LICENCIATURA

ACTUARIA
TEORIA DE RIESGOS

M.F. Eric Víctor Guerrero Piña

enero – junio 2021
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS

Bibliografía

Actuarial Mathematics

Newton L. Bowers, Hans U. Gerber, James A. Jones & Cecil J. Nesbit

Published by The Society of Actuaries 1997

Chapter 2 Individual Risk Models for a Short Term

M.F. Eric Víctor Guerrero Piña

enero – junio 2021
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS
Introducción

El Tomador de decisiones o empresa podría estar buscando protección

contra pérdidas de propiedad, ahorro o ingreso

También podría ser una Aseguradora buscando protección contra

pérdidas de fondos debido a demasiadas reclamaciones

Esta protección se llama Reaseguro

Se examinará uno de los dos modelos comúnmente utilizados en la

valuación de seguros, reservas y Aplicaciones de Reaseguros

En una compañía de seguros se define a S la pérdida aleatoria sobre un

segmento de riesgo. S es la variable aleatoria para la cual se busca una
distribución de probabilidad

M.F. Eric Víctor Guerrero Piña

enero – junio 2021
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS
Introducción

El modelo de riesgo individual se define como:

S = X1 + X2 + X3 +…+ Xn (2.1.1)

En donde X es la pérdida sobre la unidad i asegurada y n es el número de

unidades de riesgo aseguradas

Comúnmente las Xi son definidas como v.a.'s independientes porque las

matemáticas son más fáciles y no son necesarios datos históricos sobre
las relaciones de dependencia.

Este modelo será aplicado a sólo modelos cerrados, es decir, el número

de unidades aseguradas n es conocido y establecido al principio del
periodo.
M.F. Eric Víctor Guerrero Piña
enero – junio 2021
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS
Modelos para Variables Aleatorias de Reclamación Individual

Como primer punto, hay que a revisar los conceptos básicos de un

producto de seguro de vida.
En un seguro de vida a 1 año el asegurador se compromete a pagar una
cantidad b si el asegurado muere dentro de un año de la póliza emitida y
no pagar nada si el asegurado sobrevive al año.
La probabilidad de que ocurra una reclamación durante el año se denota
por q. Esta variable aleatoria, X, tiene una función de probabilidad fX(x)

Y la función de Distribución Acumulada FX(x) es:

M.F. Eric Víctor Guerrero Piña

enero – junio 2021
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS
Modelos para Variables Aleatorias de Reclamación Individual

De la anterior función de probabilidad y de la definición de momentos:

Y su varianza…

Estas formulas también pueden ser obtenidas con las siguiente fórmula:

Donde b es la constante cantidad a pagar en caso de fallecimiento e I es

la variable aleatoria que es 1 para el acontecimiento de la muerte y 0 en
caso contrario.
M.F. Eric Víctor Guerrero Piña
enero – junio 2021
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS
Modelos para Variables Aleatorias de Reclamación Individual

Donde Pr(I=0)=1–q y Pr(I=1)= q, la media y varianza de I es q y q*(1 – q )

respectivamente, y la media y varianza de X es b*q y b2 * q* ( 1 – q ).

La variable aleatoria I con su rango {0,1} es ampliamente aplicable en

modelos actuariales. En los libros de probabilidad es llamado como
indicador, variable aleatoria de Bernoulli, o una variable aleatoria
binomial para un único ensayo.

Ahora busquemos modelos más generales en las que el importe de la

reclamación es también una variable aleatoria y varias reclamaciones
pueden ocurrir en un periodo. Vida Individual, automóviles y otros bienes
y coberturas de responsabilidad proporcionar ejemplos inmediatos. De la
fórmula (2.2.5) se postula entonces que:

M.F. Eric Víctor Guerrero Piña

enero – junio 2021
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS
Modelos para Variables Aleatorias de Reclamación Individual

Donde X es la variable aleatoria de reclamo para el período, B del monto

total de las reclamaciones, e I que es el indicador para el caso de que al
menos una reclamación se ha producido.

La v. a. I reporta la ocurrencia (I=1) o no ocurrencia (I=0) de

reclamaciones en este período y no el número de reclamaciones en el
período. Pr (I = 1) se denota por q.

Echemos un vistazo a varias situaciones y determinar las distribuciones

de I y B para un modelo.

M.F. Eric Víctor Guerrero Piña

enero – junio 2021
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS
Modelos para Variables Aleatorias de Reclamación Individual

Ejemplo 1:

Consideremos un seguro de vida anual que paga un beneficio adicional

en caso de muerte accidental. Para ser especifico, si la muerte es
accidental, el monto del beneficio es de 50,000. Por otras causas de
muerte, el monto del beneficio es de 25,000.

Vamos a suponer que por la edad y salud y ocupación de un individuo

específico, la probabilidad de una muerte accidental durante el año es de
0.0005 mientras que la probabilidad de una muerte no accidental es
0.0020.

M.F. Eric Víctor Guerrero Piña

enero – junio 2021
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS
Modelos para Variables Aleatorias de Reclamación Individual

Ejemplo 2:

Consideremos ahora un seguro de automóvil que proporciona una

cobertura de colisión (indemniza al propietario por los daños a la colisión
de su coche) por encima del deducible de 250 hasta una reclamación
máxima de 2,000. Para fines ilustrativos, se supone que para un individuo
en particular la probabilidad de la reclamación 1 en un período es de 0.15
y la probabilidad de más de 1 es 0 reclamaciones:

La suposición poco realista de no más de 1 por cada período de

reclamación se hace para simplificar la distribución de B.

Como B es la reclamación incurrida por la compañía de seguros, más que

el monto del daño del auto, podemos deducir dos características de la I y
B.

M.F. Eric Víctor Guerrero Piña

enero – junio 2021
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS
Modelos para Variables Aleatorias de Reclamación Individual

En primer lugar, el evento I=0 incluye las colisiones en las que el daño es
menor que el deducible de 250.

La otra inferencia es que la distribución de B tendrá una probabilidad del

tamaño máximo de reclamación de 2,000. Supongamos que probabilidad
en este punto es 0.1

Por otra parte, supongamos que el monto de reclamaciones que esta

entre 0 y 2000 puede ser modelada por una distribución continua con un
fdp proporcional a 1 – x/ 2,000 para 0 <x <2,000.
Resumiendo estos supuestos acerca de la distribución condicional de B,
dado I=1, Tenemos una distribución mixta con densidad positiva de 0 a
2,000 y una masa en 2,000.

Esto se ilustra en la Figura 2.1

M.F. Eric Víctor Guerrero Piña
enero – junio 2021
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS
Modelos para Variables Aleatorias de Reclamación Individual

Figure 2.1

M.F. Eric Víctor Guerrero Piña

enero – junio 2021
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS
Modelos para Variables Aleatorias de Reclamación Individual

M.F. Eric Víctor Guerrero Piña

enero – junio 2021
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS
Modelos para Variables Aleatorias de Reclamación Individual

Los momentos de X pueden ser calculados de la siguiente forma…

Calcular E(X) y VaR(X)…

M.F. Eric Víctor Guerrero Piña

enero – junio 2021
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS
Modelos para Variables Aleatorias de Reclamación Individual

Existen varias formulas generales asociadas con los momentos de las

variables aleatorias mediante la esperanza condicional. Para la Media y la
varianza

Donde E [W|V] y Var [W|V] se calculan mediante el uso de la distribución

condicional de W para un valor dado de V. Estos componentes son
entonces funciones de la variable aleatoria V, y se puede calcular sus
momentos.

M.F. Eric Víctor Guerrero Piña

enero – junio 2021
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS
Modelos para Variables Aleatorias de Reclamación Individual

En muchos modelos actuariales se utilizan las distribuciones

condicionales. Esto hace a fórmulas anteriores directamente aplicable. En
nuestro modelo, X = IB, podemos sustituir X por W y V por I para obtener.

M.F. Eric Víctor Guerrero Piña

enero – junio 2021
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS
Modelos para Variables Aleatorias de Reclamación Individual

Entonces resolviendo la v.a. B…

Con las siguiente medias condicionales

Las fórmulas (2.2.16) y (2.2.17) definen E(X | I) como una función de I,

que puede expresarse como:

M.F. Eric Víctor Guerrero Piña

enero – junio 2021
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS
Modelos para Variables Aleatorias de Reclamación Individual

Por lo tanto

Como X=0 para I=0, tenemos que:

Para I=1 tenemos que X=B y

M.F. Eric Víctor Guerrero Piña

enero – junio 2021
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS
Modelos para Variables Aleatorias de Reclamación Individual

Las Formulas (2.2.21) and (2.2.22) pueden combinarse como:

Entonces,

Sustituyendo (2.2.19), (2.2.20) y (2.2.24) en (2.2.12) y (2.2.13) tenemos:

M.F. Eric Víctor Guerrero Piña

enero – junio 2021
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS
Ejemplo

Una aseguradora está buscando un reaseguro óptimo para una cartera

que consta de 20,000 pólizas de seguro de vida de un año que se
agrupan de la siguiente manera:

La probabilidad de morir dentro de un año es qk = 0.01 para cada

asegurado, y el políticas son independientes. La aseguradora quiere
optimizar la probabilidad de estar cumpliendo con sus obligaciones
financieras por la elección de la mejor retención, que es el pago máximo
por la póliza.

La parte restante de una reclamación es pagada por el reasegurador.

M.F. Eric Víctor Guerrero Piña
enero – junio 2021
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS

Por ejemplo, si la retención es 1.6 y alguien con suma asegurada 2 tiene

una reclamación, a continuación, la asegurador paga 1.6 y el
reasegurador paga 0.4. Después de recoger las primas, el asegurador
posee un capital B con él que tiene que pagar las reclamaciones y la
prima de reaseguro.

Esta prima del reaseguro es asumida siendo el 120% de la prima neta.

El límite de retención será igual a 2. Desde el punto de vista de la

aseguradora, las pólizas son distribuidas de la siguiente manera:

M.F. Eric Víctor Guerrero Piña

enero – junio 2021
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS

Ejercicios

1. Determine el valor esperado y la varianza de X=IB si la probabilidad

de reclamo es 0.1. Primero asuma que B es 5 con probabilidad 1.
Entonces, sea B~ U(0,10)
2. Sea X el valor obtenido de un lanzamiento de un dado. Entonces
lance una moneda X veces y que sea Y el número de caras
obtenidas. ¿Cual es el valor esperado y la varianza de Y?

M.F. Eric Víctor Guerrero Piña

enero – junio 2021
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS
3. Una compañía de seguros expide pólizas de vida a un año con
beneficios por la cantidad de 1 y 2 unidades a individuos con
probabilidades de morir de 0.02 o 0.10.

El siguiente cuadro muestra el número de individuos nk en cada uno de

las cuatro clases creadas con un beneficio por la cantidad de bk y una
probabilidad de reclamación qk:

La compañía desea recaudar, de esta población de 1,800 individuos, una

cantidad igual al percentil 95 de la distribución de reclamaciones totales.

M.F. Eric Víctor Guerrero Piña

enero – junio 2021
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS

Modelos para Variables Aleatorias de Reclamación Individual

Hay otros modelos posibles de B en situaciones de seguros. Como

ejemplo, consideremos un modelo para el número de muertes por
accidentes durante un año de operación para una aerolínea.

Podemos empezar con una variable aleatoria para el número de muertes,

X, en un vuelo y luego agregar un conjunto de variables aleatorias sobre
el conjunto de los vuelos durante el año. Para un solo vuelo, el evento I =
1 será el caso de un accidente durante el vuelo.

El número de muertes en el accidente, B, será modelado como el

producto de dos variables aleatorias, L y Q, donde L es el factor de carga,
el número de personas a bordo en el momento del accidente, y Q es la
fracción de las muertes de personas a bordo.

M.F. Eric Víctor Guerrero Piña

enero – junio 2021
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS

En el modelo de riesgo individual, las reclamaciones de una

aseguradora se modela con la suma de las reclamaciones de muchos
asegurados.

Suponemos que las reclamaciones de los individuos son independientes.

Considérense la suma de dos variables aleatorias, S = X + Y, en un

espacio muestral (ver figura 2.3)

La línea X+Y = s y la región debajo de la línea, representan el evento

[S=X+Y <= s]

M.F. Eric Víctor Guerrero Piña

enero – junio 2021
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS

M.F. Eric Víctor Guerrero Piña

enero – junio 2021
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS

Por tanto, la función de distribución acumulada de S es:

Para dos variables aleatorias discretas, positivas, se puede usar la ley

de la probabilidad total para expresar (2.3.1) de la siguiente forma:

M.F. Eric Víctor Guerrero Piña

enero – junio 2021
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS

Y si X y Y son independientes podemos expresar la anterior suma como:

La función de probabilidad (f.p.) correspondiente puede calcularse

mediante:

M.F. Eric Víctor Guerrero Piña

enero – junio 2021
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS

Y para variables aleatorias continuas las formulas correspondientes sería:

Cuando alguna v.a tienen una distribución de tipo mixto (muy comunes en
modelos de riesgo individual) las formulas son análogas, para v.a.'s que
tengan también valores negativos las sumas e integrales son para los
valores de -∞ a ∞ :

En análisis matemático la operación en (2.3.3) y (2.3.6) se denominan

CONVOLUCION del par de funciones 𝑭𝑿 𝒙 𝒚 𝑭𝒀 (𝒚) y se denotan como
𝑭𝑿 ∗ 𝑭𝒀 .
M.F. Eric Víctor Guerrero Piña
enero – junio 2021
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS

En análisis matemático la operación en (2.3.3) y (2.3.6) se denominan

CONVOLUCION del par de funciones 𝑭𝑿 𝒙 𝒚 𝑭𝒀 (𝒚) y se denotan como
𝑭𝑿 ∗ 𝑭𝒀 .
Para determinar la distribución de la suma de más de 2 variables
aleatorias podemos usar el proceso iterativo de convolución. Para S = X1
+ X2 +…+ Xn. Donde las Xi's son variables aleatorias independientes y Fi
(i)
es la función de distribución de Xi y F es la función de densidad de S =
X1 + X2 +…+ Xk, lo que nos da:

M.F. Eric Víctor Guerrero Piña

enero – junio 2021
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS

Ejemplo 3:

Las variables aleatorias X1, X2 y X3 son independientes con función de

distribución definida de las siguiente forma:

f1(x) Pr(X=0)=0.4, Pr(X=1)=0.3, Pr(X=2)=0.2, Pr(X=3)=0.1,

f2(x) Pr(X=0)=0.5, Pr(X=1)=0.2, Pr(X=2)=0.1, Pr(X=3)=0.1 y Pr(X=4)=0.1
f3(x) Pr(X=0)=0.6, Pr(X=1)=0.0, Pr(X=2)=0.1, Pr(X=3)=0.1, Pr(X=4)=0.1 y
Pr(X=5)=0.1

Obtenga la función de probabilidad y función de distribución de S = X1 +

X2 + X3

M.F. Eric Víctor Guerrero Piña

enero – junio 2021
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS

Ejemplo 4

Suponga que para las siguientes variables aleatorias X1, X2 y X3

tienen tienen distribución Bernoulli con parámetros 0.1, 0.2 y 0.3
respectivamente. Por medio de la convolución obtenga E(S) y
Var(S), donde S= X1+X2+X3.

M.F. Eric Víctor Guerrero Piña

enero – junio 2021
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS

Ejemplo 5

Suponga una aseguradora tiene un seguro para casa con 3 diferentes

coberturas, cada una de ellas tiene distinta probabilidad de ocurrencia;
la primera (X1) de 0.1, la segunda (X2) de 0.05 y la tercera (X3) con
0.01. La pérdida por ocurrencia para la aseguradora de cada cobertura
es de 2, 5 y 10 respectivamente.

Una póliza puede llegar a tener una, dos o tres coberturas. A través de
las convoluciones obtenga las funciones de probabilidad de pérdida
para las pólizas que tienen más de una cobertura. Considerando que
se tengan 100 pólizas en cada póliza, con una suma asegurada fija de
1 millón, obtener lo siguiente:
• La Prima que se tendría que pagar por póliza
• El monto que recaudaría la aseguradora
• Cuanto se tendría que incrementar la prima de cada una de las
pólizas si se quiere tener un nivel de confianza del 95%
M.F. Eric Víctor Guerrero Piña
enero – junio 2021
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS

VIDEOS

• Modelo de Riesgo Individual

• Modelo de Riesgo Individual

• Convoluciones

M.F. Eric Víctor Guerrero Piña

enero – junio 2021