Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Modelos Actuariales
Modelos Actuariales
CURSO
MODULO 7 - MODELOS ACTUARIALES
PROFESOR
RAUL AHUMADA HADDAD
CORPVIDA
T. 2 660 3309
rahumada@corpvida.cl
CLASES
Lunes08/07 18:30 21:30 hrs
Mircoles 10/07 18:30 21:30 hrs
Mircoles 17/07 18:30 21:30 hrs
Lunes22/07 18:30 21:30 hrs
Modelos Actuariales
CONTENIDO
1.
2.
3.
4.
5.
6.
7.
Introduccin
Modelos de Sobrevivencia
Seguros de Vida
Rentas
Prima Neta
Reservas
Modelos Compuestos
EVALUACION
Control escrito
Modelos Actuariales
BIBLIOGRAFIA
Life Insurance Mathematics, Hans U. Gerber
Actuarial Mathematics for Life Contingent Risk, David
C.M. Dickson, Mary R. Hardy, Howard R. Waters
Actuarial Mathrmatics, Bowers, Gerber, Hickman,
Jones, Nesbitt
Distribucin de
Probabilidades de la prdida
del asegurador (X)
Valor Esperado de X
Pr( X 0) (1 q )
f ( x)
Pr( X b) q
E ( X ) 0 (1 q ) b q bq
E ( X 2 ) b2q
Valor Esperado de X2
Varianza de X
Var ( X ) E ( X 2 ) E ( X )
Var ( X ) b 2 q b 2 q 2 b 2 q 1 q
Distribucin de
Probabilidades de la prdida
del asegurador (X)
Valor Esperado de X
Pr( X 0) (1 q )
f ( x)
Pr( X b) q
E ( X ) 0 (1 q ) b q bq
E ( X 2 ) b2q
Valor Esperado de X2
Varianza de X
Var ( X ) E ( X 2 ) E ( X )
Var ( X ) b 2 q b 2 q 2 b 2 q 1 q
Modelos de Sobrevivencia
Diplomado Ingeniera Actuarial
Julio 2013
Modelos de Sobrevivencia
Temas
Tiempo de Sobrevida
Funcin de Sobrevivencia
Fuerza de Mortalidad
Leyes Analticas de Mortalidad
El Modelo Discreto
Tablas de Mortalidad
Fracciones de Aos
Tiempo de Sobrevida
Consideremos una persona de edad x aos, la que
denotaremos como (x).
Llamaremos T(x), o simplemente T, a los aos que
transcurrirn hasta su fallecimiento (sobrevivencia futura).
As, la edad de fallecimiento de la persona ser x + T
El tiempo de sobrevivencia T es una variable aleatoria con
funcin de distribucin de probabilidades:
G (t ) Pr (T t ) ,
t0
Tiempo de Sobrevida
Para el desarrollo del modelo se asume que:
La distribucin de probabilidades G(t) es conocida
G(t) es continua y tiene una funcin de densidad de
probabilidades g(t)=G(t). De este modo:
g (t ) dt Pr(t T t dt )
Esta ltima expresin se puede interpretar como la
probabilidad que la muerte de (x) ocurra en el
intervalo infinitesimal entre t y t+dt
Tiempo de Sobrevida
Para una persona de edad x:
Probabilidad que fallezca
dentro de los prximos t aos:
Pr (T t ) G (t ) t q x
Pr (T t ) 1 G (t ) t p x
Pr (u T u t ) G (u t ) G (u )
u |t q x
Tiempo de Sobrevida
Para una persona de edad x
que sobrevive u aos:
Probabilidad que fallezca
dentro de los prximos t
aos:
G (u t ) G (u )
1 G (u )
q
u / t x t q x u
u px
Pr (T u t / T u )
1 G (u t )
1 G (u )
p
u t x t p x u
u px
Pr T u t / T u
Probabilidad que sobreviva a
los prximos t aos:
Tiempo de Sobrevida
Dos relaciones importantes:
La probabilidad que una persona de edad x sobreviva u aos y fallezca dentro de
los prximos t aos, es igual a la probabilidad que sobreviva u aos multiplicada
por la probabilidad que, habiendo cumplido x+u aos, fallezca dentro de los
prximos t aos.
u |t
qx u px t q xu
u t
p x u p x t p x u
Tiempo de Sobrevida
Esperanza de vida de una persona de edad x :
e x E ( x) t g (t ) dt
0
En trminos de G(t):
e x 1 G (t ) dt
0
p x dt
Tiempo de Sobrevida
Ejemplo 1
Dada la siguiente expresin para la probabilidad de
sobrevivencia:
100 x t
p
Tiempo de Sobrevida
b)
La probabilidad que una persona de 47 aos
fallezca antes de cumplir 50 aos
Tiempo de Sobrevida
e)
La probabilidad que una persona de 47 aos
sobreviva 30 aos y muera dentro de los siguientes 5
aos
Funcin de Sobrevivencia
En el caso especial de un recin nacido, donde x = 0, se
tiene que la edad al fallecer coincide con T
A la probabilidad que un recin nacido alcance la edad x se
le denomina funcin de sobrevivencia y se denota por s(x).
De este modo:
s ( x) x p0 con x 0
Funcin de Sobrevivencia
Para representar el patrn tpico de mortalidad, la funcin
s(x) se supone continua y decreciente con la edad x, con
s(0) = 1 y s() = 0
Funcin de Sobrevivencia
Las probabilidades de fallecimiento y sobrevivencia a
cualquier edad x se pueden expresar en trminos de la
funcin de sobrevivencia:
x t
p0 x p0 t p x
p0 s ( x t )
t px
s( x)
x p0
t q x 1 t p x
s( x) s( x t )
t qx
s( x)
x t
Funcin de Sobrevivencia
Ejemplo 2
Dada la siguiente funcin de sobrevivencia:
s ( x) 121 x
0.5
con 0 x 121
Fuerza de Mortalidad
La fuerza de mortalidad de (x) a la edad x+t se define
como:
g (t )
d
x t
ln 1 G (t )
1 G (t )
dt
Fuerza de Mortalidad
Por lo tanto, la esperanza de vida de una persona de edad
x:
e x t t p x x t dt
0
Fuerza de Mortalidad
Ejemplo 3
Dada la siguiente frmula para la fuerza de mortalidad:
1
3
x t
85 t 105 t
Calcular
20
px
para 0 t 85
Leyes Analticas
Diremos que G(t) es una distribucin de probabilidades
analtica o matemtica si puede ser expresada mediante
una frmula simple.
A pesar de que en la actualidad la tendencia es a derivar la
distribucin G(t) a partir de observaciones, mediante
tcnicas estadsticas de graduacin, las funciones
analticas siguen siendo de inters terico y prctico.
Leyes Analticas
Ley de De Moivre (1724)
Postula la existencia de una edad mxima para los
seres humanos y asume que T est uniformemente
distribuida entre las edades x y
x t
, 0t x
t px
x
1
x t
, 0t x
xt
Leyes Analticas
Ley de Gompertz (1824)
Postula que la fuerza de mortalidad crece
exponencialmente con la edad lo cual refleja el proceso
de envejecimiento mejor que la ley de De Moivre y
adicionalmente elimina el supuesto de una edad
mxima
x t Bc x t con
t
t 0
p x exp mc c 1
x
B
con m
ln c
Leyes Analticas
Ley de Makeham (1860)
Es una generalizacin de la ley de Gompertz. Agrega
una constante A>0 independiente de la edad al
crecimiento exponencial de la fuerza de mortalidad.
x t A Bc x t con
t
t0
p x exp At mc c 1
x
B
con m
ln c
Leyes Analticas
Ley de Weibull (1939)
Sugiere que la fuerza de mortalidad crece como una
potencia de t, en vez de exponencialmente.
x t k x t
t
con k 0 y n 0
k
x t n1 x n1
p x exp
n 1
Leyes Analticas
Ejemplo 4
Si la mortalidad sigue la ley de Moivre con =88.
Calcular E(T(16)) y Var(T(16))
El Modelo Discreto
Definimos la variable aleatoria K=K(t) como el nmero
entero de aos que vivir (x). La distribucin de
probabilidades de K est dada por:
Para k = 0,1,2,.
Pr ( K k ) Pr k T k 1 k p x q x k
k 1
k 1
k 1
e x Pr K k k p x
El Modelo Discreto
Es posible relacionar la esperanza de vida del Modelo
Discreto con la del el Modelo Continuo haciendo algunos
supuestos
Si S representa la fraccin de ao durante la cual (x) est
vivo en el ao de su fallecimiento,
entonces:
T K S
E (T ) E ( K ) E ( S )
e x ex
1
2
Tablas de Mortalidad
En la prctica la distribucin de probabilidades del tiempo
futuro de vida de una persona de edad x se puede
construir a partir de tablas de mortalidad.
Una tabla de mortalidad es esencialmente una tabla de
probabilidades de muerte a un ao (qx), para cada edad
entera, la cual define totalmente la distribucin de K.
Comnmente, una tabla de mortalidad presenta dos
columnas con valores denominados lx y dx, los cuales
tienen la siguiente definicin en trminos de la funcin de
sobrevivencia s(x):
l x l0 s ( x )
d x l x l x1
Tablas de Mortalidad
El valor de l0 se elige en forma arbitraria y se puede
interpretar como el nmero de vidas iniciales.
El valor de cada lx se puede interpretar como el nmero
de sobrevivientes a la edad x.
Por lo tanto, la interpretacin de dx sera el nmero de
muertes entre las edades x y x+1.
Las probabilidades de muerte y sobrevivencia se pueden
obtener directamente de las columnas lx y dx de la tabla de
mortalidad:
Tablas de Mortalidad
Para una persona de edad x:
Probabilidad que una persona
de edad x sobreviva 1 ao:
l x 1
px
lx
l x t
px
lx
l x l x 1 d x
qx
lx
lx
Tiempo de Sobrevida
Para una persona de edad x:
Probabilidad que una persona
de edad x fallezca dentro de
los siguientes t aos:
Probabilidad que una persona
de edad x sobreviva los
prximos u aos y luego
fallezca dentro de los
siguientes t aos:
l x l x t 1
q
t x
lx
lx
x t 1
d
yx
l x u l x u t
u|t q x
lx
Tablas de Mortalidad
Si bien aqu se ha definido la tabla de mortalidad en
trminos de la funcin de sobrevivencia, en la prctica
estas tablas se construyen en forma emprica utilizando
datos estadsticos y tcnicas que involucran estimacin,
graduacin y extrapolacin.
Las tablas se construyen para poblaciones especficas,
diferenciadas por factores tales como sexo, tipo de seguro,
generacin, etc.
Si a igualdad de condiciones las tablas varan slo con la
edad, se les denomina tablas agregadas.
Si las tablas toman en cuenta el hecho que personas de la
misma edad pueden tener distinta probabilidad de fallecer,
dependiendo del tiempo transcurrido desde la emisin de
la pliza (momento en que fue evaluado el estado de salud
del asegurado), se les denomina tablas selectas.
Tablas de Mortalidad
Ejemplo 5
Considere la siguiente tabla de mortalidad:
x
qx ()
30
0.660
31
0.713
32
0.770
33
0.834
34
0.903
35
0.979
Calcular:
a) Una columna con el nmero de vivos a cada edad
(lx), asumiendo l30 = 1.000
Tablas de Mortalidad
b) La probabilidad que una persona de 30 aos fallezca
antes de cumplir 35 aos
Fracciones de Ao
Es posible obtener la distribucin de probabilidades de T a
partir de la tabla de mortalidad por interpolacin, para lo
cual es necesario realizar un supuesto sobre la evolucin
de las probabilidades de muerte (uqx) o la fuerza de
mortalidad (x+u) entre dos edades enteras consecutivas
(con 0<u<1)
A continuacin se presentan dos de los supuestos
comnmente usados.
Fracciones de Ao
qx u qx
p x 1 u q x
qx
x u
1 uq x
Fracciones de Ao
Fuerza de mortalidad constante
Si se asume que la fuerza de mortalidad x+u es
constante sobre cada intervalo unitario con un valor
que llamaremos x+, se tiene:
x 1 / 2 ln p x
u x 1 / 2
p
e
px
u x
Seguros de Vida
Diplomado Ciencias Actuariales
Julio 2013
Seguros de Vida
Temas
Tipos Bsicos de Seguros de Vida
Pagos al Fallecimiento
Tipos Generales de Seguros
Frmulas Recursivas
Seguros de Vida
En un contrato de seguro de vida el beneficio consiste
en el pago nico de la suma asegurada en un tiempo
futuro.
En el caso general, tanto el momento del pago como su
monto sern variables aleatorias que se pueden
expresar como funcin de la variable aleatoria T (aos
de sobrevida).
El valor presente del pago del beneficio se denomina Z
y es calculado en base a una tasa de inters fija i,
llamada tasa de inters tcnica.
El valor esperado del pago E(Z) ser entonces la prima
nica del contrato.
Seguros de Vida
VIDA ENTERA
Cubre toda la vida del asegurado y paga un capital de 1 unidad
al final del ao de fallecimiento.
Z v K 1
para k 0,1,2,...
Pr ( Z v k 1 ) Pr( K k ) k p x q x k
E ( Z ) v k 1 k p x q x k Ax
k 0
Var ( Z ) E ( Z 2 ) Ax
Seguros de Vida
TEMPORAL
Paga un capital de 1 unidad al final del ao de fallecimiento, solo
si la muerte ocurre dentro de un plazo de n aos.
Distribucin de Probabilidades
v K 1 para k 0, 1,.., n 1
Z
0 para k n, n 1, ....
Pr ( Z v k 1 ) Pr( K k ) k p x q x k
n 1
E ( Z ) v k 1 k p x q x k A1x:n
k 0
Varianza
Var ( Z ) E ( Z ) A
2
1
x:n
Seguros de Vida
DOTAL PURO
Un dotal puro de plazo n considera el pago del capital slo si el
asegurado se encuentra vivo al final del ao n.
0 para k 0,1,.., n 1
Z n
v para k n
Pr ( Z 0) Pr( K n) n q x
Distribucin de Probabilidades
Pr ( Z v n ) Pr( K n) n p x
E ( Z ) v n n p x Ax:n1
Var ( Z ) E ( Z 2 ) Ax:n1
Seguros de Vida
DOTAL
Es una combinacin de un seguro temporal y un dotal puro. De este
modo, un seguro dotal paga el capital al final del ao de
fallecimiento si la muerte ocurre dentro de n aos, de lo contrario
paga el mismo monto al final del ao n.
K 1
v para k 0,1,.., n 1
Z n
v para k n, n 1, ....
Pr ( Z v k 1 ) k p x q x k para k n
Distribucin de Probabilidades
Pr ( Z v n ) n p x para k n
E ( Z ) A1x:n Ax:n1 Ax:n
Var ( Z ) Var ( Z1 ) Var ( Z 2 ) 2 A1x:n Ax:n1
Varianza
Seguros de Vida
TIPOS GENERALES DE SEGUROS
Consideremos un seguro de vida entera con beneficios variables
de ao en ao (cj) y con suma asegurada pagadera al final del
ao de fallecimiento.
Valor Presente de los
Beneficios
Distribucin de
Probabilidades
Prima del Seguro
Z ck 1 v k 1
Pr ( Z v k 1 ) k p x q x k
E ( Z ) ck 1 v k 1 k p x q x k
k 0
Var ( Z ) c 2 k 1 v 2 k 1 k p x q x k E ( Z )
k 0
Varianza
Frmulas Recursivas
Las frmulas recursivas relacionan las primas nicas de
dos edades consecutivas. Estas frmulas son tiles para
escribir algoritmos, pero tambin tienen interesantes
interpretaciones tericas.
Considerando un seguro de vida entera que paga una
unidad al final del ao de muerte y recordando que:
k
px px
k 1
px 1
Ax vqx vAx 1 px
Seguros de Vida
VIDA ENTERA CON PAGOS AL MOMENTO DE FALLECER
Consideremos un seguro de vida entera con suma asegurada de
1 unidad pagadera al momento del fallecimiento.
Z vT
g (t ) t p x x t
E ( Z ) Ax v t t p x x t dt
0
Var ( Z ) v 2t t p x x t dt Ax
0
Varianza
Ax
i (12 )
Donde i es la tasa
12 1 y i(m) corresponde a:
i tcnica
12 1 ianual
(12 )
Rentas
Diplomado Ciencias Actuariales
Julio 2013
Rentas
Temas
Tipos de Rentas
Pagos Fraccionados
Frmulas Recursivas
Rentas
Una renta vitalicia consiste en una serie de pagos que
se realizan mientras un asegurado de edad inicial x est
vivo.
As, la renta puede ser representada como una
anualidad cierta que se recibir por un periodo de
tiempo T (tiempo de sobrevida) y su valor presente es
una variable aleatoria que se denota Y.
Tipos de Rentas
RENTA VITALICIA
Renta Vitalicia anticipada con pagos anuales equivalentes a 1
unidad
Valor Presente de los
Beneficios
Distribucin de
Probabilidades
Prima del Seguro
Varianza
Y 1 v v 2 ... v K K 1
Pr (Y K 1 ) k p x q x k
E (Y ) K 1 k p x q x k x
k 0
1
Var (Y ) 2
d
i
con d
1 i
Ax Ax2
Tipos de Rentas
Por otra parte, una renta vitalicia tambin puede ser
pensada como una serie de pagos de una unidad
slo en caso de sobrevivencia del asegurado:
x v k k p x
k 0
Tipos de Rentas
Tambin podemos expresar la prima nica de una
renta vitalicia en trminos de la prima neta de un
seguro de vida entera.
Para esto descomponemos Y como la resta de una
anualidad perpetua menos
una anualidad diferida en
k 1
1 Z
k+1: Y 1 1 v K 1 1 v
1 Ax de Y
Tomando el valor
presente
x
Tipos de Rentas
Aprovechando esta forma de Y, podemos calcular
directamente su varianza:
Var ( Z ) 1
2
2
Var (Y )
E
(
Z
)
E
(
Z
)
d2
d2
1
Var (Y ) 2
d
Ax Ax2
Tipos de Rentas
Renta Temporal
El valor presente de una renta temporal anticipada
por n aos es:
K 1 para K 0,1,.., n 1
Y
n para K n, n 1, ....
x:n K 1 k p x q x k n n p x
k 0
n 1
x:n v k k p x
k 0
Tipos de Rentas
Tambin se pueden deducir que:
x:n
1 Ax:n
d
1
Var (Y ) 2
d
A
2
x:n
Ax2:n
Tipos de Rentas
Renta Diferida
El valor presente de una renta diferida por m aos,
con pagos anticipados de una unidad, es:
para K 0,1,.., m 1
0
Y m m1
K
v
...
v
para K m, m 1, ....
p
v
xm
m x
m x
m
x x x:m
Tipos de Rentas
Rentas Vencidas
A diferencia de las rentas anticipadas, que entregan
los pagos al inicio de cada ao, las rentas vencidas
lo hacen al fin de cada perodo:
Y v v 2 ... v K a K
Las respectivas variables aleatorias Y difieren slo
en el primer pago de 1 unidad, por lo tanto la prima
nica de una renta vitalicia vencida ser:
a x x 1
Tipos de Rentas
Tambin se puede expresar este resultado en
trminos de la prima nica de un seguro de vida
entera reemplazando
1 Ax por:
i
Y recordando que:d
1 i
Se obtiene:
ax
1 i 1 Ax
1
i
i a x 1 Ax i i Ax i
i a x 1 Ax 1 i
Pagos Fraccionados
Consideremos el caso donde se realizan m pagos
anuales por un monto de 1/m cada uno, en los perodos
0, 1/m, 2/m,, mientras el asegurado est vivo.
Anlogamente a las frmulas anteriores, podemos
escribir la siguiente relacin para la prima nica:
x( m )
1
d ( m)
Ax( m )
(m)
d
Pagos Fraccionados
Para obtener una expresin en trminos de x hacemos
uso del supuesto que los fallecimientos se distribuyen
uniformemente en el ao y son independientes del
perodo K. Por lo tanto podemos reemplazar:
(m)
x
Entonces:
x( m )
1
d (m)
i
i
(m)
Ax
Ax i
d (m) i (m)
Pagos Fraccionados
Adems reemplazado:
Ax 1 d x
Se obtiene:
(m)
x
1
d (m)
1 d x
d (m)
i (m)
Desarrollando y agrupando:
di
i i ( m)
( m) ( m ) x ( m) ( m)
d i
d i
Definiendo (m) y (m) en forma conveniente, se
obtiene la expresin:
(m)
x
x( m ) (m) x (m)
Pagos Fraccionados
Una aproximacin habitual es suponer que:
m 1
( m) 1 y ( m)
2m
Lo que se puede verificar obteniendo la serie de Taylor
de ambas funciones y considerar slo el primer trmino.
Finalmente, en la prctica podemos utilizar la
aproximacin:
( m)
x
m 1
x
2m
Frmulas Recursivas
Considerando la prima nica de una renta vitalicia
anticipada con pago anual de una unidad:
x v k k p x
k 0
x 1 v k k p x
k 1
x 1 v k p x
k 1
k 1
p
v
p
v
k 1 x 1
x
k 1
k 1
k-1
px+1
p x 1
Frmulas Recursivas
Realizando el cambio de variable j=k-1
x 1 v p x v j j p x 1
j 0
x 1
Frmulas Recursivas
Otra relacin interesante se consigue reemplazando v
por 1-d en esta ltima ecuacin
x 1 (1 d ) x 1 v q x x 1
x 1 x 1 d x 1 v q x x 1
d x 1 1 ( x 1 x ) v q x x 1
Donde se observa que el inters ganado es necesario
para financiar la diferencia entre la pensin y la
liberacin de reservas.
Primas Netas
Diplomado Ciencias Actuariales
Julio 2013
Primas Netas
Temas
Tipos Bsicos de Seguros
Tipos Generales de Seguros
Seguros de Vida
Los seguros pueden considerar un pago nico de prima
o pagos peridicos por un plazo determinado.
Para una pliza de seguro podemos definir la prdida
total L del asegurador como la diferencia entre el valor
presente de los beneficios y el valor presente del pago
de primas.
Para una prima dada, la variable aleatoria L podr tomar
valores positivos o negativos.
Las primas se denominan primas netas si cumplen con
el llamado Principio de Equivalencia, esto es que el
valor presente esperado de las primas pagadas iguale al
valor presente esperado de los beneficios entregados
por la pliza.
L v K 1 Px K 1
Tomando el valor esperado de L y aplicando el principio
de equivalencia se tiene:
k 1
v
k px qxk
Px k 0
k
v
k px
k 0
Ax
x
Px
L 1
d
K 1
Px
Var ( L) 1 x Var (v K 1 )
d
Px:n K 1
para K 0,1,.., n 1
x:n n
para K n
La prima neta
anual es:
n 1
Px1:n k 0
k 1
n 1
px qxk
v k k px
k 0
A1x:n
x :n
Px1:n K 1
para K 0,1,.., n 1
n
1
v
x:n n
para K n
P
1
x :n
v
n 1
n
n
v
k 0
px
k
k
px
Ax:1n
x:n
Px:n
k 1
n
v
p
q
v
k x xk n px
k 0
n 1
k
v
k px
k 0
Ax:n
x :n
L cK 1 v
La prdida del asegurador ser:
K 1
k vk
k 0
cumplirn con:
k 1
k
c
k 0
k 1
px qx k k v
k 0
px
entonces :
P k 0
v k k px
k 0
Temas
Tipos Bsicos de Seguros
Tipos Generales de Seguros
Frmula Recursiva
Relaciones
V Ax k Px x k
k x
En forma equivalente:
kVx
j 1
v
j pxk qxk j Px
j 0
j
v
j pxk
j 0
k x:n
x k :n k
x:n x k :n k
En forma equivalente:
1
k x:n
n k 1
v
j 0
j 1
j pxk qxk j P
1
x:n
n k 1
j
v
j pxk
j 0
1
x k :n k
P x k :n k
1
x :n
En forma equivalente:
kV
1
x:n
nk
nk
p xk P
1
x:n
n k 1
j
v
j p xk
j 0
En forma equivalente:
kV x:n
n k 1
v
j 0
j 1
j p xk q xk j v
nk
nk
p x k Px:n
n k 1
j
v
j p xk
j 0
kV ck j 1 v
j 0
j 1
j
p
q
v
k j j px k
j xk xk j
j 0
Frmula Recursiva
En el seguro general, la frmula que relaciona las
reservas en k y k+h es la siguiente:
h1
kV k j v
j 0
h 1
j 1
h
p
c
v
p
q
p
v
k j1 j xk xk j h xk k hV
j xk
j 0
Frmula Recursiva
Haciendo h = 1, obtenemos una relacin entre las
reservas de prima neta de dos perodos consecutivos:
V k v ck 1 q xk
V p xk
k 1
Frmula Recursiva
En el caso de un seguro de vida entera a prima neta
anual y de capital unitario, la frmula recursiva ser:
V Px v q x k
k x
V pxk
k 1 x
V k v k 1V ck 1
V qxk
k 1
Frmula Recursiva
De esta ltima ecuacin se puede obtener la siguiente
expresin para la prima en el tiempo k:
k v
V kV v ck 1
k 1
V q xk
k 1
k ks rk
es la prima de ahorro utilizada para incrementar la
reserva. s
k v
V kV
k 1
Frmula Recursiva
Por su parte:
rk v ck 1
V q xk
k 1
Frmula Recursiva
Escribiendo la prima de ahorro desde k = 0 hasta k = j1, multiplicando cada ecuacin por (1+i)-k y sumando,
se obtiene:
j 1
j k
s
V
(
1
i
)
j
k
k 0
Frmula Recursiva
Por otra parte, podemos encontrar una interesante
relacin entre la reserva en el tiempo k y en k+1.
Partiendo por la relacin:
V k v k 1V ck 1
V q xk
k 1
V kV k kV k i ck 1
k 1
V qxk
k 1
Frmula Recursiva
Esta ltima ecuacin nos indica que la reserva final ser
igual a la suma de la reserva inicial, ms la prima
pagada del mes, ms el inters ganado sobre los fondos
iniciales, menos el capital en riesgo pagado a las
personas fallecidas en el perodo.
En esta relacin se basa la determinacin del valor del
fondo de los seguros universales entre dos perodos
consecutivos.
Relaciones
Es posible obtener diversas expresiones para kVx
considerando la ecuacin de la reserva del seguro de
vida entera desarrollado anteriormente:
V Ax k (1)
Px x k
k x
x k
1(2)
Axk
Ax k Px k x k
(3)
Relaciones
Vx en funcin de Px , x+k y d
Ax k 1 dx k
Reemplazando en la relacin (1), se obtiene:
Vx 1 Px d xk
Relaciones
Vx en funcin de x y x+k
Px d
Reemplazando en la
relacin anterior:
kVx 1
xk
Relaciones
Vx en funcin de Ax y Ax+k
1 Ax
1 Axk
x
y x k
d
d
Reemplazando en la relacin anterior:
Axk Ax
kVx
1 Ax
Relaciones
x k
Axk
Pxk
Px
kVx 1
Pxk
Axk
Relaciones
Vx en funcin de Px , Px+k y d
1
x k
Pxk d
Pxk Px
kVx
Pxk d
Relaciones
Vx en funcin de Px , Px+k y d
1
x k
Pxk d
Reemplazando en la expresin anterior:
Pxk Px
kVx
Pxk d
Modelos Compuestos
Diplomado Ciencias Actuariales
Julio 2013
Modelos Compuestos
Temas
Valor Esperado de S
Varianza de S
Distribucin de S
Modelos Compuestos
En un modelo compuesto, o modelo de riesgo colectivo,
el concepto bsico es el de un proceso aleatorio que
genera siniestros para un portafolio dado de plizas.
Este proceso se caracteriza en trminos del portafolio
como un todo, ms que en trminos de las plizas
individuales que lo componen.
Modelos Compuestos
La formulacin matemtica de estos modelos es la
siguiente:
Sea N el nmero de siniestros ocurridos en un perodo
dado. Sea X1 el monto del primer siniestro, X2 el
monto del segundo siniestro y as sucesivamente.
Entonces, el monto total de los siniestros generados
por el portafolio
estudio ser:
S X 1 Xen
2 ... X N
Modelos Compuestos
Para hacer el modelo manejable, se realizan los
siguientes supuestos:
X1, X2, son variables aleatorias idnticamente
distribuidas
Las variables aleatorias N, X1, X2, son mutuamente
independientes
Modelos Compuestos
Las distribuciones de N y de los Xi se pueden calcular
empricamente mediante observaciones o se pueden
estimar eligiendo alguna funcin analtica adecuada.
En este ltimo caso, para N es usual elegir una
distribucin de Poisson o una binomial negativa, que
presentan interesantes propiedades.
Los Xi, en cambio, a menudo se modelan mediante una
distribucin Normal o una Gamma.
Modelos Compuestos
Cuando se utiliza una distribucin Poisson para modelar
el nmero de siniestros se dice que S tiene una
distribucin Poisson compuesta.
Por su parte, si se utiliza una binomial negativa, se dice
que S tiene una distribucin binomial negativa
compuesta.
En esta seccin nos enfocaremos en el estudio de la
distribucin de S en trminos de las distribuciones de N
y de los Xi, suponiendo que ambas son conocidas
Valor Esperado de S
El valor esperado y la varianza de S pueden ser
expresados en trminos de las distribuciones bsicas de
N y de los Xi, considerando las expresiones para la
esperanza condicional y para la varianza condicional:
E S E E S / N
E S E E X 1 X 2 ... X N
Valor Esperado de S
Dado que todos los Xi tiene la misma distribucin:
E S E NE X
Finalmente se obtiene:
E S E N E X
Este resultado indica que el valor esperado de los
siniestros totales ser igual al producto entre valor
esperado del nmero de siniestros y el valor esperado
del monto de los siniestros.
Varianza de S
Aplicando la expresin de la varianza condicional:
Varianza de S
Finalmente se obtiene:
Distribucin de S
En este captulo slo se mencionarn los principales
mtodos disponibles para la determinacin de la funcin
de distribucin del monto total de siniestros (S).
El desarrollo extensivo de estos mtodos queda fuera
del alcance de este curso.
Distribucin de S
Convolucin
La distribucin del monto total de siniestros depender
del valor que tome la variable N. Por lo tanto,
expresado utilizando la probabilidad total, se tiene:
Distribucin de S
M s (t ) E (e tS )
Distribucin de S
Aplicando la expresin de la esperanza condicional:
M s (t ) E ( E (e ts ) / N )
M s (t ) E ( E (e t ( X1 X 2 .. X N ) ))
M s (t ) E ( E (e tX 1 e tX 2 ...etX N ))
Considerando que todos los Xi son independientes y
tienen la misma distribucin:
M s (t ) E ( E (e tX1 ) E (e tX 2 )...E (e tX N ))
M s (t ) E ( E (e tX ) N )
M s (t ) E ( M x (t ) N )
Distribucin de S
Reemplazando Mx(t) por
e log( M x ( t ))
Lo que finalmente se puede expresar como:
M s (t ) E (e N log( M x (t )) )
Obtenida una expresin para Ms(t) se puede buscar
la distribucin relacionada entre las mltiples
identificadas en la literatura especializada.
M s (t ) M N (log M x (t ))
Distribucin de S
Aproximacin Normal
Para un portafolio grande (con un nmero de
siniestros N esperados grande) parece razonable
aproximar la distribucin de S por una distribucin
normal con parmetros =E(S) y 2=Var(S)
Sin embargo, la calidad de la aproximacin
depender no slo del tamao de la cartera en
estudio, sino de que tan homognea sea. En
general, los resultados de esta estimacin son
mejores para valores de S cercanos a la media
(E(S)) y menos satisfactoria en los extremos de la
distribucin.
Distribucin de S
Por su parte, si S presenta una distribucin Poisson
compuesta o binomial negativa compuesta y el
nmero esperado de siniestros es grande, entonces
se puede demostrar que la variable estandarizada:
S E (S )
Var ( S )
tiene aproximadamente una distribucin normal
estndar (N(0,1)).
Anexo
Funciones Conmutativas
Diplomado Ciencias Actuariales
Julio 2013
Funciones Conmutativas
Temas
El Modelo Determinstico
Rentas Vitalicias
Seguros de Vida
Primas Netas
Reservas de Primas Netas
Funciones Conmutativas
En el pasado, las funciones conmutativas gozaron de
gran popularidad debido principalmente a que podan
ser tabuladas, simplificando as los clculos numricos
asociados al clculo de primas y reservas.
Adems, las frmulas de valores esperados tales como
primas nicas podan ser derivadas de un modelo
determinstico, ntimamente relacionado a las funciones
conmutativas.
En la actualidad, el fcil acceso a computadores con
gran capacidad de clculo y la creciente aceptacin de
los modelos basados en la teora de las probabilidades
que permiten un entendimiento ms completo de los
mecanismos del seguro, han hecho disminuir el uso de
las funciones conmutativas. Sin embargo stas siguen
siendo de inters ya que permiten una aproximacin
ms intuitiva a muchas de las funciones actuariales.
El Modelo Determinstico
Imaginemos un grupo de vidas de la misma edad al cual
observamos durante el tiempo. En cada cumpleaos
registramos como lx al nmero de personas que an
estn vivas.
As, dx = lx lx+1 es el nmero de muertos entre las
edades x y x+1.
Con esto, las probabilidades y los valores esperados se
pueden calcular como simples proporciones y
promedios.
El Modelo Determinstico
Por ejemplo, la probabilidad que una persona de edad x
sobreviva t aos se expresa como:
t
l x t
px
lx
l x l x 1 d x
qx
lx
lx
El Modelo Determinstico
La probabilidad que una persona de edad x sobreviva
los prximos u aos y luego fallezca dentro de los
siguientes t aos:
l x u l x u t
u|t q x
lx
k 1
k 1
ex k p x
l xk
lx
Rentas Vitalicias
Consideremos una renta vitalicia de pagos anuales
anticipados de 1 unidad. La prima nica de la renta
ser:
x v
k 0
l xk
px v
lx
k 0
k
x
k 0
l xk
v xlx
Rentas Vitalicias
Definiendo las siguientes funciones conmutativas:
Dx v x l x
N x Dx k
k 0
Nx
x
Dx
Rentas Vitalicias
En forma similar se puede obtener la frmula de la
prima nica de una renta temporal por n aos:
x:n
N x N xn
Dx
Seguros de Vida
Adicionalmente se definen las siguientes funciones
conmutativas:
x 1
Cx v
dx
M x C xk
k 0
Ax
k 1
v
k p x q xk
k 0
k x 1
d
v
d xk
k 1
xk
v
lx
v xlx
k 0
k 0
Seguros de Vida
Por lo tanto, para un seguro de vida entera:
Mx
Ax
Dx
M x M xn
Dx
Ax:n
M x M x n Dx n
Dx
Primas Netas
La prima neta se deduce aplicando el principio de
equivalencia. Para un seguro de vida entera ser:
Entonces:
Nx M x
Px
Dx Dx
Mx
Px
Nx
M x M xn
P
Nx
1
x:n
Primas Netas
Y de un seguro dotal:
M x M x n Dx n
Px:n
Nx
Vx Ax k Px x k
M x k Px N x k
Dx k
M xk M xn Px1:n N xk N xn
Dx k
V x:n
M x k M x n Dx n Px:n N x k N x n
Dxk