LICENCIATURA

ACTUARIA
TEORIA DE RIESGOS

M.F. Eric Víctor Guerrero Piña

agosto – diciembre 2022
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS

Clase (a,b,0)

Las distribuciones discretas son útiles para medir frecuencia. Las 3

distribuciones básicas son Poisson, Binomial Negativa y Binomial.

Distribución Poisson:

Sea pn=Pr(N=n)

Una distribución Poisson con parámetro λ>0 es definida como:

La media y varianza es el mismo valor λ.

Una suma de n variables aleatorias N1, N2,…, Nn con parámetros λ1,

λ2,…, λn tiene distribución Poisson con parámetro Σλi.
M.F. Eric Víctor Guerrero Piña
agosto – diciembre 2022
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS

Una distribución Binomial Negativa que tiene parámetros r y β definido

como:

La media es rβ y la varianza es rβ(1+ β).

Mencionando que la varianza es siempre mayor a la media. Cabe

mencionar que esta parametrización es inusual, ya que posiblemente
se haya aprendido la distribución con los parámetros k y p. Sin
embargo esta parametrización es conveniente para obtener la binomial
negativa como una Gamma/Poisson.

También se dice que r debe ser mayor a cero, pero no necesita ser un
número entero.

La definición general de un coeficiente binomial para cualquier

numerador y un denominador entero no negativo es:
M.F. Eric Víctor Guerrero Piña
agosto – diciembre 2022
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS

Un caso especial en la distribución binomial negativa es la distribución

Geométrica, la cual es una Binomial Negativa con r=1, por lo que se
tendrían las siguiente formulas:

Por lo que la probabilidad es una progresión geométrica con una razón

(ratio) β/(1+ β). Para calcular la función de sobrevivencia se puede
sumar la serie geométrica:

Por lo tanto, la distribución Geométrica es la contraparte discreta de la

distribución exponencial, y tiene la propiedad de sin memoria, donde:

M.F. Eric Víctor Guerrero Piña

agosto – diciembre 2022
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS

Una suma de n variables aleatorias N1, N2,…, Nn teniendo el mismo

parámetro β y con parámetros r1, r2,…, rn tienen distribución Binomial
Negativa con parámetros β y Σri.

Una forma para recordar que se requiere la misma β, es que la

varianza de la suma tiene que ser la suma de las varianzas y esto no
funcionaria sumando los β’s ya que la varianza es un valor cuadrático
de β.

Una distribución Binomial con parámetros m y q es definido como:

Y tiene media mq y varianza mq(1-q).

Para este caso, su varianza es menor a su media.

M.F. Eric Víctor Guerrero Piña

agosto – diciembre 2022
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS

Una suma de n variables aleatorias N1, N2,…, Nn teniendo el mismo

parámetro q y con parámetros m1, m2,…, mn tienen distribución
Binomial con parámetros q y Σmi.

Una forma para recordar que se requiere la misma q, es que la

varianza de la suma tiene que ser la suma de las varianzas y esto no
funcionaria sumando los q’s ya que la varianza es un valor cuadrático
de q.

Teniendo la media y varianza de una distribución, se puede retroceder

los parámetros. Es más, se puede identificar la distribución
comparando la varianza con la media.

Si la varianza es mayor a la media hablamos de una binomial negativa,

si son iguales sería una Poisson o si es menor a la media nos referimos
a la Binomial.

M.F. Eric Víctor Guerrero Piña

agosto – diciembre 2022
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS

Estás 3 distribuciones de frecuencia son las que componen el conjunto

de distribuciones en la clase (a,b,0).

Esta clase esta definida con la siguiente propiedad.

Sea pk=Pr(X=k), entonces:

Donde a es positivo para una distribución negativa e igual a β/(1+ β); si

es cero entonces es una Poisson; y es negativo para una distribución
Binomial.

De este modo, dado que una variable aleatoria sigue una distribución
de clase (a,b,0), el signo de a determina la distribución que sigue.

M.F. Eric Víctor Guerrero Piña

agosto – diciembre 2022
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS

Para una distribución Poisson b=λ. Para la distribución Geométrica, que

es el caso especial de una Binomial Negativa, b=0

Las formulas para a y b aparecen en la siguiente tabla:

Para una distribución de la clase (a,b,0), el valor de pk para 3 valores

consecutivos de k permite determinar la distribución exacta, dado que
se pueden establecer 2 ecuaciones para 2 valores desconocidos (a y
b).
M.F. Eric Víctor Guerrero Piña
agosto – diciembre 2022
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS

Ejemplo 1: La frecuencia de las reclamaciones tiene una distribución

de clase (a,b,0). Se tiene la siguiente información:
i. La probabilidad de 4 reclamaciones es 0.066116
ii. La probabilidad de 5 reclamaciones es 0.068761
iii. La probabilidad de 6 reclamaciones es 0.068761
Obtenga la probabilidad de que no haya reclamaciones.

Ejemplo 2: Se sabe que a=3/4 y b=3/4.

Encontrar E[N2]

Ejemplo 3: El número de reclamaciones N se distribuye Poisson. Si se

tiene el doble de probabilidades de tener 4 reclamaciones que 2.
Obtenga E[N]

Ejemplo 4: Sea N que tiene distribución Clase (a,b,0) tal que: p1/p0=5/4
y p2/p1=1/2. Encontrar E[N2]

M.F. Eric Víctor Guerrero Piña

agosto – diciembre 2022
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS
Ejercicios

1. Para una distribución en la clase (a,b,0) se cuenta con p1=0.6p0 y

p2=0.4p1. Determine p0.
2. Para una distribución en la clase (a,b,0) se cuenta con p2/p1=0.25 y
p4/p3=0.4. Determine p2.
3. Para una distribución en la clase (a,b,0) se cuenta con p1=0.02835,
p2=0.1323 y p3=0.3087. Determine p4.
4. Para una cobertura de colisión, la frecuencia de las reclamaciones sigue
una distribución de una clase (a,b,0). Se cuenta con la siguiente
información:
i) La probabilidad de 1 reclamación es 0.19245,
ii) La probabilidad de 2 reclamaciones es 0.09623 y
iii) La probabilidad de 3 reclamaciones es 0.05346. Determine el número
promedio de reclamaciones.
M.F. Eric Víctor Guerrero Piña
agosto – diciembre 2022
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS

Distribución Clase (a,b,1)

A menudo, se debe dar un trato especial a la probabilidad de no tener

reclamaciones (p0), y la distribución de la Clase (a,b,0) con las 3
distribuciones discretas puede ser inadecuada porque no dan una
probabilidad apropiada a 0 reclamaciones.

La Clase (a,b,1) consiste en distribuciones para los cuales p0 es

arbitraria, pero la relación con la clase (a,b,0) se mantiene por encima
de 1. En otras palabras:

Pero no para k=1.

M.F. Eric Víctor Guerrero Piña

agosto – diciembre 2022
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS

Una forma para obtener una distribución en esta Clase es tomar de la

clase (a,b,0) y truncar el 0 (cero), es decir, hacer que la probabilidad de
0 sea igual a cero , y entonces se escalan las otras probabilidades para
que puedan sumar 1.

Para evitar confusión, sea pn la probabilidad de la distribución de clase

(a,b,0) y sea 𝑝𝑛𝑇 la probabilidad de la nueva distribución.

Se establece 𝑝𝑛𝑇 = 0, y multiplica las probabilidades de 1 y el número

más alto de 1/(1-p0) para que sumen el 1; en otras palabras:

Está distribución se llama Distribución Cero-Truncada.

M.F. Eric Víctor Guerrero Piña

agosto – diciembre 2022
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS

M.F. Eric Víctor Guerrero Piña

agosto – diciembre 2022
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS

M.F. Eric Víctor Guerrero Piña

agosto – diciembre 2022
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS

Ahora usemos la notación 𝑝𝑘𝑀 para las probabilidades de una nueva

distribución.

Podemos generalizar lo anterior asignando a 𝑝0𝑀 alguna constante 1-c y

entonces multiplicar todo por las otras probabilidades por c/(1-p0) para
que sumen 1.

Esta distribución es llamada Distribución Cero-Modificada.

La distribución Cero-Truncada es un caso especial de la Distribución

Cero-Modificada con c=1.

M.F. Eric Víctor Guerrero Piña

agosto – diciembre 2022
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS

M.F. Eric Víctor Guerrero Piña

agosto – diciembre 2022
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS

M.F. Eric Víctor Guerrero Piña

agosto – diciembre 2022
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS

Además de las modificaciones de las distribuciones Clase (a,b,0), la

distribución de Clase (a,b,1) incluye una Distribución adicional de
Binomial Negativa, con -1<r<0.

Se mencionó que la Distribución Binomial Negativa sólo permitía r>0.

Esta distribución extendida o adicional es llamada ETNB (extended

truncate negative binomial), aunque pueda ser Cero-Modificada en
lugar de Cero-Truncada.

Considerando el límite cuando r→0, se obtiene la distribución

logarítmica; la forma Cero-Truncada tiene un parámetro β y función de
probabilidad:

M.F. Eric Víctor Guerrero Piña

agosto – diciembre 2022
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS

Y para la forma Cero-Modificada es obtenida estableciendo 𝑝0𝑀 = 1 − 𝑐

y multiplicando el resto de las probabilidades por c.

Está distribución es llamada logarítmica por una buena razón; sea 𝑢 =

𝛽 𝑛−1
𝑀 𝑢
, entonces cada probabilidad 𝑝𝑛𝑀 = 𝑝1 . Está secuencia tiene
1+𝛽 𝑛
una paternidad logarítmica (piense en la expansión de Taylor de –ln(1-
u))

Para la ETNB con -1<r<0 y considerando que el límite de β→∞, la

distribución es llamada Distribución Sibuya. Para la cual no existen
momentos.

Para calcular 𝑝1𝑇 , la formula es la siguiente:

M.F. Eric Víctor Guerrero Piña

agosto – diciembre 2022
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS

Cuando β→∞, entonces β/(1+ β) →1. Ya que r<0, entonces 1 + 𝛽 𝑟 →

0 entonces tenemos 𝑝1𝑇 = −𝑟 para una Sibuya. También note que a=1 y
b=r-1.

M.F. Eric Víctor Guerrero Piña

agosto – diciembre 2022
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS

M.F. Eric Víctor Guerrero Piña

agosto – diciembre 2022
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS

M.F. Eric Víctor Guerrero Piña

agosto – diciembre 2022
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS

Ejercicios

M.F. Eric Víctor Guerrero Piña

agosto – diciembre 2022
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS

M.F. Eric Víctor Guerrero Piña

agosto – diciembre 2022
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS

M.F. Eric Víctor Guerrero Piña

agosto – diciembre 2022