Reaseguro

(Excess of loss)
Godinez Ramos Deniss
Guzmán Anacoreta Andrés
Tolentino Tapia Oswaldo
Vera Santillan Daniela
23 de abril de 2019

Ejercicios
Primer Ejercicio
Suponga que se establece como función de probabilidad para la variable
aleatoria Y la que aparece en la de abajo. Esta variable aleatoria representa
el monto de una reclamación en un seguro. Considere un reaseguro excess of
loss para Y con el nivel de retención M = 100.

y 50 100 150 200

P(Y=y) 0.2 0.3 0.4 0.1

1. Calcule la función de probabilidad para las variables Y A = min{Y, M }

y Y R = max{0, Y − M }.


 0.2 si y = 50,

0.3 si y = 100,



P (Y = y) = 0.4 si y = 150,

0.1 si y = 200,




0 en otro caso;

1
 2. Calcule las esperanzas de estas variables aleatorias y compruebe que
E(Y ) = E(Y A ) + E(Y R ).

P = Y1 ∗ P (Y = 1) + Y2 ∗ P (Y = 2) + Y3 ∗ P (Y = 3) + Y4 ∗ P (Y = 4)
= (50)(0.2) + (100)(0.3) + (150)(0.4) + (200)(0.1)
= 120

E(Y A ) = Y1 ∗ P (Y = 1) + Y2 ∗ P (Y = 2)
= (50)(0.2) + (100)(0.3)
= 40

E(Y R ) = Y3 ∗ P (Y = 3) + Y4 ∗ P (Y = 4)
= (150)(0.4) + (200)(0.1)
= 80

E(Y ) = E(Y A ) + E(Y R )

= 40 + 80
= 120

Ejercicio 2
Suponga el monto de una reclamación Y se modela mediante una varia-
ble aleatoria con distribución exp(λ). Para un valor de retención M > 0,
calcula la función de distribución y la esperanza de las variables aleatorias
min{Y, M } y max{0, Y − M }.
∇ (
FYi (x) si x < M
FYiA (x) =
1 si x ≥ M
⇒ (
λe−λx si x < M
FYiA (x) =
1 si x ≥ M

2
 (
0 si x ≤ M
FYiR (x) =
FYi (x) si x ≥ M
⇒ (
0 si x ≤ M
FYiR (x) =
λe−λ(M +x) si x ≥ M
Como Y v exp(λ) con M > 0 Entonces:
1
E(Y ) =
λ

1
E(Y A ) = min{ , M }
λ

1
E(Y R ) = max{0, − M}
λ

Ejercicio 3
Demuestre que la función generadora de probabilidad de la variable N R
(Número de reclamaciones que la reaseguradora afronta) en un reaseguro por
exceso de pérdida con nivel de retención M es

PN R (t) = PN (1 − p + pt),

en donde p = P (Yj > M ) y PN (t) es la función generadora de probabilidad

del número total de reclamaciones N .
Demo:

PN R (t) = MN (ln(1 − (1 − a) + (1 − a)et )

= MN (ln(a + (1 − a)et ))
= MN (ln(P (Yj ≤ M ) + (1 − P (Yj ≤ M ))et )
= MN (ln(1 − P (Yj > M ) + (1 − (1 − P (Yj > M )))et )
= MN (ln(1 − P (Yj > M ) + P (Yj > M )et )

3
Ahora partiendo por la definición del enunciado sabemos que PN (t) = MN (ln(M ))
y que p = P (Yj > M ).

⇒ PN R (t) = MN (ln(1 − P (Yj > M ) + P (Yj > M )et )

= PN (1 − p + pt)

∴ PN R (t) = PN (1 − p + pt)

Ejercicio 4
. Considere un reaseguro por exceso de pérdida y sean N A y N R el nú-
mero de reclamaciones afrontada por el asegurador y por el reasegurador
respectivamente. El total de reclamaciones es

N = NA + NR

Suponga que N tiene distribución Poisson(λ)

1. Consideerando sobre el valor de N , demuestre que las variables N A y
N R son independientes.

2. Compruebe qe N A y N no son independientes, verifique, por ejemplo

que P (N A = 0, N = 0) 6= P (N A = 0)P (N = 0).
Suponga ahora que N tiene distribución Bin(n,p). Evaluando la pro-
babilidad, por ejemplo, en el valor 0 para ambas variables aleato-
rias,demuestre que:

3. N A y N R no son independientes.

4. N y N A no son independientes.

Ejercicio 5
Suponga que un cierto risgo S se representa mediante un modelo colec-
tivo. Condicionando sobre los posibles valores de la variable aleatoria N ,

4
demuestre que las variables que N A y N R tienen la misma distribución que
N pero con distintos parámetros en los casos cuando N es Poisson Binomial
y Binomial Negativa. Este es un método alternativo de la demostración de
la proposición 4.1 en donde se uso la función generadora de momentos.

Si N v P oisson(λ).

⇒ N A v P oisson(aλ)

⇒ N R v P oisson((1 − a)λ)

e−λ λx
N=
x!

e−λa λax e−λ(1−a) λ(1a )x

N= +
λa! λ(1 − a)!

Si N v Binomial(n, p).

⇒ N A v Binomial(n, ap)

⇒ N R v Binomial(n, (1 − a)p)

 
n
N= · px (1 − p)n−x
x

   
n x n−x n
N= · ap (1 − p) + · (1 − a)px (1 − p)n−x
x x

5
 Si N v BinN eg(k, p).
 
A p
⇒ N v BinN eg k,
p + a(1 − p)

 
R p
⇒ N v BinN eg k,
p + (1 − a)(1 − p)

   r
k+x−1 p
N= · (1 − p)x
r p + (1 − p)

  r   r
k+x−1 p x k+x−1 p
N= · (1−p) + · (1−p)x
r p + a(1 − p) r p + (1 − a)(1 − p)

Ejercicio 6
Considere un riesgo S con distribución Poisson compuesta de párametro λ.
Suponga que cada reclamación Y tiene distribución Pareto(a,b).Se adquiere
un Reaseguro por exceso de pérdida con nivel de retención M y por lo tanto la
reclamación afortunada por la aseguradora es Y A = min{Y, M }. Demuestre
que:
b
1. E(Y A ) = E(Y ) − ( b+M )a−1 E(Y ).
b
2. E(S A ) = E(S) − ( b+M )a−1 E(S).

b
1. E(Y A ) = E(Y ) − ( b+M )a−1 E(Y ).
Demo:

6
 E(Y A ) = E[Y A ∗ 1 ∗ (Y ≤ M )] + E[Y A ∗ 1 ∗ (Y > M )]
= E[Y ∗ 1 ∗ (Y ≤ M )] + E[M ∗ 1 ∗ (Y > M )]
Z M
= Y ∗ F (y) dy + M ∗ (1 − P (Y ≤ M ))
0
Z M
= Y ∗ F (y) dy + M ∗ (1 − F (M ))
0
Z M
M
= Y ∗ F (y) |0 − F (y) dy + M ∗ (1 − F (M ))
0

Recoradando que si z v P areto((a − 1), b).

"  a−1 #
b b
∴ E(Y A ) = 1−
a−1 b+M

 a−1
A b
⇒ E(Y ) = E(Y ) 1 −
b+M

Ya que Y ∼ P areto(a, b) si a > 1 y x > 0. Entonces:

aba
f (y) =
(b + x)a+1

 a
b
F (y) = 1 −
b+x

b
E(Y ) =
b−1

7
 Z M  a
A b
⇒ E(Y ) = M ∗ F (M ) − 1− dy + M (1 − F (M ))
0 b+x
Z M a
b
= dy
0 b+x
Z M
a (a − 1)ba−1
= dy
a−1 0 (b + x)a
b
= Fz(M )
a−1
"  a−1 #
b
∴ E(Y A ) = E(Y ) 1 −
b+M
b
2. E(S A ) = E(S) − ( b+M )a−1 E(S).
Demo:

⇒ E(S A ) = E(N ) ∗ E(Y A )

"  a−1 #
b
= E(N ) ∗ E(Y ) 1 −
b+M
"  a−1 #
b
= E(S) 1 −
b+M
 a−1
b
= E(S) − E(S)
b+M

Ejercicio 7
Suponga que se tiene un riesgo de la forma
N
X
S= Yj
j=1

, según el modelo colectivo, en donde cada reclamación se modela mediante

una variable aleatoria con distribución exp(α). Bajo un reaseguro por exceso
de pérdida con nivel de retención M , el monto a pagar por la aseguradora
por cada reclamación es Y A = min{Y, M } demuestre que:

8
 1. E(Y A ) = α1 (1 − e−αM )
2 2 −αM 2M −αM
2. E((Y A )2 ) = α2
− α2
e − α
e
1 2M −αM 1 −2αM
3. V ar(Y A ) = α2
− α
e − α2
e

4. E(Y A ) 6 E(Y )

Recordando que Yi v exp(α).

⇒ f (x) = αe−αx F (x) = 1 − e−αx E(x) = 1

α

1. E(Y A ) = α1 (1 − e−αM ).

Demo:

Z M
A
1 − e−αx dy + M (1 − F (M ))


E(Y ) = M ∗ F (M ) −
0
Z M
= e−αx dy
0
1 M −αy
Z
= αe dy
α 0
1

= Fy(M )
α
1
= (1 − e−αM )
α

2 2 −αM 2M −αM
2. E((Y A )2 ) = α2
− α2
e − α
e
Demo:

9
 Z M
A 2
E((Y ) ) = Y 2 f (y) dy + M 2 (1 − F (M ))
0
Z M
= Y 2 αe−αy dy +M 2 (1 − F (M ))
|0 {z }
gamma
Z M 3
2 α 2 −αy
= Y e dy + M 2 e−αM
α2 2
0 3

2 −αM 2M
= 1−e (1 + αM + α + M 2 e−αM
α2 2
2
1 − e−αM (1 + αM )
 
=
α2
2 2 2M −αM
∴ E((Y A )2 ) = 2
− 2 e−αM − e
α α α
1 2M −αM 1 −2αM
3. V ar(Y A ) = α2
− α
e − α2
e
Demo:

V ar(Y A ) = E((Y A )2 ) − (E(Y A ))2

 2
2 2 −αM 2M −αM 1 −αM
= − e − e − (1 − e )
α2 α2 α α
 2
2 2 −αM 2M −αM 1 1 −αM
= − e − e − − e
α2 α2 α α α
2 2 −αM 2M −αM 1 1 −αM 1 −2αM
= − e − e − + 2 e − e
α2 α2 α α2 α2 α2
1 2M −2αM 1
= 2
− e − 2 e−2αM
α α α
1 2M −αM 1
∴ V ar(Y A ) = 2 − e − 2 e−2αM
α α α
4. E(Y A ) 6 E(Y )
Demo:
1 e−αM
Conocemos que E(Y A ) = α
− α
y E(Y ) = α1 .
1 e−αM 1
⇒ − 6
α α α
10
 ∴ E(Y A ) 6 E(Y )

Ejercicio 8
Suponga que N v Binomial(10, 0.3). Calcule la distribución para N A y
N R cuando P (x 6 6 con un nivel de porcentaje de la aseguradora del 20 %
(a = 0.2).
Solución: Como N v Binomial(10, 0.3)
 
A A 3
⇒ N v Binomial(10, (0.3)(0.2)) ⇒ N v Binomial 10,
50

 
R A 6
⇒ N v Binomial(10, (0.3)(0.8)) ⇒ N v Binomial 10,
25

   6  10−6
A 10 3 47
∴ N (6) = · = 0.007649
6 50 50

   6  10−6
R 10 6 19
∴ N (6) = · = 0.013388
6 25 25

∴ N = NA + NR
= 0.007649 + 0.013388
= 0.021037

Ejercicio 9
Suponga que N ∼ P oisson(10). Calcule la distribución de N A y N R ,
cuando P (x 6 5) con nivel de porcentaje de la aseguradora del 40 % (a = 0.4)
y ((1 − a) = 0.6).
Solución: Como N v P oisson(10)

11
 ⇒ N A v P oisson(10, 0.4) ⇒ N A v P oisson(4)

⇒ N R v P oisson(10, 0.6) ⇒ N R v P oisson(6)

e−4 (4)5
∴ N A (5) = = 0.1562
5!

e−6 (4)5
∴ N R (5) = = 0.1606
5!

∴ N = NA + NR
= 0.1562 + 0.1606
= 0.3168

Ejercicio 10
Suponga que N v BinN eg(25, 0.8). Calcule la distribución para N A y
N R cuando P (x 6 16) con un nivel de porcentaje de la aseguradora del 50 %
(a = 0.5).
Solución: Como N v BinN eg(25, 0.8)
   
A 0.8 A 8
⇒ N v BinN eg 25, ⇒ N v BinN eg 25,
0.8 + 0.5(0.2) 9

   
R 0.8 R 8
⇒ N v BinN eg 25, ⇒ N v BinN eg 25,
0.8 + 0.5(0.2) 9

   25  16
A 25 + 16 − 1 8 1
∴ N (16) = · = 0.001784
16 9 9

12
    25  16
R 25 + 16 − 1 8 1
∴ N (16) = · = 0.001784
16 9 9

∴ N = NA + NR
= 0.01784 + 0.01784
= 0.03568

Ejercicio 1 (Scrib en Rstudio)

#Suponga que se establece como funcion de probabilidad para la variable aleatoria
#Y que aparece en la tabla de abajo. Esta variable aleatoria representa el monto
#de una reclamacion en un seguro. Considere un reaseguro Excess of Loss para Y
#con nivel de retencion M=100

#Definimos los montos

y1=50
y2=100
y3=150
y4=200

#Definimos las probabilidades de los montos

Py1=.2
Py2=.3
Py3=.4
Py4=.1

#Creamos una Varible de nivel de retencion

m=100

#Creamos 2 Variables para hacer una tabla

13
#muestre los montos y sus respectivas probabilidades

y<-c(y1,y2,y3,y4)
Prob<-c(Py1,Py2,Py3,Py4)

#Creamos nuestra tabla

Tabla <- data.frame(rbind(y,Prob),stringsAsFactors = FALSE)

knitr::kable(Tabla)

#Graficamos para ver la distribucion de Nuestra Funcion

library(ggplot2)
qplot(y,Prob,main="Funcion de Distibucion de los Montos",
xlab="Montos (y)", ylab="Probabilidad P(Y=y)", xlim=c(0, 210), ylim=c(0,1))

#plot(y,Prob,main="Funcion de Distibucion de los Montos",

# xlab="Montos (y)", ylab="Probabilidad P(Y=y)", xlim=c(0, 210), ylim=c(0,1))

#Calcule la Esperanza de de Estas Variables Aleatorias y Compruebe que

#E = E^A + E^R

#Para la aseguradora

ya<-min(y1,m)*Py1+min(y2,m)*Py2+min(y3,m)*Py3+min(y4,m)*Py4
ya

#Para la re-aseguradora

yr<-max(0,y1-m)*Py1+max(0,y2-m)*Py2+max(0,y3-m)*Py3+max(0,y4-m)*Py4
yr

#Para la Cobertura total del Portafolio

ytotal<-Py1*y1+Py2*y2+Py3*y3+Py4*y4
ytotal

#Comprobando

14
yAmasR<-ya+yr
yAmasR

#Haciendo una Grafica de Pastel

#Definimos 2 Variables la de la Aseguradora y la Reaseguradora

Yapor<-ya/yAmasR
Yrpor<-yr/yAmasR

Yapor*100
Yrpor*100

Ygraf<- c(Yapor,Yrpor)

#parun Grafico en 3D
library(plotrix)
pie3D(Ygraf, main="Esperanza de Numero de Reclamaciones que les Corresponden
a la Aseguradora y Reaseguradora",col = c("Blue", "Red"),
labels = c("Aseguradora 75%", "Reaseguradora 25%"))

#pie(Ygraf, main="Esperanza de Numero de Reclamaciones que les Corresponden

# a la Aseguradora y Reaseguradora",col = c("Blue", "Red"),
# labels = c("Aseguradora 75%", "Reaseguradora 25%"))

Ejercicio 8 (Scrib en Rstudio)

#Sol: Definimos las Variables
x_bin=6
n_bin=10
p_bin=0.3
a_bin=0.2

#Distribuciion de N para la Aseguradora

dbinom(x_bin, n_bin, p_bin*a_bin)

#Distribuciion de N para la Re-aseguradora

15
dbinom(x_bin ,n_bin ,p_bin*(1-a_bin))

Ejercicio 9 (Scrib en Rstudio)

#Sol: Definimos las Variables

Lambda=10
a_poi=0.4
x_poi=5

#Distribuciion de N para la Aseguradora

dpois(x_poi,Lambda*a_poi)

#Distribuciion de N para la Re-seguradora

dpois(x_poi,Lambda*(1-a_poi))

Ejercicio 10 (Scrib en Rstudio)

#Sol: Definimos las Variables

x_nbin=16
k_nbin=25
p_nbin=0.8
a_nbin=0.5

#Distribuciion de N para la Aseguradora

dnbinom(x_nbin, k_nbin, p_nbin/(p_nbin+a_nbin*(1-p_nbin)))
#Distribuciion de N para la Re-aseguradora
dnbinom(x_nbin, k_nbin, p_nbin/(p_nbin+(1-a_nbin)*(1-p_nbin)))

16