Notas de Clase de Matemáticas Actuariales del Seguro de Personas II

José Enrique Pérez

jose enrique@comunidad.unam.mx, jenriqps@gmail.com

Facultad de Ciencias
Universidad Nacional Autónoma de México

Material escrito en LATEX

Semestre 2014-1, 20 de octubre de 2013

Índice general

1. Valores Garantizados 3
1.1. Prima de Tarifa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2. Valores Garantizados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2.1. Capital o Valor de Rescate . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2.2. Seguro Saldado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2.3. Seguro Prorrogado o Prolongado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2.4. Préstamo ordinario y automático . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3. Modificaciones a la póliza . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.4. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6

2. Grupos de Vida Conjunta y del Último Sobreviviente 9

2.1. Distribución conjunta de tiempos futuros de vida . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.2. Estatus vida conjunta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.3. El estatus último sobreviviente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.4. Seguros y Anualidades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.4.1. Estatus de supervivencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.4.2. Anualidad reversionaria . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.5. Evaluación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.5.1. Leyes de Gompertz y Makeham . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.5.2. Distribución Uniforme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.6. Funciones Contingentes Simples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.7. Evaluación de funciones contingentes simples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.8. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21

1
3. Modelos de Decremento Múltiple 23
3.1. Dos variables aleatorias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.2. Grupo de supervivencia aleatorio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.3. Tablas asociadas de decrementos aislados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.3.1. Relaciones básicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.4. Construcción de una tabla de decremento múltiple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.4.1. Supuesto de distribución uniforme en el Modelo de Decremento Múltiple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.4.2. Supuesto de distribución uniforme en cada Modelo de Decremento Aislado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.5. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29

4. Los Beneficios Adicionales y Tipos Especiales de Seguros 31

4.1. Primas Netas Únicas de Seguros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
4.2. Primas Netas Periódicas de Seguros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
4.3. Beneficios por Invalidez con el Seguro de Vida Individual . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
4.3.1. Beneficios de Ingresos por Invalidez . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4.4. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33

5. Nociones de Riesgos Colectivos para uno y varios periodos 36

5.1. Modelos de Riesgo Colectivo para un periodo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
5.1.1. La distribución de los reclamos agregados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
5.1.2. Selección de las Distribuciones Básicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
5.1.3. Aproximación a la Distribución de los Siniestros Agregados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
5.2. Modelos de Riesgo Colectivo para más de un periodo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
5.2.1. Modelo a Tiempo Discreto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
5.2.2. Modelo a Tiempo Continuo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
5.3. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46

2
Capı́tulo 1
Valores Garantizados
Este capı́tulo esta basado en [1] y el capı́tulo 7 de [3].
1.1. Prima de Tarifa
Los gastos de una aseguradora que se consideran en el cálculo de la prima
de tarifa se pueden clasificar en:
1. Gastos de adquisición: Son aquellos relacionados con la gestión externa
para la suscripción de una póliza de vida, y a su vez se clasifican en:
a) Gastos por honorarios médicos, designado por un coeficiente α pro-
porcional a la suma asegurada y que se paga por una sola vez para el
reconocimiento de la salud del postulante.
b) Gastos por comisión de agenciamiento, que se paga al agente o co-
rredor de seguros, en una cantidad proporcional a la prima anual de
tarifa, mediante el coeficiente k1 el primer año y por el el coeficiente
k del segundo año en adelante.
Por lo anterior, los gastos de adquisición (totales) son αB + k1 G el primer
año, donde G es la prima anual de tarifa y B es la suma asegurada, y de esto es
kG del segundo año en adelante. 1 Gäx:p| = A + αB + k1 G + vpx kGäx+1:p−1| + γBäx:n| + β Gäx:p|
1G es porque en inglés la prima de tarifa se conoce como Gross Premium, y B por benefit
3
2. Gastos de administración: Son los relacionados con las necesidades técni-
cas o administrativas para el buen funcionamiento de la aseguradora y
como ejemplos tenemos los sueldos de los empleados, mantenimiento de
las instalaciones y gastos asociados con validar y pagar un reclamo. Se de-
signa por el coeficiente γ, proporcional a la suma asegurada, y se asume
que son gastos anuales que duran tanto como la cobertura del seguro. En
realidad, estos gastos son aproximadamente los mismos para cada póliza,
por lo que es injusto atribuir una carga mayor a las pólizas con suma ase-
gurada más elevada; sin embargo, es costumbre adoptar tal sistema por
simplicidad de cálculo. El monto anual de los gastos de administración es
γB.
3. Gastos de cobranza: Son los que se refieren a las gestiones encaminadas
a conseguir el pago de la prima por parte del asegurado y se constituye
por la comisión que se paga a las cobradores, como un porcentaje β de la
prima de tarifa G y es pagadera durante el periodo p del pago de primas.
Su monto anual es β G
Para determinar la prima de tarifa, aplicaremos el principio de equivalencia:
E[“VP de primas de tarifa”] = E[“VP de beneficios y gastos”]2 (1.1)
(1.2)
2 E[·] es el operador esperanza y V P es por valor presente
donde:
• Gäx:p| es el valor presente actuarial (en adelante VPA) de las primas de
tarifa pagaderas por p años 3
• A es el VPA de los beneficios, se denota simplemente por A para ser lo
más generales posibles. Si se tratara de un seguro dotal mixto temporal a
n años con beneficio o suma asegurada B y que paga al momento de la
muerte, entonces A = BĀx:n|
• k1 G es la comisión del agente durante el primer año
• vpx kGäx:p| es el VPA de las comisiones del agente del segundo año en
adelante
• αB son los honorarios médicos que se pagan solo una vez, cuando se
emite la póliza
• γBäx:n| es el VPA de los gastos de administración
• β Gäx:p| es el VPA de las comisiones de cobranza
En la ecuación (1.2) solo falta despejar G para hallar su monto.
Sea t V el monto de la reserva o valor de la póliza al tiempo t. Por la forma
en que se calculó G, 0V = 0 , mientras que para t = 1, . . . , p:
tV = A(x + t) + kGäx+t:p−t| + γBäx+t:n−t| + β Gäx+t:p−t| − Gäx+t:p−t|
y para t = p + 1, . . . , n
t V = A(x + t) + γBäx+t:n−t|
3 Asumimos que la prima es anual, pero si la frecuencia de pago fuera otra, por ejemplo,
(12)
mensual, entonces el VPA serı́a Gä .
x:p|
1.2. Valores Garantizados
En los seguros de vida individuales, la prima que paga el asegurado (G)
está compuesta de dos partes: una, llamada “prima de riesgo” que sirve para
hacer frente a los siniestros del año, y otra, denominada “prima de ahorro”,
que acumulada y considerando intereses financieros y la supervivencia, sirve
para constituir la reserva. Las reservas son montos para cubrir riesgos futuros,
es decir, un pasivo del asegurador.
Luego de transcurrido un plazo4 desde la celebración del contrato y
hallándose el asegurado al dı́a en el pago de las primas, el asegurado puede
cancelar la cobertura a cambio del valor de rescate, que es un porcentaje de la
reserva. El asegurado también puede, en lugar de cancelar la cobertura, conti-
nuar cubierto por un capital asegurado menor (seguro saldado) o por un plazo
menor (seguro prorrogado). En estos dos casos, el asegurado deja de pagar
primas. Adicionalmente, el asegurado puede pedir préstamos contra el valor
de rescate, pagando una tasa de interés que se especifica en la póliza. Si los
préstamos no se devuelven, el capital asegurado se verá reducido.
Los valores garantizados se presentan en la Figura 1.1. Nos enfocaremos en
el valor de rescate, el seguro saldado y el seguro prorrogado. Los préstamos
ordinario y automático dependen de si el asegurado puede devolver los présta-
mos y si no, entonces deducir el saldo insoluto al momento en que se liquida
la póliza.
1.2.1. Capital o Valor de Rescate
Es una cantidad de dinero, t CV , que el asegurado recibe en efectivo y en caso
de rescisión del contrato de seguro de vida en el momento t, y se constituye
4 En
el caso de México, la Ley sobre el Contrato de Seguro (LSCS) en su artı́culo 182
establece que el asegurado que haya cubierto tres anualidades consecutivas, tendrá derecho
al reembolso inmediato de una parte de la reserva matemática, de acuerdo con las normas
técnicas establecidas para el caso, las cuáles deberán figurar en la póliza. Sin embargo, no
todos los seguros de vida están obligados a dar valores garantizados. El artı́culo 184 de la
LSCS establece que el seguro temporal cuya duración sea inferior a 10 años, no obligará a la
empresa a conceder valores garantizados, para el caso de muerte.
4
 Figura 1.1: Valores Garantizados
1.2.3. Seguro Prorrogado o Prolongado
Al rescindirse un contrato de seguro en un momento t, se trunca la vigencia
inicialmente prevista, sea vida entera (vitalicio) o temporal. Se llama seguro
prorrogado cuando se mantiene vigente el seguro rescindido por un tiempo
más allá de t, a cambio de dejar en poder de la compañı́a aseguradora el capital
de rescate t CV como prima única para un seguro temporal, para el cual alcance.
Este plazo del nuevo seguro temporal corresponde al seguro prolongado por un
plazo menor que el original, digamos m más allá de t. En este caso lo único
que se reduce es el plazo del seguro, quedando la suma asegurada sin cambios.

1.2.4. Préstamo ordinario y automático

El préstamo ordinario consiste en que el asegurado, al tiempo t, tendrá de-
recho a obtener de la compañı́a préstamos que sumados no excedan al valor de
rescate t CV los cuales causarán intereses (obviamente). El asegurado se com-
promete a pagar el préstamo durante el periodo de vigencia de la póliza y de
como un porcentaje de la reserva calculada en el momento t, t V . 5 no hacerlo la compañı́a deducirá el préstamo al momento de la liquidación de
la póliza (en el caso de un dotal mixto cuando muere la persona -dentro del
periodo de cobertura- o termina la vigencia de la póliza).
1.2.2. Seguro Saldado El préstamo automático se realiza cuando al tiempo t el asegurado deja de
cubrir una prima y la compañı́a presta, sin necesidad de solicitud del asegurado
Esta operación resulta de un caso de rescisión de contrato y consiste en tomar
(por esto lo de automático), el importe de dicha prima para que el seguro siga
el capital de rescate, t CV , como una prima única que el asegurado deja en poder
vigente, siempre que los préstamos existentes no excedan el valor de t CV .
de la compañı́a aseguradora (sin más obligación del pago de primas) para tener
un seguro vigente de las mismas caracterı́sticas que el rescindido, en cuanto a
su duración, pero con un beneficio (suma asegurada) B∗ que resulte suficiente 1.3. Modificaciones a la póliza
o adecuado para dicha prima única pagada. Ese será el nuevo capital asegurado
para el caso de muerte. 6 El siguiente enfoque es más general e incluye a los valores garantizados que
ya se mencionaron.
∗ ∗ t CV
t CV = B A(x + t) ⇒ B = (1.3) Como ya sabemos, una póliza de seguro de vida es un contrato entre un in-
A(x + t) dividuo, el asegurado, y la compañı́a de seguros. Este contrato establece obli-
5 El término en inglés para el valor de rescate es surrender value o cash value gaciones sobre ambas partes, por ejemplo, el asegurado acuerda pagar primas
6 En inglés, una póliza para la cual no más primas son pagables pero se mantiene el seguro mientras este con vida y la compañı́a de seguros acuerda pagar una suma asegu-

original con una suma asegurada ajustada, se dice que es paid-up rada a la muerte del asegurado. Hasta ahora se ha supuesto que los términos del

5
contrato nunca son cancelados o modificados de alguna manera. En la práctica
no es raro que después de que la póliza haya estado en vigor durante algún
tiempo, el asegurado pida un cambio en los términos de la póliza.
Además de los valores garantizados ya mencionados, muchos otros tipos
de modificaciones pueden ser requeridos: reducir o incrementar las primas;
cambiar el monto de los beneficios; convertir un seguro de vida vitalicio en un
seguro dotal mixto; etc. La caracterı́stica común de estos cambios es que son
requeridos por el asegurado y no fueron parte de los términos originales de la
póliza.
Si el cambio no fue parte de los términos originales, y si ha sido requerido
por el asegurado, podrı́a argumentarse que la compañı́a de seguros no esta
obligada a aceptarlos con el riesgo de causar malestar al cliente, que cancele
su póliza y compre el seguro con otra compañı́a de seguros.
Para pólizas con valores de rescate predefinidos, sea t CV el monto de dicho
valor al tiempo t. Cuando el valor de rescate no esta establecido por anticipado,
el actuario podrı́a determinar un valor apropiado (de acuerdo a algún criterio
de optimización) para t CV al tiempo de la alteración.
Un punto de partida para el cálculo de t CV podrı́a ser el valor de la reserva
al tiempo t, t V ,7 si es calculado por anticipado, o el valor del asset share,
t AS, cuando el valor de rescate no esta predeterminado. Recuerda que el t AS
representa (aproximadamente) el activo que el asegurador realmente tiene y
t V representa el monto que el asegurador debe tener al tiempo t con respecto
a la póliza original. Recuerda también que si los supuestos de la póliza son
cercanos a la experiencia real, entonces t V será numéricamente cercana t AS.
Establecer t CV igual a t AS o t V podrı́a muy generoso para el asegurado por
varios razones, incluyendo:
1. El asegurado puede estar actuando en función de conocimiento que no
esta disponible para la compañı́a aseguradora, por ejemplo, un(a) asegu- este idioma.
rado(a) puede modificar un seguro de vida vitalicio a uno temporal (con
menores primas o una suma asegurada más grande) si él/ella sabe que su
salud esta fallando.
7 la total, la que considera todos los gastos, beneficios y la prima de tarifa
2. La compañı́a aseguradora incurrirá en algunos gastos al modificar la póli-
za, y aún en calcular e informar al asegurado los valores revisados, los
cuales el asegurado puede no estar de acuerdo en aceptarlos.
3. La modificación puede, al menos en principio, causar a la compañı́a de
seguros riesgo de liquidez, el cual puede reducir los rendimientos de las
inversiones, especialmente en el caso de cancelación.
Por estas razones, t CV es usualmente menos del 100 % del t AS o del t V y
puede incluir una rebaja explı́cita por el gasto de hacer la modificación.
Para modificaciones distintas a valores de rescate, podemos aplicar t CV co-
mo si fuera una prima única, o una prima extra preliminar, para los beneficios
futuros. Esto es, construimos la ecuación para los beneficios modificados,
t CV +V PAt (primas futuras, con el contrato modificado) =
(1.4)
V PAt (beneficios futuros más gastos, bajo el contrato modificado)
El valor numérico de los beneficios y/o primas revisados usando (1.4) de-
pende del supuesto usado para el cálculo (modelo de supervivencia, la tasa de
interés y los gastos).
La razón fundamental detrás de la ecuación (1.4) es la misma con la cual
se llega al principio de equivalencia para calcular primas: junto con el efecti-
vo actualmente disponible, t CV , se espera que las primas futuras provean los
beneficios y gastos futuros.
1.4. Ejercicios
Casi todos los ejercicios de las presentes notas están en inglés para practicar
1. Calcule la prima de tarifa de un seguro dotal mixto temporal 20 años
para (35). Esta prima se paga al inicio de cada uno de los próximos 15
años (mientras la persona se encuentre con vida). La suma asegurada es
1,000,000 y se paga al momento en que ocurre la muerte. Suponga que:
6
 a) La ley de supervivencia esta descrita en la Tabla de Vida Ilustrativa
(Bowers, [2], p. 675)
b) La distribución del número de muertes en el intervalo de edad [x, x +
1], ∀x ∈ Z+ ∪ {0} es uniforme.
c) La tasa de interés efectiva anual es 6 %
d) Los gastos de adquisición del seguro son: i) Gastos por honorarios
médicos de 0.5 % de la suma asegurada (α=0.5 %), ii) Gastos por
comisión para el agente de seguros de 15 % el primer año (k1 = 15 %)
y de 10 % del segundo año en adelante (k = 10 %), ambos sobre la
prima anual de tarifa.
e) Los gastos de administración del seguro son del 0.2 % de la suma
asegurada al inicio de cada año durante la vigencia de la póliza
(γ=0.2 %)
f ) Los gastos de cobranza son del 5 % de la prima de tarifa (β =5 %).
Suponga que la persona esta aún viva 10 años después de la emisión de la
póliza, calcule:
a) El capital de rescate, que en la póliza se define como el 90 % de la
reserva.
b) La suma asegurada del seguro saldado
c) El plazo del seguro prorrogado expresado en número de años y dı́as. (also known, especially in North America, as ‘participating’, or ‘par’ business), and ‘without
2. (Dickson, [3], p. 216) Consider the policy discussed in Examples 7.4 8
and 7.9 9 . You are given that the insurer’s experience in the five years
following the issue of this policy is as in Example 7.9. At the start of the
sixth year, before paying the premium then due, the policyholder requests
that the policy be altered in one of the following three ways.
a) The policy is surrendered immediately.
8 Dickson, [3], p. 187
9 Dickson, [3], p. 201
7
b) No more premiums are paid and a reduced annuity is payable from
age 60. In this case, all premiums paid are refunded at the end of the
year of death if the policyholder dies before age 60.
c) Premiums continue to be paid, but the benefit is altered from an an-
nuity to a lump sum (pure endowment) payable on reaching age 60.
Expenses and benefits on death before age 60 follow the original po-
licy terms. There is an expense of $100 associated with paying the
sum insured at the new maturity date.
Calculate the surrender value 2a, the reduced annuity 2b and the sum
insured 2c assuming the insurer uses
a) 90 % of the asset share less a charge of $200, or
b) 90 % of the policy value less a charge of $200
together with the assumptions in the policy value basis when calculating
revised benefits and premiums.
3. (Dickson, [3], p. 217) Ten years ago a man now aged 40 purchased a
with-profit whole life insurance.10 The basic sum insured, payable at the
end of the year of death, was $200 000. Premiums of $1500 were payable
annually for life.
10 Also part of the traditional design of insurance is the division of business into ‘with-profit’
profit’ (also known as ‘non-participating’ or ‘non-par’). Under with-profit arrangements, the
profits earned on the invested premiums are shared with the policyholders. In North Ameri-
ca, the with-profit arrangement often takes the form of cash dividends or reduced premiums.
In the UK and in Australia the traditional approach is to use the profits to increase the sum
insured, through bonuses called ‘reversionary bonuses’ and ‘terminal bonuses’. Reversionary
bonuses are awarded during the term of the contract; once a reversionary bonus is awarded
it is guaranteed. Terminal bonuses are awarded when the policy matures, either through the
death of the insured, or when an endowment policy reaches the end of the term. Reversionary
bonuses may be expressed as a percentage of the total of the previous sum insured plus bonus,
or as a percentage of the original sum insured plus a different percentage of the previously
declared bonuses. Reversionary and terminal bonuses are determined by the insurer based on
the investment performance of the invested premiums. (Dickson, [3], p. 5, 6)
The policyholder now requests that the policy be changed to a with-profit
endowment insurance with a remaining term of 20 years, with the same
premium payable annually, but now for a maximum of 20 further years.
The insurer uses the following basis for the calculation of policy values
and policy alterations.

• Survival model: Standard Select Survival Model (Dickson, [3], p.

66, 144)
• Interest: 5 % per year
• Expenses: none
• Bonuses: compound reversionary bonuses at rate 1.2 % per year at
the start of each policy year, including the first.

The insurer uses the full policy value less an expense of $1000 when cal-
culating revised benefits. You are given that the actual bonus rate declared
in each of the past 10 years has been 1.6 %.

a) Calculate the revised sum insured, to which future bonuses will be

added, assuming the premium now due has not been paid and the
bonus now due has not been declared.
b) Calculate the revised sum insured, to which future bonuses will be
added, assuming the premium now due has been paid and the bonus
now due has been declared to be 1.6 %.

8
Capı́tulo 2

Grupos de Vida Conjunta y del Último Sobreviviente

Este capı́tulo esta basado en el capı́tulo 9 de [2] y capı́tulo 8 de [3]. • Debe haber una regla por la cual la supervivencia 3 del estatus pueda ser
En el curso de Matemáticas Actuariales del Seguro de Personas I (MASPI) determinada en cualquier tiempo futuro.
se desarrolló una teorı́a para el análisis de beneficios financieros contingentes
sobre el tiempo de muerte de una sola persona. Podemos extender esta teorı́a Para calcular probabilidades o valores presentes actuariales asociados con
a beneficios que involucran varias vidas. Una aplicación de esta extensión es la supervivencia del estatus, la distribución conjunta de las variables aleatorias
encontrada en planes de pensiones, por ejemplo, en la Ley del Seguro Social, tiempos futuros de vida debe estar disponible. 4
Art. 159 fracción VI: Los pensionados por cesantı́a en edad avanzada o por Después de que un estatus y su supervivencia han sido definidos, podemos
vejez, contratarán el seguro de supervivencia con una Compañı́a de Seguros, aplicar la definición para desarrollar modelos para anualidades y seguros. Una
con cargo a los recursos de la suma asegurada, adicionada a los recursos de la anualidad es pagable en tanto el estatus sobrevive, mientras que un seguro es
cuenta individual a favor de sus beneficiarios para otorgarles la pensión, ayu- pagable a la falla del estatus. Los seguros también pueden ser restringidos tal
das asistenciales y demás prestaciones en dinero previstas en los respectivos que son pagables si los individuos mueren en un orden especı́fico.
seguros, mediante la renta que se les asignará después del fallecimiento del
pensionado, hasta la extinción legal de las pensiones
Una abstracción útil en la teorı́a de las contingencias de la vida es la de 2.1. Distribución conjunta de tiempos futuros de
estatus para la cual hay definiciones de permanencia y falla. Dos elementos vida
son necesarios para que un estatus sea definido. El término general entidades es
usado en la definición a causa de la amplia gama1 de aplicación del concepto:
El tiempo hasta la falla de un estatus es una función de los tiempos futuros de
vida de las personas involucradas. En teorı́a estos tiempos futuros de vida serán
• Debe haber un número finito de entidades, y para cada miembro debe ser variables aleatorias dependientes, pero por conveniencia, o por la carencia de
posible definir una variable aleatoria tiempo “futuro de vida”.2
jaremos tiempo futuro de vida para mantener la coherencia con MASPI.
1 Como personas, máquinas y animales. 3 O permanencia si la entidad no es un ser vivo.
2 Este término es ambiguo pues si la entidad es una máquina entonces no tiene vida y la 4 En la práctica tenemos las observaciones del fenómeno aleatorio y estimamos la función

variable deberı́a llamarse, por ejemplo, tiempo futuro de funcionamiento, sin embargo, mane- de distribución con algún método estadı́stico.

9
datos sobre la dependencia, en la práctica, un supuesto de independencia entre calculaban sobre muestras cuyas variables eran independientes e idénticamen-
los tiempos futuros de vida tradicionalmente ha sido hecho. Con el supuesto te distribuidas. En este curso las variables aleatorias son independientes (fue
de independencia los valores numéricos de la distribuciones marginales (tablas un supuesto) pero raramente son idénticamente distribuidas (debido a que no
de vida) para una sola personas pueden ser usadas. todas las personas en el grupo tienen la misma edad).
Se define la función de supervivencia conjunta como La distribución de T en términos de la distribución conjunta de T (x) y T (y)
es
sT (x),T (y) (s,t) = P[T (x) > s, T (y) > t] (2.1)
FT (t) = t qxy = P(T ≤ t)
A diferencia del caso de una sola vida, la función de distribución y la función = P(mı́n[T (x), T (y)] ≤ t)
de supervivencia no necesariamente suman 1 ya que FT (x),T (y) (s,t) = P[T (x) ≤ = 1 − P(mı́n[T (x), T (y)] > t) (2.3)
s, T (y) ≤ t], donde [T (x) > s, T (y) > t] y [T (x) ≤ s, T (y) ≤ t] no son eventos
= 1 − P(T (x) > t, T (y) > t)
complemento.
En las aplicaciones, la dependencia de las variables aleatorias tiempos hasta = 1 − sT (x),T (y) (t,t)
la muerte puede ser difı́cil de cuantificar, consecuentemente, los tiempos futu-
ros de vida se asumen independientes, y entonces su distribución conjunta es El evento [mı́n[T (x), T (y)] ≤ t] es igual al evento [T (x) ≤ t] ∪ [T (y) ≤ t], por
obtenida de las distribuciones marginales (de una sola vida), por ejemplo, en lo que otra expresión para t qxy se encuentra a continuación
el caso de las funciones de supervivencia:
FT (t) = P(mı́n[T (x), T (y)] ≤ t)
sT (x),T (y) (s,t) = sT (x) (s)sT (y) (t) (2.2) = P([T (x) ≤ t] ∪ [T (y) ≤ t])
(2.4)
= P[T (x) ≤ t] + P[T (y) ≤ t] − P[T (x) ≤ t], [T (y) ≤ t]
= t qx + t qy − FT (x),T (y) (t,t)
2.2. Estatus vida conjunta
Cuando T (x) y T (y) son independientes, la ecuación (2.3) se simplifica a
Un estatus que sobrevive en tanto todos los miembros de un conjunto de
vidas sobreviven y falla a la primera muerte es llamado estatus vida conjunta.
t qxy = 1 − sT (x) (t)sT (y) (t) = 1 − t pxt py (2.5)
Es denotado por (x1 , x2 , . . . , xm ), donde xi representa la edad del miembro i del
conjunto y m representa el número de miembros. y la ecuación (2.4) se simplifica a
La distribución del tiempo hasta la falla de un estatus vida conjunta cu-
ya variable aleatoria es T (x1 , x2 , . . . , xm ) = mı́n[T (x1 ), T (x2 ), . . . , T (xm )] donde t qxy = t qx + t qy − FT (x) (t)FT (y) (t) = t qx + t qy − t qxt qy (2.6)
T (xi ) es el tiempo de muerte del individuo i. Para el caso especial de dos vidas,
(x) y (y), tenemos que T (xy) = mı́n[T (x), T (y)]. Cuando el contexto sea cla- La función de supervivencia del estatus vida conjunta, t pxy , es obtenida
ro, denotamos el tiempo futuro de vida del estatus vida conjunta simplemente restando la función de distribución, t qxy de 1. Para el caso general, t pxy =
por T . Se puede interpretar el tiempo hasta la falla del estatus vida conjunta sT (x),T (y) (t,t). Cuando T (x) y T (y) son independientes, entonces
como la mı́nima estadı́stica de orden de los m tiempos de vida en el conjun-
to. En los cursos de Probabilidad sobre estadı́sticas de orden se decı́a que se t pxy = t pxt py (2.7)

10
 La función de densidad de probabilidades para T puede ser encontrada deri-
vando su función de distribución expresada en la ecuación (2.4): P[k < T ≤ k + 1] = P[T ≤ k + 1] − P[T ≤ k]
d = k pxy − k+1 pxy (2.11)
fT (t) = FT (t)
dt = k pxy qx+k:y+k
d
= (t qx + t qy − FT (x),T (y) (t,t)) Cuando los tiempos futuros de vida de (x) y (y) son independientes, la pro-
dt
d babilidad de que estatus vida conjunta (x + k : y + k) falle dentro del próximo
= fT (x) (t) + fT (y) (t) − FT (x),T (y) (t,t)) año puede ser escrita en términos de las probabilidades para cada una de las
dt
personas como sigue:
cuando T (x) y T (y) son independientes, lo anterior se simplifica a
d qx+k:y+k = 1 − px+k:y+k
fT (t) = fT (x) (t) + fT (y) (t) − F (t)FT (y) (t)
dt T (x) = 1 − px+k py+k
d d
= fT (x) (t) + fT (y) (t) − FT (x) (t) FT (y) (t) − FT (y) (t) FT (x) (t) = 1 − (1 − qx+k )(1 − qy+k ) (2.12)
dt dt
= fT (x) (t) + fT (y) (t) − FT (x) (t) fT (y) (t) − FT (y) (t) fT (x) (t) = qx+k + qy+k − qx+k qy+k
= fT (x) (t)(1 − FT (y) (t)) + fT (y) (t)(1 − FT (x) (t)) = qx+k + (1 − qx+k )qy+k
Sea K la variable aleatoria número de años completos antes de la falla del
lo anterior con notación actuarial se escribe
estatus vida conjunta, por lo que K = bT c y su función de probabilidad es
fT (t) = t px µ(x + t)t py + t py µ(y + t)t px
(2.8)
= t pxt py (µ(x + t) + µ(y + t)) P[K = k] = P[k ≤ T < k + 1]
La distribución de T = T (xy) también puede ser especificada por la fuerza = P[k < T ≤ k + 1]
(2.13)
de “mortalidad”, o más generalmente, la fuerza de falla, que denotaremos por = k pxy qx+k:y+k
µxy (t) y que se define como = k| qxy
fT (xy) (t) Note que podemos cambiar el “<” por “≤” en la ecuación anterior porque
µxy (t) = (2.9) T es una variable aleatoria continua.5
1 − FT (xy) (t)
si además se tiene el supuesto de independencia
2.3. El estatus último sobreviviente
t pxt py (µ(x + t) + µ(y + t))
µxy (t) = = µ(x + t) + µ(y + t) (2.10)
t pxt py Un estatus de supervivencia que existe en tanto al menos un miembro del
conjunto de personas este con vida y falla cuando ocurre la última muer-
La probabilidad de que el estatus vidas conjuntas falle durante el tiempo k a
k + 1 esta determinado por 5T es el mı́nimo entre dos variables aleatorias absolutamente continuas, T (x) y T (y).

11
te es llamado el estatus último sobreviviente (last-survivor status). Es de- conjunta que es desarrollada en la sección previa. Una ilustración de este hecho
notado por (x1 x2 · · · xm ) donde xi representa la edad del miembro i y m re- es provista por la sustitución de (2.4) y (2.17) para obtener
presenta el número de miembros del conjunto. Consideramos la distribución
del tiempo hasta la falla del estatus último sobreviviente, la variable aleatoria FT (xy) (t) = FT (x) (t) + FT (y) (t) − FT (xy) (t) = FT (x),T (y) (t,t) (2.20)
T = máx[T (x1 ), T (x2 ), . . . , T (xm )]. La variable aleatoria T puede ser interpre-
una relación también se sigue de FT (xy) (t) = P[T (x) ≤ t, T (y) ≤ t].
tada como la estadı́stica máxima asociada con [T (x1 ), T (x2 ), . . . , T (xm )] donde
La fuerza de falla de estatus último sobreviviente esta implı́citamente defi-
las m variables aleatorias no son necesariamente independientes ni idéntica-
nida en (2.19) como
mente distribuidas.
Para el caso de dos vidas (x) y (y), T (xy) = máx[T (x), T (y)] y se tienen fT (xy) (t)
relaciones generales entre las variables aleatorias T (xy), T (xy), T (x) y T (y). µxy (t) =
1 − FT (xy) (t)
Para cada resultado ω ∈ Ω, T (xy) es igual a T (x) o T (y) y T (xy) a la otra. Por (2.21)
t px µ(x + t) + t py µ(y + t) − t pxy µxy (t)
lo tanto, para todas las distribuciones conjuntas de T (x) y T (y) (incluso cuando =
T (x) y T (y) no son independientes), las siguientes relaciones son válidas t pxy

Cuando T (x) y T (y) son independientes µxy (t) pueden ser reemplazada por
T (xy) + T (xy) = T (x) + T (y) (2.14)
µx (t) + µy (t) en (2.19) y (2.21), y pueden ser reescritas como
T (xy)T (xy) = T (x)T (y) (2.15)
aT (xy) + aT (xy) = aT (x) + aT (y) , a > 0 (2.16) t pxy µxy (t) = t qyt px µ(x + t) + t qxt py µ(y + t) (2.22)
y
Definiendo los siguientes eventos A = [T (x) ≤ t] y B = [T (y) ≤ t] tenemos t qyt px µ(x + t) + t qxt py µ(y + t)
que A ∩ B = [T (xy) ≤ t] y A ∪ B = [T (xy) ≤ t] y aplicándoles la relación P(A ∪ µxy (t) = (2.23)
t qyt px + t qxt py + t pxt py
B) = P(A) + P(B) − P(A ∩ B) tenemos que
Probar que el denominador es igual a t pxy será parte de una tarea.
Para los tiempos futuros truncados de vida se tienen las siguientes relacio-
FT (xy) (t) + FT (xy) (t) = FT (x) (t) + FT (y) (t) i.e. t qxy + t qxy = t qx + t qy (2.17)
nes:
de lo anterior se puede seguir que
K(xy) + K(xy) = K(x) + K(y) (2.24)
t pxy + t pxy = t px + t py (2.18)
K(xy)K(xy) = K(x)K(y) (2.25)
y aK(xy) + aK(xy) = aK(x) + aK(y) , a > 0 (2.26)
fT (xy) (t) + fT (xy) (t) = fT (x) (t) + fT (y) (t) FK(xy) (k) + FK(xy) (k) = FK(x) (k) + FK(y) (k) (2.27)
(2.19)
i.e. t pxy µxy (t) + t pxy µxy (t) = t px µ(x + t) + t py µ(y + t)
De la ecuación (2.27) se sigue que
Las relaciones desarrolladas arriba permiten que la distribución del estatus
último sobreviviente sea explorada por el uso de la distribución del estatus vida fK(xy) (k) + fK(xy) (k) = fK(x) (k) + fK(y) (k) (2.28)

12
 La distribución de K(xy), el número de años completados antes de la falla 2.4. Seguros y Anualidades
del estatus último sobreviviente, esto es, el número de años completados antes
de la última muerte, puede ser determinada de estas relaciones y los resultados En esta sección consideramos la valuación de seguros y anualidades donde
del tiempo futuro de vida truncado del estatus vidas conjuntas. A partir de la los pagos dependen de la supervivencia o muerte de dos personas, tales pólizas
ecuación anterior se llega a son muy comunes, sin embargo, también existen pólizas a tres o más vidas.
Tı́picamente estas dos personas son esposo y esposa. A menudo es el caso
que estas dos personas son parientes pero también podrı́an ser solo socios de
P[K(xy) = k] = fK(xy) (k) = k px qx+k + k py qy+k − k pxy qx+k:y+k (2.29)
negocios.
Para vidas independiente, las ecuaciones (2.7) y (2.13) nos permiten escribir Los seguros y anualidades para una sola persona, discutidos en el curso de
la ecuación anterior como: MASPI, pueden ser extendidos para un estatus de supervivencia, (u). Además
P[K(xy) = k] = k px qx+k + k py qy+k − k pxk py (qx+k + qy+k − qx+k qy+k ) de la extensión anterior, presentaremos ejemplos más complejos en los cuales
= (1 − k py )k px qx+k + (1 − k px )k py qy+k + k pxk py qx+k qy+k una anualidad, pagable mientras se mantenga un estatus u, es diferido hasta
que otro estatus (v), ha fallado.
En esta última forma, los primeros dos términos son la probabilidad de que
únicamente la segunda muerte ocurra entre los tiempos k y k + 1. El tercer
término es la probabilidad de que ambas muertes ocurran durante aquel año. 2.4.1. Estatus de supervivencia
En el caso de más de dos personas una forma de calcular la probabilidad
Con el estatus para una sola vida, (x), reemplazado por el estatus de super-
t px1 x2 ···xm es:
vivencia, (u), los modelos y fórmulas de MASPI son aplicables para valores
1. Recordando la fórmula de inclusión-exclusión  P ∪m
 
A
i=1 i  = presentes, varianzas y percentiles en términos de la distribución de (u). Las
∑m i=1 P [A i ] − ∑ 1≤i< j≤m P A i ∩ A j + ∑ 1≤i< j<k≤m P A i ∩ A j ∩ A k + relaciones de las secciones 2.2 y 2.3 pueden ser aplicadas para que probabili-
· · · − (−1)m P [A1 ∩ A2 ∩ · · · ∩ Am ], dades de vidas conjuntas y último sobrevivientes se expresen en probabilidades
2. Etiquetando Ai = [T (xi ) > t] de una sola persona.
Por ejemplo, para el tiempo futuro truncado de vida:
3. Notando que [máx{T (x1 ), T (x2 ), . . . , T (xm )} > t] = [T (x1 ) > t]∪[T (x2 ) >
t] ∪ · · · ∪ [T (xm ) > t] 1. Para un seguro de suma asegurada 1 pagable al final del año de muerte
4. Notando que [T (xi1 ) > t] ∩ · · · ∩ [T (xil ) > t] = [mı́n{T (xi1 ), · · · , T (xil )} > en el que el estatus de “supervivencia”falla, si K denota el tiempo futuro
t] para l ∈ {1, 2, . . . , m}, {i , . . . , i } ⊆ {1, 2, . . . , m} truncado de vida de (u), entonces
1 l

para concluir que • El tiempo de pago es K + 1

m
= ∑ t pxi − + • El valor presente (al momento de la emisión de la póliza) es Z =
t px1 x2 ···xm ∑ t pxi x j ∑ t pxi x j xk +
i=1 1≤i< j≤m 1≤i< j<k≤m (2.30) vK+1
m • El valor presente actuarial, Au , es E[Z] = ∑∞ k+1 P[K = k]
· · · − (−1) t px1 x2 ···xm k=0 v
Otras generalizaciones para más de dos personas se obtienen de manera similar. • Var(Z) = 2 Au − (Au )2

13
 • Para ser más precisos, supongamos que la suma asegurada es paga- últimos sobreviviente. A partir de la relación (2.26), tenemos que
ble al final del año de muerte en el cual el último sobreviviente de
(x) y (y) muere por lo que (u) = (xy) y el valor presente actuarial de vK(xy)+1 + vK(xy)+1 = vK(x)+1 + vK(y)+1 (2.31)
este seguro es äK(xy)+1| + äK(xy)+1| = äK(x)+1| + äK(y)+1| (2.32)
∞
Axy = ∑ vk+1P[K(xy) = k] calculando la esperanza en ambos lados de las ecuaciones anteriores se
k=0 obtienen
∞
= ∑ vk+1(k px qx+k + k pyqy+k − k pxyqx+k:y+k ) Axy + Axy = Ax + Ay (2.33)
k=0
äxy + äxy = äx + äy (2.34)
2. Si reemplazamos x con u para recalcar que K es el tiempo futuro trucado
de vida del estatus de supervivencia, (u), se tienen las siguientes fórmulas Nótese que en las igualdades anteriores la independencia de los tiempos
para una anualidad temporal n años que paga mientras se mantenga el futuros de vida de (x) y (y) no es requerida.
estatus (u)
Para el tiempo futuro de vida, si T , el tiempo futuro de vida para una so-
• ( la persona, es reinterpretado como T (u), el tiempo hasta la falla del estatus
äK+1| K = 0, 1, . . . , n − 1 de supervivencia, (u), las fórmulas de MASPI para valores presentes, valores
Y=
än| K = n, n + 1, . . . presentes actuariales, percentiles y varianzas son válidas para seguros y anua-
lidades para el estatus (u), por ejemplo:
• äu:n| = E[Y ] = ∑n−1 n−1 k
k=0 äk+1| k| qu + än| n pu = ∑k=0 v k pu
• äu:n| = (1 − Au:n| )/d 1. Para un seguro que paga 1 al momento de la falla de (u), se tiene que el
valor presente (al momento en que se emite la póliza) y el valor presente
• Para ser más precisos, considera una anualidad que paga 1 al inicio actuarial son:
de cada año en tanto (x) y (y) sobrevivan en los próximos n años por
lo que (u) = (xy) y su valor presente actuarial es • Z = vT
R∞ t
n−1 n−1 • Āu = 0 v t pu µu (t)dt
äxy:n| = ∑ vk k pxy = ∑ vk k pxk py • Para ser más precisos, el valor presente actuarial de un seguro que
k=0 k=0
paga 1 al momento de la muerte del último superviviente entre (x) y
además también se puede aplicar la siguiente igualdad (y) es:
Z ∞
Axy:n| = 1 − d äxy:n| Āxy = vt t pxy µxy (t)dt
Z0∞
3. Adicionalmente, se pueden establecer relaciones entre variables aleatorias = vt [t px µ(x + t) + t py µ(y + t) − t pxy µxy (t)]dt
valor presente para anualidades y seguros en el estatus vidas conjuntas y 0

14
 2. Para una anualidad pagable continuamente a la tasa de 1 por año hasta el A continuación revisamos algunos ejemplos de valores presentes actuariales.
tiempo de falla de (u), tenemos Comenzamos con una anualidad de 1 por año pagable continuamente para (y)
después de la muerte de (x). El valor presente al momento de la emisión de la
• Y = āT | póliza, Z, es
R∞ R∞ t
• āu = 0 āt|t pu µu (t)dt = 0 v t pu dt
T (x) |āT (y)−T (x)| T (x) ≤ T (y)

• Para un ejemplo especı́fico, consideremos una anualidad pagable Z =
0 T (x) > T (y)
continuamente a la tasa de 1 por año en tanto al menos uno de (x) y
āT (y)| − āT (x)| T (x) ≤ T (y)

(y) este con vida y su valor presente actuarial es =
Z ∞ 0 T (x) > T (y)
āxy = āt| [t px µ(x + t) + t py µ(y + t) − t pxy µxy (t)]dt (
0 āT (y)| − āT (x)| T (x) ≤ T (y) i.e. T (xy) = T (x)
Z ∞ =
= vt t pxy dt āT (y)| − āT (y)| T (x) > T (y) i.e. T (xy) = T (y)
0
es decir
3. De la igualdad (2.16) se obtiene que Z = āT (y)| − āT (xy)| (2.39)

vT (xy) + vT (xy) = vT (x) + vT (y) (2.35) en consecuencia,

āT (xy)| + āT (xy)| = āT (x)| + āT (y)| (2.36) ā = E[Z] = E[āT (y)| ] − E[āT (xy)| ] = āy − āxy (2.40)
x|y

y calculando la esperanza en ambos lados de las ecuaciones se obtiene
Āxy + Āxy = Āx + Āy
āxy + āxy = āx + āy
Las fórmulas (2.39) y (2.40) son válidas para estatus de supervivencia (u) y
(v) en general, y además no requieren del supuesto de independencia de los
(2.37)
tiempos futuros de vida, por ejemplo
(2.38)

En el ejercicio 7 se presenta un ejemplo de anualidades especiales en las āx:n||y = āy − āxy:n| (2.41)
cuales la tasa de pago depende de la supervivencia de dos vidas. āx|y:n| = āy:n| − āxy:n| (2.42)

2.4.2. Anualidad reversionaria

2.5. Evaluación
Una anualidad reversionaria es pagable durante la existencia de un estatus
(u), pero solamente después de la falla de un segundo estatus (v). Conceptual- Al momento, varios valores presentes actuariales ya han sido desarrollados
mente, esta es una anualidad diferida con un periodo de diferimiento aleatorio y terminan en una suma o en una integral. En esta sección estudiamos varios
igual al tiempo de falla del segundo estatus y representa una generalización de supuestos acerca de la distribución de T (u) (tiempo hasta la falla del estatus de
la anualidad diferida por un número cierto de años. supervivencia (u)) que simplificaran las sumas o las integrales.

15
2.5.1. Leyes de Gompertz y Makeham por lo que
A+Bcs (cx +cy )
 
En lo que sigue suponemos que los tiempos futuros de vida son indepen- ln Bcs
w= (2.48)
dientes. ln c
Supongamos que la mortalidad para cada persona obedece la ley de Gom- sin embargo, esto solo es en el caso de el argumento del logaritmo natural sea
pertz 6 por lo que µ(x) = Bcx . Buscamos sustituir un estatus de supervivencia positivo, condición que no esta garantizada ya que A puede ser negativo [OJO:
(w) para una sola vida que tienen una fuerza de falla igual a la del estatus vidas SEGÚN JORDAN ESTO SI ES POSIBLE, REVISAR SU LIBRO]. En lugar
conjuntas (xy) para toda t ≥ 0, es decir: de sustituir el estatus (xy) por una sola persona mejor lo sustituimos por un
estatus vida conjunta (ww), por lo que el problema ahora es:
µxy (s) = µ(w + s), s ≥ 0, w =? (2.43)
2A + Bcs (cx + cy ) = 2A + 2Bcw+s , s ≥ 0, w =? (2.49)
y recordando que µxy (s) = µx (s) + µy (s) cuando hay independencia:
ln(cx + cy ) y la solución se obtiene ası́
Bcx+s + Bcy+s = Bcw+s ⇔ cx + cy = cw ⇒ w = (2.44) x y
ln(c) ln( c +c
s x y w+s x y 2 )
w
2A + Bc (c + c ) = 2A + 2Bc ⇔ c + c = 2c ⇒ w = (2.50)
por lo tanto ln(c)
 Zt   Zt 
Bajo esta ley el problema se simplificó de tener un estatus vidas conjuntas
t pw = exp − µ(w + s)ds = exp − µxy (s)ds = t pxy (2.45)
0 0 con dos personas de cualquier edad a un estatus vida conjunta con las dos
Para w definida en la ecuación (2.44), todas las probabilidades, valores espe- personas de la misma edad. Al igual que con la ley de Gompertz, todas las
rados y varianzas para el estatus vidas conjuntas (xy), son iguales a los de la probabilidades, valores esperados y varianzas del estatus vida conjunta (xy)
persona (w). Sin embargo, w regularmente no es un entero y se requiere inter- serán iguales a los calculados con el estatus vida conjunta (ww) ya que la
polar valores de la tabla de mortalidad. fuerza de falla determina a la función de supervivencia y si las fuerzas de falla
Si ahora suponemos que la mortalidad sigue la ley de Makeham (µ(x) = son iguales (con w seleccionada como en (2.50)) entonces las funciones de
A + Bcx )7 la fuerza de falla del estatus vida conjunta es supervivencia también son iguales.
A pesar de que uno prefiera suponer la ley de Gompertz sobre la de Ma-
µxy (s) = µ(x + s) + µ(y + s) = 2A + Bcs (cx + cy ) (2.46) keham porque resulta mejor sustituir al estatus (xy) por (w) en vez de (ww) (y
entonces recurrir a todos los resultados para una sola persona de MASPI), en
Si intentamos reemplazar a las dos personas (x) y (y) por otra personas (w)
la práctica preferir uno u otro supuesto depende de como se ajustan los datos
tal que la fuerza de falla del estatus vidas conjuntas de (x) y (y) sea igual a la
observados a la ley de mortalidad y desde que la ley de Makeham tiene un
fuerza de mortalidad de (w), tendrı́amos el siguiente problema:
parámetro más (A) tiene una mayor capacidad de ajuste.
2A + Bcs (cx + cy ) = A + Bcw+s , s ≥ 0, w =? (2.47)
6 Para que la ley de Gompertz sea efectivamente una función de supervivencia se requiere 2.5.2. Distribución Uniforme
B > 0, c > 1.
7 Para que la ley de Makeham sea efectivamente una función de supervivencia, se requiere En esta sección mantenemos el supuesto de independencia entre los tiempos
B > 0, A ≥ −B, c > 1. futuros de vida de (x) y (y) y agregamos la hipótesis de distribución uniforme

16
del número de muertes en cada año de edad para cada individuo en el estatus de
vida conjunta. Gracias a la distribución uniforme seremos capaces de evaluar
valores presentes actuariales de anualidades con una frecuencia de pago de más
de una vez al año y de seguros pagables al momento de la muerte (tomando
como base los que pagan al final del año de muerte).

En el curso de MASP I se encontró que bajo el supuesto de distribución

uniforme de las muertes en cada año de edad, t px = 1 − tqx con t ∈ (0, 1) y Z ∞
también que la función de densidad del tiempo futuro de vida, T = T (x) se Āu = vt t pu µu (t)dt
puede escribir de manera general como t px µ(x + t) por lo que 0
Z 1 Z ∞
= vt t pu µu (t)dt + vt t pu µu (t)dt
0 1
Z 1 Z ∞
t
d = v t pu µu (t)dt + v vs s+1 pu µu (s + 1)ds
(1 − t px ) = qx 0 0
t px µ(x + t) = (2.51)
dt 0
Z 1
t t+0 pu
Z ∞
s+1 pu
= v 0 pu v µu (t)dt + v“1 pu ” vs µu (s + 1)ds
0 0 pu 0 “1 pu ”
Z 1 (2.53)
t−1 t+0 pu s−1 s+1 pu
Z ∞
2
= v0 pu v µu (t)dt + v “1 pu ” v µu (s + 1)ds
Cuando aplicamos este supuesto al estatus vidas conjuntas (xy), con T (x) in- 0 0 pu 0 “1 pu ”
dependiente de T (y), obtenemos, para 0 ≤ t ≤ 1 = ···
∞ Z 1
k+s pu
= ∑ vk+1k pu 0
vs−1
k pu
µu (k + s)ds
k=0
∞ Z 1
k+s pu
t pxy µxy (t) = t px × t py × [µ(x + t) + µ(y + t)] = ∑ vk+1k pu (1 + i)1−s µu (k + s)ds
k=0 0 k pu
= t py × t px µ(x + t) + t px × t py µ(y + t)
= (1 − tqy ) × qx + (1 − tqx ) × qy (2.52)
= qx + qy − qx × qy + (1 − 2t)qx × qy
= qxy + (1 − 2t)qx × qy

El valor presente actuarial de un seguro de suma asegurada 1 pagable cuando

falla el estatus (u) es: Si en la ecuación anterior (u) = (xy) y recordamos que k+s pxy /k pxy =

17
 (m)
entonces en la ecuación (2.53) podemos reemplazar (2.52) 8
s px+k:y+k , para Axy bajo el supuesto de una distribución uniforme de muertes para cada
Z 1  uno de los individuos en cada uno de sus años de edad. Comenzamos con
∞
k+1 1−s k+s pxy
Āxy = ∑ v k pxy (1 + i) µxy (k + s)ds ∞ m
0 k pxy (m)
k=0
∞ Z 1  Axy = ∑ vk k pxy ∑ v j/m j−1m | m1 qx+k:y+k
k+1 1−s k=0 j=1
= ∑ v k pxy (1 + i) s px+k:y+k µx+k:y+k (s)ds ∞ m (2.56)
k=0 0 k j/m
 
∞ Z 1
 = ∑ v k pxy ∑ v j−1 px+k:y+k − j px+k:y+k
m m
k+1 1−s k=0 j=1
= ∑v k pxy (1 + i) (qx+k:y+k + (1 − 2s)qx+k × qy+k )ds
k=0 0
∞ Z 1 (2.54) En un ejercicio de tarea, bajo el supuesto de que T (x) y T (y) son independien-
k+1 1−s
= ∑v k pxy × qx+k:y+k (1 + i) ds tes y distribuidos uniformemente sobre cada año de edad, la ecuación anterior
k=0 0
∞ Z ∞ se simplificará a
+∑v k+1
k pxy × qx+k × qy+k (1 − 2s)(1 + i)1−s ds
k=0 0 (m) i
Axy = Axy
i(m)
 
i i 2 2 ∞ k+1
= Axy + 1− + ∑ v k pxy × qx+k × qy+k i

1 2

2 ∞ k+1 (2.57)
δ δ δ i k=0 + (m) 1 + − (m) +
i m d ∑ v k pxyqx+k qy+k
i k=0
La interpretación de la ecuación anterior es: el primer término es igual a
Āxy si T (xy), el tiempo hasta la falla de (xy), es uniformemente distribuido en en el lado derecho de la ecuación anterior el primer término es la aproximación
cada año de tiempo futuro de vida pero este no es el caso cuando T (xy) = (m)
usual para Axy y serı́a exacta si T (xy) fuera distribuida uniformemente en cada
mı́n[T (x), T (y)] donde T (x) y T (y) son distribuidas uniformemente en cada año de edad.
año de tiempo futuro de vida. El segundo término que es un producto de un (m)
Para hallar el valor presente actuarial äxy recordamos la siguiente igualdad
término dependiente de la tasa de interés y un valor presente actuarial para un (m) (m)
seguro pagable si ambos individuos mueren en el mismo año futuro, es muy d (m) äxy + Axy = 1 por lo que
pequeño. El valor presente actuarial Āxy es a menudo aproximado ignorando el
(m)
segundo término: (m) 1 − Axy
i äxy = (2.58)
Āxy ∼
= Axy (2.55) d (m)
δ
lo cual serı́a exacto si T (xy) tuviera una distribución uniforme en cada año deLa fórmula anterior es exacta pero ignorando algunos términos “pequeños” en
tiempo futuro de vida. (2.57) se pueden obtener simplificaciones análogas a cuando se consideraba
Para usar el mismo enfoque de evaluar el valor presente actuarial de una solo una vida ([2], p. 290).
anualidad anticipada pagable m veces al año, necesitamos de una expresión A partir del valor presente actuarial de la anualidad se pueden obtener los
8 También asumimos un modelo agregado de supervivencia por lo que µ (k + s) = valores presentes actuariales de otros productos como la anualidad temporal
xy (m) (m) (m)
µx+k:y+k (s). ä = äxy − n Exy äx+n:y+n .
xy:n|

18
2.6. Funciones Contingentes Simples el evento [0 ≤ T (x) ≤ T (y) ≤ n]:
Z nZ t
En esta sección estudiamos seguros que además de depender del tiempo de = fT (x),T (y) (s,t)dsdt
nq 2
falla del estatus, son contingentes en el orden de las muertes individuales en el xy 0 0
Z nZ t
grupo. Suponemos que T (x) y T (y) tienen una función de densidad conjunta. = fT (x)|T (y) (s|t)ds fT (y) (t)dt
Comenzamos con una evaluación de la de la probabilidad de que (x) muera Z0n 0 (2.61)
antes de (y) y esto ocurra en los próximos n años. En la Notación Internacional = P[T (x) ≤ t|T (y) = t] fT (y) (t)dt
Actuarial es denotada por n q1 donde el 1 sobre x indica que la probabilidad es Z0n
xy
de un evento en el cual (x) muere antes de (y), y n indica que el evento ocurra = P[T (x) ≤ t|T (y) = t]t py µ(y + t)dt
en los próximos n años. Entonces n q1 es igual a la doble integral de la función 0
xy
de densidad conjunta de T (x) y T (y) sobre el conjunto de resultados tales que y en el caso de independencia P[T (x) ≤ t|T (y) = t] = P[T (x) ≤ t] = t qx , por lo
T (x) ≤ T (y) y T (x) ≤ n: que
Z nZ ∞ Z n
n q1 = fT (x),T (y) (s,t)dtds nq 2 = t qx × t py µ(y + t)dt = n qy − n q 1 (2.62)
xy xy 0 xy
0 s
Z nZ ∞
= fT (y)|T (x) (t|s)dt fT (x) (s)ds Si cambiamos el orden de integración en (2.61), tenemos
0 s
Z n (2.59) Z nZ n
= P[T (y) > s|T (x) = s] fT (x) (s)ds nq 2 = fT (x),T (y) (s,t)dtds
xy
Z0n Z0n Zs n
= P[T (y) > s|T (x) = s]s px µ(x + s)ds = fT (y)|T (x) (t|s)dt fT (x) (s)ds (2.63)
0 0 s
Z n
Para el caso de independencia, P[T (y) > s|T (x) = s] = P[T (y) > s] = s py = P[s < T (y) ≤ n|T (x) = s]t px µ(x + s)ds
0
ası́ que Z n
n q1 = s py × s px × µ(x + s)ds (2.60) y con el supuesto de independencia entre T (x) y T (y), podemos reescribir esto
xy 0 como
Una interpretación de la ecuación anterior involucra tres elementos: 1) por- Z n
que s es el tiempo de muerte de (x), la probabilidad s px × s py indica que tanto nq 2 = (s py − n py )s px µ(x + s)ds = n q1 − n py × n qx (2.64)
xy 0 xy
(x) como (y) sobrevivan al tiempo s, 2) µ(x + s)ds es la probabilidad de que
(x), ahora de edad x+s, muera en el intervalo (s, s+ds), y 3) las probabilidades por lo que
son sumadas para todos los tiempos s entre 0 y n. n q1 = n q 2 + n py × n qx ⇒ n q1 ≥ n q 2
xy xy xy xy
También podemos evaluar la probabilidad de que (y) muera después de (x)
Integrales similares pueden ser escritas para valores presentes actuariales de
y dentro de los próximos n años. Esta probabilidad es denotada por n q 2 . Para
xy seguros contingentes, pero algunos no se simplifican en el mismo grado que
evaluar n q 2 integramos la función de densidad conjunta de T (x) y T (y) sobre las probabilidades. Considera el valor presente actuarial de un seguro de suma
xy

19
asegurada 1 pagable al momento de la muerte de (x) dado que (y) aún esta
vivo. Este valor presente actuarial, denotado por Ā1 es E[Z] donde
xy ∞
A1 =
xy
∑ vk+1k pxyq 1 (2.67)
vT (x)

T (x) ≤ T (y) k=0 x+k:y+k
Z=
0 T (x) > T (y)

Como Z es una función de T (x) y T (y), la esperanza de Z puede ser obtenida Bajo el supuesto de una distribución uniforme de muertes para cada indivi-
usando la función de densidad conjunta de T (x) y T (y): duo e independencia entre el par de tiempos futuros de vida, tenemos
Z ∞Z ∞
Ā1 = vs fT (x),T (y) (s,t)dtds Z 1
xy
Z0∞ Zs ∞ q 1 = s px+k:y+k µ(x + k + s)ds
s x+k:y+k 0
= v fT (y)|T (x) (t|s)dt fT (x) (s)ds (2.65) Z 1
0 s
= s py+k × s px+k µ(x + k + s)ds
Z ∞ Z ∞ 
= fT (y)|T (x) (t|s)dt vs s px µ(x + s)ds 0
Z 1
0 s
= s py+k × qx+k ds (2.68)
0
y si suponemos T (x) independiente de T (y): Z 1
Z ∞ Z ∞  = (1 − sqy+k )qx+k ds
0
Ā1 = fT (y) (t)dt vs s px µ(x + s)ds 
1

xy 0 s
(2.66) = qx+k 1 − qy+k
Z ∞
s
2
= v s py × s px µ(x + s)ds
0

una interpretación del resultado anterior es: si (x) muere en cualquier tiempo Ahora podemos re-expresar s px+k:y+k µ(x + k + s) en términos de q 1
x+k:y+k
futuro s y (y) esta aún vivo, entonces un pago de 1, con valor presente vs , es
realizado.
s px+k:y+k µ(x + k + s) = qx+k (1 − sqy+k )
   
2.7. Evaluación de funciones contingentes simples 1 1
= qx+k 1 − qy+k + − s qx+k × qy+k
2 2 (2.69)
 
En el ejercicio ?? evaluamos probabilidades y valores presentes actuariales 1
de funciones contingentes simples bajo el supuesto de la ley de Gompertz y la =q 1 + − s qx+k × qy+k
x+k:y+k 2
ley de Makeham. En los dos casos se asume independencia.
El valor presente actuarial para un seguro pagable al final del año de la muer-
te es Cuando el beneficio es pagable al momento de la muerte, el valor presente

20
actuarial es x qx
∞ Z 1 30 0.1
Ā1 =
xy
∑ vk k pxy 0
vs s px+k:y+k µ(x + k + s)ds 31 0.2
k=0
" 32 0.3
∞ Z 1 Z 1   # 33 0.4
1
= ∑ vk+1k pxy q 1 (1 + i)1−s ds + qx+k × qy+k (1 + i)1−s − s ds 34 0.5
k=0 x+k:y+k 0 0 2
  35 0.6
i 1i 2 2 ∞ k+1 36 0.7
= A1 + 1− + ∑ v k pxyqx+k qy+k
δ xy 2 δ δ i k=0
(2.70) Cuadro 2.1: Probabilities

Debido a que el segundo término es muy pequeño con respecto a la cantidad

total, se suele usar la aproximación Ā1 ∼
= δi A1 . a) 100 while both (30) and (40) are alive;
xy xy
b) 70 while (30) is alive but (40) is dead; and
2.8. Ejercicios c) 50 while (40) is alive but (30) is dead.

1. For a last-survivor insurance of 10,000 on independent lives (70) and (80), The actuarial present value of this annuity is 1180. Continuous single life
you are given: annuities paying 100 per year are available for (30) and (40) with actua-
rial present values of 1200 and 1000, respectively. Calculate the actuarial
a) The benefit, payable at the end of the year of death, is paid only if
present value of a two-life continuous annuity that pays 100 while at least
the second death occurs during year 5.
one of them is alive.
b) Mortality follows the Illustrative Life Table.
c) i =0.03 4. For two independent lives now age 30 and 34, you are given the Chart 2.1.
Calculate the probability that the last death of these two lives will occur
Calculate the actuarial present value of this insurance. during the 3rd year from now (i.e. 2| q30:34 )
2. For independent lives (x) and (y): 5. You are pricing a special 3-year annuity-due on two independent lives,
a) qx =0.05 both age 80. The annuity pays 30,000 if both persons are alive and 20,000
if only one person is alive. You are given:
b) qy =0.10
c) Deaths are uniformly distributed over each year of age. a) The Chart 2.2

Calculate 0.75 qxy . b) i =0.05

3. A continuous two-life annuity pays: Calculate the actuarial present value of this annuity.

21
 k k p80 c) 3/4 per year after time n if (x) is alive and (y) is dead, and
1 0.91
d) 1/2 per year after time n if (y) is alive and (x) is dead.
2 0.82
3 0.72
Cuadro 2.2: Probabilities

6. For a special fully continuous last survivor insurance of 1 on (x) and (y),
you are given:

a) T (x) and T (y) are independent.

b) µx (t) =0.08, t > 0
c) µy (t) =0.04, t > 0
d) δ =0.06
e) π is the annual benefit premium payable until the first of (x) and (y)
dies.

Calculate π

7. An annuity is payable continuously at the rate of

• 1 per year while both (x) and (y) are alive,

• 2/3 per year while one of (x) and (y) is alive and the other is dead

Derive expressions for

a) The annuity’s present-value random variable

b) The annuity’s actuarial present value

8. Calculate the actuarial present value of an annuity payable continuously

at the rates shown in the following display. Case, Rate and Condition

a) 1 per year with certainty until time n,

b) 1 per year after time n if both (x) and (y) are alive,

22
Capı́tulo 3

Modelos de Decremento Múltiple

Este capı́tulo esta basado en el capı́tulo 10 de [2]. causada por enfermedad o accidente. Una persona puede dejar de ser
En el capı́tulo anterior se extendieron los resultados de MASPI a varias per- un asegurado activo muriendo, siendo despedido (porque si el seguro se
sonas 1 sujetas a la contingencia de la muerte. Ahora regresamos al caso de compró con primas periódicos entonces una vez que es despedido, es pro-
una sola vida, pero sujeta a varias contingencias. Como una aplicación de esta bable que ya no pueda pagar las primas), volviéndose inválido o alcan-
extensión, el número de trabajadores en una empresa se reduce cuando un em- zando el final del periodo de cobertura. Un modelo completo para seguro
pleado es despedido, queda incapacitado, muere, se separa voluntariamente o de invalidez incorpora una variable aleatoria para el tiempo hasta la ter-
se retira. En la valuación de pasivos laborales, estimar el número de emplea- minación, cuando el asegurado deja de ser un miembro de los asegurados
dos que se espera permanezcan y los que saldrán por alguna contingencia, es activos, ası́ como una variable aleatoria para la causa de terminación.
importante, pues dependiendo de la contingencia y bajo ciertas condiciones se
puede dar el pago de una indemnización, que en la Ley Federal del Trabajo, • Los planificadores de la salud pública están interesados en el análisis de la
son la prima de antigüedad y la indemnización legal. Para el objetivo anterior, mortalidad y supervivencia por causa de muerte. Los objetivos de la salud
el modelo de supervivencia de MASPI es útil con las siguientes modificacio- pública pueden estar establecidos por un estudio de la distribución con-
nes: tiempo hasta la terminación del empleo en vez de tiempo hasta la muerte junta del tiempo hasta la muerte y causa de muerte. Las prioridades en la
y además otra variable aleatoria que nos indique la causa de terminación. investigación de enfermedades cardiovasculares y cáncer fueron estable-
Otros ejemplos que motivan el desarrollo de un modelo donde la terminación cidas con este tipo de análisis. En México se puede obtener información
se puede dar por una contingencia distinta a la muerte son: de la mortalidad y sus causas a través del Sistema Nacional de Informa-
ción en Salud (http://www.sinais.salud.gob.mx/).
• Los seguros de invalidez proveen pagos periódicos a asegurados que sa- El propósito principal de este capı́tulo es construir una teorı́a para estudiar
tisfacen la definición de invalidez contenida en la póliza. En algunos ca- la distribución de dos variables aleatorias con respecto a una sola persona:
sos, el monto de los pagos periódicos puede depender si la invalidez fue tiempo hasta la terminación de un estatus dado y la causa de terminación. En
1 Realmente fueron a dos personas pero reconociendo que la extensión a varias vidas impli- actuarı́a, la terminación de cierto estatus es llamado decremento, y el tema de

ca manejar estadı́sticas de orden o funciones de distribución conjuntas, la extensión a más de este capı́tulo es llamado teorı́a de los decrementos múltiples. En bioestadı́stica
dos vidas solo tiene dificultad en expresiones simplificadas análogas al caso de solo dos vida. a este tema se refiere como teorı́a de los riesgos en competencia.

23
3.1. Dos variables aleatorias La probabilidad de decremento por la causa j en cualquier tiempo en el
futuro es Z ∞
Sea T := T (x) la variable aleatoria tiempo hasta la terminación de un estatus ( j)
fJ ( j) = fT,J (s, j)ds = ∞ qx , j = 1, 2, . . . , m (3.3)
para una persona que actualmente tiene edad x y la cual suponemos absoluta- 0
mente continua. Sea J := J(x) la causa de decremento para una persona de edad La función de densidad marginal fT (t) y la función de distribución marginal,
x que esta terminando un estatus. Suponemos que J es una variable aleatoria FT (t) , con t ≥ 0, son
discreta y finita (podemos enumerar las causas de decremento y son m < ∞). m
Nuestro propósito es describir la distribución conjunta de T y J y las distri- fT (t) = ∑ fT,J (t, j) (3.4)
buciones condicionales y marginales correspondientes. Denotamos la función j=1
Z t
de densidad conjunta de T y J por fT,J (t, j), la función de probabilidad margi-
FT (t) = fT (s)ds (3.5)
nal de J por fJ ( j) y la función de densidad marginal de T por fT (t). 0
La función de densidad fT,J (t, j) es usada para calcular eventos definidos Usando el superı́ndice (τ) para indicar que una función se refiere a todas las
por T y J, por ejemplo: causas, o fuerza total de decremento, obtenemos
• La probabilidad de decremento por la causa j entre t y t + dt es Z t
(τ)
t qx = P[T ≤ t] = FT (t) = fT (s)ds (3.6)
fT,J (t, j)dt ∼
= P[(t < T ≤ t + dt) ∩ (J = j)] (3.1) 0
(τ) (τ)
t px = P[T > t] = 1 − t qx (3.7)
Rt
• j)ds = P[(0 < T ≤ t) ∩ (J = j)] es la probabilidad de decremento
0 f T,J (t,
por la causa j antes del tiempo t.
(τ) fT (t)
Rb µx (t) =
• ∑mj=1 a fT,J (t,
j)dt = P[a < T ≤ b] es la probabilidad de decremento por 1 − FT (t)
cualquier causa entre los tiempo a y b. 1 d (τ)
= (τ) t qx
t px
dt
El sı́mbolo para la probabilidad de decremento antes del tiempo t por la (3.8)
1d (τ)
causa j es = − (τ) t px
( j)
Z t
t px
dt
t qx = fT,J (s, j)ds,t ≥ 0, j = 1, . . . , m (3.2)
0 d (τ)
=−
ln(t px )
El uso de la información dada a la edad x para seleccionar una distribución dt
 Zt 
es similar a MASPI. Si estar en el estatus de supervivencia a la edad x es la (τ) (τ)
única información disponible, entonces una distribución agregada podrı́a ser ⇒ t px = exp − µx (s)ds (3.9)
0
usada. Por otro lado, si hay información adicional, entonces la distribución La probabilidad en (3.1) puede ser expresada como
podrı́a ser una distribución selecta y la edad de selección podrı́a ser encerrada
en corchetes. fT,J (t, j)dt ∼
= P[T > t]P[(t < T ≤ t + dt) ∩ (J = j)|T > t] (3.10)

24
Lo anterior motiva la definición de fuerza de decremento debida a la causa j: de pensiones con una edad obligatoria de retiro, una edad en la cual todos
los empleados activos remanentes se deben retirar. Un segundo ejemplo, es un
( j) fT,J (t, j) fT,J (t, j) seguro de vida temporal en el cual hay tı́picamente no hay un beneficio pagado
µx (t) = = (τ)
(3.11)
1 − FT (t) t px cuando el asegurado cancela el seguro (valor garantizado). Ası́, después de que
una prima es pagada, ninguno de los asegurados remanentes cancelan hasta la
La fuerza decremento a la edad x+t debido a la causa j tiene una interpretación próxima fecha de pago de la prima (se sabe que cancela el seguro porque ya no
de probabilidad condicional. Es el valor de la función de densidad condicional paga primas). En el ejercicio 1 se presenta otro ejemplo.
conjunta de T y J en x + t y j, dada la supervivencia a x + t. Entonces (3.10) La variable aleatoria K, el número de años futuros truncados antes del de-
puede ser reexpresada como cremento de (x) es el entero más grande menor o igual a T . La función de
(τ) ( j)
probabilidad conjunta de K y J es
fT,J (t, j)dt = t px µx (t)dt, j = 1, 2, . . . , m,t ≥ 0 (3.12)
P[(K = k) ∩ (J = j)] = P[(k ≤ T < k + 1) ∩ (J = j)]
Se sigue, de la diferenciación de (3.2) (Teorema Fundamental del Cálculo) y el
Z k+1
(τ) ( j) (3.16)
= t px µx (t)dt
uso de (3.11), que k
( j) 1 d ( j) (τ)
µx (t) = (τ) t qx (3.13) La probabilidad t px se puede descomponer de la siguiente manera
t px
dt (τ)
 R t (τ)
  R
k (τ) R t (τ) 
t px = exp − 0 µx (u)du = exp − 0 µx (u)du − k µx (u)du =
A partir de las ecuaciones (3.6), (3.4) y (3.2)  R
(τ)
  R
(τ)

(τ)
 R
(τ)

exp − 0k µx (u)du exp − kt µx (u)du = k px exp − kt µx (u)du 2 ,
Z t Z t m
(τ) por lo tanto, realizando los cambios de variable r = u − k y s = t − k, (3.16) se
t qx = fT (s)ds = ∑ fT,J (s, j)ds
0 0 j=1 puede escribir como
m Z t m (3.14) Z k+1  Zt 
( j) (τ) (τ) ( j)
=∑ fT,J (s, j)ds = ∑ t qx P[(K = k) ∩ (J = j)] = k px exp − µx (u)du µx (t)dt
k k
j=1 0 j=1 Z 1  Zs 
(τ) (τ) ( j)
Combinando las ecuaciones (3.8), (3.14) y (3.13) tenemos = k px exp − µx (k + r)dr µx (k + s)ds
0 0
m Hasta ahora hemos hecho manipulaciones que son válidas en todas las tablas.
(τ) ( j)
µx (t) = ∑ µx (t) (3.15) Si estamos usando una tabla agregada o última (no selecta) donde las fuerzas
j=1 de decremento dependen de la edad alcanzada, entonces para τ y toda j,
es decir, la fuerza total de decremento es la suma de las fuerzas de decremento µx (k + s) = µx+k (s) para toda x, k y s ≥ 0
debida a las m causas. y (3.16) puede ser expresada como
En algunos casos, una aplicación particular puede requerir una modificación Z 1
(τ) (τ) ( j) (τ) ( j)
del modelo arriba descrito. Una distribución conjunta para el tiempo hasta la p
k x s px+k µx+k (s)ds = k px qx+k (3.17)
terminación, T , es inadecuada en aplicaciones donde hay un tiempo en el cual 0
hay una probabilidad positiva de decremento. Un ejemplo de esto es un plan 2 donde t < k

25
 (τ)
La probabilidad de decremento de todas las causas entre las edades x + k y • n Dx es la variable aleatoria número de vivos que dejan el grupo entre las
(τ) (τ)
x + k + 1, dada la supervivencia a la edad x + k, es denotada por qx+k , y se edades x y x + n, x ≥ a, por cualquier de las causas, por lo que n Dx =
sigue que ( j)
∑mj=1 n Dx .
Z 1
(τ) (τ) (τ) •
qx+k = s px+k µx+k (s)ds (τ) (τ)
m
( j)
0 n dx = E[n Dx ] = ∑ E[nDx ] (3.20)
Z 1 m
(τ) ( j) j=1
= s px+k ∑ µx+k (s)ds (3.18)
0 (τ) (τ)
j=1 y cuando n = 1 escribimos dx y no 1 dx .
m
=
( j) Para el número de vivos que permanecen en el grupo:
∑ qx+k
j=1 • L (τ) (x) es la variable aleatoria igual al número de supervivientes a la
(τ)
edad x del grupo original de la de edad a
3.2. Grupo de supervivencia aleatorio • Z ∞
(τ) (τ) (τ) (τ) (τ) (τ) (τ)
(τ) lx = E[L (x)] = la t pa µa (t)dt = la
(3.21) x−a pa
Consideremos un grupo de la personas de a años de edad, cada una de las x−a
cuales tienen una distribución conjunta del tiempo hasta el decremento y causa Reconocemos que la integral de (3.19) con n = 1 como la integral de (3.16)
de decremento especificada por la función de densidad con x = a y k = x − a. En consecuencia para una tabla no selecta, tenemos de
(τ) (3.17)
fT,J (t, j) = t pa µa ( j)(t),t ≥ 0, j = 1, 2, . . . , m ( j) (τ) (τ) ( j) (τ) ( j)
dx = la x−a pa qx = lx qx (3.22)
(τ) (τ) (τ)
Recuerde que el enfoque de grupo de supervivencia aleatorio para una tabla Otra relación que se puede demostrar es dx = lx qx .
de vida consiste en observar que el número de salidas y de vivos en la tabla de ( j) τ) (τ) (τ)
Otro enfoque3 para definir las cantidades n dx , n dx , lx es definir lx como
vida es un valor esperado calculado de acuerdo a una función de distribución. una función no creciente. Este enfoque se llama determinista y se puede con-
Para ello primero definimos las variables aleatorias. ( j)
sultar en [2], p. 318 y en este último se tiene que definir la cantidad lx . En
Para el número de vivos que dejan el grupo: MASPI se definió lx como el número de vivos de edad x y si quisiéramos defi-
( j)
• n Dx : variable aleatoria número de vivos que dejan el grupo entre las nir de manera análoga la cantidad lx , serı́a el número de personas que no han
( j)

edades x y x + n, x ≥ a, por la causa j. salido por el decremento j y que tienen edad x, pero esto resulta inconveniente
pues el que no salgan por el decremento j no implica que tampoco puedan salir
• Z x+n−a por los otros decrementos. Otra manera de interpretar lx es el número de perso-
( j) ( j) (τ) (τ) ( j) ( j)
n dx = E[n Dx ] = la t pa µa (t)dt (3.19) nas que morirán después de la edad x, y de manera análoga, lx es el número
x−a de personas que saldrán por el decremento j después de la edad x, esta última
( j) interpretación es la correcta en el contexto del modelo de decremento múltiple.
y como es común en la notación actuarial, cuando n = 1, escribimos dx
( j) 3 Pero que llega a los mismos resultados anteriores.
y no 1 dx .

26
3.3. Tablas asociadas de decrementos aislados de decremento aislado (associated single decrement model) con las siguientes
funciones
t
 Z 
0 ( j) 0 ( j) 0 ( j)
Primero se discutirá la teorı́a de los riesgos en competencia. Supongamos = exp −
( j)
µx (s)ds , t qx = 1 − t px (3.23)
t px
que actualmente tenemos 1000 empleados de 64 años de edad. Durante el 0
próximo año, estos empleados pueden dejar la compañı́a ya sea por muerte 0 ( j)
(1) (2) Al sı́mbolo t qx le llamaremos tasa absoluta de decremento (absolute rate
(causa 1) o retiro (causa 2). Supongamos que q64 = 0.02 y q64 = 0.30.
of decrement), se le llama tasa porque no es una probabilidad como si lo es
Supongamos que los empleados se pueden retirar en cualquier momento du- ( j) 0 ( j) (τ)
rante el año de edad y obviamente morirse también. Las probabilidades dadas t qx . Además, t px , a diferencia de t px , no necesariamente es una función
0 ( j)
se interpretan como las fracciones de empleados que esperamos mueran y se de supervivencia, porque no es requerido que lı́mt→∞ t px = 0.
(τ) (τ) ( j)
Mientras que 0∞ µx (t)dt = ∞ donde µx (t) = ∑mj=1 µx (t) por lo que
R
retiren durante el año, respectivamente, dado que los empleados están expues-
tos a los riegos de ambos tipos al mismo tiempo. Si fuéramos a cambiar las ( j)
podrı́a pasar que 0∞ µx (t)dt < ∞ para algunas j0 s (pero no todas).
R
reglas de retiro tal que nadie pudiera retirarse antes de los 65 años de edad, no Raramente tenemos la oportunidad de observar la operación de un sistema de
verı́amos retiros durante el año y la muerte serı́a el único decremento posible supervivencia en el cual una sola causa de decremento actúa. Por ejemplo, en
durante el año. Esto es, no habrı́a competencia de riesgos durante el año. un plan de beneficios a empleados, el retiro, las discapacidades y la separación
Con muerte y retiro ambos actuando sobre los empleados durante el año, voluntaria hacen imposible directamente observar la operación de un modelo
esperamos observar que 20 empleados mueran mientras todavı́a no se retiran. de un solo decremento para mortalidad durante el servicio activo.
La clave esta en darse cuenta que si el retiro es removido como decremento,
entonces debemos esperar que más de 20 empleados mueran. Esto es porque
tenemos más empleados expuestos al riesgo de muerte durante al año, desde 3.3.1. Relaciones básicas
que los otros 300 que en otro caso se habrı́an retirado están permaneciendo Las siguientes relaciones no son aproximaciones. Están basadas en la defini-
en el empleo y ası́ tienen una oportunidad más grande de morir mientras son ción de una tabla asociada de decremento aislado y requerimos que se cumplan
empleados. En otras palabras, la muerte tiene más oportunidades de “eliminar” en cualquier método de construcción de una tabla de decrementos múltiples a
empleados y observaremos más muertes de empleados. partir de un conjunto de tasas absolutas de decremento.
La probabilidad más alta de muerte en la ausencia de otros decrementos (i.e.
0 (1)
la ausencia de riesgos en competencia) es denotado por qx y es llamada tasa  Z th i 
absoluta de muerte. (τ) (1) (2) (m)
t px = exp − µx (s) + µx (s) + · · · + µx (s) ds
Si ninguna otra causa de decremento esta operando entonces estamos tra- 0
m (3.24)
tando con un modelo de decremento aislado, como el de muerte estudiado en 0 ( j) 0 (k)
= ∏ t px ≤ t px , k = 1, . . . , m
MASPI. 0 (1) j=1
(1)
Por los razonamientos anteriores, uno esperarı́a que qx ≥ qx como se
demostrará en (3.3.1). 0 ( j) (τ) 0 ( j) ( j) (τ) ( j)
por lo tanto, t px ≥ t px ⇒ t px µx (t) ≥ t px µx (t)
En el caso general, para cada una de las causas de decremento reconocidas
en un modelo de decremento múltiple, es posible definir un modelo que de- 0 ( j)
Z 1 0 ( j) ( j)
Z 1
(τ) ( j) ( j)
pende solamente de una causa de decremento. Definimos un modelo asociado ⇒ qx = t px µx (t)dt ≥ t px µx (t)dt = qx (3.25)
0 0

27
 2. Los decrementos aislados tienen una distribución uniforme en cada año
En lo siguiente analizamos las consecuencias de suponer una fuerza cons- de edad [x, x + 1] (Sección 3.4.2).
tante de falla y una distribución uniforme para el número de salidas por el
decremento ( j) en el intervalo de edad [x, x + 1). 3.4.1. Supuesto de distribución uniforme en el Modelo de
Decremento Múltiple
3.4. Construcción de una tabla de decremento Ahora supongamos que el decremento j ∈ {1, . . . , m} y el total de los decre-
mentos tienen una distribución uniforme de decremento sobre el intervalo de
múltiple edad [x, x + 1):
La construcción de un modelo de decremento múltiple es mejor si los datos, ( j) ( j)
t qx = tqx , 0 ≤ t < 1 (3.26)
incluyendo la edad y la causa de decremento para la población bajo estudio,
( j) (τ) (τ)
pueden ser usados para estimar directamente las probabilidades qx 4 . Los t qx = tqx , 0 ≤ t < 1 (3.27)
planes de beneficios a empleados grandes pueden tener tales datos. Para otros ( j) ( j)
(τ) ( j) ( j) ( j)
planes, tales datos frecuentemente no están disponibles y una alternativa es por lo que t px µx (t) = qx y µx (t) = qx(τ) = qx (τ) , entonces
t px 1−tqx
construir el modelo a partir de tasas asociadas de decremento aislado que se
suponen apropiadas para la población bajo estudio. La adecuación del modelo
 Zs 
0 ( j) ( j)
debe ser probada comparando con los datos que al paso del tiempo se vuelven s px = exp − µx (t)dt
0
disponibles. " Z
( j)
#
s q
Una vez que tablas asociadas de un solo decremento son seleccionadas, los x
= exp − dt
resultados de la Sección 3.3 para completar la construcción de la tabla de decre- 0 1 − tq(τ) x
0 ( j) " # (3.28)
mento múltiple. La disponibilidad de px , j = 1, . . . , m y para todos los valores ( j)
qx (τ)
(τ) (τ) (τ)
de x, permitirá el cálculo de px con (3.24) y de qx con qx = 1 − px . El
(τ) = exp (τ) ln(1 − sqx )
(τ) ( j) qx
paso que falta es descomponer qx en qx para j = 1, . . . , m.  ( j) (τ)
(τ) qx /qx

Para resolver este problema, un enfoque es suponer una distribución para los = s px
tiempos de decremento dentro de cada año de edad, y como es usual, será la
distribución uniforme aunque los cálculos para otras distribuciones como la de con s = 1 la ecuación anterior es igual a
la fuerza constante también se pueden realizar:  0 
( j)
( j) (τ) ln px
0 ( j) (τ) qx /qx
 
( j)
px = px ⇒ qx =   q(τ)
x (3.29)
1. Los decrementos tienen una distribución uniforme en cada año de edad (τ)
ln px
[x, x + 1] dentro del modelo de decremento múltiple (Sección 3.4.1).
0 (k) 0 (k)
4 Por ejemplo, con los estimadores lı́mite-producto de Kaplan-Meier que se estudian en
por lo que a partir de px = 1 − qx , k ∈ {1, . . . , m} ya somos capaces de
( j)
Estadı́stica III. calcular qx .

28
3.4.2. Supuesto de distribución uniforme en cada Modelo de 3.5. Ejercicios
Decremento Aislado
0 ( j)
1. Consider a situation with three causes of decrement: mortality, disability,
(τ)
La ecuación (3.29) no se puede usar si px o px son igual a cero. Una and withdrawal. Assume mortality and disability are uniformly distributed
alternativa es suponer distribuciones del decremento en la tabla asociada de in each year of age in the associated single decrement tables with absolute
0 (1) 0 (2)
decremento aislado en vez de supuestos acerca de las probabilidades de decre- rates of qx and qx , respectively. Also assume that withdrawals occur
0 (3)
mento múltiple como en la Sección 3.4.1. Primero examinamos un supuesto only at the end of the year with an absolute rate of qx .
de distribución uniforme del decremento (en cada año de edad) en las tablas
asociadas de decremento aislado. Restringimos nuestra atención a situaciones Give formulas for the probabilities of decrement in the year of age x to
con tres decrementos, pero el método y las fórmulas fácilmente se extienden x + 1 for the three causes.
para m > 3:
2. In a double decrement table:
(τ) (τ)
0 ( j) 0 ( j) a) l30 = 1000, l32 = 472
t px = 1 − tqx , j = 1, 2, 3; 0 ≤ t ≤ 1 (3.30) 0 (1) 0 (2)
0 ( j) ( j) d  0 ( j)
 0 ( j) b) q30 = 0.1, q30 = 0.3
t px µx (t) = −t px = qx (3.31) (1)
dt c) 1| q30 =0.075
y se sigue que (2)
Calculate q31 .
Z 1
(1) (τ) (1)
qx = t px µx (t)dt 3. Don, age 50, is an actuarial science professor. His career is subject to two
0
Z 1 decrements:
0 (1) (1) 0 (2) 0 (3)
= t px µx (t)t px t px dt
0 a) Decrement 1 is mortality. The associated single decrement table fo-
Z 1 (3.32)
0 (1) 0 (2) 0 (3) llows De Moivre’s law with ω= 100.
= qx (1 − tqx )(1 − tqx )dt
0  b) Decrement 2 is leaving academic employment, with
0 (1) 1 0 (2) 0 (3) 1 0 (2) 0 (3)
= qx 1 − (qx + qx ) + qx qx (2)
2 3 µ50 (t) = 0.05,t ≥ 0
(2) (3)
las fórmulas para qx y qx se obtienen de manera similar y son Calculate the probability that Don remains an actuarial science professor
  for at least five but less than ten years.
(2) 0 (2) 1 0 (1) 0 (3) 1 0 (1) 0 (3)
qx = qx 1 − (qx + qx ) + qx qx (3.33) 4. (50) is an employee of XY Z Corporation. Future employment with XY Z
2 3
0 (3)

1 0 (1) 0 (2) 1 0 (1) 0 (2)
 follows a double decrement model:
(3)
qx = qx 1 − (qx + qx ) + qx qx (3.34)
2 3 a) Decrement 1 is retirement

29
 b) 
(1) 0.00 0≤t ≤5
µ50 (t) =
0.02 t >5
c) Decrement 2 is leaving employment with XY Z for all other causes.
d) 
(2) 0.05 0≤t ≤5
µ50 (t) =
0.03 t >5
e) If (50) leaves employment with XY Z, he will never rejoin XY Z.

Calculate the probability that (50) will retire from XY Z before age 60.

5. For a double decrement table, you are given:

0 (1)
a) qx = 0.2
0 (2)
b) qx = 0.3
c) Each decrement is uniformly distributed over each year of age in the
double decrement table.
(1)
Calculate 0.3 qx+0.1 .

30
Capı́tulo 4

Los Beneficios Adicionales y Tipos Especiales de Seguros

Este capı́tulo es un resumen del Capı́tulo 11 de [2] y de [5], y 14 de [4]. 4.1. Primas Netas Únicas de Seguros
Hasta el momento ya sabemos calcular probabilidades de “sobrevivir” a to-
dos los decrementos o de que ocurra algún decremento dentro de un periodo de Las aplicaciones actuariales de los modelos de decremento múltiple se dan
tiempo. En este capı́tulo aprenderemos a calcular valores presentes actuariales cuando el monto de pago de beneficio depende del modo de salida del grupo
de seguros que pagan una suma asegurada determinada por el momento en que ( j)
de las personas activas. Sea Bx+t el monto del beneficio a la edad x + t pagable
ocurre la falla y por su causa.
en dicha edad cuando la causa de salida es j. En este caso, el valor presente
Los modelos de decrementos múltiples nos dan un marco para estudiar mu-
actuarial de los beneficios, denotado en general por Ā, es
chos sistemas financieros de protección, por ejemplo:
m Z ∞
• Las pólizas de seguros de vida frecuentemente proveen beneficios adicio- ( j) (τ) ( j)
Ā = ∑ Bx+t vt t px µx (t)dt (4.1)
nales si la muerte ocurre accidentalmente o si el asegurado queda inválido.
j=1 0
• En los planes privados de pensiones, los participantes pueden ser un grupo
de empleados de un solo empleador o pueden ser empleados de un grupo (1)
Si m=1 y Bx+t = 1, Ā se reduce a Āx , el valor presente actuarial de un seguro
de empleadores que se ocupan de actividades similares. Un plan, hasta el “vitalicio” con pago al momento de la ocurrencia del decremento de una suma
retiro del participante, tı́picamente provee pensiones por la edad y el tiem- asegurada 1.
po de servicio, o por invalidez. En caso de salida de la entidad que otorga Como ejemplo tenemos la provisión de doble indemnización, la cual esta-
el plan de pensiones puede haber un reembolso de las contribuciones acu- blece que el beneficio de muerte es duplicado cuando es provocada por causas
muladas del participante o una pensión diferida. Para la ocurrencia de la accidentales. Sean J = 1 y J = 2 que significan muerte por causas accidentales
muerte antes de otras contingencias, puede haber un pago único (lump (1) (2)
y muerte por otras causas, respectivamente, y sea Bx+t = 2 y Bx+t = 1. El valor
sum) o una anualidad pagable al beneficiario. Los pagos para solventar presente actuarial para un seguro temporal n años esta dado por
los costos de los beneficios son llamados contribuciones, no primas como
en seguros, y son pagadas en diferentes proporciones por los participantes Z n
(τ) (1)
Z n
(τ) (2) (1) (2)
t
y el patrocinador del plan. Ā = 2 v t px µx (t)dt + vt t px µx (t)dt = 2Ā1 + Ā1 (4.2)
0 0 x:n| x:n|

31
y una manera más simplificada de escribir lo anterior es Las primas arriba calculadas son de la forma
(1)
Ā = Ā1 + Ā1 (4.3) VPA de los Beneficios
x:n| x:n| Prima Periódica =
VPA de la correspondiente anualidad
donde Ā1 es el valor presente actuarial de un seguro temporal n años que paga
x:n|
1 al momento de la muerte sin importar cual fue la causa (accidental o no).
4.3. Beneficios por Invalidez con el Seguro de Vi-
4.2. Primas Netas Periódicas de Seguros da Individual
Las primas periódicas o de beneficio (benefit premiums) se calculan apli- Los beneficios por invalidez 2 se encuentran comúnmente en seguros de vida
cando el principio de equivalencia. Como ejemplo, considera una póliza de individual. La disposición de este beneficio puede ser a través de: 1) La dis-
un seguro vitalicio totalmente discreto emitida para (x) con provisión de do- pensa 3 de las primas del seguro de vida durante los periodos de invalidez, o
ble indemnización. Es común que la provisión de la doble indemnización sea 2) Un ingreso mensual, algunas veces relacionado a la suma asegurada, si la
aplicable solo antes de la edad 65 (en el caso de los Estados Unidos de Norte- invalidez ocurre. El modelo de decremento múltiple es útil para el estudio de
américa). El beneficio es 1 por muerte no accidental y 2 por muerte accidental. estas disposiciones.
Se separá esta póliza es dos partes para el cálculo de la prima. Primero calcu- La cláusula usual de invalidez provee un beneficio para invalidez total. La
lamos la prima para el beneficio de 1 sin importar la causa de la muerte: invalidez total puede requerir una invalidez grave suficiente para impedir cual-
(τ) (τ) quier ocupación remunerada, o se puede requerir la incapacidad para trabajar
k+1
(τ) ∑∞
k=0 v k px qx+k por su propia cuenta. La invalidez total que ha sido continua por un periodo
Px = (τ)
(4.4)
∑∞ k de tiempo especificado en la póliza, llamado el periodo de eliminación o es-
k=0 v k px
pera (waiting or elimination period), califica al asegurado para recibir el pago
Segundo, calculamos la prima para pagar la doble indemnización. Nota que
de los beneficios. El periodo de espera puede ser 1, 3, 6 o 12 meses. En las
este beneficio solo podrı́a pagarse hasta edad 65, ası́ que las primas son pagadas
pólizas con dispensa de prima, es común hacer los beneficios retroactivos, es
solo hasta la edad 64 (porque las primas son anticipadas)1 :
decir, reembolsar cualquier prima pagada por el asegurado durante el periodo
(τ) (2) de espera. La cobertura es solamente por invalidez que ocurre antes de una
(2) ∑64−x
k=0 v
k+1 p q
k x x+k
65−x Px = (4.5) edad de expiración del beneficio de invalidez, tı́picamente 60 o 65 años (que
(τ)
∑64−x k
k=0 v k px coinciden con las edades de retiro). Sin embargo, los beneficios en forma de
donde (2) significa muerte accidental. La prima a pagar por este seguro es una anualidad, ya sea un ingreso por invalidez o como una dispensa de primas,
(τ) (2) a menudo continuarán a una edad mayor, tı́picamente la fecha de vencimiento
Px + 65−x Px al inicio de cada uno próximos 65 − x años mientras (x) se
(τ) de la póliza de seguro de vida.
encuentre con vida y después solo Px si (x) sigue con vida.
1 La 2 La invalidez es una situación de imposibilidad para realizar algún o todo tipo de trabajo.
prima adicional o extra se paga únicamente por el tiempo en que el beneficio ”tiene
valor” (podrı́a pagarse). 3 Eximir o disculpar de una obligación

32
4.3.1. Beneficios de Ingresos por Invalidez 2. Consider a five-year endowment insurance, with gross annual premiums
and annual expenses paid at the beginning of each year and benefits paid at
El valor presente actuarial de un beneficio de ingreso por invalidez de 1,000 the end of the year. The contingent benefit is 1000 for failure (Decrement
por mes para (x) cuya cobertura expira a la edad y y con ingresos corriendo 1) within the five-year period, or at time t = 5 if failure has not previously
hasta la edad u. Asumimos que el periodo de espera es m meses. occurred. A withdrawal benefit (Decrement 2) will be paid in the event
Z y−x of withdrawal from the plan at the end of any of the first four years. All
(τ) (invalidez)
Ā = vt t px × µx (t)vm/12 m/12 pi[x+t] parameters values for the insurance are shown in the following table:
0 (4.6)
(12)i
× (12, 000ä )dt
[x+t]+m/12:u−x−t−m/12| Year k 1 2 3 4 5
Percent-of-Premium Expense 0.05 0.05 0.05 0.05 0.05
(12)i
El superı́ndice i en m/12 pi[x+t] y ä indica la probabilidad Constant contract expense 30 30 30 30 30
[x+t]+m/12:u−x−t−m/12|
de supervivencia para una persona inválida. Failure benefit amount 1000 1000 1000 1000 1000
Withdrawal benefit amount 50 100 300 600 0
Endowment benefit amount 0 0 0 0 1000
(1)
4.4. Ejercicios qx+k−1
(2)
0.02 0.03 0.04 0.05 0.06
qx+k−1 0.30 0.20 0.20 0.10 0.00
1. A five-year bond, issued at time 0, faces de decrements of (1) Default, (2) (τ)
qx+k−1 0.32 0.23 0.24 0.15 0.06
Call (i.e., pre-payment), and (3) Maturity. (τ)
px+k−1 0.68 0.77 0.76 0.85 0.94
The probabilities of decrement by year and cause are shown in the follo-
wing table: All cash flows are discounted at annual interest rate 6 %.

Year Default Call Maturity a) Find the expense-augmented annual premium using the equivalence
(1) (2) (3) principle.
k qk−1 qk−1 qk−1
1 0.02 0.03 0.00 b) Find de expense-augmented contract reserve t V G for t = 3
2 0.02 0.04 0.00
3 0.02 0.05 0.00 3. For a special whole life insurance:
4 0.02 0.06 0.00
a) The benefit for accidental death is 50,000 in all years.
5 0.02 0.00 0.98
b) The benefit for non-accidental death during the first 2 years is return
of the single benefit premium without interest.
A guarantor has contracted to pay 1000 at the end of the year of default
if default occurs, and nothing otherwise. Find the APV of this contingent c) The benefit for non-accidental death after the first 2 years is 50,000.
payment contract using an annual interest rate of 6 %. d) Benefits are payable at the moment of death.

33
 (1)
e) Force of mortality for accidental death: µx (t) = 0.01, t ≥ 0 6. A life, aged 45, purchases a twenty-year term life insurance policy with a
(2) benefit of $ 10,000 payable at the moment of death, covering death from
f ) Force of mortality for non-accidental death: µx (t) = 2.29, t ≥ 0 (1)
heart-related illnesses. Asume that δ = 0.08, µx (t) = 0.02, where (1)
g) δ = 0.10 (2)
indicates death from heart-related illnesses, and µx (t) = 0.04, where (2)
indicates death from all other causes. Determine the actuarial present va-
Calculate the single benefit premium for this insurance. lue of the benefit for this policy.

4. A special whole life insurance on (x) pays 10 times salary if the cause of
death is an accident and 500 000 for all other causes of death. You are
given:
(τ)
a) µx (t) = 0.01, t ≥ 0
(accident)
b) µx (t) = 0.001, t ≥ 0
c) Benefits are payable at the moment of death.
d) δ = 0.05
e) Salary of (x) at time t is 50000e0.04t , t ≥ 0.
Calculate the actuarial present value of the benefits at issue.
5. A worker has become disabled as a result of an occupational disease. The
workers compensation laws of state X specify that, in addition to disability
benefits, the worker’s estate will receive a lump sum payment of $50,000
at the time of her death if the worker dies as a result of the occupational
disease. Given the following, determine the actuarial present value of this
death benefit.
(1)
a) The force of mortality for death as a result of the disease (µx (t))
equals 0.02
(2)
b) The force of mortality for death from all other causes (µx (t))
equals 0.015
c) The force of interest (δ ) equals 0.05
7. Harold has been disabled and will begin receiving disability payments.
You are given
a) The discount factor is v = 0.95
(recovery)
b) The hazard function for recovery is µ62+t = 0.1(3 − t)
(death)
c) The hazard function for death is µ62+t = 0.1t
d) Payments of $ 10,000 begin today, his 62nd birthday
e) On every birthday up to and including his 65th, he will receive $
10,000 as long as he has not recovered or died.
f ) There will be no payments made beyond his 65th birthday
Calculate the present value of Harold’s expected disability payments.
8. XYZ paper Mill purchases a 5-year special insurance paying a benefit in
the event its machine breaks down. If the cause is minor (1), only a repair
is needed. If the cause is major (2), the machine must be replaced. You
are given
a) The benefit for cause (1), is 2,000 payable at the moment of break-
down.
b) The benefit for cause two is 500,000 payable at the moment of break-
down.
c) Once a benefit is paid, the insurance contract is terminated.
d) µ (1) (t) = 0.100 and µ (2) (t) = 0.004 for t > 0.
e) δ = 0.04

34
Calculate the actuarial present value of this insurance.

35
Capı́tulo 5

Nociones de Riesgos Colectivos para uno y varios periodos

Una noción es un conocimiento elemental, por lo que en este capı́tulo se el periodo bajo estudio.
harán afirmaciones sin demostración a reserva de que el alumno revisará las
pruebas en sus cursos de Matemáticas Actuariales del Seguro de Daños y S = X1 + X2 + · · · + XN (5.1)
Teorı́a del Riesgo.
A fin de hacer “manejable” al modelo, usualmente se hacen dos supuestos:

1. X1 , X2 , . . . son variables aleatorias idénticamente distribuidas

5.1. Modelos de Riesgo Colectivo para un periodo 2. Las variables aleatorias N, X1 , X2 , . . . son mutuamente independientes

Este capı́tulo esta basado en los Capı́tulos 12 y 13 de [2].

En este tema regresamos al seguro a corto plazo (tradicionalmente menor o 5.1.1. La distribución de los reclamos agregados
igual a un año) donde ignoramos el efecto del interés ya que las primas pagadas Sea P(x) la función de distribución común de las Xi0 s (que son independien-
por este tipo de seguros se encuentran invertidas por muy poco tiempo, y por tes e idénticamente distribuidas). Sea X una variable aleatoria con función de
lo tanto, generan una cantidad pequeña de intereses que se puede acabar por distribución P(x). Sean
las comisiones de los intermediarios financieros, prácticamente da lo mismo
invertir las primas que no invertirlas. • pk el k-ésimo momento alrededor del origen (pk = E[X k ])
En el Modelo de Riesgo Colectivo (Collective Risk Model) suponemos un
• MX (t) la función generadora de momentos de X (MX (t) = E[etX ])
proceso aleatorio que genera los reclamos en un portafolio de pólizas (del mis-
mo tipo de seguro). La formulación matemática de este modelo es: N denota la • MN (t) la función generadora de momentos del número de reclamos N
variable aleatoria número de reclamos producidos por un portafolio de pólizas (MN (t) = E[etN ])
en un periodo de tiempo determinado (se le conoce como frecuencia), Xi es la
variable aleatoria monto del i-ésimo reclamo (se conoce como severidad) y S • MS (t) la función generadora de momentos del agregado de reclamos S
es la variable aleatoria reclamos agregados generados por el portafolio durante (MS (t) = E[etS ])

36
 • FS (s) la función de distribución del agregado de reclamos donde cuando n = 0 en la notación para la convolución

Aplicando los supuestos 1 y 2, y los resultados:1 ∗0 1 si x ≥ 0
P (x) =
0 si x < 0
• Sean Y y Z vectores aleatorios independientes y g(Y, Z) ∈ R, enton-
Si la distribución del monto de reclamos individuales es discreta con función
ces, E[g(Y, Z)|Z = z] = E[g(Y, z)|Z = z] = E[g(Y, z)] y E[g(Y, Z)|Z] =
de probabilidad p(x) = P(X = x), la distribución del agregado de los reclamos
E[g(Y, z)] ◦ Z
es también discreta. La función de probabilidad de S puede ser obtenida como:
• Var(W ) = Var(E[W |V ]) + E[Var(W |V )] ∞
fS (x) = P[S = x] = ∑ P[S = x, N = n]
se obtiene: n=0
∞
E[S] = E[E[S|N]] = E[p1 N] = p1 E[N] (5.2)
= ∑ P[S = x|N = n]P[N = n]
Var(S) = E[Var(S|N)] +Var(E[S|N]) n=0
(5.6)
∞
= E[NVar(X)] +Var(p1 N) (5.3) = P[X1 + · · · + Xn = x|N = n]P[N = n]
∑
= E[N]Var(X) + p21Var(N) n=0
∞
MS (t) = E[etS ] = E[E[etS |N]] = ∑ p∗n(x)P[N = n]
n=0
= E[(MX (t))N ] = E[eN ln(MX (t)) ] (5.4)
donde 
= MN [ln MX (t)] ∗0 0 si x 6= 0
p (x) =
Para obtener la función de distribución de S, realizamos una partición por el 1 si x = 0
número de eventos que ocurren y aplicamos la Ley de las Probabilidades Tota- Si la distribución del monto de los reclamos es continua, no se puede con-
les: cluir que la distribución de S sea continua. Si P(N = 0) > 0, la distribución
∞
de S será del tipo mixto; esto es, tendrá una masa de probabilidad en cero y
FS (x) = P[S ≤ x] = ∑ P[S ≤ x, N = n] será continua en el resto del dominio.
n=0
∞
= ∑ P[S ≤ x|N = n]P[N = n] 5.1.2. Selección de las Distribuciones Básicas
n=0
∞ (5.5) En lo que sigue, seleccionaremos la distribución del número de reclamos N
= ∑ P[X1 + · · · + Xn ≤ x|N = n]P[N = n] y de la distribución común de las Xi0 s.
n=0
∞
La distribución de N
= ∑ P∗n(x)P[N = n]
n=0 • N tiene una distribución Poisson de parámetro λ > 0 si P(N = n) =
λ n e−λ +
n! , n ∈ Z ∪ {0}; se puede probar que E[N] = Var(N) = λ y MN (t) =
1 Estos se demuestran en Probabilidad II.

37
 t
eλ (e −1) ; aplicando las ecuaciones (5.2), (5.3) y (5.4), respectivamente, se Hay varias situaciones en que esto podrı́a ser un camino útil para la distri-
obtiene bución de N. Por ejemplo, considera una población de asegurados donde
varias clases de asegurados dentro de la población generan números de
E[S] = λ p1 (5.7) reclamos de acuerdo a distribuciones Poisson con diferentes valores de λ
Var(S) = λ (p2 − (p1 ) 2
) + p21 λ = λ p2 (5.8) para las varias clases. Si la función de densidad de probabilidades de Λ la
log(MX (t)) −1) denotamos por u(λ ), aplicamos la Ley de las Probabilidades Totales para
MS (t) = eλ (e = eλ (MX (t)−1) (5.9) obtener:
Z ∞ −λ n
e λ
Z ∞
Con esta elección de distribución para N, se dice que S tiene una distribu- P(N = n) = P(N = n|Λ = λ )u(λ )dλ = u(λ )dλ (5.13)
0 0 n!
ción Poisson compuesta (sin importar la elección de la distribución de las
Xi ’s). Además
E[N] = E[E[N|Λ]] = E[Λ] (5.14)
• Cuando la varianza del número de reclamos excede su media, la distribu-
Var(N) = E[Var(N|Λ)] +Var(E[N|Λ]) = E[Λ] +Var(Λ) (5.15)
ción Poisson no es apropiada. En esta situación, es más conveniente el uso t
de una distribución cuya varianza sea mayor a su media, como la distri- MN (t) = E[etN ] = E[E[etN |Λ]] = E[eΛ(e −1) ] = MΛ (et − 1) (5.16)
bución
binomial negativa cuya función de probabilidades es P(N = n) =
r+n−1 r n Comparando (5.14) y (5.15) se concluye que distribuciones de este tipo
n p q , n ∈ {0, 1, 2, . . . } donde r > 0, 0 < p < 1, q = 1 − p. Se puede
p pueden ser aplicadas cuando los datos observados sugieren que Var(N) >
probar que E[N] = rq/p, Var(N) = rq/p2 y MN (t) = ( 1−qe r
t ) ; aplicando
E[N].
las ecuaciones (5.2), (5.3) y (5.4), respectivamente, se obtiene
rq La distribución del monto de los reclamos individuales
E[S] =p1 (5.10)
p
Según (5.5), las convoluciones de la distribución del monto de los recla-
rq rq rq rq2 mos individuales puede ser requerida. Ası́, cuando sea posible, es conveniente
Var(S) = (p2 − (p1 )2 ) + p21 2 = p2 + 2 p21 (5.11)
p p p p seleccionar aquella distribución de una familia de distribuciones cuyas convo-
p
MS (t) = [ ]r (5.12) luciones puedan ser calculadas ya sea por fórmula o numéricamente. Por ejem-
1 − qMX (t) plo, si el monto de los reclamos tiene una distribución normal con media µ y
varianza σ 2 , entonces su n-ésima convolución es la distribución normal con
Cuando N tiene distribución binomial negativa, la distribución de S se
media nµ y varianza nσ 2 , sin embargo, para casi todos los tipos de seguros,
llama distribución binomial negativa compuesta (sin importar la elección
la variable aleatoria monto de los reclamos es positiva, y su distribución esta
de la distribución de las Xi ’s).
sesgada a la derecha, caracterı́sticas que no tiene la distribución normal. Para
• Una familia de distribuciones para el número de reclamos puede ser ge- estos seguros podriamos elegir una distribución gama que si tiene estas propie-
nerada suponiendo que el parámetro Poisson Λ es una variable aleatoria dades. La n-ésima convolución de una distribución gama2 con parámetros α y
con función de densidad de probabilidades u(λ ), λ > 0 y que la distri- 2 Hay varias parametrizaciones de la función de densidad gama, en nuestro caso, usamos
β α α−1 −β x
bución condicional de N, dado que Λ = λ , es Poisson con parámetro λ . f (x) = Γ(α) x e , x > 0, α > 0, β > 0 y su función generadora de momentos es ( ββ−s )α , s <

38
β es también una distribución gama con parámetros nα y β . 5.1.3. Aproximación a la Distribución de los Siniestros Agre-
Si el monto de los reclamos tiene una distribución exponencial con paráme- gados
tro 1, la función de densidad de probabilidades esta dada por
Aproximación con la Distribución Normal
p(x) = e−x , x > 0
Los siguientes resultados son versiones del Teorema Central del Lı́mite:
Esta es la distribución gama con α = β = 1, entonces su n-ésima convolu-
ción es una distribución gama con parámetros α = n, β = 1: 1. Si S tiene una distribución Poisson compuesta, especificada por λ y P(x),
entonces la distribución de
x n−1 e−x
p∗n (x) = ,x > 0 (5.17) S − λ p1
(n − 1)! Z= p (5.20)
λ p2
Para obtener una expresión para P∗n (x), realizamo una integración por partes
n veces como sigue: converge a la distribución normal estándar cuando λ → ∞.
2. Si S tiene una distribución binomial negativa compuesta, especificada por
Z ∞ n−1 −y
y e r, p y P(x), entonces la distribución de
1 − P∗n (x) = dy
x (n − 1)! S − r(q/p)p1
yn−1 −y ∞
Z ∞ n−2 −y
y e Z =q (5.21)
=− e |x + dy r(q/p)p2 + r(q2 /p2 )p21
(n − 1)! x (n − 2)!
n−1 (5.18) converge a la distribución normal estándar cuando r → ∞.
x −x ∗(n−1)
= e + [1 − P (x)]
(n − 1)! Demostración (de (5.20))3
n−1 i
−x x S − λ p1
··· = e ∑ i! MZ (t) = E[exp( p t)]
i=0 λ p2
 p   
Por lo que aplicando (5.5):
p
= MS t/ λ p2 exp −λ p1t/ λ p2 (5.22)
∞ n−1 i
x !
1 − FS (x) = ∑ P[N = n]e−x ∑ i! , x > 0 (5.19)
= exp λ [MX (p
t λ p1t
) − 1] −p
n=1 i=0 λ p2 λ p2
Esta distribución exponencial muestra que aún con distribuciones “simples”,
La serie de Taylor, alrededor del cero, para la función generadora de momentos
la distribución de los reclamos agregados no necesariamente tiene una forma
es:
“simple”. Por lo tanto, puede ser más práctico seleccionar una distribución p1t p2t 2
discreta o discretizar una continua para el monto de los reclamos y calcular MX (t) = 1 + + +··· (5.23)
1! 2!
las convoluciones numéricamente. En Teorı́a del Riesgo se profundiza en estos
3 Esta demostración solo es válida si existe la función generadora de momentos de Z y en
temas con la fórmula De Pril y el algoritmo de Panjer.
cuyo caso se dice que Z es de cola ligera. La demostración general se tendrı́a que hacer con la
β función caracterı́stica.

39
 p
y sustituyendo (5.1.3) en (5.22) (con t/ λ p2 en lugar de t), obtenemos entonces para cualquier x0 definimos una función de distribución nueva, deno-
p p ! tada por H(x : α, β , x0 ) como
p1t/ λ p2 p2 (t/ λ p2 )2 λ p1 t
MZ (t) = exp λ [1 + + + · · · − 1] −p H(x : α, β , x0 ) = G(x − x0 : α, β ) (5.26)
1! 2! λ p2
p p ! Esto representa una traslación de la distribución G(x : α, β ) por x0 . La va-
p2 (t/ λ p2 )2 p3 (t/ λ p2 )3 riable aleatoria asociada a la nueva función de distribución tiene soporte en
= exp λ [ + +···]
2! 3! (x0 , ∞).
! Aproximamos la distribución de los reclamos agregados S por una distribu-
t2 p3t 3 ción gama trasladada donde los parámetros α, β y x0 son seleccionados igua-
= exp + √ +···
2 6 λ p3/2 lando el primer, segundo y tercer momentos de S con las correspondientes
2
(5.24) caracterı́sticas de la distribución gama trasladada. Desde que los momentos
centrales de la distribución gama trasladada son básicamente los mismos que
2
cuando λ → ∞, MZ (t) → et /2 , la función generadora de momentos de la dis- los de la distribución gama “básica”, este procedimiento impone las restriccio-
tribución normal estándar.  nes
Una distribución normal puede no ser la mejor aproximación a la distribu- α
E[S] = x0 + (5.27)
ción de los reclamos agregados porque la distribución normal es simétrica y β
la distribución de los reclamos agregados es a menudo sesgada. 4 Se puede α
Var(S) = 2 (5.28)
demostrar que 1) si S tiene una distribución Poisson compuesta especificada β
por λ y P(x) entonces su tercer momento central 5 es λ p3 y 2) si S tiene una 2α
E[(S − E[S])3 ] = 3 (5.29)
distribucion binomial negativa compuesta especificada por r, p y P(x), enton- β
ces su tercer momento central es rqp3 /p + 3rq2 p1 p2 /p2 + 2rq3 p31 /p3 ; en los entonces
dos casos anteriores, el sesgo es positivo mientras que el de una distribución Var(S)
normal es cero. β =2 (5.30)
E[(S − E[S])3 ]
[Var(S)]3
Aproximación con Distribuciones Sesgadas α =4 (5.31)
E[(S − E[S])3 ]2
Comenzamos con la distribución gama cuya elección es motivada por el [Var(S)]2
hecho de que esta distribución tiene un tercer momento central positivo al igual x0 = E[S] − 2 (5.32)
E[(S − E[S])3 ]
que la distribución Poisson compuesta y la binomial negativa compuesta. Sea
G(x : α, β ) la función de distribución gama con parámetros α, β ; esto es
Z x α
5.2. Modelos de Riesgo Colectivo para más de un
β
G(x : α, β ) = t α−1 e−βt dt (5.25) periodo
0 Γ(α)
4 El sesgo de una variable aleatoria X es E[(X − E[X])3 ]/(Var(X))3/2 En este tema presentamos modelos matemáticos para las variaciones en el
5 E[(S − E[S])3 ] monto del superávit o excedente (surplus) de un asegurador a largo plazo.

40
 Sean U(t) el superávit al tiempo t (conocido como proceso de superávit),
Figura 5.1: Realización del Proceso de superávit a tiempo continuo, Actuarial
c(t) las primas colectadas hasta el tiempo t (se asume determinista, no es un
Mathematics, p. 400 [2]
proceso estocástico) y S(t) los reclamos pagados agregados hasta el tiempo t
(conocido como proceso de los reclamos agregados). Si u es el superávit al
tiempo 0, entonces el superávit al tiempo t es:

U(t) = u + c(t) − S(t),t ≥ 0 (5.33)

Una realización del proceso del superávit {U(t),t ≥ 0} se muestra en la Fi-

gura 5.1 donde asumimos una tasa constante de prima, c > 0 y no considera-
mos el interés, por lo tanto c(t) = ct en lo que resta del capı́tulo. El proceso
de superávit se incrementa linealmente (con pendiente c) excepto en aquellos
tiempos cuando un reclamo ocurre. En aquel tiempo el superávit disminuye
con magnitud igual al monto del reclamo. Si el superávit inicial u fuera incre-
mentado o disminuido por el monto h, la gráfica de U(t) subirı́a o bajarı́a h
unidades de altura pero se mantendrı́a igual en su forma.
limitado ası́ que un horizonte de planeación podrı́a ser un periodo largo, pero
Como se ilustra en la Figura 5.1, el superávit podrı́a volverse negativo en
finito. Sea
ciertos tiempos. Cuando esto pasa por primera vez, decimos que la ruina ha
ocurrido. Este término tiene sus raı́ces en el problema de la ruina del jugador ψ(u,t) = P(T < t) (5.36)
de la teorı́a de la probabilidad y no es equivalente a la insolvencia del asegu- la probabilidad de ruina antes del tiempo t, sin embargo, solo discutiremos la
rador.6 Una medida útil del riesgo financiero en una organización aseguradora probabilidad de ruina sobre un horizonte infinito, ψ(u), ya que matemática-
se obtiene calculando la probabilidad de ruina como consecuencia de las va- mente es más manejable. Por supuesto, ψ(u) es una cota superior para ψ(u,t).
riaciones en el monto y momentos de los reclamos. Los efectos del interés, gastos, dividendos, etc. no son incluidos en los mo-
Sea delos manejados en este capı́tulo.
T = mı́n{t : t ≥ 0 and U(t) < 0} (5.34)
que denota el tiempo de ruina entendiendo que T = ∞ si U(t) ≥ 0 para toda t. 5.2.1. Modelo a Tiempo Discreto
Sea
ψ(u) = P(T < ∞) (5.35) El proceso de superávit a tiempo discreto se define considerando los valo-
res de U(t) para valores enteros de t y se denota por {Un : n = 0, 1, 2, . . . }.
que denota la probabilidad de ruina como función del superávit inicial u. U(T ) Esto puede ser interpretado como examinar el monto del superávit periódica-
es el superávit negativo al momento de la ruina. Debido a los cambios en el mente, tal como lo hacen los administradores de aseguradoras a quienes se les
mundo de las aplicaciones, el tiempo de vida de la utilidad de un modelo es requiere reportes financieros de las operaciones anual, semestral, trimestral o
6 La insolvencia se presenta cuando la aseguradora es incapaz de pagar sus obligaciones, y mensualmente.

no todas las obligaciones de una aseguradora están representadas en (5.33). Sea Un el superávit del asegurador al tiempo n, n = 0, 1, 2, . . . . Supongamos

41
que La gráfica de e−rc MW (r) (Figura 5.2) se traza asumiendo que 7
Un = u + nc − Sn (5.37)
d
donde u es el superávit inicial, el monto de primas recibidas cada periodo es E[er(W −c) ] = E[(W − c)er(W −c) ]
dr
constante y denotado por c, y Sn es el agregado de los reclamos de los primeros
d2
n periodos. Además suponemos que
2
E[er(W −c) ] = E[(W − c)2 er(W −c) ]
dr
Sn = W1 +W2 + · · · +Wn (5.38)
La primera de estas observaciones muestra que la inclinación en r = 0 es µ − c,
donde Wi es la suma de los reclamos en el periodo i. Inicialmente asumimos que una cantidad negativa, y la segunda muestra que la gráfica es cóncava hacia
W1 ,W2 , . . . son variables aleatorias independientes e idénticamente distribuidas arriba (la primera derivada es creciente). Además, dado que W tiene probabili-
con µ = E[Wi ] < c; posteriormente relajaremos esta restricción. dad positiva para valores en exceso de c, la primera derivada, para r suficiente-
Ası́, podemos escribir Un como mente grande, se convierte en positiva y se mantiene ası́. Ası́, E[er(W −c) ] tiene
un mı́nimo como se indica en la Figura 5.2 y (5.43) tı́picamente tendrá una
Un = u + (c −W1 ) + (c −W2 ) + · · · + (c −Wn ) (5.39) raı́z positiva como se muestra. Esta raı́z positiva es el coeficiente de ajuste, sin
embargo, no existe para todas las distribuciones (de Wi0 s) y valores de c.
Sea
T̃ = mı́n{n : Un < 0} (5.40)
denota el tiempo de la ruina (otra vez entendiendo que T̃ = ∞ si Un ≥ 0 ∀n) y Figura 5.2: Definición de R̃, Actuarial Mathematics, p. 402 [2]
sea
ψ̃(u) = P[T̃ < ∞] (5.41)
la probabilidad de ruina en este contexto. Sea

ψ̃(u,t) = P[T̃ = s, s = 0, 1, . . . ,t] (5.42)

la probabilidad de ruina antes del tiempo t.

Hay una conexión importante entre una cantidad que ahora definimos, el
coeficiente de ajuste (adjustment coefficient), y la probabilidad de ruina. Defi-
nimos el coeficiente de ajuste R̃ como la solución positiva de la ecuación

MW −c (r) = E[er(W −c) ] = e−rc MW (r) = 1 (5.43)

La conexión entre el coeficiente de ajuste y la probabilidad de ruina esta
o la ecuación equivalente dada en el siguiente resultado.8
log MW (r) = rc (5.44)
7 Son las condiciones de regularidad como en Estadı́stica (Clásica) para obtener la Cota
donde W denota una variable aleatoria con la distribución de los reclamos Inferior de Cramér-Rao.
anuales, Wi . 8 Sin demostración ya que es tema de la materia Teorı́a del Riesgo.

42
Teorema 1. Sea Un = u + nc − ∑ni=1 Wi para n = 1, 2, . . . , y W1 ,W2 , . . . mutua- 5.2.2. Modelo a Tiempo Continuo
mente independientes e idénticamente distribuidas con E[Wi ] = µ < c. Para
u > 0, Para un portafolio de pólizas de seguro, sea N(t) el número de reclamos y
exp(−R̃u) S(t) el agregado de los reclamos hasta el tiempo t. Comenzamos el conteo al
ψ̃(u) = (5.45) tiempo 0, por lo que N(0) = 0. Además, S(t) = 0 siempre que N(t) = 0. Sea Xi
E[exp(−R̃UT̃ )|T̃ < ∞]
el monto del i-ésimo reclamo. Entonces:

Desde que UT̃ < 0 por definición, se sigue del Teorema 1 que S(t) = X1 + X2 + X3 + · · · + XN(t) (5.51)

10
ψ̃(u) ≤ exp(−R̃u) (5.46) El proceso estocástico {N(t),t ≥ 0} es conocido como proceso del número
de reclamos, mientras que {S(t),t ≥ 0} es llamado proceso de los reclamos
Ahora encontraremos una aproximación para R̃. Para una variable aleatoria agregados.
X con función generadora de momentos MX (t) sabemos que Sea t ≥ 0 y h > 0. De las definiciones se sigue que N(t + h) − N(t) es el
número de reclamos y S(t + h) − S(t) es el monto agregado de los reclamos que
d
log MX (t)|t=0 = E[X] (5.47) ocurren en el intervalo de tiempo (t,t + h]. Sea Ti el tiempo cuando el i-ésimo
dt reclamo ocurre. Ası́ T1 , T2 , . . . son variables aleatorias tales que T1 < T2 < T3 <
d2
log MX (t)|t=0 = Var(X) (5.48) . . . c.s. para excluir la posibilidad de que dos o más reclamos ocurran al mismo
dt 2 tiempo. El tiempo transcurrido entre entre reclamos sucesivos es denotado por
Por lo tanto, usando la expansión en serie de Maclaurin,9 tenemos: V1 = T1 (5.52)
1 Vi = Ti − Ti−1 , i > 1 (5.53)
log MW (r) = µr + σ 2 r2 + · · ·
2
Unas realizaciones de {N(t),t ≥ 0} y {S(t),t ≥ 0} se presentan en las Figuras
donde σ2
= Var(W ). Si usamos solamente los primeros dos términos de esta 5.3 y 5.4, respectivamente. Nótese que N(t) y S(t) son crecientes en ”pasos”.
expansión en (5.44), obtenemos la aproximación Las discontinuidades están en los tiempos Ti cuando los reclamos ocurren, y el
tamaño de los pasos en estos tiempos son de 1 para N(t) y del correspondiente
2(c − µ) monto del reclamo Xi para S(t). Hay dos maneras de definir la distribución del
R̃ ∼
= (5.49)
σ2 proceso de número de reclamos. Examinaremos dos de ellos:
Además, si W tiene una distribución compuesta y el recargo de seguridad es θ • El método global: Para todo t ≥ 0 y todo h > 0 especificamos la distribu-
dado por c = (1 + θ )µ, entonces ción condicional de N(t + h) − N(t), dados los valores de N(s), s ≤ t.
2θ E[X]E[N] • El método discreto: Especificamos la distribución conjunta de
R̃ ∼
= (5.50)
(p2 − p21 )E[N] + p21Var(N) V1 ,V2 ,V3 , . . . , o equivalentemente, la de T1 , T2 , T3 , . . . .
9 Un serie de Maclaurin es una serie de Taylor de una función alrededor de cero 10 Un proceso estocástico es una colección de variables aleatorias.

43
Figura 5.3: Una Realización del Proceso de Número de Reclamos, Actuarial Figura 5.4: Una Realización del Proceso de Reclamos Agregados, Actuarial
Mathematics, p. 406 [2] Mathematics, p. 407 [2]

La definición por el método global de un proceso Poisson es como sigue:

e−λ h (λ h)k
P[N(t + h) − N(t) = k|N(s), ∀s ≤ t] = , k = 0, 1, 2, . . . , ∀t ≥ 0, h > 0
k!
(5.54)
A partir de esta definición, el proceso Poisson tiene las siguientes propiedades: La definición por el método discreto del Proceso Poisson establece que los
tiempos transcurridos V1 ,V2 ,V3 , . . . son mutuamente independientes y que cada
1. Los incrementos son estacionarios, es decir, la distribución de N(t + h) − uno tiene distribución exponencial con parámetro λ .
N(t), la cual es Poisson con parámetro λ h, depende de la longitud del
La demostración de la equivalencia entre estas dos definiciones se da en el
intervalos pero no de su localización, t.
curso de Procesos Estocásticos I.
2. Para cualquier conjunto de intervalos disjuntos, los incrementos son inde- Ahora definimos el proceso Poisson compuesto en este contexto. Si para
pendientes, es decir, para t1 < t1 + h1 < t2 < t2 + h2 < t3 < · · · < tn + hn los S(t), definida en (5.51), las variables aleatorias X1 , X2 , X3 , . . . son independien-
incrementos N(t1 + h1 ) − N(t1 ), N(t2 + h2 ) − N(t2 ), . . . , N(tn + hn ) − N(tn ) tes e idénticamente distribuidas con función de distribución común P(x), y si
son mutuamente independientes. ellas son también independientes del proceso {N(t),t ≥ 0}, supuesto como un
proceso Poisson, el proceso {S(t),t ≥ 0} se dice que es un proceso Poisson
3. La probabilidad de uno o más reclamos simultáneos es una función o(h),
compuesto.
es decir,
Si el proceso de reclamos agregados es un proceso Poisson compuesto dado
P[N(t + h) − N(t) > 1] 1 − e−λ h − λ he−λ h por λ y P(x), las siguientes propiedades corresponden a las del proceso del
lı́m = lı́m =0
h→0 h h→0 h número de reclamos:

44
 1. Si t ≥ 0 y h > 0, la distribución de S(t + h) − S(t) es Poisson compuesto
con las especificaciones λ h y P(x), esto es,
∞ ∗k
P (x)
P[S(t + h) − S(t) ≤ x|S(s), s ≤ t] = ∑ e−λ h (λ h)k (5.55) para cualquier distribución del monto del reclamo acotada, γ es +∞. Además,
k=0 k!
donde P∗k (x) es la convolución k de la función de distribución P(x).
2. En cualquier tiempo t, la probabilidad de que el próximo reclamo ocurra
en (t + h,t + h + dh] y que el monto del reclamo sea menor o igual a x es
e−λ dh (λ dh)P(x).
3. El proceso {S(t),t ≥ 0} tiene incrementos estacionarios e independientes,
es decir, el agregado de los reclamos de intervalos de tiempo disjuntos son
variables aleatorias independientes, y la distribución de cada uno de estos en consecuencia,
depende solamente de la longitud del correspondiente intervalo de tiempo
y no de su ubicación.
4. Si S(t) denota un proceso Poisson compuesto y el valor de t es fijo, S(t)
tiene una distribución Poisson compuesta con parámetro λt. Las fórmulas
(5.7) y (5.8) nos dan la media y la varianza de S(t)
E[S(t)] = λt p1 (5.56)
Var[S(t)] = λt p2 (5.57)
Probabilidades de Ruina y la Distribución del Monto del Reclamo
El proceso de superávit {U(t),t ≥ 0} puede ser estudiado por su relación,
dada en (5.33), con el proceso de los reclamos S(t). Por lo que resta de este
tema, suponemos que S(t) es un proceso Poisson compuesto. Con este supues-
to podemos desarrollar lı́mites superiores e inferiores para ψ(u). En el caso
particular de una distribución exponencial de reclamos individuales, hay una
expresión explı́cita para ψ(u).
Primero, suponemos que la tasa de recaudación de primas c excede el pa-
go esperado de reclamos por unidad de tiempo (λ p1 ). Además, definimos el
recargo de seguridad θ con la ecuación c = (1 + θ )λ p1 donde θ > 0. β
45
Sea (−∞, γ) el intervalo abierto más grande para el cuál la función genera-
dora de momentos de P(x) existe. Asumimos que γ es positivo. En el caso de
la distribución exponencial con parámetro β ,11 γ es igual a β , mientras que
suponemos que MX (r) tiende a +∞ como r se va a γ.
Considera un periodo de longitud t > 0 donde el monto de las primas re-
caudadas es ct y la distribución del reclamo es Poisson compuesta con número
esperado de reclamos λt. Definimos al coeficiente de ajuste como la más pe-
queña raı́z positiva de
MS(t)−ct (r) = E[er(S(t)−ct) ] = e−rct MS(t) (r)
(5.58)
= e−rct eλt[MX (r)−1] = 1
λ [MX (r) − 1] = cr (5.59)
Sustituyendo c = (1 + θ )λ p1 , tenemos la forma equivalente
1 + (1 + θ )p1 r = MX (r) (5.60)
El lado izquierdo de (5.60) es una función lineal de r, mientras que el lado
derecho es una función creciente positiva la cuál por hipótesis tiende a +∞
como r se va a γ. Además, si la distribución de X cumple con las condiciones
de regularidad, la segunda derivada del lado derecho es positiva, ası́ que su
gráfica es cóncava hacia arriba. El supuesto de que c > λ p1 (equivalente θ >
0), significa que la pendiente, (1 + θ )p1 , del lado izquierdo de (5.60) excede
la pendiente, MX0 (0) = p1 , del lado derecho en r = 0. A partir de la Figura 5.5,
vemos que (5.60) tiene dos soluciones. Aparte de la solución trivial r = 0, hay
una solución positiva r = R, la cuál es definida como el coeficiente de ajuste.
En general, el coeficiente de ajuste es una función creciente del recargo de
seguridad, θ . Esto puede ser visto en la Figura 5.5. Como θ se incrementa, la
pendiente de la lı́nea a través del punto (0,1) se incrementa tal que el punto de
intersección de la lı́nea y de la curva se mueve a la derecha y arriba.
11 Su función de densidad es β e−β x , x > 0 y su función generadora de momentos es β
β −s , s <
 En general, una evaluación “cerrada” del denominador de (5.61) no es posi-
Figura 5.5: La Definición de R, Actuarial Mathematics, p. 410 [2]
ble. Excepciones son el caso u = 0 y el caso donde la distribución del monto del
reclamo es exponencial. Sin embargo, el teorema puede ser usado para derivar
desigualdades. Desde que U(T ), dado que T < ∞, es necesariamente negativo,
el denominador en (5.61) excede 1 y se concluye que

ψ(u) < e−Ru (5.62)

Si la distribución del monto del reclamo es acotada tal que P(m) = 1 para
alguna m finita, se sigue, dado que T < ∞, tal que U(T ) > −m desde que el
superávit justo antes del reclamo debe haber sido negativo.
En consecuencia,

ψ(u) > e−Ru e−Rm = e−R(u+m) (5.63)

Algunos autores sugieren el uso de la aproximación

De manera análoga al Teorema 1, se presenta el siguiente teorema sin de-
mostración (esta se dará con detalle en el curso de Teorı́a del Riesgo). ψ(u) ∼
= e−Ru (5.64)

Teorema 2. Si U(t) es el proceso de superávit basado sobre un proceso de re- la cual sobre-estima la probabilidad de ruina.
clamos agregados Poisson compuesto, S(t), con c > λ p1 , es decir, con recargo
de seguridad positivo, entonces para u ≥ 0,
5.3. Ejercicios
exp(−Ru)
ψ(u) = (5.61)
E[exp(−RU(T ))|T < ∞] 1. (Klugman, [11], p. 207) Under a group dental insurance plan covering
employees and their families, the premium for each married employee
donde R es la raı́z positiva más pequeña de (5.60). is the same regardless of the number of family members. The insurance
company has compiled statistics showing that the annual cost (adjusted to
El denominador es calculado con respecto a la distribución condicional del current dollars) of dental care per person for the benefits provided by the
superávit negativo, U(T ), dado que la ruina ocurre, es decir, T < ∞. plan has the distribution in Table 5.1 (given in units of 25 dollars)
A partir de la Figura 5.5, observamos que si θ → 0, la recta secante aproxima
a la tangente a MX (r) en r = 0, lo cual implica que R → 0. Pero entonces, de Furthermore, the distribution of the number of persons per insurance cer-
(5.61), ψ(u) = 1, o la ruina es cierta. Además, U(t),t > 0, para el caso donde tificate (i.e. per employee) receiving dental care in any year has the distri-
θ < 0, siempre será menor que la correspondiente U(t) para θ → 0, y por lo bution given in Table 5.2
tanto desde que la ruina es cierta para θ = 0, la ruina es cierta también para The insurer is now in a position to calculate the distribution of the cost per
θ < 0. Por estas razones, mantenemos el supuesto de θ > 0. year per married employee in the group. The cost per married employee

46
 is
8

x fX (x) fS (x) = ∑ pn fX∗n(x)

n=0
1 0.150
2 0.200 a) Determine the probability function of S
3 0.250 b) Determine the mean and standard deviation of total payments per
4 0.125 employee (through definition and by E[S] = E[X]E[N] and Var(S) =
5 0.075 E[N]Var(X) + E[X]2Var(N))
6 0.050 c) Calculate P[S > E[S]]
7 0.050
d) Approximate P[S > E[S]] by the normal distribution and a translated
8 0.050
gamma distribution.
9 0.025
10 0.025 2. (Klugman, [11], p. 275) Suppose that annual losses can assume the values
0, 2, 4 and 6 with probabilities 0.4, 0.3, 0.2 and 0.1, respectively. Further
Cuadro 5.1: Loss distribution
suppose that the initial surplus es 2 and a premium of 2.5 is collected
at the beginning of each year. Interest is earned at 10 % on any surplus
available at the beginning of the year because losses are paid at the end of
the year. In addition, a rebate of 0.5 is given in any year in which there are
no losses. 12

n pn a) Determine the probability of ruin at the end of each of the first three
0 0.05 years.
1 0.10 b) Now, determine the probability of ruin at the end of each of the first
2 0.15 three years when the initial surplus is 0 and 4 without changes in the
3 0.20 other parameters.
4 0.25 c) Determine the probability of ruin at the end of each of the first three
5 0.15 years when the interest rate is 0 % and 20 % without changes in the
6 0.06 other parameters.
7 0.03
8 0.01 d) Determine the probability of ruin at the end of each of the first three
years when the premium is 2 and 3 without changes in the other
Cuadro 5.2: Frequency distribution parameters.
12 First
note that the rebate cannot be such that it is applied to the next’s year’s premium.
Doing so would require that we begin the year not only knowing the surplus but also if a
rebate were to be provided.

47
 e) Determine the probability of ruin at the end of each of the first th-
ree years when the rebate is 0 and 1 without changes in the other
parameters.
f ) Conclude about the effect of parameters changes on the probability
of ruin.

3. (Klugman, [11], p. 659, 669 - 682) For a surplus process, claims occur
according to a Poisson process at the rate of two per year. Thus the time
between claims has the exponential distribution with θ = 0.5. Claims have
a Pareto distribution with α=2 and θ = 1000. The initial surplus is 2000
and premiums are collected at a rate of 2200. Ruin occurs any time the
surplus is negative, at which time no further premiums are collected or
claims paid. All simulations are done with the inversion method. For the
time between claims, use 0.83, 0.54, 0.48 and 0.14 as the pseudorandom
numbers. For claim amounts, use 0.89, 0.36, 0.70 and 0.61. Determine the
surplus at time 1.

48
Bibliografı́a

[1] Palacios, H. E., Introducción al Cálculo Actuarial. 2a ed., Editorial Map- [11] Klugman, Stuart et al. Loss Models: From Data to Decisions John Wiley
fre, España 1999. & Sons, EUA, 3a ed., 2008.
[2] Bowers, Newton L. et. al., Actuarial Mathematics. 2a ed., The Society of
Actuaries, EUA, 1997.
[3] Dickson, David et. al., Actuarial Mathematics for Life Contingent Risks.
Cambridge University Press, UK, 2009.
[4] Cunningham, Robin J. et. al., Models for Quantifying Risk. 5a ed., ACTEX
Publications, EUA, 2012
[5] Guo, Yufeng, Arch MLC: Fall 2009. 2009.
[6] Bluhm, William F. Individual Health Insurance ACTEX Publications,
EUA, 2007
[7] Aranda, Oscar et al Matemáticas Actuariales II Facultad de Ciencias -
UNAM (Vı́nculos Matemáticos No. 50), México 2006
[8] Illescas, Amelia Seguro de Gastos Médicos Mayores y su Actualidad en
México México, 2006. Tesis presentada en la Facultad de Ciencias de la
Universidad Nacional Autónoma de México para obtener el tı́tulo de Ac-
tuaria.
[9] Cámara de Diputados del H. Congreso de la Unión, Ley sobre el Contrato
de Seguro, México, 1935 (última reforma en 09/04/2012)
[10] Past SOA/CAS Exam Questions, http://www.soa.org/education/exam-
req/edu-asa-req.aspx

49