EX  
z2
 
* E x 2  ... 
x * z  * E X k  ...
k
 
2! k!

obteniéndose que la F.G.M vincula a todos los momentos absolutos de la variable

aleatoria derivándose respecto de “z” e igualando “z=0” se tiene que:

dk
k
dz
M X , z   E X k  

II. LA CARTERA DE RIESGOS INDIVIDUALES

Hasta ahora hemos analizado las características de una unidad asegurable considerada
como riesgo individual. De aquí en más analizaremos las características de una cartera
formada por riesgos asegurables individuales con sus correspondientes importes
probables de siniestros y sus características como variables aleatorias.

Cada unidad de la cartera se caracteriza por:

X i , xi,1, xi, k P X i   xi, t , E  X i ,Var  X i , etc.

Asumimos que cada riesgo asegurable es una variable aleatoria INDEPENDIENTE de

cada uno de los demás, entonces, la cartera, en su conjunto, tendrá siniestros que serán
representados por la variable aleatoria “S(n)”, tal que:

n
S n    X i 
i 1

S(n) es una variable aleatoria (suma de las “n” variables aleatorias de los “n” riesgos
que componen la cartera) que corresponde al importe total de siniestros de la cartera de
una determinada unidad de tiempo:

m  m
E S n   E  X i    E  X i 
 i 1  i 1

m  m
Var S n   Var  X i   Var  X i 
 i 1  i 1

m
 S n   Var S n    VarX i 
i 1

m
destacándose que  S n     X i 
i 1

En lo que sigue asumimos que trabajamos con riesgos homogéneos e

independientes, es decir que la “X(i)” son v.a. con “IDENTICA DISTRIBUCIÓN” y
”MUTUAMENTE INDEPENDIENTES” por lo tanto:

E  X i   E  X yVar  X i   Var  X 

y entonces:

E S n   E n * X   E  x  x  x  ......  x nveces   n * E  X 

Var S n   Var n * X   n * Var  X 

 S n    n * X   n *   X 

Notemos que con estas hipótesis (de independencia e idéntica distribución) tenemos que
el desvío típico de la cartera es menor que “n” veces la dispersión de cada riesgo
individual.

 S n   n *   X   n *  x 
Con las consideraciones anteriores tenemos caracterizado al Siniestro total a cargo del
asegurador por el importe total esperado de siniestros y la dispersión,
El rango de valores probables de siniestros es 0, n * xm  , pudiéndose establecer con
facilidad las probabilidades para las cotas inferior y superior, así:

PS n   0  P X i   0 yX 2   0 y...... X t   0 y... X n   0

= P X  0
n

PS n   n * xm   P X 1  x(m) yX 2   xm  y... X t   xm  y... X n   xm  

 P X  xm 
n

Para los importes de siniestros dentro del rango de variación, tendremos una función de
probabilidades del tipo “ PS n   s  ” y función de distribución del tipo “ PS n   s  ”,
con la condición de que PS n   s 

m* x  m 

 PS n  s  1
s 0

Los siniestros de la cartera S(n), tienen una función de probabilidad determinada por la
adición de las probabilidades de los grupos de situaciones que generan igual importe de
siniestros. Sobre ello volveremos más adelante.

III. LA CARTERA DE RIESGOS INDIVIDUALES: LOS SINIESTROS Y SU

MARGEN DE DESVIO RESPECTO DE LOS SINIESTROS ESPERADOS

El teorema de Tchebychev establece que:

P X  E X    *  X   1 
1
2

es decir que la probabilidad de que los desvios respecto de la media en valor absoluto
1
excedan “  ” veces la dispersión es mayor que “ 1  2 ”


En el caso de la cartera de “n” riesgos asegurables, independientes y de idéntica

distribución,


P Sn   ESn    * Sn   P Sn   n * EX    * n * X   1   1
2
 f  

Vemos que se establece una relación entre la variable aleatoria “S(n)”, su valor esperado
y su dispersión, y un módulo “  ”, destacando que el valor esperado es directamente
proporcional al número de riesgos individuales y la dispersión a la rariz cuadrada del
número de riesgos individuales.
Esquemáticamente tenemos:

Importe de
los siniestros

0 ESn    * Sn  ESn  ESn    * Sn  n*x(m)

Rango de importes
Considerados

Amplitud 2 *  * Sn 

Por aplicación del Teorema podemos elaborar las siguientes tablas:

 f  
1,0 0,0000
1,5 0,5556
2,0 0,7500
2,5 0,8400
3,0 0,8889

1
Si f    1 
2

f   
0,75 2,0000
0,80 2,2361
0,90 3,1623
0,95 4,4721
0,99 10

1

1  f  

Es de destacar que sólo tienen aplicación los casos en que “   1 ” dado que se debe
computar probabilidades positivas.
Resulta interesante vincular la amplitud del intervalo de 2 *  * n * X  con:
a) El importe máximo de los siniestros
b) El importe esperado de los siniestros,así:

2 *  * n * X  2 *  * X 
a) 
n * x m  n * x m 
 2 *  * n * X  2 *  * X 
b) 
n * EX  n * EX 

De manera que para un módulo “  ” dado, tendremos por lo menos un valor f   de

que la probabilidad de que los siniestros están comprendidos entre
ESn    * Sn  y el valor “  ” vincula a la variable aleatoria, la esperanza y la
dispersión independientemente del número de unidades consideradas. Lo indicado en el
párrafo anterior permite afirmar que a medida que aumenta el número de unidades
aseguradas, y con un módulo “  ” fijo, no se altera la probabilidad considerada, y el
margen de variación con respecto a la media crece en valores absolutos pero disminuye
en valores relativos. Situación muy importante que muestra la compensación de riesgos
a medida que se incrementa la cartera.

IV. LA ESTABILIDAD DEL ASEGURADOR:

Consideremos la situación de un asegurador frente a una cartera de riesgos asegurables

independientes entre sí, sin considerar otros aseguradores y/o reaseguradores.

La cartera de riesgos asegurables se caracteriza entonces por el rango de importes de

siniestros probables en una unidad de tiempo, la ley de probabilidad correspondientes, y
las características dadas por el importe esperado de siniestros y la dispersión de los
siniestros, entre otras.

Si el asegurador opera con un esuqema “equitativo”, cobrando al asegurado la Prima

Pura, o el importe del siniestro esperado para cada unidad asegurable (no entra en
nuestro análisis los intereses, ni los gastos de cualquier naturaleza que fueren),tenemos
que el beneficio del asegurador es una variable aleatoria que resulta de detraer a los
siniestros probables futuros el importe de las primas puras computadas, así la variable
aleatoria, beneficio del asegurador se expone como:

Bn   Sn   ESn 

Si B(n) < 0 tenemos un resultado favorable para el asegurador y si B(n) > 0 un resultado
desfavorable mientras que si B(n) = 0, tenemos un resultado neutro.

En cuanto a las probabilidades que corresponden a B(n), se tiene que:

PBn   b  PSn   b  ESn 

Destacando que la esperanza de B(n), dentro del esquema “equitativo” es:

E Bn   E S n   E S n   S n   E E S n   0

es decir que bajo las condiciones señaladas es de esperar que le asegurador no gane ni
pierda.
Ocurre que tenemos:

 PSn   s     PSn   s   PSn   s

s s  E S n s  E S n

Los sumandos del segundo miembro dan como resultado la unidad pero corresponden a
dos situaciones distintas para el asegurador:

a) Situación Favorable (con beneficio del asegurador o resultado neutro), con

probabilidad:

PSn  ESn    PSn   s

s  E S n 

b) Situación Desfavorable (con pérdida para el asegurador), con probabilidad:

PSn  ESn    PSn   s

s  E S n 

De lo anterior resulta que es probable que los siniestros excedan a las primas puras, lo
que equivale a señalar que PSn  ESn   0
En consecuencia el asegurador en la hipótesis de trabajar con un esquema “equitativo”,
corre el riesgo de ver comprometida su estabilidad financiera, la probabilidad arriba
señalada puede ser considerada como “una probabilidad de ruina”, para la unidad de
tiempo considerada.
Se desea entonces minimizar la “probabilidad de un desequilibrio financiero o ruina”, y
el asegurador con elementos tales como:

a) Recargo de seguridad para la cartera: Rec(n)

b) Reserva inicial para contingencias: Res(0)
c) Número mínimo de unidades asegurables y
d) Cuantía de los capitales asegurables.

(los elementos “c” y “d” se vinculan estrechamente con el importe esperado de

siniestros)

De esta manera la probabilidad de situaciones desfavorables para el asegurador se ven

reducidas a:

“ PSn   ESn   Re cn   Re s0  ”

dado que:

PS n   E S n   Re cn   Re s0   PS n   E S n 

pudiéndose establecer una ecuación tal que:

PSn   ESn   Re cn   Re s0   PSn   ESn   x * Sn   g x 

donde g(x) es la probabilidad de que los siniestros no excedan el importe esperado más
“x” veces la dispersión de los siniestros o desvío medio cuadrático.

Dado un valor determinado de g(x) o de primas recaudadeas y/o reservas de

contingencias, etc; es posible la determinación de cada uno de los elementos con que
cuenta el asegurador, para preservar su estabilidad a partir de la acuación:

ESn   x * Sn   ESn   Re cn   Re s0 

o bien

x * Sn   Re cn   Re s0 

consideremos en primer lugar el caso en que las reservas de contingencias son nulas,
por lo tanto:

x * Sn   Re cn 
y expresando el rcargo en función de las primas puras,

Re cn   h n  * ESn 

Asumiendo que tratamos con riesgos independientes y con igual distribución,

Re cn   x * n * X   h n  * n * EX 

de donde:

x * n * X  x * X 
h n   
n * EX  n * EX 

Esta última expresión nos indica que para un valor dado de g(x), el recargo porcentual
es decreciente en función del número de unidades aseguradas.

Si introducimos las reservas de contingencias

Re cn   x * n * X   Re s0   h n  * n * EX  y

Re s0 
x * X  
x * n * X   Re s0  n
h n   
n * EX  n * EX 

La Reserva de Contingencia presenta un importe inicial “Res (0)” y un importe aleatorio

al fin de la unidad de tiempo considerada “Res(1)”, la variable aleatoria reserva final es
entonces:

Re s1  ESn   Re cn   Re s0   Sn 

y el valor esperado de dicha reserva es:

ERe s1  Re cn   Re s0 

La probabilidad de que la reserva final sea positiva es:

PRe s1  0  PSn   ESn   Re cn   Re s0   g x 

resultando la probabilidad de que la reserva final sea negativa igual a:

PRe s1  0  1  PRe s1  0  1  g x 

Esta última espresión es conocida como la “probabilidad de ruina” del asegurador en el

sentido técnico de que los siniestros excedan la recaudación (prima puras más recargos
de seguridad) más las reservas de contingencia consideradas.

V. TEOREMA CENTRAL DEL LÍMITE:

El Teorema Central del Límite establece que si consideramos “n” variables aleatorias
“X(i)”, que obedecen a la misma ley de probabilidad.

PXi   x   PX  x 

EXi   EX 

VarXi   VarX  con S n   n * X

ESn   n * EX 

VarSn   n * VarX    2 Sn 

Si el número de variables aleatorias consideradas tiende a infinito, tenemos que la

probabilidad:

 Sn   ESn  
“ P  x ”
 Sn  

tiende a identificarse con la variable aleatoria Laplace-Gauss, Normal, con parámetros 0

para la media y 1 para la dispersión.

APLICACIÓN DEL TEOREMA CENTRAL DEL LIMITE

Para los riesgos individuales asegurables, mutuamente independientes y con idéntica

distribución, que conforman una cartera, tenemos que:
 x u2
1 
lim m   PSn   ESn   x * Sn   *  e 2 du
2 *  

h n  * n * EX   Re s0
si x * Sn   Re cn   Re s0  x
n * X 

y así
h  n * n * E X  Re s 0 
n *  X  u2
1
lim m   PSn   ESn   x * Sn  


2*
* 

e 2
du

Pudiéndose apreciar que el límite de esta probabilidad es igual a la unidad.

Consideremos la aplicación del teorema central del límite para el caso de una cartera
con riesgos asegurables independientes con idéntica distribución, caracterizada por:

PX  C  p

PX  0  1  P  q

EX   C * p

VarX   C2 * p

ESn   C * p * n

VarSn   C 2 * p * n *q

Sn   C * n * p * q

Por hipótesis de trabajo, consideremos que

x u2
1
PS n   E S n   x *  S n   g  x  

* e 2 du
2 *   
Ahora determinaremos cual es la relación entre:

1. Capitales Asegurados: C
2. Número de Operaciones: n
3. Recargos de Seguridad: Rec(n)
4. Reserva de contingencia: Res(0)
5. Probabilidad de que los siniestros no escedan a las recaudaciones más reservas: g(x)
6. Número de Desvíos típicos admisibles: 
En primer lugar estableceremos la ecuación de equilibrio:

x * Sn   Re cn   Re s0 

x * C * n * p * q  h * C * p * n  Re s (0)

Calcularemos ahora cada uno de los elementos señalados en función de los otros:

1) Capital asegurable máximo: “pleno”

Re s(0)
C
x * n *p*q  h *n *p
2) Número mínimo de operaciones:

x * C * n * p * q  h * C * p * n  Re s0  0

donde n es la solución de la ecuación anterior. Si Res(0) = 0

x2 * q
n
h2 * p

3) Recargo de Seguridad (en tanto por uno de la prima pura)

q Re s(0)
h  x* 
n *p C*p*n

4) Reserva de Contingencia


Re s(0)  C * x * n * p * q  h * n * p 

5) Probabilidad de que los siniestros no excedan las recaudaciones más la reserva

inicial y/o número de desvíos máximos admisibles

p*n Re s(0)
x  h* 
q C* n *p*q

Siendo la probabilidad igual a “g(x)”.

EJEMPLOS PRÁCTICOS SOBRE LA DETERMINACIÓN DE LA FUNCIÓN
DE PROBABILIDADES DE UNA CARTERA COMPUESTA POR RIESGOS
ASEGURABLES INDEPENDIENTES CON DISTINTA FUNCIÓN DE
PROBABILIDADES

1. Sea una cartera compuesta por dos riesgos caracterizados por las variables aleatorias
X e Y.

Definimos

S(n) =S(2) = X+Y

Donde S(2) es la variable aleatoria que representa el monto de siniestros acunulados por
el total de la cartera en una unidad de tiempo.
Las distribuciones de probabilidades de los riesgos individuales son en general

X:.....................x........................./ PX  x   f ( x )
Y:.....................y........................./ PY  y  g ( y)

Por lo tanto la distribución de la Variable Aleatoria S(2) será:

S:.....................s........................./ PS  s   Px , y  / x  y  s

  f s  t gt 
t  s

Si las distribuciones de los riesgos individuales son:

x PX  x   f ( x )
0 0,36
1 0,48
2 0,16
Suma 1

y PY  y  g ( y)
0 0,216
1 0,432
2 0,288
3 0,064
Suma 1

Conceptualmente se puede determinar la Distribución de la variable “s” mediante el

siguiente esquema
 s (x,y) Cálculos PS  s 
0 (0,0) 0,36*0,216 0,07776
1 (0,1) (1,0) 0,36*0,432+0,48*0,216 0,25920
2 (0,2)(1,1)(2,0) 0,36*0,288+0,48*0,432+0,16*0,216 0,34560
3 (0,3)(1,2)(2,1) 0,36*0,064+0,48*0,288+0,16*0,432 0,23040
4 (1,3)(2,2) 0,48*0,064+0,16*0,288 0,07680
5 (2,3) 0,16*0,064 0,01024

s PS  s  PS  s  * s s  Es 2 s  Es 2 * PS  s 

0 0,07776 0,0000 4 0,31104
1 0,25920 0,25920 1 0,25920
2 0,34560 0,69120 0 0,00000
3 0,23040 0,69120 1 0,23040
4 0,07680 0,30720 4 0,30720
5 0,01024 0,05120 9 0,09216
2,00000 1,20000

La Variable S queda caracterizada por la distribución de probabilidades PS  s  : el

rango de variación es 0  s  S  , y la E S   2 y la Var S   1,2 , el
 S   1,09545

La función de Probabilidades de la variable S pueden obtenerse también como:

PS  s    f (s  t ) g (t )
t  s

PS  0   f (o  t ) g (t )  f (0) g (0)

t  0

PS  1   f (1  t ) g (t )  f (1) g (0)  f (0) g (1)

t  0

PS  2   f (2  t ) g (t )  f (2) g (0)  f (1) g (1)  f (0) g (2)

t  0

PS  3   f (3  t ) g (t )  f (3) g (0)  f (2) g (1)  f (1) g (2)  f (0) g (3)

t  3

PS  3  f (2) g (1)  f (1) g (2)  f (0) g (3)

PS  4   f (4  t ) g (t )  f (4) g (0)  f (3) g (1)  f (2) g (2)  f (1) g (3)  f (0) g (4)
t  4

PS  4  f (2) g (2)  f (1) g (3)

PS  5   f (5  t ) g (t )  f (5) g (0)  f (4) g (1)  f (3) g (2)  f (2) g (3)  f (1) g (4)  f (0) g (5)
t  5
Caracterización de los Riesgos Individuales

X P X  x  P X  x  *x  x  EX 2 P X  x  *  x  E  X 
2

0 0,36 0,00000 0,64000 0,23040

1 0,48 0,48000 0,04000 0,01920
2 0,16 0,32000 1,44000 0,23040
EX 
2 0,80000 Var  X   0,48000

y PY  y  PY  y  *y  y  E y 2  y  E y 2 * PY  y 

0 0,216 0,00000 1,44000 0,31104
1 0,432 0,43200 0,04000 0,01728
2 0,288 0,57600 0,64000 0,18432
3 0,064 0,19200 3,24000 0,20736
E Y   1,20000 Var Y   0,72000

X:  0  x  2  ; E  X   0,8 ; Var  X   0,48 ;   X   0,69282

Y:  0  y  3  ; E Y   1,2 ; Var Y   0,72 ;  Y   0,84853

Nótese que se verifican las siguientes Propiedades:

E S 2   E  X   E Y   0,8  1,2  2

Var S 2   Var  X   Var Y   0,48  0,72  1,2

 S 2   Var  X   Var  y   1,2  1,09545    X    Y   1,54135

2.- Si la cartera se compone ahora de tres riesgos tal que:

S (3)  X  Y  X

S (3)  S (2)  X

S(2):..................s........................./ PS (2)  s   h( s )

X:......................y........................./ P X  x   f (x)

PS 3  s 'Ps  x  / s  x  s '   hs't  f t 

t  s 0

PS 3  0   h0  t  f t   h(0) f (0)

t  0
PS (3)  0  h(0) f (0)  0,07776 * 0,36  0,02799

PS 3  1   h1  t  f t   h(1) f (0)  h(0) f (1)

t 1

PS (3)  1  h(1) f (0)  h(0) f (1)  0,25920 * 0,36  0,07776 * 0,48  0,13064

PS 3  2   h2  t  f t   h(2) f (0)  h(1) f (1)  h(0) f (2)

t  2

PS (3)  2  h(2) f (0)  h(1) f (1)  h(0) f (2)  0,34560 * 0,36  0,25920 * 0,48  0,07776 * 0,16 

PS (3)  2  0,26127

PS 3  3   h(3  t ) f (t )  h(3) f (0)  h(2) f (1)  h(1) f (2) 

t  3

PS 3  3  h(3) f (0)  h(2) f (1)  h(1) f (2)  0,23040 * 0,36  0,34560*,048  0,25920 * 0,16 

PS 3  3  0,29030

PS 3  4   h(4  t ) f (t )  h(4) f (0)  h(3) f (1)  h(2) f (2)  h(1) f (3)  h(0) f (4) 
t  4

PS 3  4  h(4) f (0)  h(3) f (1)  h(2) f (2)  0,07080 * 0,36  0,23040*,048  0,34560 * 0,16 

PS 3  4  0,19354

PS 3  5   h(5  t ) f (t )  h(5) f (0)  h(4) f (1)  h(3) f (2)  h(2) f (3)  h(1) f (4)  h(0) f (5) 
t  5

PS (3)  5)  h(5) f (0)  h(4) f (1)  h(3) f (2) 

PS (3)  5)  0,01024 * 0,36  0,07680 * 0,48  0,23040 * 0,16  0,07741

PS (3)  6   h(6  t ) f (t )  h(6) f (0)  h(5) f (1)  h(4) f (2)  h(3) f (3)  h(2) f (1)  h(0) f (6) 
t  6

PS 3  6  h(6) f (0)  h(5) f (1)  h(4) f (2)  0  0,01024 * 0,48  0,07680 * 0,16  0,01720

PS (3)  7   h(7  t ) f (t )  h(5) f (2)  0,01024 * 0,16  0,00165

s’ PS 3  s ' PS 3  s ' *s’ s' ES 32 s' ES 32 * PS 3  s'
0 0,02799 0,00000 7,84000 0,21944
1 0,13064 0,13064 3,24000 0,42327
2 0,26127 0,52254 0,64000 0,16721
3 0,29030 0,87090 0,04000 0,01161
4 0,19354 0,77416 1,44000 0,27870
5 0,07741 0,38705 4,84000 0,37466
6 0,01720 0,10320 10,24000 0,17613
7 0,00105 0,01155 17,64000 0,02911
1,00000 2,80000 1,68000

0  s'  7
E S 3  E S 2   E  X   2  0,8  2,8

Var S 3  Var S 2   Var  X   1,2  0,48  1,68

 S 3  Var 2   Var  X   1,68  1,29615