2 € uma varidvel aleat6ria normal padronizada e 7, é 0 coeficiente de assimetria da va- ridvel aleatéria sinistro agregado. Sea assimetria nao for muito grande, (|y,|<0,5), a varidvel aproximada descrita pelo polinémio do segundo grau gera momentos muito préximos dos trés momentos de Z. Assim temos que: S- Us G,(s)=Pr($ n=F;(p,), O x=F(p), Os*) Onde M,(s") representa aqui a quantidade de simulacdes dentre todas K simulacdes de S cujo valor superous*. Realizamos no Excel a simulagéo de Monte Carlo do sinistro agregado para os exemplos de distribuigo de frequéncia de Poisson (1) e de distribuigio de severidade de Pareto («;8) dados ao inicio do capitulo: | Exemplo a @ e ds oa % [>a Tos 4 30 | 50 1500 | 283579 2 | s | 40 | 390 | 50] 1.02632 | _0,98706. 3 | 30 4 3] 50 150 | 0.734847 4 [50 40 39 50 102,63 | 0,31214 Exporemos com mais detalhes a estrutura de procedimentos de simulaco com base no Exemplo 1 e, quanto aos outros exemplos, nos ateremos a apresentar os resultados de simu- lacdo. Deixamos ao leitor a andlise comparativa dos resultados simulados para média, va- rifincia e assimetria dos quatro exemplos com as suas expectativas tedricas na tabela acima, Primeiro Passo: Gera-se distribuigdo cumulativa de probabilidade de Poiss ara o paré metro escolhido No caso do Exemplo 1, temos que 2=5. Logo, como se vé na tabela a seguir, é virtual- mente impossivel que ocorram mais do que 19 sinistros. Por isso encerramos a tabela de probabilidades cumulativas nessa altura. ‘Segundo Passo: Gera-se um niimero randémico com distribuicdo uniforme entre Oe I e, com base nele, retira-se da “urna de frequéncia” uma frequéncia simulada °K” de sinistros Gerando por exemplo o niimero randémico 0,20566, temos que: P(N $2)<0,20566 Hs +05) 14,500% 15,870% Desvio-padro = 37,05 P(S> Hs +05) 14,200% 15,870% Desvio-padrao = 33,04 P(S>u,+20,) | 4.000% 2,277% ‘Assimetria = 1,67 P(S>H,+205) | 3,600% 2,27% Assimetria = 1,31 PS> 15805) | 1.500% 0,135% PUS>H,+30,) | _1,200% 0.135% _PS>ne+405) | 0,500% 0,003% P(S>H,+40,) | 0,600% 0,003% Histograma Histograma 507 200 a Te “ mr 150+ _ ~ “tutta Mfstesa=_— | Same oe PeeenseeseesRgegegegss2 FF . Intervalo | Frequéncia Taare = ° 10 41 7 15 51 26 20 48 st 25 61 3 30 67 ca 40 143, = fe 50 129) Ea = 0 110 6 = 70 87 a 80 63 = a 90 54 2 = 100, a i es 10 21 iat 7 120, 1s 30 i 130, 8 2 a is : is 4 150 z [50 70 : 18 z ra F 170. 1 720 f 180, o 3 A 190 3 120 = a Sis8 aHistograma e probabilidades de desvios de sinistro agregado: Exemplo 3 Histograma e probabilidades de desvios de sinistro agregado: Exemplo 4 a | Aproximacac ili ee = 49.49 |_Probebiiéades | Monte caro | APO Media =5020 | Probabilidades | Monte Carlo | "Normal “ P(S> Es +05) 13,800% 15,870% Desvio-padrao = 12,13 P(S> pts +05) 15,100% 15,870% Desvio-padrao = 10,01 P(S> us +205) 3,500% 2,277% Assimetria = 0,71 P(S > us +205) 3,200% 2,277% Assimetria = 0,29 | PS>u,+30,) 0,800% 0,135% P(S> +305) 0,300% 0,135% | PS>n,+40,) | 000% 0,008% P(S>u,+40,) | 0,000% 0,003% Histograma coe 400 . eat — a 300 = “oo7 300 + 200 - if : 200 | 100 - a 100 } o i a ot 230 40 506070 10014020 40 Intervalo | Frequéncia Imecvalo_{ Prequéocia 5 o 5 a 10 o = a 15 o is 7 20, 2 20 7 25 6 25. o 30 21 = es 40 168 “ 2 50 324 a a 60 300 = a 70 125 L A nz 7 ae 20 Fa 90. 12 = ZI ca 5 00 0 110 2 110 2 120, 1 120 2 130 o 130 4. 140, 0 a] a 5 0 150 o Siete ene | 160 ° 170 oo | 2 z 180 o a » 190. 0 = © 3190 o [ siso Jo