Material tomado del Mdulo III del Diplomado de
Solvencia II de la Facultad de Ciencias, UNAM
Definir:
Principios Bsicos
Modelo individual de riesgo con beneficio fijo
Modelo individual de riesgo con beneficio aleatorio
Suma de variables aleatorias independientes
Convolucin
Transformadas
Aproximaciones
El modelo que se revisar a continuacin es usado para
calcular las primas de productos de seguros de corto
plazo, sus reservas tcnicas y la determinacin de su
reaseguro.
Este modelo es cerrado, es decir, el nmero de unidades
aseguradas n (o nmero de plizas o contratos) es
conocido y fijado desde el principio del periodo de
observacin.
Si suponemos migracin, es decir, entradas y salidas a la
cartera de seguros, tendramos un modelo abierto, el cual
no ser desarrollado en este curso.
Entonces, el modelo de riesgo individual se usa para
determinar la distribucin de la v.a. S del monto total de
reclamos de una cartera de seguros con n plizas:
S=X
1
+X
2
+ + X
n
donde:
X
i
, i=1,2, , n, es la v.a. del monto reclamado por la pliza i,
y donde suponemos que las X
i
son v.a. independientes.
Si el supuesto de independencia no se cumple para algunas
X
i
, por ejemplo, en el caso de un conjunto de plizas de
seguro de incendio que cubren riesgos en diferentes pisos de
un mismo edificio, lo que podemos hacer es combinar todas
ellas en un solo trmino de la suma anterior.
Asumiendo que los riesgos dentro de una cartera de seguros son
v.a. independientes, la distribucin de su suma S puede calcularse
utilizando:
1. Convoluciones
2. Funciones generadoras de momentos (fgm) o alguna de sus
transformaciones, tales como:
funciones caractersticas, funciones generadoras de
probabilidad (fgp), funciones generadoras de cmulos (fgc)
3. Alguna aproximacin a la distribucin del monto de reclamos
S, utilizando el teorema del lmite central, es decir,
considerando que S se distribuye normalmente o
aproximndola con una distribucin Gamma trasladada o una
Potencia Normal.
4. El modelo colectivo de riesgo
En estadstica, casi sin ninguna excepcin, las v.a. son
discretas o continuas, lo cual no es el caso para los seguros.
Muchas funciones de distribucin para modelar los pagos de
un seguro tienen segmentos que son crecientes y continuos,
pero tambin tienen brincos positivos.
Sea Z el pago reclamado por una pliza, existen tres
posibilidades:
La pliza no presenta reclamaciones y por lo tanto Z=0
La pliza tiene un reclamo mayor a la suma asegurada
mxima contratada M (o lmite mximo de responsabilidad)
y por lo tanto Z=M
La pliza tiene un reclamo normal y por lo tanto 0<Z<M
Sea I una v.a. indicadora, es decir:
I se distribuye como una Bernoulli de
parmetro q, es decir:
Pr(I=1)=q
Pr(I=0)=1-q
=
ocurre reclamo el si 1
ocurre no reclamo el si 0
I
Definamos Z tal que:
Si I=1 Z puede ser reemplazada por X y si
I=0 Z puede ser reemplazada por Y
X es una v.a. discreta
Y es una v.a. continua
X,Y e I son v.a. independientes
Y ) I 1 ( X I Z + =
De acuerdo a la definicin anterior de Z y a
la ley de probabilidad total, la f.d. de Z es:
( ) ( ) ( ) ( )
) z ( F q ) z ( F ) q 1 (
q ) z X Pr( ) q 1 ( ) z Y Pr(
1 I Pr 1 I z Z Pr 0 I Pr 0 I z Z Pr
) z Z Pr( ) z ( F
X Y
+ =
s + s =
= = s + = = s =
s =
Comencemos con un beneficio de monto conocido
b, y sean la f.p. y f.d. de X la v.a de reclamos:
en cualquier otro caso
A partir de lo cual:
Equivalentemente podemos definir X la v.a de reclamos
como:
X=Ib
donde I es la variable indicadora definida
anteriormente:
Obtener su f.p., f.d., E(X) y Var(X) (Ejercicio opcional
para entregar)
=
ocurre reclamo el si 1
ocurre no reclamo el si 0
I
Sea ahora el monto del beneficio variable, es
decir, B v.a., por lo que el modelo anterior se
vuelve:
X=IB
=
ocurre reclamo un menos al si 1
ocurre no reclamo el si 0
I
Ejemplos donde B es una v.a.:
Sea un seguro contra incendio que paga
$500,000 si el dao ocurrido es menor al 50%
del edificio con una probabilidad de 0.0007 y
$1000,000 si es igual o mayor al 100% con
una probabilidad de 0.0004, es decir:
Pr(I=1 y B=500,000)
