Probabilidad de ruina en el modelo binomial compuesto para reclamaciones no convencionales
1. PROBABILIDAD DE RUINA EN EL MODELO BINOMIAL
COMPUESTO PARA RECLAMACIONES NO CONVENCIONALES.
EDWIN JAVIER CASTILLO CARRE ˜NO
20062167010
UNIVERSIDAD DISTRITAL FRANCISCO JOS´E DE CALDAS
FACULTAD DE CIENCIAS Y EDUCACI´ON
PROYECTO CURRICULAR DE MATEM´ATICAS
BOGOT´A D.C.
2013
2. PROBABILIDAD DE RUINA EN EL MODELO BINOMIAL
COMPUESTO PARA RECLAMACIONES NO CONVENCIONALES
EDWIN JAVIER CASTILLO CARRE ˜NO
20062167010
Trabajo de grado para optar al t´ıtulo de matem´atico
Director: M.Sc. Luis Alejandro Masmela Caita
UNIVERSIDAD DISTRITAL FRANCISCO JOS´E DE CALDAS
FACULTAD DE CIENCIAS Y EDUCACI´ON
PROYECTO CURRICULAR DE MATEM´ATICAS
BOGOT´A D.C.
2013
7. INTRODUCCI´ON
El presente trabajo se basa en el estudio del art´ıculo Ruin Probabilities for the
Time Correlated in the Compound Binomial Model, (Guo, 2001) en donde
se propone el c´alculo de f´ormulas recursivas para la probabilidad de ruina en tiempo
finito de dos reclamaciones relacionadas en el tiempo, bajo el supuesto de un modelo
binomial compuesto; el tipo de relaci´on que presentan estas reclamaciones lo hacen
de gran utilidad en las empresas aseguradoras. Se supone que existe una reclamaci´on
principal en cualquier periodo de tiempo y que de esta reclamaci´on principal puede
existir una sobre-reclamaci´on o reclamaci´on subsecuente en el mismo periodo de tiempo
o puede ser retrasada al siguiente periodo de tiempo, estas sobre reclamaciones en el
contexto pr´actico se presenta cuando existen agravantes sobre reclamaciones ya pagadas
o cuando se retrasa la liquidaci´on de una porci´on de la reclamaci´on principal.
Para poder realizar un an´alisis y una reconstrucci´on de los argumentos utilizados por
el autor, es necesario presentar y estudiar conceptos que se recibieron en el transcurso
del pregrado de matem´aticas, como algunos conceptos directamente relacionados con
la teor´ıa de riesgo actuarial los cuales no son com´unmente presentados en el transcurso
de la carrera.
El primer cap´ıtulo trata los conceptos y propiedades principales de los fundamentos
del trabajo y de la teor´ıa de riesgo actuarial como lo son: las funciones generadoras de
probabilidad, las distribuciones compuestas, el modelo de riesgo individual, el modelo
de riesgo colectivo, el modelo binomial compuesto y la definici´on de teor´ıa de la ruina
a tiempo finito.
El segundo cap´ıtulo trata el modelo binomial compuesto para reclamaciones convencio-
nales presentado en (Gerber, 1988) en el que se prueba resultados encontrados en las
referencias del art´ıculo de estudio, dichos resultados son presentados por (Shiu , 1989),
(Dickson, 1994), (Alfredo, 2000) y se relacionan directamente con el c´alculo de f´ormu-
las recursivas para encontrar la probabilidad de ruina en un modelo de riesgo a tiempo
discreto y espec´ıficamente en un modelo binomial compuesto, adem´as se mencionan
los supuestos bajo los cuales est´a sustentado el modelo de inter´es para reclamaciones
relacionadas en el tiempo.
El tercer cap´ıtulo trata el procedimiento para la obtenci´on de f´ormulas recursivas, que
3
8. permiten calcular la probabilidad de ruina para dos reclamaciones relacionadas en el
tiempo bajo el supuesto del modelo binomial compuesto. A partir de la serie geom´etrica,
las funciones de distribuci´on, funciones generadoras de probabilidad y la manipulaci´on
se encuentran las f´ormulas (3.13) y (3.14) encontradas en (Guo, 2001), las cuales dan
el algoritmo recursivo para encontrar probabilidades de ruina en tiempo finito, para el
contexto de dos reclamaciones relacionadas en dos periodos de tiempo consecutivos.
4
9. PLANTEAMINENTO DEL PROBLEMA
La teor´ıa de la ruina ha venido evolucionando para evitar problemas que se presentan
cada d´ıa en las compa˜n´ıas aseguradoras, muchos de los inconvenientes ocurren puesto
que para el estudio de esta teor´ıa es necesario determinar la forma en que se distribuyen
los montos de reclamaci´on, la cantidad de siniestros, la cantidad de primas y el costo
de las mismas; adem´as de esto existen situaciones inesperadas que no entran en las
consideraciones de los modelos matem´aticos, lo cual puede desencadenar en un evento
desfavorable para la compa˜n´ıa.
(Guo, 2001), estudia una situaci´on en la que intervienen reclamaciones relacionadas
en el tiempo, para facilitar el trabajo el autor hace uso del supuesto de un modelo
binomial compuesto propuesto por (Gerber, 1988) y sustentado en dicho ´el se presenta
de manera recursiva el c´alculo de la probabilidad de ruina en tiempo finito para este
tipo de reclamaciones. Teniendo en cuenta que es necesario evitar el evento de ruina en
caso que se tengan reclamaciones relacionadas en el tiempo, se plantea el interrogante:
¿Cu´ales son los procedimientos de tipo matem´atico, estad´ıstico y probabil´ıstico que uti-
liza el autor J.Y. Guo en el art´ıculo “Ruin probabilities for time-correlated claims in
the compound binomial model” para la obtenci´on de las f´ormulas 3.13 y 3.14 las cua-
les permiten calcular la probabilidad de ruina en tiempo finito para dos reclamaciones
relacionadas en dos periodos de tiempo consecutivos?.
5
10. JUSTIFICACI´ON
En el amplio campo que cubren las matem´aticas aplicadas, existen disciplinas poco
exploradas a lo largo del pregrado en matem´aticas, una de estas es la teor´ıa de riesgo
actuarial, dicha disciplina est´a orientada a la gesti´on de negocios con participaci´on
directa en procesos de desarrollo, gerencia, planificaci´on y control en el sector de los
seguros, tal como plantea H.U Gerber quien afirma que “El objeto de la teor´ıa de riesgo
es proporcionar un an´alisis matem´atico de las fluctuaciones aleatorias en los seguros y
discutir los medios de protecci´on contra sus efectos desfavorables.” (Gerber, 1988)
La teor´ıa de riesgo actuarial est´a sustentada en distintas ramas de la matem´atica como
lo son: la probabilidad, el an´alisis num´erico y la estad´ıstica. Es la teor´ıa de la ruina
una de las tem´aticas de estudio donde m´as se evidencia la interacci´on de las ramas
mencionadas, esta se presenta como base fundamental para la gesti´on, planificaci´on y
toma de decisiones en el sector asegurador permitiendo evitar problemas econ´omicos,
consolidar empresas y planes de aseguramiento. Por lo tanto esta teor´ıa es de suma
importancia en el estudio de la teor´ıa del riesgo actuarial. Abordar la teor´ıa de ruina
implica tener conocimiento de la probabilidad con que ocurra el evento de ruina. Varios
te´oricos han propuesto distintos modelos matem´aticos los cuales se ajustan a diversas
situaciones que se presentan en dichas compa˜n´ıas. El modelo binomial compuesto se
destaca por su simplicidad y versatilidad, esto lo convierte en uno de los modelos con
mayor aplicaci´on dentro del sector asegurador.
El presente estudio se basa en el art´ıculo “Ruin probabilities for time-correlated claims
in the compound binomial model” (Guo, 2001), en el cual se estudia la probabilidad
de ruina bajo el supuesto de un modelo binomial compuesto en situaciones en las
que se pueden presentar dos reclamaciones relacionadas en dos periodos de tiempo
consecutivos.
El c´alculo mediante m´etodos recursivos es de gran importancia en la teor´ıa de riesgo
actuarial, ya que algunos de los problemas presentan soluciones anal´ıticas dispendiosas,
por esta raz´on se desea estudiar la forma en que se pueden obtener f´ormulas recursivas
para el c´alculo de la probabilidad de ruina para reclamaciones relacionadas en el tiempo
bajo el modelo binomial compuesto.
6
11. OBJETIVOS
Objetivo General
Reproducir en detalle los procedimientos algebraicos, probabil´ısticos y las herramientas
actuariales, utilizados en (Guo, 2001) para la obtenci´on de las f´ormulas recursivas, utili-
zadas para el c´alculo de la probabilidad de ruina de horizonte finito para reclamaciones
relacionadas en dos periodos de tiempo consecutivos.
Objetivos Espec´ıficos
Describir el planteamiento del modelo binomial compuesto para reclamaciones
relacionadas en dos periodos de tiempo consecutivo tratado en la secci´on 2 del
art´ıculo “Ruin probabilities for time-correlated claims in the compound binomial
model”. (Guo, 2001)
Explicar en detalle los procedimientos algebraicos y probabil´ısticos utilizados para
la obtenci´on de f´ormulas recursivas presentadas en la secci´on 3 del art´ıculo “Ruin
probabilities for time-correlated claims in the compound binomial model”. (Guo,
2001)
Presentar el procedimiento anal´ıtico empleado por (Guo, 2001) para la obtenci´on
de las f´ormulas (3.13) y (3.14) expuestas en el art´ıculo “Ruin probabilities for
time-correlated claims in the compound binomial model”.
7
12. CAP´ITULO 1
Marco Te´orico
Las tem´aticas tratadas a continuaci´on son la base te´orica para comprender los procedi-
mientos y las herramientas que utiliza (Guo, 2001) para encontrar f´ormulas recursivas
empleadas en el c´alculo de la probabilidad de ruina, en este cap´ıtulo se presentan los
conceptos clave para contextualizar el ambiente donde se desenvuelve la teor´ıa de inte-
r´es, para ello se presentan definiciones necesarias y propiedades que cumplen los objetos
que se manipulan durante el desarrollo de la monograf´ıa.
Los resultados que se presentan a continuaci´on han sido encontrados en fuentes biblio-
gr´aficas que tratan ramas matem´aticas tales como: la probabilidad, la estad´ıstica, los
procesos estoc´asticos y la teor´ıa de riesgo actuarial, entre otros.
1.1. Funciones Generadoras de Probabilidad (fgp)
El trabajo presentado se fundamenta en la manipulaci´on de las funciones generadoras
de probabilidad. Este tipo de funciones se asocian a las distribuciones con las cuales se
modelan las reclamaciones a tratar en los siguientes cap´ıtulos; por lo tanto es necesario
introducir la definici´on y principales propiedades de dichas funciones.
8
13. Las funciones generadoras de probabilidad son transformaciones de las distribuciones
de probabilidad y constituyen una herramienta ´util en la teor´ıa moderna de la probabi-
lidad. Las definiciones y resultados presentados en esta secci´on son tomadas de (Baley,
1964).
Definici´on 1. Si se tiene una Sucesi´on de n´umeros reales a0, a1, a2, ..., y si definimos
la funci´on
G(t) = a0 + a1t + a2t2
+ . . . + antn
. . . =
∞
j=0
ajtj
entonces, si la serie converge en alg´un intervalo −t < t < t0, la funci´on G(t) es llamada
la funci´on generadora de la sucesi´on {aj}.
Ya que el inter´es del trabajo se centra en el estudio de las funciones generadoras de
probabilidad, se asume que la sucesi´on tiene las siguientes restricciones
aj ≥ 0 y
∞
j=0
aj = 1
bajo el supuesto anterior, la funci´on G(t) es una funci´on generadora de probabilidad.
Espec´ıficamente se considerar´a la distribuci´on de probabilidad dada por
Pr(X = j) = pj
donde X es una variable aleatoria con soporte en Z+
, adem´as, si se designa
Pr(X > j) = qj
se obtiene que la funci´on de distribuci´on vendra dada por
Pr(X ≤ j) = 1 − qj.
Con esto se puede definir la funci´on generadora de probabilidad G(t) as´ı
G(t) =
∞
j=0
pjtj
9
14. De donde se deduce que G(t) = E(tX
).
Una de las principales razones por las cuales se estudian las fgp, es que desde su mani-
pulaci´on como serie de potencias facilita la obtenci´on de media, varianza y momentos
factoriales de las distribuciones, como se puede ver a continuaci´on.
Esperanza.
E(X) =
∞
j=0
jpj = 0P0 + 1P1 + . . . + nPn + . . . =
∞
j=1
jPj = G′
(1)
Varianza.
Para esto es necesario tener en cuenta que:
E(X(X − 1)) =
∞
j=0
j(j − 1)pj = G′′
(1)
por lo tanto, se tiene desde la definici´on de varianza σ2
= E(X2
) − [E(X)]2
. Y as´ı
σ2
= G′′
(1) + G′
(1) − [G′
(1)]2
K-´esimo Momento Factorial.
Para calcular el k-´esimo momento factorial se proceder´a como en el caso anterior de la
varianza y as´ı se obtiene el siguiente resultado:
E(X(X − 1) . . . (X − (k + 1))) =
∞
j=0
j(j − 1) . . . (j − (k + 1))pj = G(k)
(1)
es decir el k-´esimo momento factorial se obtiene al derivar k veces la fgp y haciendo
t = 1.
En este caso si se deseara obtener los valores de probabilidad pj desde la fgp se puede
efectuar el siguiente algoritmo. Si G(t) es una funci´on generadora de probabilidad fgp.
10
15. dada por
G(T) =
∞
j=0
pjtj
Entonces para obtener cada valor pj.
pj =
1
j!
dj
dtt
G(t)|t=0
=
P(j)
(0)
j!
1.2. Distribuciones Compuestas.
En el desarrollo de este trabajo ser´a de vital importancia el estudio de las distribuciones
compuestas, ya que con estas se expone el modelo de riesgo colectivo. Una distribuci´on
compuesta se presenta como la suma de variables aleatorias id´enticamente distribuidas,
donde el n´umero de t´erminos de la suma est´a distribuido aleatoriamente. En (Kass,
2005) se encuentra el siguiente tratamiento sobre este tema.
Suponga que la variable aleatoria Sn se define como:
SN = X1 + X2 + X3 + . . . + XN
donde Xi, i = 1, . . . , n son variables aleatorias no negativas e independientes donde
P(Xi = p) = fp
P(N = n) = gn
P(SN = l) = hl
11
16. con sus correspondientes funciones generadoras de probabilidad (fgp)
F(x) =
∞
p=0
fpxp
G(x) =
∞
g=0
gnxn
H(x) =
∞
l=0
hlxl
.
Luego se puede escribir la fdp de la variable Sn como sigue
hl = P(SN = l)
=
∞
n=0
P(N = n)P(Sn = l|N = n)
=
∞
n=0
gnP(Sn = l|N = n)
Para un n fijo la fgp de Sn se puede escribir al calcular la n-´esima convoluci´on de fp
con ella misma, es decir. (fp)n∗
, entonces
∞
l=0
P(Sn = l|N = n)xl
= (F(x))n
.
Y as´ı la funci´on generadora H(x) puede ser expresada como
H(x) = hlxl
=
∞
l=0
xl
∞
n=0
gnP(Sn = l|N = n)
=
∞
n=0
gn
∞
l=0
P(Sn = l|N = n)xl
=
∞
n=0
gn(F(x))n
= G(F(x)).
12
17. En la teor´ıa de la probabilidad y estad´ıstica es necesario conocer caracter´ısticas princi-
pales de las distribuciones que se estudian, entre estas caracter´ısticas no pueden faltar
los momentos de cada distribuci´on, por lo tanto para el caso de las distribuciones com-
puestas se presenta la obtenci´on de dichos momentos.
Media y Varianza
Para calcular la esperanza de Sn. se utilizar´a la f´ormula de la esperanza condicional de
S en N = n
E(S) = E(E(s|n)) =
∞
n=0
E(X1 + X2 + . . . + XN |N = n)P(N = n)
=
∞
n=0
E(X1 + X2 + . . . + Xn|N = n)P(N = n)
=
∞
n=0
E(X1 + X2 + . . . + Xn)P(N = n)
=
∞
n=0
nµP(N = n) = µE(N).
Para el c´alculo de la varianza se presenta otro m´etodo diferente para la obtenci´on de
E(S2
), esto para ilustrar una alternativa para el c´alculo de la esperanza
E(S2
) = E
N
k=1
Xk
2
= E
∞
n=1
χ(N = n)
n
k=1
Xk
2
=
∞
n=1
P(N = n)E(
n
k=1
Xk)2
=
∞
n=1
P(N = n)[var(
n
k=1
Xk)(E
n
k=1
Xk)2
]
=
∞
n=1
P(N = n)[nV ar(X) + n2
E(X)2
]
= E(N)V ar(X) + E(N2
)E(X)2
.
13
18. Con lo anterior se puede calcular la varianza de SN as´ı
V ar(S) = E(S2
) − [E(S)]2
= (E(N)V ar(X) + E(N2
)E(X)2
) − (E(N)E(X))2
= E(N)V ar(X) + V ar(N)E(X)2
.
Funci´on Generadora de Momentos
Para la funci´on generadora de momentos se utilizar´an los mismos argumentos que en
el c´alculo de la esperanza
MS(t) = E[E(etS
|N)]
=
∞
n=0
E[et(X1+...+XN )
|N = n]P(N = n)
=
∞
n=0
E[et(X1+...+Xn)
]P(N = n)
=
∞
n=0
MX(t)n
P(N = n)
= E[(elnMX (t)
)N
]
= MN (lnMX(t))
1.3. proceso de Poisson
Ya que se menciona la aproximaci´on de un modelo binomial compuesto a un modelo
de poisson se hace necesario definir y enunciar las propiedades de este ´ultimo, dicho
proceso es estudiado en cursos de procesos estoc´asticos y desde el a˜no de 1903 en
que Filip Lundberg en su tesis doctoral lo propuso como soluci´on al problema de la
probabilidad de ruina en una compa˜n´ıa aseguradora, desenvuelve un papel importante
en la disciplina actuarial.
Definici´on 2. Proceso estoc´astico
Un proceso estoc´astico es una colecci´on de variables aleatorias {Xt|t ∈ T}, parametri-
zada por un conjunto T llamado espacio parametral. Dicho espacio por lo general se
14
19. interpreta como un conjunto de tiempos.
Definici´on 3. Proceso de Poisson
Un proceso estoc´astico de tiempo continuo {Nt|t ≥ 0} y con espacio de estados en los
naturales es un proceso de poisson de par´ametro λ si cumple
N0 = 0.
tiene incrementos independientes.
Nt+s − Ns tiene una distribuci´on de poisson de par´ametro (λt) para cualquier
s ≥ 0 y t > 0.
Definici´on 4. Proceso de Poisson Compuesto
Sea un proceso de poisson {Nt|t ≥ 0} y una sucesi´on de variables aleatorias id´entica-
mente distribuidas e independientes {Xi}∞
i tambi´en independientes de N(t), {St|t ≥ 0}
es un proceso de poisson compuesto cuando
S(t) =
N(t)
i=0
Xi
1.4. Modelo de Riesgo
Cuando se habla de teor´ıa del riesgo encontramos en la literatura actuarial dos tipos de
esta: teor´ıa del riesgo individual y teor´ıa del riesgo colectivo, dichas teor´ıas tienen su
principal diferencia en la manera que se suman los montos por reclamaciones, en una el
n´umero de montos es fijo mientras que en el otro se toma el n´umero de montos como una
variable aleatoria, es en el riesgo colectivo donde el modelo necesita la introducci´on de
distribuciones compuestas. Para aclarar est´a idea se presentan las siguientes definiciones
y propiedades de cada tipo de riesgo. La tem´atica trabajada en esta secci´on se encuentra
en (Kass, 2005) y (Rinc´on, 2012).
15
20. 1.4.1. Modelo de Riesgo Individual
Aunque en el estudio que se desea realizar no interviene el modelo de riesgo individual,
es necesario tener conocimiento de ´el para establecer una comparaci´on y comprender
el funcionamiento del modelo de riesgo colectivo.
Caracter´ısticas del Modelo.
El portafolio consta de n p´olizas individuales, v´alidas en un periodo de tiempo
T.
El valor pi denota la probabilidad de que el i-´esimo asegurado no efectu´e ninguna
reclamaci´on en T.
El valor qi = 1 − pi, esto es, que el i-´esimo asegurado efectu´e una reclamaci´on en
T.
Con esto se tiene que ning´un asegurado puede realizar m´as de una reclamaci´on en el
periodo T. Ahora se define la variable aleatoria Dj como sigue:
Dj =
1 Si hay reclamaci´on en la p´oliza j.
0 Si no se efect´ua reclamaci´on en la p´oliza j.
Con esto el n´umero total de reclamaciones vendr´a dada por la variable aleatoria
N =
n
i=1
Di
Si se desea dar una variable aleatoria para el costo de una reclamaci´on, sea Ci > 0 el
monto de la i-´esima reclamaci´on. Es claro que Ci no es una constante ya que el costo
de cada p´oliza es diferente; entonces la reclamaci´on en la poliza i se define como
DiCi =
Ci Di = 1
0 Di = 0
16
21. adem´as de esto se supone que Ci y Di son independientes y a su vez, las parejas (Di, Ci)
son tambi´en independientes para cada i = 1, . . . , n
Funci´on de Riesgo Individual
Definici´on 5. El monto de reclamaciones agregadas o funci´on de riesgo, en el modelo
individual, est´a caracterizado por la variable aleatoria
S =
n
i=1
CiDi.
En este caso recibe el calificativo de individual ya que se supone el conocimiento de la
probabilidad de ocurrencia de cada siniestro, as´ı como su posible monto. Adem´as de
ello se supone que el n´umero de p´olizas se mantiene durante todo el periodo de tiempo
T.
Para el trabajo pr´oximo se usar´a como supuesto que la funci´on de distribuci´on de la va-
riable CiDi ser´a denotada como Fi(x), y por tanto bajo los supuestos de independencia
obtenemos que la Funci´on de distribuci´on de S es:
F(x) = (F1 ∗ . . . ∗ Fn)(x)
Donde el signo ∗ indica una convoluci´on.
Para las propiedades que se enuncian a continuaci´on la funci´on de distribuci´on de Ci
se nota como Ki(x)
Propiedad 1. La funci´on de riesgo individual presenta las siguientes propiedades.
E(S) =
n
i=1
qiE(Ci)
V ar(s) =
n
i=1
[qiV ar(Ci) + qipiE2
(Ci)]
Fi(X) =
1 + qi(Gi(x) − 1) x ≥ 0
0 x < 0
.
17
22. Es de notar que la reclamaci´on ´unica, puede considerarse como el monto total confor-
mado por la suma de varias posibles reclamaciones efectuadas por una p´oliza a lo largo
del periodo de vigencia del seguro. De este modo el modelo individual puede tambi´en
aplicarse al caso de reclamaciones m´ultiples.(Rinc´on, 2012)
1.4.2. Modelo de Riesgo Colectivo
Para establecer los supuestos necesarios se presenta el modelo de riesgo colectivo, ya
que bajo este modelo se realiza el trabajo presentado por (Guo, 2001) con dos reclama-
ciones relacionadas en el tiempo, dicho modelo es usado principalmente para estudiar el
comportamiento y hacer predicciones sobre los seguros de no vida, por lo tanto es el de
mayor inter´es para las compa˜n´ıas aseguradoras ya que bajo este modelo se estructura
la mayor cantidad de p´olizas que recibe una compa˜n´ıa de seguros, adem´as de esto se
debe resaltar que este modelo presenta mayor aplicaci´on matem´atica, lo cual lo hace
de mayor inter´es para este trabajo.
En este caso se supone que el n´umero de contratos no es conocido, y tienen una vigencia
en un periodo de tiempo [0, T]. Si se define nuevamente como N la variable aleatoria
que denota el n´umero de reclamaciones ocurridas en este intervalo. Y sean Y1, Y2 . . . , YN
el monto de dichas reclamaciones. Una interpretaci´on gr´afica de tal esquema es como
se muestra en la (figura 1.1).
Figura 1.1: Montos por Reclamaci´on
18
23. Se supone adem´as que el n´umero de reclamaciones y el monto son variables aleatorias
independientes, es decir, se trabaja con el supuesto de que las reclamaciones entre si
son independientes y que comparten la misma distribuci´on de probabilidad.
Funci´on de Riesgo Colectivo
Definici´on 6. El monto de reclamaciones agregadas o funci´on de riesgo en el modelo
colectivo est´a caracterizado por la variable aleatoria
S =
N
i=1
Yi.
Es de notar que, tanto el n´umero de sumandos como cada sumando son variables
aleatorias. Esta suma se define S = 0 si N = 0, de ac´a nace la necesidad de estudiar las
distribuciones compuestas ya que se puede definir una v.a mixta, donde los montos son
distribuidos de forma continua y el n´umero de reclamaciones se distribuye de manera
discreta.
Suponga que la funci´on de distribuci´on de cada Yi, se denotara por Gi, d´onde Gi(0) = 0,
es decir la v.a Yi es positiva, adem´as se notar´a µn = E(Y n
). Nuevamente si se desea
encontrar la funci´on de distribuci´on de S, notada como F, se utilizar´a el algoritmo de
convoluci´on, para esto se debe recordar que la 0-convoluci´on se define como.
G∗0
(x) =
1 x ≥ 0
0 x < 0
Un resultado importante para el riesgo colectivo es el siguiente.
Proposici´on 1. Funci´on de Distribuci´on.
La funci´on de distribuci´on, en el modelo de riesgo colectivo de la variable aleatoria S,
est´a dada por
F(x) =
∞
n=0
G∗n
(x)P(N = n).
La demostraci´on de este hecho es trivial al interpretar la funci´on de riesgo colectivo
como una distribuci´on compuesta.
19
24. Figura 1.2: Modelo de Riesgo Colectivo en Relaci´on con el Tiempo
A continuaci´on se presentan propiedades importantes del riesgo colectivo S.
Proposici´on 2. Momentos
E(S) = E(N)E(Y )
E(S2
) = E(N)E(Y 2
) + E(N(N − 1))E2
(Y )
V ar(S) = V ar(N)E2
(Y ) + V ar(Y )E(N)
Ms(t) = MN (ln(MY (t)))
1.5. Modelo Binomial.
En la literatura que trata sobre riesgo actuarial los autores presentan el modelo de
Poisson compuesto, el cual tambi´en es com´un encontrarlo en libros que tratan sobre
la teor´ıa de los procesos estoc´asticos, dicho modelo es bastante pr´actico ya que la
20
25. distribuci´on de Poisson depende de un ´unico par´ametro λ, as´ı mismo es com´un que los
montos de reclamaciones se supongan distribuidos de manera exponencial, esto para
facilitar la estimaci´on de par´ametros de una muestra; en este caso se presenta el modelo
binomial compuesto que aunque evidencia mayor dificultad en modelos pr´acticos, es
mucho m´as sencillo para la manipulaci´on te´orica y adem´as desde este se puede encontrar
una relaci´on con el proceso cl´asico de Poisson. Es por ello que se presenta este modelo
que es introducido por (Gerber, 1988) y mencionado en extensi´on por (Rinc´on, 2012)
y (Alfredo, 2000).
Se dice que si en la funci´on de riesgo colectivo
S =
N
i=1
Yi
donde N es la v.a del n´umero de siniestros y/o reclamaciones en un intervalo de tiempo
[0, T] y Yi es el monto de la i-´esima reclamaci´on.
Si la v.a N se distribuye de manera binomial es decir N ∼ bin(n, p) se dice que
la funci´on de riesgo S, sigue una distribuci´on binomial compuesta que se nota S ∼
bincomp(n, p, G); en donde G es la funci´on de distribuci´on de cada monto.
Algunas de las propiedades m´as importantes para este modelo de riesgo se siguen
directamente de las ya mencionadas para la funci´on de riesgo colectivo general.
Proposici´on 3. Si S se distribuye de manera binomial compuesta se tiene que:
E(S) = npµ
V ar(S) = np(µ2
− pµ2
)
Ms(t) = (1 − p + pMY (t))n
Las propiedades anteriormente mencionadas se pueden demostrar si se tiene en cuenta
las siguientes caracter´ısticas de la distribuci´on binomial.
21
26. Proposici´on 4. Si la variable aleatoria N ∼ bin(n, p) se tiene que
E(N) = np
V ar(N) = np(1 − p)
MN (t) = (1 − p + pet
)n
Proposici´on 5. Sean S1 y S2 dos procesos de riesgo independientes, con S1 ∼ bincomp(n1, p; G)
y S2 ∼ bincomp(n2, p; G); adem´as de ello supongase que los montos de cada uno de es-
tas funciones de riesgo Y
(1)
i y Y
(2)
i , tiene id´entica funci´on de distribuci´on G. Entonces
la funci´on de riesgo S = S1 + S2 cumple que S ∼ bincomp(n1 + n2, p; G)
Demostraci´on. Se sabe que, si MY1 (t) = MY2 (t) para toda |t| < b y para alg´un b > 0
entonces, las variables aleatorias Y1 y Y2. tienen la misma funci´on de distribuci´on,
adem´as su reciproco tambi´en se cumple.
Ahora argumentando desde la independencia entre S1 y S2 se tiene que
MS1+S2 (t) = MS1 (t)MS2 (t)
= (1 − p + pMY 1 (t))n1
)(1 − p + pMY 2 (t))n2
)
= (1 − p + pMY (t))n1+n2
y (1 − p + pMY (t))n1+n2
es la funci´on generadora para una variable aleatoria S ∼
bincomp(n1 + n2, p; G).
1.6. Teor´ıa de la Ruina a Tiempo Discreto.
En este caso inter´esa mostrar la teor´ıa de la ruina en un modelo a tiempo discreto,
ya que resultados indican que un modelo en tiempo discreto es una aproximaci´on al
22
27. modelo en tiempo continuo donde las ecuaciones presentan mayor dificultad en su
manejo y presenta una estructura m´as compleja, por lo tanto, se presentan los siguientes
supuestos que dan partida al proceso de riesgo en tiempo discreto y a partir de ´el la
definici´on de probabilidad de ruina; dicho modelo fue introducido en (Gerber, 1988).
1.6.1. Proceso de Riesgo a Tiempo Discreto
Se considera un modelo de riesgo con las siguientes condiciones.
Xi denota el monto de reclamaciones en el i-´esimo intervalo de tiempo.
{Xi}∞
i=0 es una sucesi´on de variables aleatorias independientes e id´enticamente
distribuidas de enteros no negativos.
u ∈ {0, 1, 2 . . .} es el capital inicial de la aseguradora.
En cada unidad de tiempo la compa˜nia recibe una unidad monetaria por concepto
de primas.
E(X1) < 1 esta es la condici´on de ganancia neta.
Bajo estos supuestos se tiene que el proceso de riesgo a tiempo discreto es la siguiente
variable aleatoria St.
Definici´on 7. El proceso de riesgo a tiempo discreto St : t ≥ 0 est´a dado por:
St = u + t − [X1 + X2 + . . . XN(t)]
Esta definici´on tambi´en puede ser encontrada en (Rinc´on, 2012)
1.6.2. Ruina y Probabilidad de Ruina
En (Kass, 2005) se dice que el evento ruina es uno de los eventos menos probables pero
aun as´ı es muy estudiado en las compa˜n´ıas aseguradoras, ya que de la no existencia de
la ruina depende la continuidad de la compa˜n´ıa, el evento de ruina ocurre cuando los
23
28. montos reclamados en un periodo de tiempo exceden el monto recaudado por reservas
o super´avit m´as los montos recaudados por conceptos de primas, as´ı, dicho evento se
puede definir como sigue.
Definici´on 8. Se dice que una compa˜nia aseguradora se encuentra en ruina al tiempo
t ≥ 1 si
St ≤ 0
y se define el tiempo de ruina τ como el primer momento en que la ruina se presenta.
Es decir,
τ = min {t ≥ 1|St ≤ 0} .
Es de aclarar que si el conjunto indicado es {∅} entonces τ = ∞.
En la figura siguiente se muestra un proceso de riesgo a tiempo discreto donde se aprecia
el evento de ruina en un tiempo τ
Figura 1.3: Proceso de Super´avit a Tiempo Discreto con Ruina
El inter´es principal de la teor´ıa de la ruina es calcular la probabilidad de que este
evento suceda dado un s´uperavit inicial mayor que 0. se presentan dos casos: el proceso
de ruina a horizonte infinito y el proceso de ruina a horizonte finito (Rinc´on, 2012).
Definici´on 9. Probabilidad de Ruina en Horizonte Infinito
la probabilidad de ruina en horizonte infinito que se nota como ψ(u) y se define como
24
29. sigue
ψ(u) = P(τ < ∞|S0 = u)
= P(τ ∈ {1, 2, . . .} |S0 = u)
Definici´on 10. Probabilidad de Ruina en Horizonte Finito
La probabilidad de ruina con horizonte finito con n ≥ 1 se define como
ψ(u, n) = P(τ ≤ n|S0 = u)
= P(τ ∈ {1, 2, . . . , n} |S0 = u).
Bajo esta definici´on y la contenencia de los eventos correspondientes se puede notar
que
ψ(u, 1) ≤ ψ(u, 2) ≤ ψ(u, 3) ≤ . . . ≤ ψ(u, n) ≤ ψ(u).
Es para este tipo de modelo a tiempo finito que se plantean las f´ormulas recursivas
que se desean encontrar durante el desarrollo del trabajo, no sobra aclarar que desde la
probabilidad de ruina a horizonte finito se puede obtener una aproximaci´on mediante
l´ımites a la probabilidad de ruina de tiempo infinito, la cual ha sido tratada con tem´a-
ticas de mayor envergadura conceptual y te´orica, es de esta manera que el c´alculo de
la probabilidad de ruina a tiempo finito se convierte en una herramienta bastante ´util
para la obtenci´on de la probabilidad de ruina a tiempo infinito.
25
30. CAP´ITULO 2
El Modelo
En este cap´ıtulo, antes de tratar a fondo la presentaci´on y propiedades del modelo para
reclamaciones relacionadas en el tiempo, se presentar´a el modelo binomial compuesto
para una reclamaci´on y algunas de sus propiedades.
El modelo binomial compuesto es una herramienta introducida por (Gerber, 1988) en
el art´ıculo“Mathematical Fun with the Compound Binomial Process”y desde aquel mo-
mento varios trabajos han tratado sobre sus propiedades y su especial particularidad
de funcionar como una aproximaci´on a tiempo discreto del modelo de Poisson cl´asico,
adem´as de esto el modelo ha sido estudiado por autores reconocidos en el ´area actuarial
tales como (Shiu , 1989) o (Dickson, 1994), quienes han presentado resultados directa-
mente relacionados con el c´alculo de la probabilidad de ruina para un proceso de riesgo
enmarcado en dicho modelo. El trabajo matem´atico realizado en base a este modelo
garantiza una manipulaci´on pr´actica y menos engorrosa que en el caso del modelo de
Poisson compuesto, por lo tanto transcurrida m´as de una d´ecada de ser presentados los
resultados por Gerber, autores como (Alfredo, 2000) siguen exponiendo trabajos donde
se explora el modelo binomial.
El modelo presentado por (Gerber, 1988) es el siguiente.
26
31. 2.1. Modelo Binomial Compuesto sin Sobre-reclamaciones.
Se considera un modelo a tiempo discreto donde la funci´on de super´avit S(t) es de la
siguiente manera.
S(t) = u + t −
Nt
i=1
Xi
Donde Nt denota el n´umero de reclamaciones en los primeros t periodos de tiempo.
S0 = u es el super´avit inicial. Adem´as se asume que dicha funci´on es un proceso
binomial, es decir que en cualquier periodo de tiempo se tiene una reclamaci´on con
probabilidad p o no se presenta reclamaci´on con probabilidad q = 1 − p y que las
reclamaciones en cada periodo de tiempo son eventos independientes.
Los montos de estas reclamaciones est´an notadas por X1, X2, X3, . . .. Estas variables
aleatorias son id´enticamente distribuidas e independientes entre s´ı, as´ı como del proceso
de n´umero de reclamaciones; adem´as los montos por reclamaci´on son valores enteros
positivos.
Sea
f(x) = Pr(Xi = x) y F(x) = Pr(Xi ≤ x) x = 1, 2, 3, . . .
la funci´on de probabilidad y funci´on de distribuci´on, respectivamente. Finalmente se
supone que las primas contienen un recargo 1
, es decir si µ = E(Xi) se tiene que pµ ≤ 1.
Sea ψ(u) la probabilidad de ruina tal como se defini´o y sea φ(u) = 1 − ψ(u) la proba-
bilidad de supervivencia para este modelo, con
τ = inf {t ≥ 0|S(t) ≤ 0} .
Tanto para el modelo discreto como para el modelo binomial compuesto un gran n´umero
de expertos en el tema han aportado resultados importantes para el c´alculo de la proba-
bilidad de ruina mediante el uso de recursiones, esto se debe a la propiedad de Markov
1
Recargo se denomina a los grav´amenes cobrados sobre la prima, en muchos casos para cubrir
riesgos excedentes, este recargo es conocido com´unmente como el recargo de seguridad.
27
32. 2
de la cual est´a dotado el modelo de riesgo (colectivo e individual); (Dickson, 1994)
presenta dos resultados importantes para un modelo de tiempo discreto planteando las
condiciones iniciales para una f´ormula recursiva sobre la probabilidad de superviven-
cia o probabilidad de no ruina. Dichos resultados se presentan en las siguientes dos
proposiciones.
Proposici´on 6.
Para u = 1, 2, 3, . . .
φ(u) = φ(0) +
u
k=1
φ(k)[1 − F(u − k)]
Demostraci´on. Sobre el primer periodo de tiempo se tiene que
φ(0) = φ(1)f(0)
Ahora para u = 2, 3, 4 . . ., utilizando el principio de inducci´on d´ebil
φ(u − 1) = f(0)φ(u) +
u−1
j=1
φ(j)f(u − j) (2.1)
donde para U = 2, 3, 4 . . .
u−1
k=0
φ(k) = f(0)
u
k=1
φ(k) +
u
k=2
u−1
j=1
φ(j)f(k − j)
= f(0)
u
k=1
φ(k) +
u−1
k=1
φ(k)[F(u − k) − f(0)]
= f(0)φ(u) +
u−1
k=1
φ(k)[F(u − k)]
2
Para cualquier n ≥ 0 y cualquier estado x1, x2, . . . , xn se satisface la identidad.
P(Xn+1 = xn+1|Xn = xn, . . . , X2 = x2, X1 = x1, X0 = x0) = P(Xn+1 = xn+1|Xn = xn)
28
33. despejando el t´ermino b(0)φ(u) y teniendo en cuenta las propiedades de la funci´on de
probabilidad se tiene que
b(0)φ(u) =
u−1
k=0
φ(k) −
u−1
k=1
φ(k)F(u − k)
= φ(0) +
u−1
k=1
φ(k) − [φ(k)F(u − k)]
= φ(0) +
u−1
k=1
φ(k)[1 − F(u − k)]
= φ(u − 1) −
u−1
k=1
φ(k)f(u − k)
esto de la ecuaci´on (2.1). Ahora igualando y despejando el t´ermino φ(u − 1)
φ(u − 1) = φ(0) +
u−1
k=1
φ(k)[1 − F(u − k)] +
u−1
k=1
φ(k)b(u − k)
= φ(0) +
u−1
k=1
φ(k)[1 − F(u − k) + f(u − k)]
= φ(0) +
u−1
k=1
φ(k)Pr(X ≥ u − k)
= φ(0) +
u−1
k=1
φ(k)[1 − Pr(X ≤ u − k − 1)]
= φ(0) +
u−1
k=1
φ(k)[1 − F(u − k − 1)]
´o equival´entemente
φ(u) = φ(0) +
u
k=1
φ(k)[1 − F(u − k)] (2.2)
Proposici´on 7. La probabilidad de ruina en un modelo de riesgo a tiempo discreto con
super´avit inicial u = 0 es
ψ(0) = E(X1)
29
34. Para este resultado el (Dickson, 1994) define la funci´on de severidad de ruina G(u, y)
para u = 0, 1, 2, . . . y y = 1, 2, 3, . . . como
G(u, y) = Pr(τ < ∞;
y
; S(t) < −y)
G(u, y) representa la probabilidad de que la ruina ocurra y que en el primer instante
de tiempo de ruina τ el d´eficit de capital sea a lo sumo y − 1. bajo estas condiciones y
la ecuaci´on (2,2) se puede probar el resultado.
La demostraci´on de este hecho se basa en la presentaci´on de otras f´ormulas recursivas
para el c´alculo de probabilidades de ruina en un modelo de tiempo discreto, las cuales
son presentadas por (Alfredo, 2000), dicha construcci´on se basa en la probabilidad de
ruina y desde ellas se puede obtener una transformaci´on para visualizarlas como las
presentadas en la proposici´on (6); las f´ormulas recursivas mencionadas se presentan en
la siguiente proposici´on.
Proposici´on 8. Para un proceso de riesgo a tiempo discreto S(t) con super´avit inicial
u ≥ 0 se tiene que
1.
ψ(u) = ψ(0) +
u−1
k=0
ψ(u − k)[1 − F(k)] −
u−1
k=0
(1 − F(k)) u ≥ 1
2.
ψ(0) = E(Xi)
Demostraci´on. Para un super´avit inicial w ≥ 0 y condicionando para el valor de X1 se
30
35. tiene que
ψ(w) =
∞
k=0
Pr(τ < ∞|X1 = x)Pr(X1 = x)
=
w
k=0
Pr(τ < ∞|X1 = x)f(x) +
∞
k=w+1
Pr(τ < ∞|X1 = x)f(x)
=
w
k=0
φ(w + 1 − x)f(x) +
∞
k=w+1
f(x)
=
w
k=0
φ(w + 1 − x)f(x) + [1 − F(x)]
=
w+1
k=1
φ(x)f(w + 1 − x) + [1 − F(x)]. (2.3)
La segunda ecuaci´on se ha separado para cuando el monto Y1 no produce el evento
ruina y para cuando la ruina ocurre, en este caso la probabilidad condicional es 1.
Ahora depejando el ´ultimo t´ermino de la ecuaci´on (2,3) y escribiendo w = u adem´as
si se tiene en cuenta que si S0 = u + 1 por la definici´on de probabilidad de ruina
Pr(τ < ∞|u = 0) = φ(u + 1)f(0), entonces
φ(u + 1)f(0) = φ(u) −
u+1
k=1
φ(x)f(u + 1 − x) − [1 − F(x)] (2.4)
ahora sumando los t´erminos de la ecuaci´on (2.3) de 0 a cualquier u ≥ 0.
u
w=0
φ(w) =
u
w=0
w+1
x=1
φ(x)[1 − F(w + 1 − x)] −
u
k=0
[1 − F(x)]
=
u+1
x=1
φ(x) +
u
w=y−1
f(w + 1 − x) +
u
w=0
[1 − f(w)]
=
u+1
x=1
φ(x) + F(u + 1 − x) +
u
w=0
[1 − f(w)]
=
u
x=1
φ(x) + F(u + 1 − x) + φ(u + 1)f(0) +
u
w=0
[1 − f(w)]
31
36. por lo tanto.
φ(u + 1)f(0) = φ(0) +
u
x=1
φ(x)[1 − F(u + 1 − x)] −
u
w=0
[1 − F(x)] (2.5)
igualando las ecuaciones (3,4) y (3,5) y despejando φ(u)
φ(u) = φ(0) +
u
x=1
φ(x)[1 − F(u + 1 − x) + f(u + 1 − x)] −
u−1
x=0
[1 − F(x)]
= φ(0) +
u
x=1
φ(x)[Pr(X > (u + 1 − x)) + Pr(X = (u + 1 − x))] −
u−1
x=0
[1 − F(x)]
= φ(0) +
u
x=1
φ(x)[1 − F(u − x)] −
u−1
x=0
[1 − F(x)]
= φ(0) +
u−1
x=0
φ(u − x)[1 − F(x)] −
u−1
x=0
[1 − F(x)] (2.6)
Esto prueba la primera parte de la proposici´on. Para probar que φ(0) = E(Xi) se
necesita hacer un limite sobre u → ∞ en la ecuaci´on (2,6).
0 = l´ım
u→∞
φ(u) = φ(0) + l´ım
u→∞
u−1
x=0
φ(u − x)[1 − F(x)] − l´ım
u→∞
∞
x=0
[1 − F(x)].
De este resultado se tiene que la segunda suma es la esperanza de X y la primera suma
tiende a cero por definici´on de probabilidad de ruina, con esto el resultado ha sido
demostrado.
Es de notar que existe una relaci´on entre las proposiciones presentadas por (Dickson,
1994) y Por (Alfredo, 2000), basta reorganizar t´erminos y usar la definici´on de proba-
bilidad de supervivencia para deducir una de la otra.
Este trabajo presentado para un modelo de riesgo a tiempo discreto es expuesto en
(Gerber, 1988) poni´endolo en contexto de un modelo binomial compuesto, es decir,
asume que el proceso de n´umero de reclamaciones Nt es un proceso binomial con par´a-
metro p , en este art´ıculo el autor propone la siguiente recursi´on para el c´alculo de la
probabilidad de ruina.
32
37. Proposici´on 9. En un modelo de riesgo S(t) binomial compuesto con super´avit inicial
S(0) = u > 0 se tiene que
φ(0) = qφ(1) + p (2.7)
φ(u) = qφ(u + 1) +
u
x=1
φ(u + 1 − x)p(x) + p
∞
x=u+1
p(x) (2.8)
adem´as las f´ormulas (2,7) y (2,8) proporcionan un algoritmo recursivo para el c´alculo
de la probabilidad de ruina.
Demostraci´on. La ecuaci´on (2,7) se deduce del hecho de la probabilidad de que exista
reclamaci´on en el primer periodo de tiempo y la ruina no ocurra en el periodo siguiente
y del uso del teorema de la probabilidad total.
Mientras la ecuaci´on (2.8) es un ajuste a las proposiciones (2,1) o (2,3), el cual a˜nade
la probabilidad de la ocurrencia o no ocurrencia de los siniestros.
Al evaluar (2,8) en u = 0 se obtiene para u = 1, 2, 3 . . .
φ(0) = pµ
Para ilustrar la proposici´on anterior se expondr´a que ocurre para reclamaciones de
monto 1 y reclamaciones de monto 2.
Si todas las reclamaciones son de monto 1 se tiene que
Pr(Xi = 1) = P(1) = 1
y para x = 2, 3, 4, . . .
p(x) = 0.
Con esto se concluye que la ruina ocurre ´unicamente si S(0) = u = 0 y si adem´as
existe una reclamaci´on en el primer periodo de tiempo, de esto se deduce que
para este caso particular.
φ(0) = p = pµ
33
38. Ahora un caso m´as discutido es cuando se tienen reclamaciones de monto 2, para
este caso se tiene que el modelo de riesgo que lo representa es.
S(t) = u + t − 2Nt
= u + (t − Nt) − Nt.
Este proceso se ha discutido por varios autores en el contexto del problema de la
ruina del jugador, (Ver Anexo 1), donde se tiene que
φ(0) = 2p
y para u = 1, 2, 3 . . .
φ(u) =
p
q
u
la cual es la soluci´on de (2,7) y (2,8).
Adem´as de estos resultados presentados bajo f´ormulas recursivas tanto (Gerber, 1988)
y (Shiu , 1989) dedican su trabajo para calcular f´ormulas explicitas con las que se pueda
calcular la probabilidad de ruina y la probabilidad de supervivencia respectivamente
(Dickson, 1994) deduce desde la proposici´on (8) la probabilidad de ruina para un mo-
delo donde el n´umero de siniestros presenta una distribuci´on binomial y los montos de
reclamaciones presentan una distribuci´on geom´etrica, este modelo es una aproximaci´on
a tiempo discreto al proceso de riesgo de Cram´er-Lundberg el cual se presenta en deta-
lle en (Rinc´on, 2012) o (Kass, 2005), este modelo es el m´as com´unmente estudiado en
el marco de la teor´ıa de riesgo actuarial y se basa en asumir que el n´umero de reclama-
ciones presenta una distribuci´on de Poisson mientras que el monto por reclamaciones
se distribuye de manera exponencial.
La f´ormula explicita para el c´alculo de la probabilidad de ruina presentada por (Gerber,
1988) es la siguiente.
Proposici´on 10. Para un modelo de riesgo binomial compuesto se tiene que.
φ(0) =
pµ
1 − pµ
[1 − φ(0)]
34
39. φ(u) =
1
1 − pµ
− q−u
De la misma manera las f´ormulas presentadas para el c´alculo de la probabilidad de
supervivencia presentadas en (Shiu , 1989) vienen dadas por.
Proposici´on 11. Para un modelo de riesgo binomial compuesto se tiene que la proba-
bilidad de supervivencia viene dada como sigue.
1.
ψ(0) =
1 − qµ
1 − q
2.
ψ(u) = 1 − ψ(0)
∞
n=1
[φ(0)]n
[1 − F∗n
(u)]
La demostraci´on de las dos proposiciones anteriores son realizadas en los trabajos ya
descritos y no se presentan ya que su extensi´on y complejidad son trabajo para una
investigaci´on individual de cada art´ıculo.
Ya con estas proposiciones y definiciones previas se ha estudiado en gran parte el
modelo binomial compuesto sin reclamaciones relacionadas, no sobra recordar que el
inter´es de este trabajo est´a en las reclamaciones relacionadas en el tiempo para ello
en la siguiente parte se presentaran los supuestos necesarios para establecer un modelo
binomial compuesto con reclamaciones relacionadas en el tiempo.
2.2. El Modelo Binomial Compuesto con Reclama-
ciones Relacionadas en el Tiempo.
Se considera un modelo a tiempo discreto que involucra dos tipos de reclamaciones de
seguros, las cuales son la reclamaci´on principal y la sobre-reclamaci´on o reclamaci´on
subsecuente sobre las unidades de tiempo t = 1, 2, 3 . . ., se supone que cada reclamaci´on
principal induce una reclamaci´on subsecuente.
35
40. En cualquier periodo de tiempo la probabilidad de tener una reclamaci´on principal
ser´a p, 0 < p < 1 y de no tenerla es q = 1 − p, la ocurrencia de las reclamaciones
principales en diferentes periodos de tiempo son independientes, es decir la ocurrencia
de una reclamaci´on en el periodo k no depende de la ocurrencia en los periodos de
tiempo anteriores a k y as´ı mismo est´a reclamaci´on no influir´a en la ocurrencia de
una reclamaci´on en los periodo de tiempo siguientes a k. La sobre-reclamaci´on que
est´a asociada a una reclamaci´on principal ocurre en el mismo periodo de tiempo con
probabilidad θ o puede ser retrasada al siguiente periodo de tiempo con probabilidad
δ = 1 − θ; es ac´a donde se presenta el tipo de relaci´on que existe entre la reclamaci´on
principal y la sobre-reclamaci´on. Los montos de reclamaci´on son independientes entre
si y son enteros positivos, los montos de reclamaciones principales X1, X2, X3 . . . son
independientes e id´enticamente distribuidos con funci´on de probabilidad com´un
f(m) = fm = Pr(X = m)
para m = 1, 2, 3 . . ., con su correspondiente funci´on generadora de probabilidad dada
por
¯f(z) =
∞
m=1
fmzm
y con media
µX =
∞
m=1
mfm.
Sean Y1, Y2, Y3 . . . variables id´enticamente distribuidas e independientes que representa
los montos para las sobre-reclamaciones, con funci´on de probabilidad com´un
g(n) = gn = Pr(Y = n)
Para n = 1, 2, 3 . . ., con su correspondiente funci´on generadora de probabilidad dada
por
¯g(z) =
∞
n=1
gnzn
Y con media
µY =
∞
n=1
nfn.
As´umase que la prima por periodo de tiempo es de valor 1, que el super´avit inicial es
36
41. u ∈ Z+
y su proceso de super´avit es
S(t) = u + t − UX − UY (2.9)
donde UX
t y UY
t son la suma de montos de las reclamaciones principales y sobre-
reclamaciones en los primeros t periodos de tiempo respectivamente, es decir
UX
k =
n
i=1
Xi y UY
k =
n
j=1
Yj.
La probabilidad de supervivencia en tiempo finito es
ψ(u, k) = Pr(S(t) ≥ 0; t = 1, 2, 3 . . . , k) (2.10)
Y con esto la probabilidad de ruina ser´a
φ(u, k) = 1 − ψ(u, k)
Al supoiner que una reclamaci´on subsecuente ocurre en un periodo de tiempo k y esta
a su vez es el resultado de una reclamaci´on principal en un periodo de tiempo k − 1.
Un punto pr´actico para considerar es si la aseguradora ha establecido una reserva
presumiblemente E(Y ) adem´as de una carga para las reclamaciones subsecuentes al
final del periodo k − 1; este caso dar´ıa lugar para un concepto de ruina para lo cual la
ruina en el instante k − 1 significar´ıa que la aseguradora ten´ıa dinero insuficiente para
este momento o ten´ıa dinero insuficiente para las reservas requeridas en este momento.
Este escenario ser´ıa apropiado, por ejemplo, si los pagos de reclamaciones se retrasaron
y las reservas de las reclamaciones pendientes se establecieron al final de cada periodo
de tiempo. Nuestro modelo supone el caso m´as sencillo donde la ruina ocurre ya que
los fondos de la aseguradora son negativos.
Sea Uk la suma de UX
k y UY
k , entonces para el periodo de tiempo t = 1 se tiene que
E(U1) = E(UX
1 + UY
1 )
= E(UX
1 ) + E(UY
1 )
37
42. Y utilizando el teorema de la probabilidad total y el hecho de independencia entre los
montos de los dos tipos de reclamaciones se obtiene
= pµX + pθµY
Pueden existir tres escenarios en los cuales se presenten las reclamaciones relacionadas
en cualquier periodo de tiempo, estos tres escenarios deben tenerse en cuenta en el
momento de querer planificar sobre ellos y estos se enumeran a continuaci´on.
1. La reclamaci´on principal.
2. La reclamaci´on inicial y la reclamaci´on subsecuente inducida por la reclamaci´on
inicial.
3. La reclamaci´on subsecuente inducida por la reclamaci´on inicial ocurrida previa-
mente.
Bajo los posibles tipos de reclamaci´on ya mencionados la esperanza matem´atica de la
suma de los montos de reclamaciones para un periodo cualquiera viene dada por
E(Un+1) = E(Un) + pµX + pθµY + p(1 − θ)µY
= E(Un) + pµX + pθµY + pδµY
= E(Un−1) + pµX + pθµY + pδµY + E(U1)
= E(Un−1) + 2(pµX + pθµY + pδµY )
donde por inducci´on
= (n + 1)p0oµX + pθµY + npδµY
= np(µX + µY ) + pµX + pθµY
Por ´ultimo en el planteamiento del modelo nos aseguramos de que la tasa de la prima
excede la tasa de reclamaciones netas y por lo tanto la carga de aseguramiento es
positiva, en t´erminos de la esperanza de la suma de montos reclamados.
38
43. p(µX + µY ) < 1 (2.11)
Es bajo este tipo de proceso donde se presentar´an las f´ormulas recursivas para el c´alculo
de la probabilidad de ruina en tiempo finito.
Ya que para algunos lectores puede parecer extra˜no plantear este modelo a un escenario
real se ponen en consideraci´on las siguientes situaciones donde se puede presentar este
tipo de reclamaciones relacionadas en el tiempo; si se considera que para una cat´astrofe
como un terremoto o una tormenta puede ser muy probable que ocurran reclamaciones
de seguros despu´es de los inmediatos o tambi´en se puede considerar el caso en que un
seguro de accidente tenga despu´es de cobrada la reclamaci´on el agravante posterior del
suceso muerte.
Otra posible interpretaci´on de nuestro modelo puede ser que la reclamaci´on subsecuente
puede ser tomada como una porci´on aleatoria del total de reclamaciones tomando
algunas unidades de tiempo para ser resuelto.
39
44. CAP´ITULO 3
F´ormulas Recursivas Para el C´alculo de la Probabilidad de Ruina
en Tiempo Finito
En la matem´atica se ha utilizado la recursi´on como un m´etodo elegante para la soluci´on
de problemas ya que desde algunas condiciones se puede encontrar una soluci´on general
y el planteamiento de dichas soluciones se hace de manera m´as r´apida, adem´as las
recursiones permiten crear sistemas que solucionen o den aproximaciones a la soluci´on
de un problema; la teor´ıa de riego actuarial tambi´en usa la recursi´on, esto se muestra en
la producci´on de conocimientos basados en recursiones para evitar complicados c´alculos
y adem´as optimizar el procedimiento por ejemplo los algoritmos de Prill y Panjer son
muestra de como funcionan las recursiones en esta disciplina, tambi´en se puede notar
que en muchos casos la soluci´on mediante recursiones proporciona una herramienta ´util
para encontrar las soluciones anal´ıticas, este hecho se puede presenciar en el cap´ıtulo 2
donde se discuten c´alculos recursivos para encontrar la probabilidad de ruina.
Para evaluar la probabilidad de ruina en tiempo finito, es necesario estudiar la ocu-
rrencia de las reclamaciones en dos escenarios. El primero es que si una reclamaci´on
principal ocurre en un periodo de tiempo determinado la reclamaci´on subsecuente tam-
40
45. bi´en ocurra en el mismo periodo, por lo tanto no existir´an reclamaciones para el pr´oximo
periodo de tiempo y de esta manera el proceso de super´avit se renueva.
El segundo escenario es el evento complementario al que se mencion´o anteriormente
es decir si existe una reclamaci´on principal su sobre reclamaci´on se producir´a en el
siguiente periodo de tiempo. Ahora si la reclamaci´on principal se produce en el periodo
anterior y su reclamaci´on subsecuente asociada se produce al final del periodo de tiempo
actual se tiene el siguiente proceso de super´avit condicionado al segundo escenario
S1(t) = u + t − UX
t − UY
t − Y (3.1)
para t = 1, 2, 3 . . . y con S1(0) = u se nota adem´as la probabilidad de supervivencia al
proceso condicional en el periodo k como φ1(u, k) y con esto se obtiene por medio del
teorema de la probabilidad total que
φ(u − 1, k) = qφ(u, k − 1) + pθ
m+n≤u
φ(u − m − n, k − 1)fmgn
+ p(1 − θ)
m≤u
φ1(u − m, k − 1)fm
= qφ(u, k − 1) + pθ
u
m+n=1
φ(u − m − n, k − 1)fmgn+
pδ
u
m=1
φ1(u − m, k − 1)fm (3.2)
donde cada una de los sumandos de la ecuaci´on anterior representa cada posibilidad en
las que se pueden presentar las reclamaciones en el periodo t = k, es decir
1. el primer sumando representa la probabilidad de que no exista reclamaci´on princi-
pal en el periodo t = k por la probabilidad de supervivencia del periodo anterior.
2. El segundo sumando representa la probabilidad de que exista reclamaci´on princi-
pal y reclamaci´on subsecuente en el periodo t = k por la probabilidad de super-
vivencia del periodo anterior.
3. El tercer sumando representa la probabilidad de que exista reclamaci´on principal
en el periodo t = k y que la reclamaci´on principal sea retrasada al periodo k + 1
41
46. por la probabilidad de supervivencia del periodo anterior; es de notar que en
esta oportunidad se usa el proceso de super´avit definido para esta situaci´on en la
ecuaci´on (3.1).
Adem´as
φ1(u − 1, k) = q
n≤u
φ(u − n, k − 1)gn + pθ
m+n+l≤u
φ(u − m − n − l, k − 1)fmgngl
+ p(1 − θ)
m+n≤u
φ1(u − m − n, k − 1)fmgn
φ1(u − 1, k) = q
u
n=1
φ(u − n, k − 1)gn + pθ
u
m+n+l=1
φ(u − (m + n + l), k − 1)fmgngl
+ pδ
u
m+n=1
φ1(u − (m + n), k − 1)fmgn (3.3)
para u ≥ 1 y k ≥ 1. Es claro que φ(u, 0) = φ1(u, 0) = 1 para todo u ≥ 0. Se define la
funci´on generadora as´ı
¯φ(z, k) =
∞
u=0
φ(u, k)zu
y ¯φ1(z, k) =
∞
u=0
φ1(u, k)zu
Para manipular las ecuaciones (3.2) y (3.3) mediante las funciones generadoras de
probabilidad es necesario hacer un trabajo previo; para empezar se multiplicar´a la
ecuaci´on (3.2) por zu
de donde se tiene
zzu−1
φ(u − 1, k) = zu
qφ(u, k − 1) + zu
pθ
u
m+n=1
φ(u − m − n, k − 1)fmgn
+ zu
pδ
u
m=1
φ1(u − m, k − 1)fm
42
47. zzu−1
φ(u−1, k) = q(zu
φ(u, k −1))+pθ(
u
m+n=1
zu−(m+n)
φ(u−m−n, k −1)zm
fmzn
gn)
+ pδ(
u
m=1
zu−m
φ1(u − m, k − 1)zm
fm)
ahora, si a esta ´ultima ecuaci´on la sumamos a cada lado de 1 a infinito sobre u
z
∞
u=1
zu−1
φ(u − 1, k) = q(
∞
u=1
zu
φ(u, k − 1))
+ pθ(
∞
u=1
u
m+n=1
zu−(m+n)
φ(u − m − n, k − 1)zm
fmzn
gn)
+ pδ(
∞
u=1
u
m=1
zu−m
φ1(u − m, k − 1)zm
fm)
esto es por definici´on de las funciones generadoras de probabilidad
z ¯φ(z, k) = q(¯φ(z, k−1)−φ(0, k−1))+pθ ¯φ(z, k−1) ¯f(z)¯g(z)+pδ ¯φ1(z, k−1) ¯f(z) (3.4)
utilizando los mismos argumentos sobre (3.3) se obtiene
z ¯φ1(z, k) = q ¯φ(z, k − 1)¯g(z) + pθ ¯φ(z, k − 1) ¯fz¯g2
(z) + pδ ¯φ1(z, k − 1) ¯f(z)¯g(z) (3.5)
Ahora teniendo en cuenta las funciones generadoras bivariadas
¯φ(z, t) =
∞
k=0
¯φ(z, k)tk
, ¯φ1(z, t) =
∞
k=0
¯φ1(z, k)tk
, y ¯φ0(t) =
∞
k=0
¯φ(0, k)tk
43
48. y aplicando el mismo m´etodo que se utiliz´o para conseguir (3.4) y (3.5) se tiene
z
∞
k=1
¯φ(z, k)tk
= qt(
∞
k=1
tk−1 ¯φ(z, k − 1) − φ(0, k − 1)) + ptθ
∞
k=1
¯φ(z, k − 1) ¯f(z)tk−1
¯g(z)
+ ptδ
∞
k=1
¯φ1(z, k − 1) ¯f(z)tk−1
z(¯φ(z, t) − ¯φ(z, 0)) = qt(
∞
k=0
tk ¯φ(z, k) − φ(0, k)) + ptθ
∞
k=0
¯φ(z, k) ¯f(z)tk
¯g(z)
+ ptδ
∞
k=0
¯φ1(z, k) ¯f(z)tk
z(¯φ(z, t) − ¯φ(z, 0)) = qt(¯φ(z, t) − ¯φ0(t)) + pθt ¯f(z)¯g(z)¯φ(z, t) + pδt ¯f(z) ¯φ1(z, t) (3.6)
z( ¯φ1(z, t) − ¯φ1(z, 0)) = qt¯g(z)¯φ(z, t) + pθt ¯f(z)¯g2
(z)¯φ(z, t) + pδt ¯f(z)¯g(z) ¯φ1(z, t)
= ¯g(z)(qt¯φ(z, t) + pθt ¯f(z)¯g(z)¯φ(z, t) + p(1 − θ)t ¯f(z) ¯φ1(z, t)).
(3.7)
Es de notar que ¯φ1(z, 0) = ¯φ(z, 0), donde por definici´on y por propiedades de la serie
geom´etrica se obtiene
¯φ1(z, 0) = ¯φ(z, 0) =
∞
u=0
φ(u, 0)zu
=
∞
u=0
zu
=
1
1 − z
y con esto (3.6) y (3.7) pueden escribirse como
44
49. z ¯φ(z, t) −
z
1 − z
= (qt + pθt ¯f(z)¯g(z))(¯φ(z, t)) + p(1 − θ)t ¯f(z)( ¯φ1(z, t) − qt( ¯φ0(t))
z ¯φ1(z, t) −
z
1 − z
= ¯g(z)(z ¯φ(z, t) −
z
1 − z
+ qt( ¯φ0(t)).
Para combinar las dos ecuaciones anteriores, primero se tiene despejando de la segunda
ecuaci´on ¯φ1(z, t)
¯φ1(z, t) =
1
1 − z
+ ¯g(z)¯φ(z, t) −
¯g(z)
1 − z
+
qtφ0(t)¯g(z)
z
y por lo tanto
¯φ1(z, t)t ¯f(z)p(1 − θ) =
t ¯f(z)p(1 − θ)
1 − z
+ ¯g(z)t ¯f(z)p(1 − θ)¯φ(z, t) −
t ¯f(z)p(1 − θ)¯g(z)
1 − z
+
t ¯f(z)p(1 − θ)qtφ0(t)¯g(z)
z
y al reemplazar este valor en la primera ecuaci´on
z ¯φ(z, t)−
z
1 − z
= (qt+pθt ¯f(z)¯g(z))¯φ(z, t)+
t ¯f(z)p(1 − θ)
1 − z
+ ¯g(z)t ¯f(z)p(1−θ)¯φ(z, t)
−
t ¯f(z)p(1 − θ)¯g(z)
1 − z
+
t ¯f(z)p(1 − θ)qtφ0(t)¯g(z)
z
− qt( ¯φ0(t))
donde agrupando t´erminos semejantes la ecuaci´on queda escrita como
¯φ(z, t)[z − t(q + p ¯f(z)¯g(z))] =
z
1 − z
+ t(1 − ¯g(z))
p(1 − θ) ¯f(z)
1 − z
− qt ¯φ0(t) 1 − p(1 − θ)t
¯f(z)¯g(z)
z
. (3.8)
45
50. Sea UW
k el monto total de reclamaciones en los primeros k periodos en el modelo
binomial compuesto, con monto individual de reclamaciones W = X + Y . Entonces
para encontrar la funci´on generadora de probabilidad de UW
k notada como ¯h(z, k) se
procede de la siguiente manera:
Para un periodo de tiempo cualquiera se tiene desde el teorema de la probabilidad total
aplicado al modelo binomial compuesto que
Pr(X + Y = k) = pθPr(X + Y = k) + p(1 − θ)Pr(X + Y = k)
si se desea expresar lo anterior mediante la funci´on generadora de probabilidad entonces
se tiene
¯h(z) =
∞
k=0
Pr(X + Y = k)tk
= qt0
+
∞
k=1
[pθPr(X + Y = k) + p(1 − θ)Pr(X + Y = k)] tk
= q +
∞
k=1
[pPr(X + Y = k)(θ + 1 − θ)] tk
= q +
∞
k=1
[pPr(X = m)Pr(Y = n)] tm+n
= q +
∞
m+n=1
pfmtm
gntn
= q + p
∞
m=1
fmtm
∞
m=1
gntn
= q + p ¯f(z)¯g(z)
Usando la hip´otesis de independencia de los montos de reclamaciones para cada pe-
riodo se tiene que para los primeros k periodos la funci´on generadora de probabilidad
¯h(z, k) = [q+p ¯f(z)¯g(z)]k
. Es claro que ¯h(z, 1) = q+p ¯f(z)¯g(z), y adem´as se notar´an las
funciones de densidad y de distribuci´on de UW
k como h(i, k) y H(i, k) respectivamente.
Con esto, si se divide a ambos lados de (3.8) por z − t¯h(z, 1) es decir se multiplica por
(z − t¯h(z, 1))−1
cuya expresi´on se puede ver como serie de potencias de la variable t de
46
51. la siguiente manera
(z − t¯h(z, 1))−1
=
1
z − t¯h(z, 1)
=
1
z
1
1 − t¯h(z,1)
z
=
z−1
1 − t¯h(z,1)
z
Y por propiedades de las series geom´etricas es
=
1
z
∞
k=0
t(¯h(z, 1))
z
k
=
∞
k=0
tk
(¯h(z, 1))k
zk+1
.
Se multiplicar´a cada t´ermino de (3.8) por el resultado anterior, esto para obtener una
nueva expresi´on, as´ı para
El lado izquierdo de la ecuaci´on (3.8) queda escrito como
¯φ(z, t)[z − t(q + p ¯f(z)¯g(z))]
z − t(q + p ¯f(z)¯g(z))
= ¯φ(z, t)
=
∞
k=0
¯φ(z, k)tk
Al multiplicar el primer t´ermino del lado derecho de (3.8) por la expresi´on ∞
k=0
tk(¯h(z,1))k
zk+1
se tiene
z
1 − z
∞
k=0
tk
(¯h(z, 1))k
zk+1
=
1
1 − z
∞
k=0
tk
(¯h(z, 1))k
zk
=
∞
k=0
¯h(z, k)
zk(1 − z)
tk
47
52. Al multiplicar el segundo t´ermino del lado derecho de (3.8) por la expresi´on
∞
k=0
tk(¯h(z,1))k
zk+1 se tiene
t(1−¯g(z))
p(1 − θ) ¯f(z)
1 − z
∞
k=0
tk
(¯h(z, 1))k
zk+1
= ¯f(z)(1−¯g(z))
p(1 − θ)
1 − z
t
∞
k=0
tk
(¯h(z, 1))k
zk+1
= ¯f(z)(1 − ¯g(z))
p(1 − θ)
1 − z
∞
k=0
¯h(z, k)
zk+1
tk+1
= ¯f(z)(1 − ¯g(z))
p(1 − θ)
1 − z
∞
k=1
¯h(z, k − 1)
zk
tk
=
∞
k=0
¯f(z)(1 − ¯g(z))
p(1 − θ)
1 − z
¯h(z, k − 1)
zk
tk
Al expandir el producto del tercer t´ermino de (3.8) se tiene dos resultados que al
multiplicarlos por la expresi´on ∞
k=0
tk(¯h(z,1))k
zk+1 se tiene el siguiente par de resulta-
dos
1.
qt ¯φ0(t)
∞
j=0
(¯h(z, 1))k
tj
zj+1
= q ¯φ0(t)
∞
j=0
(¯h(z, 1))j
tj+1
zj+1
= q
∞
k=0
¯φ(0, k)tk
∞
j=0
(¯h(z, 1))j
tj+1
zj+1
= q
∞
k=0
∞
j=0
¯φ(0, k)
(¯h(z, 1))j
tk+j+1
zj+1
= q
∞
k=j+1
∞
j=0
¯φ(0, k − j − 1)¯h(z, j)z−j−1
tk
=
∞
k=0
q
k−1
j=0
¯φ(0, k − j − 1)¯h(z, j)zk−j−1
zk
tk
.
El ´ultimo resultado se obtiene al ordenar los ´ındices de las sumatorias, eli-
minar los sumandos donde la probabilidad de supervivencia se tomaba para
un periodo de tiempo negativo y dividiendo la expresi´on obtenida en zk
.
2. Operando de la misma manera la expresi´on
48
53. qt ¯φ0(t)p ¯f(z)¯g(z)(1 − θ)
∞
j=0
(¯h(z, 1))j
tj+1
zj+1
se obtiene
∞
k=0
qp ¯f(z)¯g(z)(1 − θ)
k−2
j=0
¯φ(0, k − j − 2)¯h(z, j)zk−j−2
zk
tk
Ahora si se toma la suma ∞
k=0 para todos los sumandos, se toma factor com´un tk
y se
multiplica a ambos lados de la ecuaci´on la expresi´on zk
se obtiene que para k = 1, 2, 3 . . .
zk ¯φ(z, k) =
¯h(z, k)
1 − z
+ ¯f(z)(1−¯g(z))¯h(z, k−1)
p(1 − θ)
1 − z
−q
k−1
j=0
φ(0, k−1−j)¯h(z, j)zk−1−j
+ pq(1 − θ) ¯f(z)¯g(z)
k−2
j=0
φ(0, k − 2 − j)¯h(z, j)zk−2−j
. (3.9)
Bajo este contexto para generar una relaci´on recurrente entre las funciones generadoras
de probabilidad, para el proceso conjunto de montos en periodos de tiempo consecutivos
es necesario aclarar que
¯h(z, k + 1) − q¯h(z, k) = (q + p ¯f(z)¯g(z))k+1
− q(q + p ¯f(z)¯g(z))k
= (q + p ¯f(z)¯g(z))k
q + p ¯f(z)¯g(z) − q
= p ¯f(z)¯g(z)(q + p ¯f(z)¯g(z))k
= p ¯f(z)¯g(z)¯h(z, k).
Adem´as la funci´on generadora de probabilidad ¯h puede ser escrita en t´erminos de la
funci´on de densidad h, y la funci´on de distribuci´on H, por lo tanto la ecuaci´on (3.9) se
puede reescribir teniendo en cuenta los siguientes resultados que se derivan de analizar
cada sumando de la ecuaci´on (3.9) por separado.
49
54. Para el primer sumando del lado derecho de la ecuaci´on (3.9) se tiene que rees-
cribiendo la funci´on generadora de probabilidad como serie de potencias y por el
v´ınculo entre la funci´on de densidad y la funci´on de probabilidad.
¯h(z, k)
1 − z
=
∞
i=0
H(i, k)zi
Para el segundo sumando expandiendo los t´erminos y usando el hecho que ¯h(z, k+
1) − q¯h(z, k) = p ¯f(z)¯g(z)¯h(z, k)
¯f(z)[1 − ¯g(z)]¯h(z, k − 1)
p(1 − θ)
1 − z
= [ ¯f(z)¯h(z, k) − ¯f(z)¯g(z)¯h(z, k)]
p(1 − θ)
1 − z
=
p(1 − θ)
1 − z
[ ¯f(z)¯h(z, k − 1)] − [p ¯f(z)¯g(z)¯h(z, k)]
(1 − θ)
1 − z
=
p(1 − θ)
1 − z
[ ¯f(z)¯h(z, k − 1)] − [¯h(z, k) − q¯h(z, k − 1)]
(1 − θ)
1 − z
Para el tercer sumando solo basta expresar la fgp como serie de potencias.
q
k−1
j=0
φ(0, k − 1 − j)¯h(z, j)zk−1−j
= q
k−1
j=0
φ(0, k − 1 − j)
∞
i=0
h(i, j)zk−1−j
zi
= q
k−1
j=0
φ(0, k − 1 − j)
∞
i=0
h(i, j)zi+k−1−j
Para el cuarto sumando se procede igual que el segundo ´ıtem.
pq(1 − θ) ¯f(z)¯g(z)
k−2
j=0
φ(0, k − 2 − j)¯h(z, j)zk−2−j
=
q(1 − θ)
k−2
j=0
φ(0, k − 2 − j)[p ¯f(z)¯g(z)¯h(z, j)zk−2−j
] =
q(1 − θ)
k−2
j=0
zk−2−j
φ(0, k − 2 − j)[¯h(z, j + 1) − q¯h(z, j)].
50
55. De esta manera la ecuaci´on (3.9) es equivalente a
zk ¯φ(z, k) =
∞
i=0
H(i, k)zi
− q
k−1
j=0
φ(0, k − 1 − j)
∞
i=0
h(i, j)zi+k−1−j
+
p(1 − θ)
1 − z
[ ¯f(z)¯h(z, k − 1)] − [¯h(z, k) − q¯h(z, k − 1)]
(1 − θ)
1 − z
+ q(1 − θ)
k−2
j=0
zk−2−j
φ(0, k − 2 − j)[¯h(z, j + 1) − q¯h(z, j)]. (3.10)
Si se define ¯h1(z, k) = ¯h(z, k − 1)(p + q ¯f(z)) con H1(i, k) su correspondiente funci´on de
distribuci´on. Y si como en la ecuaci´on (3.9) se reordena por secciones el lado derecho
de la ecuaci´on (3.10) entonces
Del segundo sumando de la ecuaci´on (3.10) se tiene
q
k−1
j=0
φ(0, k − 1 − j)
∞
i=0
h(i, j)zi+k−1−j
= q
k−1
j=0
φ(0, k − 1 − j)
∞
i=1+j−k
zi
h(i + 1 + j − k, j)
= q
k−1
j=0
φ(0, k − 1 − j)
∞
i=k−1−j
zi
h(i + 1 + j − k, j)
= q
∞
i=0
zi
k−1
j=k−1−j
φ(0, k − 1 − j)h(i + 1 + j − k, j)
= q
k−1
i=0
zi
k−1
j=k−1−j
φ(0, k − 1 − j)h(i + 1 + j − k, j)
+ q
∞
i=k
zi
k−1
j=0
φ(0, k − 1 − j)h(i + 1 + j − k, j)
51
56. Operando sobre el tercer y cuarto sumando de (3.10) se obtiene
p(1 − θ)
1 − z
[ ¯f(z)¯h(z, k − 1)] − [¯h(z, k) − q¯h(z, k − 1)]
(1 − θ)
1 − z
=
p(1 − θ)
1 − z
[ ¯f(z)¯h(z, k − 1)] −
(1 − θ)
1 − z
¯h(z, k) − q
(1 − θ)
1 − z
¯h(z, k − 1)
=
(1 − θ)
1 − z
[ ¯f(z)¯h(z, k − 1) − q¯h(z, k − 1)] −
(1 − θ)
1 − z
¯h(z, k)
=
(1 − θ)
1 − z
[( ¯f(z) − q)¯h(z, k − 1)] −
(1 − θ)
1 − z
¯h(z, k)
=
(1 − θ)
1 − z
¯h1(z, k) −
(1 − θ)
1 − z
¯h(z, k)
Ahora del quinto sumando de (3.10) se obtiene
q(1 − θ)
k−2
j=0
zk−2−j
φ(0, k − 2 − j)[¯h(z, j + 1) − q¯h(z, j)]
= q(1 − θ)
k−2
j=0
zk−2−j
φ(0, k − 2 − j)¯h(z, j + 1)
− q2
(1 − θ)
k−2
j=0
zk−2−j
φ(0, k − 2 − j)¯h(z, j)
= q(1 − θ)
k−1
j=1
zk−1−j
φ(0, k − 1 − j)¯h(z, j)
− q2
(1 − θ)
k−2
j=0
zk−2−j
φ(0, k − 2 − j)¯h(z, j)
con estos resultados hasta este momento la ecuaci´on (3.10) se puede reescribir como
52
57. zk ¯φ(z, k) =
∞
i=0
H(i, k)zi
− q
k−1
i=0
zi
k−1
j=k−1−j
φ(0, k − 1 − j)h(i + 1 + j − k, j)
− q
∞
i=k
zi
k−1
j=0
φ(0, k − 1 − j)h(i + 1 + j − k, j) +
(1 − θ)
1 − z
¯h1(z, k)
−
(1 − θ)
1 − z
¯h(z, k) + q(1 − θ)
k−1
j=1
zk−1−j
φ(0, k − 1 − j)¯h(z, j)
− q2
(1 − θ)
k−2
j=0
zk−2−j
φ(0, k − 2 − j)¯h(z, j)
Para terminar de reescribir la f´ormula (3.10) se tienen en cuenta los siguientes tres
resultados
1.
(1 − θ)
1 − z
¯h1(z, k) −
(1 − θ)
1 − z
¯h(z, k) = (1 − θ)
∞
i=0
z
i
H1(i, k) −
(1 − θ)
1 − z
¯h(z, k)
= (1 − θ)
∞
i=0
H1(i, k)z
i
−
∞
i=0
H(i, k)z
i
+ θ
∞
i=0
H(i, k)z
i
2.
k−1
j=1
z
k−1−j
φ(0, k − 1 − j)¯h(z, j) =
k−1
j=1
z
k−1−j
φ(0, k − 1 − j)
∞
i=0
z
i
h(i, j)
=
k−1
j=1
z
k−1−j
φ(0, k − 1 − j)
k−1
i=0
z
i
h(i, j) +
k−1
j=1
z
k−1−j
φ(0, k − 1 − j)
∞
i=k
z
i
h(i, j)
=
k−1
j=1
φ(0, k − 1 − j)
k−1
i=0
z
i+k−1−j
h(i, j) +
k−1
j=1
φ(0, k − 1 − j)
∞
i=k
z
i+k−1−j
h(i, j)
=
k−1
j=0
φ(0, k − 1 − j)
k−1
i=0
z
i+k−1−j
h(i, j) − φ(0, k − 1)h(0, 0)z
k−1
+
k−1
j=1
φ(0, k − 1 − j)
∞
i=k
z
i+k−1−j
h(i, j)
=
k−1
i=0
z
i
k−1
j=k−1−i
φ(0, k − 1 − j)h(i + j + 1 − k, j) − φ(0, k − 1)h(0, 0)z
k−1
+
∞
i=k
z
i
k−1
j=i
φ(0, k − 1 − j)h(i + j + 1 − k, j)
53
58. 3.
k−2
j=1
z
k−2−j
φ(0, k − 2 − j)¯h(z, j)
=
k−2
i=0
z
k−2−j
φ(0, k − 2 − j)
∞
i=0
z
i
h(z, j)
=
k−2
j=1
φ(0, k − 2 − j)
∞
i=0
z
i+k−2−j
h(i, j)
=
k−2
j=1
φ(0, k − 2 − j)
∞
i=k−2−j
z
i
h(i, j)
=
∞
i=0
z
i
k−2
j=k−2−i
φ(0, k − 2 − j)h(i + j + 2 − k, j)
=
k−2
i=0
z
i
k−2
j=k−2−i
φ(0, k − 2 − j)h(i + j + 2 − k, j)
+
∞
i=k−1
z
i
k−2
j=0
φ(0, k − 2 − j)h(i + j + 2 − k, j)
Esto muestra que la ecuaci´on (3.10) puede ser escrita como
zk ¯φ(z, k) = θ
∞
i=0
H(i, k)zi
− q
k−1
i=0
zi
k−1
j=k−1−j
φ(0, k − 1 − j)h(i + 1 + j − k, j)
− q
∞
i=k
zi
k−1
j=0
φ(0, k − 1 − j)h(i + 1 + j − k, j) + (1 − θ)
∞
i=0
H1(i, k)zi
+ q(1 − θ)
k−1
i=0
zi
k−1
j=k−1−i
φ(0, k − 1 − j)h(i + j + 1 − k, j) − φ(0, k − 1)h(0, 0)zk−1
+
∞
i=k
zi
k−1
j=1
φ(0, k − 1 − j)h(i + j + 1 − k, j)
+ q2
(1 − θ)
k−2
i=0
zi
k−2
j=k−2−i
φ(0, k − 2 − j)h(i + j + 2 − k, j)
+
∞
i=k−1
zi
k−2
j=0
φ(0, k − 2 − j)h(i + j + 2 − k, j) (3.11)
Si se tiene en cuenta que
54
59. zk ¯φ(z, k) = zk
∞
i=0
φ(i, k)zi
=
∞
i=0
zi+k
φ(i, k)
=
∞
i=k
zi
φ(i − k, k) (3.12)
y si se comparan los coeficientes de zi
de (3.12) con los terminos al lado derecho de
(3.11) se tienen las siguientes f´ormulas recursivas:
φ(0, k) = θH(k, k) + (1 − θ)H1(k, k) − qθ
k−1
j=0
φ(0, k − 1 − j)h(j + 1, j)
− q2
(1 − θ)
k−2
j=0
φ(0, k − 2 − j)h(j + 2, j) (3.13)
φ(i − k, k) = θH(i, k) + (1 − θ)H1(i, k) − qθ
k−1
j=0
φ(0, k − 1 − j)h(i + j + 1 − k, j)
− q2
(1 − θ)
k−2
j=0
φ(0, k − 2 − j)h(i + j + 2 − k, j). (3.14)
las cuales permiten encontrar la probabilidad de ruina en tiempo finito para 2 recla-
maciones relacionadas en el tiempo en el modelo binomial compuesto.
55
60. Conclusiones
En el sector asegurador se presenta un gran n´umero de variantes que pueden complicar
las predicciones y modelos del actuario a cargo de la compa˜n´ıa; en este trabajo se
evidencia un problema sobre retrasos en las liquidaciones de una reclamaci´on o el
caso donde una reclamaci´on cobre agravantes sobre la misma. Esta clase de problemas
necesitan una soluci´on y es por ello que en (Guo, 2001) se presentan tanto el modelo,
como una soluci´on para el problema espec´ıfico del c´alculo de la probabilidad de ruina.
Del estudio de las tres primeras secciones de dicho art´ıculo y la reconstrucci´on te´orica
a partir de herramientas matem´aticas y probabil´ısticas de acuerdo a los objetivos del
trabajo se puede concluir que:
Utilizar el supuesto de un modelo discreto y en este caso espec´ıficamente el supues-
to del modelo binomial compuesto, facilita la manipulaci´on de distintos recursos
que se plantean para solucionar problemas en el marco de la teor´ıa de riesgo
actuarial, este modelo en muchos casos permite obtener resultados de manera
´optima y adem´as permite llevar estas soluciones al modelo continuo con menor
dificultad.
La utilizaci´on de f´ormulas recursivas para el c´alculo de probabilidades de ruina en
el contexto de la teor´ıa de riesgo actuarial es una herramienta precisa y muy ´util
para plantear sistemas de soluciones desde el simple conocimiento del comporta-
miento inicial del modelo. Adem´as la recursividad hace para el actuario mucho
m´as f´acil la programaci´on de las f´ormulas necesarias para abordar cualquier pro-
blema; tambi´en es de resaltar que desde el conocimiento de f´ormulas recursivas se
puede plantear una soluci´on bajo f´ormulas expl´ıcitas como se muestra en (Dick-
son, 1994), (Shiu , 1989) y (Alfredo, 2000).
Las funciones generadoras de probabilidad adem´as de ofrecer alternativas para
la obtenci´on de los momentos de las distribuciones,adem´as como se muestra en
este trabajo, desde las mismas pueden obtenerse relaciones directas entre objetos
matem´aticos tratados en la teor´ıa de riesgo actuarial. La manipulaci´on de las
funciones generadoras de probabilidad en este caso aunque aparezcan expresiones
complicadas y dispendiosas, permiten un manejo matem´atico y computacional
pr´actico, es por esto que se pretende en trabajos futuros hacer utilizaci´on de las
56
61. mismas para la obtenci´on de probabilidades de ruina en el caso de reclamaciones
relacionadas en m´as periodos de tiempo y la introducci´on del modelo binomial
negativo compuesto para solucionar problemas en un espacio discreto en donde
el modelo binomial compuesto no ofrece alternativas de soluci´on.
57
62. CAP´ITULO 4
Anexos
4.1. La Ruina del Jugador
Este problema cl´asico es uno de los m´as estudiados en los cursos de probabilidad a nivel
mundial y como era de esperarse su interpretaci´on presenta una aplicaci´on importante
en el contexto de la teor´ıa de riesgo actuarial.
Este problema es el ´ultimo propuesto por Huygens a los lectores en el a˜no de 1657 en
su tratado De Ratiocin¨us in Ludo Aleae, “El Razonamiento en el Juego de Dados”. El
tratado que consist´ıa de 5 problemas, tres de ellos con soluci´on tendr´ıa en su interior
uno de los problemas m´as famosos entre los estudios de la probabilidad.
El problema se trata de un juego entre dos jugadores a un n´umero indeterminado de
partidas, donde en cada partida se juegan una moneda 1
y que s´olo concluye cuando
uno de los dos jugadores ha perdido todo su dinero. Tenemos un juego que podr´ıa tener
duraci´on infinita. El problema plantea el c´alculo de la probabilidad de que un jugador
1
Qui´en la pierde le paga al otro una moneda
58
63. arruine al contrario sabiendo la cantidad de monedas con las que parte cada uno 2
y
conociendo las probabilidades de ganar en cada partida de cada uno de los jugadores,
probabilidades que no tienen por qu´e ser iguales aunque si constantes a lo largo de todo
el juego. Se supone, adem´as que las partidas son sucesos independientes entre s´ı, o sea,
el resultado de una partida no influye en los resultados posteriores, cosa que ocurre en
un juego de puro azar, donde el jugador no va aprendiendo a medida que se desarrolla
el juego, El problema mencionado es el problema de nuestro inter´es, el problema de la
ruina del jugador.
Es de tener en cuenta que aunque Huygens fue quien introdujo el problema formalmente
este problema ya hab´ıa sido propuesto por Pascal a Fermat mediante correo, tambi´en se
sabe que el problema fue estudiado por James Bernoulli; estos tres famosos matem´aticos
lo catalogaron entre los problemas m´as dif´ıciles de resolver, y fue hasta 1865 cuando se
conoci´o la divulgaci´on previa a Huygens y seg´un Todhunter es el primer ejemplo sobre
la duraci´on del juego, un asunto que posteriormente sirvi´o para mostrar la elevada
capacidad de De Moivre, Lagrange y Laplace.
A continuaci´on se presenta la soluci´on al problema.
4.1.1. Soluci´on al Problema del Jugador
Suponga que un juego entre un jugador y un casino, el contexto de ruina se dar´a cuando
cualquiera de los dos jugadores quede sin fichas. Si el jugador tiene n fichas y la mesa
del casino cuenta con m fichas, hay en juego el total de m + n = K fichas. Sea p la
probabilidad de ganar el jugador en cada partida y sea q la probabilidad que gane el
casino, por comodidad p + q = 1, es decir en cada partida hay un ganador.
Sea wi la probabilidad de que el jugador arruine la mesa cuando ´el dispone de i monedas.
Por tanto, 1−wi es la probabilidad de que la banca arruine al jugador cuando ´este tiene
i monedas. Se puede escribir: w0 = 0, pues el jugador ya ha perdido todas sus monedas,
no puede seguir jugando y, por tanto, no tiene ninguna posibilidad de arruinar a la mesa
del casino.
w1 = pw2, pues si al jugador le queda una moneda, la ´unica posibilidad de seguir
en el juego es ganando la siguiente partida. Por tanto, la probabilidad de arruinar la
2
En un principio Huygens establec´ıa el mismo n´umero de monedas para ambos
59
64. mesa disponiendo de una sola moneda es igual a la probabilidad de ganar la siguiente
partida (juntando entonces 2 monedas) por la probabilidad de arruinar la mesa cuando
se dispone de 2 monedas.
w2 = pw3 +qw1, pues, la probabilidad de que arruine la mesa con dos monedas es igual
a la probabilidad de que gane la siguiente partida (juntando entonces 3 monedas) por
la probabilidad de que arruine la mesa con 3 monedas m´as la probabilidad de perder
la siguiente partida (quedando entonces con una sola moneda) por la probabilidad de
arruinar la mesa con una moneda. Es de nota, que el conocido teorema de la proba-
bilidad total sirve perfectamente para ir construyendo las igualdades que definen una
recurrencia en funci´on del n´umero de monedas que tiene el jugador. wk = 1, pues el
jugador ya tiene todas las monedas, y el juego a terminado.
Se puede generalizar y resumir escribiendo:
w0 = 0 wk = 1 wi = pwi+1 + qwi−1 i = 1, 2, . . . , K − 1
Ahora solo basta resolver la siguiente ecuaci´on en diferencias.
wi = (p + q)wi = pwi + qwi
Igualando las dos ecuaciones anteriores.
pwi+1 + qwi−1 = pwi + qwi
p(wi+1 − wi) = q(wi − wi−1)
wi+1 − wi =
q
p
(wi − wi−1)
Para disttintos valores de i se tiene lo siguiente.
60
65. para i = 1
w2 − w1 =
q
p
w1
para i = 2
w3 − w2 =
q
p
(w2 − w1) =
q
p
2
w1
para i = 3
w4 − w3 =
q
p
(w3 − w2) =
q
p
3
w1
para i = k − 1
wk − wk−1 =
q
p
(wk−1 − wk−2) =
q
p
k−1
w1
Al sumar miembro a miembro las igualdades anteriores se tiene que.
1 − wi = wi
q
p
+
q
p
2
+
q
p
3
. . .
q
p
k−1
Por tanto.
1 = wi 1 +
q
p
+
q
p
2
+
q
p
3
. . .
q
p
k−1
Y con esto obtenemos el valor.
wi =
1
wi
q
p
+ q
p
2
+ q
p
3
. . . q
p
k−1
Ahora si supone que se trunca en la i-´esima suma y sustituyendo el valor de w1 se tiene
que.
61
66. wi =
1 + q
p
+ q
p
2
+ q
p
3
. . . q
p
i−1
1 + q
p
+ q
p
2
+ q
p
3
. . . q
p
k−1
De donde.
wi =
1 − q
p
i
1 − q
p
k
.
Esta es la soluci´on general del problema de la ruina del jugador, donde para ciertas
restricciones se tiene lo siguiente.
Para p = q, es decir para eventos equiprobables.
wi =
i
k
Si se tiene que q > p y para i suficientemente grande es decir q
p
i
>> 1 se tiene
que.
wi =
p
q
k−i
Para p < q y si se tiene k suficientemente grande como para decir que q
p
k
∼ 0
entonces.
wi = 1 −
q
p
i
Esta soluci´on y el problema puede ser encontrada en (Baley, 1964) y (Basulto, 2008)
62
67. Bibliograf´ıa
Guo Y., Yuen C., 2001. Ruin Probabilities for Time-Correlated Claims in the Com-
pound Binomial Model.Insurance: Mathematics and Economics 29, 47-57.
Kaas R.,Goovaerts M.,Denuit M.,2005. Actuarial Theory for Dependent Risks. Wiley
and Sons, Chichester.
Rincon L.,2012. Introducci´on a la Teor´ıa de Riesgo.ciudad universitaria UNAM, Mexico
DF.
Baley J., Norman T., 1964. The Elements of Stochastics Processes. Wiley and Sons,
New York.
Shiu, E., 1989. The probability of eventual ruin in a compound binomial model. ASTIN
Bulletin 19, 179-190.
Dickson, D.C.M., 1994. Some comments on the compound binomial model. ASTIN
Bulletin 24, 33-45.
Gerber, H.U., 1988. Mathematical fun with the compound Poisson process. ASTIN
Bulletin 18, 161-168.
Alfredo, D.E., 2000. The compound binomial model revisited. Universidad T´ecnica de
Lisboa, Lisboa.
63
68. Asmussen, S., 1989. Risk theory in a Markovian environment. Scandinavian Actuarial
Journal, 69-100.
Basulto J., Cam´u˜nez J., P´erez D., 2008. El problema de la ruina del jugador. SUMA
59, 23-30.
64