Prácticas de Simulación Con Excel

Estadstica Actuarial I
Prcticas de
Simulacin con Excel

Enunciados de las prcticas
y gua para su realizacin

ESTADSTICA ACTUARIAL I PRCTICAS DE SIMULACIN
LICENCIATURA EN CC. ACTUARIALES Y FINANCIERAS

2
Introduccin

Este documento contiene los enunciados de las prcticas a resolver por
los alumnos de la asignatura ESTADSTICA ACTUARIAL I de la LICENCIA-
TURA EN CC. ACTUARIALES Y FINANCIERAS.
El formato de presentacin ser Excel, en concreto en un nico libro que
contendr una nica hoja para cada uno de los problemas que se hayan re-
suelto.
El nombre de fichero Excel ser:
apellido1_apellido2_nombre_EA1.xls
sin acentos ni maysculas, por ejemplo:
gomez_perez_macarena_EA1.xls
cada hoja se nombrar como P# siendo # el n del problema que se resuelve
en dicha hoja.

el enunciado concreto del problema depender del n del DNI del alumno.
Los enunciados que hay que resolver aparecen en la tabla siguiente:
Enunciados Carcter
Del n 1 al n 10 (ambos incluidos) Obligatorio
Del n 11 al n 17 (ambos incluidos) Hay que elegir 5
N 18 Los que opten a Matricula de Honor
De manera que, quien presente las prcticas completas, deber haber
presentado 15 problemas (o 16 si opta a MH).
El fichero que contenga las prcticas se entregara en un CD-ROM rotu-
lado con el nombre y DNI del alumno a la entrega del examen, el da en
que se haga ste.


3
1) Generar una muestra de tamao n=1000 de la distribucin enunciada. Obtener la
funcin de probabilidad, la funcin de distribucin, el histograma de ambas, y
comparar las frecuencias observadas (empricas) con las que cabra esperar (te-
ricas).
Caso a resolver DNI acabado en
Uniforme discreta U[1;6] 0,1
Poisson (media=2) 2,3
Poisson (tasa=1 cada 12 minutos) 4,5
Binomial (n=12; p=0,35) 6,7
Binomial negativa (r=2, p=1/12) 8,9
Poisson (media=12) Modelo

Gua:
Excel cuenta con una funcin para la distribucin y densidad de Poisson,
cuenta tambin con la posibilidad de obtener muestras aleatorias as distribui-
das (Herramientas + Anlisis de Datos + Generacin de nmeros aleatorios).
En cualquier caso es posible obtener nmeros que se distribuyan segn
una Poisson aleatorios utilizando la frmula siguiente:
BINOM.CRIT(/0,001;0,001;ALEATORIO())

Utilizaremos la primera opcin llamando
al mdulo de Anlisis de Datos


4

Una vez obtenidos los nmeros aleatorios (que hemos
colocado en la columna A) procedemos al anlisis de la muestra
usando la funcin Frecuencia. Antes creamos la columna X,
que recoger los posibles valores de la variable: empezamos en
0 y arrastramos creando una serie hasta un nmero suficiente
de valores, por ejemplo 3 sigmas a la derecha de la media, es
decir
12 + (312
0,5
)20


5
Creamos tambin la columna N, en
la que pondremos el resultado de usar
Frecuencia, para que recoja la frecuencia
absoluta de los datos

A continuacin creamos una nueva columna (f) para
recoger las frecuencias relativas, lo que haremos dividiendo
las absolutas entre el nmero total de observaciones que
habremos calculado en un celda aparte sumando las
frecuencias relativas.

Con estos datos ya podemos crear los grficos de la
muestra.

N
0
20
40
60
80
100
120
140
0123456789
1
0
1
1
1
2
1
3
1
4
1
5
1
6
1
7
1
8
1
9
2
0

6
Falta compararlos con las frecuencias tericas. Para saberlas usamos la
funcin que tiene Excel relacionada con la probabilidad de una v.a. de Poisson:

Recordamos que la funcin de cuanta de la distribucin Poisson() es:
( )
X
e
p
x
x!
=
La funcin de distribucin es:
( )
n n X
n 0
F e
x
n!
=
=

La funcin de Excel que nos da ambas es:
POISSON(x ; media ; acumulado)
x el valor que toma la variable;
media, el parmetro ;
acumulado es un valor lgico que determina la forma de la funcin. Si el ar-
gumento acumulado es VERDADERO, devuelve la funcin de distribucin; si es
FALSO, devuelve la funcin de masa de probabilidad.


7
Para calcular las frecuencias absolutas multiplicamos las relativas por el
tamao de la muestra.
El resultado final ser parecido al siguiente:

Si bien, debido a los diferentes nmeros aleatorios generados en cada
ordenador, los resultados no sern nuca idnticos a los anteriores.
X N f f Te N ter
0 0 0,000 0,0000 0
1 0 0,000 0,0001 0
2 1 0,001 0,0004 0
3 1 0,001 0,0018 2
4 9 0,009 0,0053 5
5 16 0,016 0,0127 13
6 30 0,030 0,0255 25
7 36 0,037 0,0437 43
8 76 0,077 0,0655 64
9 115 0,117 0,0874 86
10 94 0,096 0,1048 103
11 87 0,088 0,1144 113
12 110 0,112 0,1144 113
13 120 0,122 0,1056 104
14 88 0,089 0,0905 89
15 60 0,061 0,0724 71
16 59 0,060 0,0543 53
17 39 0,040 0,0383 38
18 20 0,020 0,0255 25
19 14 0,014 0,0161 16
20 9 0,009 0,0097 10
16 0,016 0,0000
Comparacin
0
20
40
60
80
100
120
140
0123456789
1
0
1
1
1
2
1
3
1
4
1
5
1
6
1
7
1
8
1
9
2
0

8
2) Generar una muestra de tamao n=1000 de la distribucin enunciada. Obtener la
funcin de probabilidad, la funcin de distribucin, el histograma de ambas, y
comparar las frecuencias observadas (empricas) con las que cabra esperar (te-
ricas).
Caso a resolver DNI acabado en
Uniforme continua U[-2;2] 0,1
Exponencial (media=12) 2,3
Exponencial (tasa=1 cada 12 minutos) 4,5
Beta (2,3) 6,7
Gamma (r=2, s=3) 8,9
Normal (=12; =2) Modelo

Gua:
A diferencia del ejemplo anterior, aunque podramos hacerlo tambin
puesto que el mdulo de nmeros aleatorios tambin tiene la distribucin Nor-
mal, generaremos nosotros la muestra aleatoria usando la funcin inversa que
tiene Excel.
As en la primera celda de la primera columna introduciremos la frmula
correspondiente

y la iremos arrastrando hasta la fila 1000, para generar la muestra de ese ta-
mao.

Haremos como en el ejercicio anterior la distribu-
cin de frecuencias observadas en la muestra, para lo
cual crearemos la columna N de posibles valores:
3
y utilizaremos la funcin Frecuencia para contar las fre-
cuencias relativas

X N f
6,0 3 0,003
6,5 3 0,003
7,0 2 0,002
7,5 5 0,005
8,0 10 0,010
8,5 9 0,009
9,0 29 0,029
9,5 42 0,042
10,0 53 0,053
10,5 82 0,082
11,0 69 0,069
11,5 93 0,093
12,0 79 0,079
12,5 110 0,110
13,0 89 0,089
13,5 96 0,096
14,0 64 0,064
14,5 52 0,052
15,0 39 0,039
15,5 31 0,031
16,0 14 0,014
16,5 12 0,012
17,0 8 0,008
17,5 2 0,002
18,0 3 0,003
18,5 1 0,001
19,0 0 0,000
19,5 0 0,000
20,0 0 0,000

9
Para obtener la distribucin de las frecuencias tericas, utilizaremos la
funcin DISTR.NORM que tiene Excel:

Sin embargo, a diferencia de como haramos en el caso de las
discretas calculamos primero la funcin de distribucin (Acumulado=TRUE)
para estimar la funcin de densidad a partir de los valores de esta:


10

Una vez hecho esto tendremos tanto la distribucin empricas como la
terica:

con lo cual ya podremos hacer la comparacin grfica de una y otras, tanto en
frecuencias absolutas:

1000 1000,0
X N f F f N(Te)
6,0 3 0,003 0,0013 0,0013 1,3
6,5 3 0,003 0,0030 0,0016 1,6
7,0 2 0,002 0,0062 0,0032 3,2
7,5 5 0,005 0,0122 0,0060 6,0
8,0 10 0,010 0,0228 0,0105 10,5
8,5 9 0,009 0,0401 0,0173 17,3
9,0 29 0,029 0,0668 0,0267 26,7
9,5 42 0,042 0,1056 0,0388 38,8
10,0 53 0,053 0,1587 0,0530 53,0
10,5 82 0,082 0,2266 0,0680 68,0
11,0 69 0,069 0,3085 0,0819 81,9
11,5 93 0,093 0,4013 0,0928 92,8
12,0 79 0,079 0,5000 0,0987 98,7
12,5 110 0,110 0,5987 0,0987 98,7
13,0 89 0,089 0,6915 0,0928 92,8
13,5 96 0,096 0,7734 0,0819 81,9
14,0 64 0,064 0,8413 0,0680 68,0
14,5 52 0,052 0,8944 0,0530 53,0
15,0 39 0,039 0,9332 0,0388 38,8
15,5 31 0,031 0,9599 0,0267 26,7
16,0 14 0,014 0,9772 0,0173 17,3
16,5 12 0,012 0,9878 0,0105 10,5
17,0 8 0,008 0,9938 0,0060 6,0
17,5 2 0,002 0,9970 0,0032 3,2
18,0 3 0,003 0,9987 0,0016 1,6
18,5 1 0,001 0,9994 0,0008 0,8
19,0 0 0,000 0,9998 0,0003 0,3
19,5 0 0,000 0,9999 0,0001 0,1
20,0 0 0,000 1,0000 0,0001 0,1

11
como en frecuencias relativas:

o en las Funciones de distribucin sin ms que aadir una nueva columna, F, a
las frecuencias emprricas que recoja las sumas de stas:

1000 1000,0
X N f F F f N(Te)
6,0 1 0,001 0,001 0,0013 0,0013 1,3
6,5 1 0,001 0,002 0,0030 0,0016 1,6
7,0 4 0,004 0,006 0,0062 0,0032 3,2
7,5 2 0,002 0,008 0,0122 0,0060 6,0
8,0 12 0,012 0,020 0,0228 0,0105 10,5
8,5 20 0,020 0,040 0,0401 0,0173 17,3
9,0 24 0,024 0,064 0,0668 0,0267 26,7
9,5 42 0,042 0,106 0,1056 0,0388 38,8
10,0 55 0,055 0,161 0,1587 0,0530 53,0
10,5 65 0,065 0,226 0,2266 0,0680 68,0
11,0 85 0,085 0,311 0,3085 0,0819 81,9
11,5 94 0,094 0,405 0,4013 0,0928 92,8
12,0 94 0,094 0,499 0,5000 0,0987 98,7
12,5 107 0,107 0,606 0,5987 0,0987 98,7
13,0 88 0,088 0,694 0,6915 0,0928 92,8
13,5 82 0,082 0,776 0,7734 0,0819 81,9
14,0 57 0,057 0,833 0,8413 0,0680 68,0
14,5 56 0,056 0,889 0,8944 0,0530 53,0
15,0 42 0,042 0,931 0,9332 0,0388 38,8
15,5 30 0,030 0,961 0,9599 0,0267 26,7
16,0 24 0,024 0,985 0,9772 0,0173 17,3
16,5 7 0,007 0,992 0,9878 0,0105 10,5
17,0 3 0,003 0,995 0,9938 0,0060 6,0
17,5 3 0,003 0,998 0,9970 0,0032 3,2
18,0 1 0,001 0,999 0,9987 0,0016 1,6
18,5 0 0,000 0,999 0,9994 0,0008 0,8
19,0 0 0,000 0,999 0,9998 0,0003 0,3
19,5 1 0,001 1,000 0,9999 0,0001 0,1
20,0 0 0,000 1,000 1,0000 0,0001 0,1
0
0,000
0,100
0,200
0,300
0,400
0,500
0,600
0,700
0,800
0,900
1,000
6789
1
0
1
1
1
2
1
3
1
4
1
5
1
6
1
7
1
8
1
9
2
0

12
3) Sea X una variable aleatoria definida de la forma siguiente
( )
( )
( )

+ + =
3 3
2 2
1 1
3 2 1
Poisson X
Poisson X
Poisson X
X X X X
a) Generar 1000 valores de X.
b) Ajustar a Poisson y comparar ambas distribuciones emprica y ajustada de
forma grfica.
c) Comparar la ajustada con la que se deduce de la propiedad aditiva de Pois-
son.
Caso a resolver
DNI acabado en
1

2

3

n par 12 15 21
n impar 6 9 7
modelo 2 3 4
Gua
Recordamos lo siguiente sobre la Poisson:

Generacin.
Excel cuenta con una funcin para la distribucin y densidad de Poisson, cuenta tam-
bin con la posibilidad de obtener muestras aleatorias as distribuidas (Herramientas +
Anlisis de Datos + Generacin de nmeros aleatorios). En cualquier caso es posible
obtener nmeros aleatorios que se distribuyan segn una Poisson de parmetro , utili-
zando la frmula siguiente:
BINOM.CRIT(/0,001;0,001;ALEATORIO())
Caracterizacin.
El parmetro puede ser estimado fcilmente de la forma siguiente:
x
(n)
=

Simulamos las 3 variables usando la
frmula anterior

Tabulamos X desde 0 hasta 20 y calculamos las
frecuencias empricas F con la funcin Frecuencia:

Calculamos la funcin de probabilidad estimada de X
Emp dividiendo la frecuencia de cada valor por el
numero total de observaciones.

Calculamos primero la media de los datos y
calculamos despus las frecuencias tericas de
X usando la funcin Poisson :


13
X F Emp Teo Teo
0 0 0,000 0,000 0
1 1 0,001 0,001 1
2 2 0,002 0,005 5
3 20 0,020 0,015 15
4 43 0,043 0,033 33
5 66 0,066 0,060 60
6 81 0,081 0,090 90
7 117 0,117 0,116 116
8 127 0,127 0,131 131
9 119 0,119 0,132 132
10 125 0,125 0,119 119
11 97 0,097 0,098 98
12 73 0,073 0,074 74
13 45 0,045 0,051 51
14 31 0,031 0,033 33
15 24 0,024 0,020 20
16 11 0,011 0,011 11
17 7 0,007 0,006 6
18 6 0,006 0,003 3
19 3 0,003 0,001 1
20 1 0,001 0,001 1
1
1000
0
20
40
60
80
100
120
140
0123456789
1
0
1
1
1
2
1
3
1
4
1
5
1
6
1
7
1
8
1
9
2
0
Emp Teo
Finalmente tenemos todos los datos necesarios para poder representar ambas
funciones

Con lo que ya podemos obtener los grficos correspondientes:


14
Media 4 Media*a 20
a 5
X N f f1 f2
0,00 0 0
2,00 97 0,117 0,045 0,114
4,00 95 0,114 0,041 0,103
6,00 83 0,100 0,037 0,093
8,00 67 0,081 0,034 0,084
10,00 68 0,082 0,030 0,076
12,00 47 0,057 0,027 0,069
14,00 49 0,059 0,025 0,063
16,00 60 0,072 0,022 0,057
18,00 45 0,054 0,020 0,051
20,00 30 0,036 0,018 0,046
22,00 29 0,035 0,017 0,042
24,00 32 0,039 0,015 0,038
26,00 25 0,030 0,014 0,034
28,00 22 0,027 0,012 0,031
30,00 26 0,031 0,011 0,028
32,00 26 0,031 0,010 0,025
34,00 15 0,018 0,009 0,023
36,00 14 0,017 0,008 0,021
170
830 1 0,397 1
( )
( )
1
1
a 5
a X
X Exponencial media 4
=

Caso a resolver
DNI acabado en a Media
n par 12 2
n impar 6 6
modelo 5 4
a) Generar 1000 valores de Y.
b) Ajustar a Exponencial y comparar de forma grfica los resultados obte-
nidos en la simulacin con los tericos.

Generacin.
Excel no cuenta con una funcin para la inversa de la funcin de distribucin,
sin embargo, la generacin de variables aleatorias puede hacerse utilizando la
frmula siguiente:
Media* -LN(ALEATORIO())

Definimos los nombres Media y a y empleamos la frmula para generar los valores
de Y

15
Generamos la tabla de frecuencias empricas relativas (f) y de frecuencias tericas
(f1) usando FRECUENCIA, DISTR.EXP teniendo en cuenta que:

Si X Exp() aX Exp(a)

ser necesario ajustar f1, dividiendo por su suma para pasar de discreto a continuo
as la probabilidad terica que usamos para la comparacin es f2

( )
( )
( )
1
2
1
f X
f X
f X
=

Finalmente utilizamos grficos de dispersin para dibujar las frecuencias tericas y
empricas.

El resultado ser parecido al siguiente:

Media 4 Media*a 20
a 5
X N f f1 f2
0,00 0 0
2,00 81 0,096 0,045 0,114
4,00 78 0,093 0,041 0,103
6,00 89 0,106 0,037 0,093
8,00 66 0,078 0,034 0,084
10,00 68 0,081 0,030 0,076
12,00 56 0,066 0,027 0,069
14,00 73 0,087 0,025 0,063
16,00 49 0,058 0,022 0,057
18,00 42 0,050 0,020 0,051
20,00 42 0,050 0,018 0,046
22,00 25 0,030 0,017 0,042
24,00 32 0,038 0,015 0,038
26,00 32 0,038 0,014 0,034
28,00 26 0,031 0,012 0,031
30,00 20 0,024 0,011 0,028
32,00 26 0,031 0,010 0,025
34,00 19 0,023 0,009 0,023
36,00 19 0,023 0,008 0,021
157
843 1 0,397 1
0,00
0,02
0,04
0,06
0,08
0,10
0,12
05
1
0
1
5
2
0
2
5
3
0
3
5
4
0
f2
f


16
X N f f1 f2
0,0 0 0,000
0,5 236 0,217 0,450 0,205
1,0 156 0,144 0,359 0,164
1,5 153 0,141 0,287 0,131
2,0 108 0,099 0,229 0,104
2,5 83 0,076 0,183 0,083
3,0 90 0,083 0,146 0,067
3,5 54 0,050 0,117 0,053
4,0 47 0,043 0,093 0,042
4,5 35 0,032 0,074 0,034
5,0 23 0,021 0,059 0,027
5,5 20 0,018 0,047 0,022
6,0 15 0,014 0,038 0,017
6,5 18 0,017 0,030 0,014
7,0 13 0,012 0,024 0,011
7,5 14 0,013 0,019 0,009
8,0 11 0,010 0,015 0,007
8,5 4 0,004 0,012 0,006
9,0 6 0,006 0,010 0,004
14
1086 1 2,19 1
0,00
0,05
0,10
0,15
0,20
0,25
0123456789
1
0
f2 f
{ }
( )
( )
=
2 2
1 1
2 1
m l Exponencia Y
m l Exponencia Y
Y ; Y min X

DNI acabado en m
1
m
2

n par 12 2
n impar 6 6
modelo 5 4

b) Ajustar a Exponencial y comparar de forma grfica los resultados obtenidos en
la simulacin con los tericos.

Definimos los nombres Media1 y Media2 y
empleamos la frmula para generar los va-
lores de Y usando la funcin MIN

Generamos la tabla de frecuencias empricas relativas
(f) y de frecuencias tericas (f1) usando FRECUENCIA,
DISTR.EXP y teniendo en cuenta que

( )
( )
{ }
1 1
1 2
2 2
1 2
Y Exp
1
min Y , Y Exp
1 1
Y Exp

Al compensar f1, igual que en el
ejercicio anterior, obtendremos las dos
frecuencias a comparar, las que hemos
llamado f2 y f.


17
r1+r2 9
r1 4
r2 5
Lambda 1

( )
( )
( )
+ =
1 4 Gamma Y
1 5 Gamma Y
Y Y
2
1
2 1
;
;
Y

b) Ajustar a Gamma y comparar de forma grfica los resultados obtenidos en la
simulacin con los tericos.
Generacin.
Excel cuenta con una funcin para la inversa de la funcin de distribucin Gamma, la
generacin de variables aleatorias puede hacerse utilizando la frmula siguiente:

DISTR.GAMMA.INV(ALEATORIO();r,)

Definimos los parmetros del problema

Generamos los valores de
Y
1
e Y
2
y los sumamos
para obtener Y

Construimos la tabla de frecuencias como en los anteriores
teniendo en cuenta que :

( )
( )
( ) ( ) 1 r r Gamma Y Y
1 r Gamma Y
1 r Gamma Y
2 1 2 1
2 2
1 1
;
;
;
+ +
X N f f1 f2
0,0 0 0,000
1,0 0 0,000 0,000 0,000
2,0 0 0,000 0,000 0,000
3,0 2 0,002 0,001 0,001
4,0 17 0,017 0,008 0,008
5,0 52 0,052 0,030 0,030
6,0 95 0,095 0,065 0,066
7,0 129 0,130 0,103 0,104
8,0 121 0,122 0,130 0,132
9,0 138 0,139 0,140 0,141
10,0 137 0,138 0,132 0,133
11,0 86 0,086 0,113 0,114
12,0 83 0,083 0,089 0,090
13,0 47 0,047 0,066 0,066
14,0 34 0,034 0,046 0,046
15,0 22 0,022 0,030 0,031
16,0 16 0,016 0,019 0,020
17,0 10 0,010 0,012 0,012
18,0 6 0,006 0,007 0,007
5
995 1 0,99 1

18
0,00
0,02
0,04
0,06
0,08
0,10
0,12
0,14
0,16
02468
1
0
1
2
1
4
1
6
1
8
2
0
f2 f
Para calcular la frecuencia terica usamos la funcin DISTR.GAMMA

Como en los problemas anteriores es necesario normalizar f1, calculada como

( )
( )
( )
1
2
1
f X
f X
f X
=

Finalmente realizamos el grfico de dispersin de ambas frecuencias


19
Roja 148 "=SUMA(A:A)"
Total 500 "=CONTAR(A:A)"
Probabilidad 0,30
7) Se tienen 2 urnas A={5r,3b,8a} y B={3r,5b}. Se lanza un dado, si sale un 2 o un
6 se elige la urna B, en caso contrario la A.
a) Qu probabilidad hay de elegir una bola roja?.
b) Simular 100 veces, estimar P(roja) y comparar con los resultados tericos.

Gua:

Este problema fue resuelto en clase

Por comodidad crearemos una variable
U=Aleatorio() en Nombre> Definir para
usarla en los clculos posteriores

Para calcular el resultado podemos usar SI anidados

Una vez hechas las rplicas slo queda contar y dividir:


20
X P(x) G(x) G(x)
2
0 0,5787 -100 10000
1 0,3472 200 40000
2 0,0694 300 90000
3 0,0046 400 160000
8) Sea el siguiente juego: el jugador elige un nmero del conjunto {1, 2, 3, 4, 5, 6}.
Se lanza tres veces un dado equilibrado. Si el nmero elegido aparece 1, 2 o 3 ve-
ces entonces gana 200, 300 o 400 . Si su nmero no sale pierde 100. Resol-
ver primero en terico despus simular y comparar los resultados.
a) Calcular la distribucin de la ganancia
b) Calcular la ganancia media.
c) Calcular la varianza de la ganancia.

Gua:

La variable X= n de veces que sale nuestro nmero, es B(n=3;p=1/6). Calculamos
la funcin de cuanta usando:

a partir de ella calculamos la ganancia G(x) y
la ganancia al cuadrado G(x)
2
para calcular la
media y la varianza:

para la media usaremos la funcin
Sumaproducto:

para la varianza hacemos los clculos
teniendo en cuenta que

V
(X)
=E(X
2
)-[E(X)]
2


21

Simulamos los dados mediante:

Una forma rpida de hacer el clculo del
beneficio es media frmulas matriciales:

y usando la funcin Indice le asignamos
el beneficio calculado anteriormente

Como alternativa a la frmula matricial podemos usar SI anidados

Si suponemos que el nmero elegido es el 1, el resultado final debe ser parecido a
este:

Terica 34,26
Estimada 40,30
Terica 25492,97
Estimada 26372,28
Media
Varianza

aunque, debido a los diferentes nmero aleatorios generados, los resultados no sern
exactamente los mismos.


22
0
50
100
150
200
250
6
9
7
1
7
3
7
5
7
7
7
9
8
1
8
3
8
5
8
7
8
9
9
1
9
3
9
5
9
7
9
9
1
0
1
1
0
3
1
0
5
1
0
7
1
0
9
1
1
1
1
1
3
9) Una accin tiene un precio inicial de 100. Cada da su cotizacin puede subir 1
o bajar esa misma cantidad. La probabilidad de subir es del 35%.
a) Calcular la distribucin de su precio al cabo de 31 das.
b) Comparar el resultado de la simulacin con el terico, de forma grfica y
por la comparacin de la media y la varianza observada y terica.

Gua
Hay al menos dos formas distintas de abordar el problema: se
puede simular cada uno de los 31 dias, usando Aleatorio() y
comparando con 0,35, o se puede considerar que el nmero de
subidas durante 31 das es una v.a. binomial B(n=31 , p=0,35).
El precio final ser 100+x-(31-x)=69+2x, siendo x la realizacin
de la v.a. binomial o la suma de la Bernouilli individuales.
El resultado grfico, anlogo al explicado en el problema 1, podra ser
de la forma siguiente:

Para comparar la media y varianza observada con las tericas recordamos que la
media y varianza de una binomial B(n,p) son (respectivamente):
( ) ( )
E x n p ; Var x n p (1 p) = =
tambin que:
( ) ( ) ( ) ( )
2
E ax b a E x b ; Var ax b a Var x + = + + =


23
10) Una compaa de seguros tiene una cartera con tres tipos de plizas A, B y C. Ca-
da una de ellas tiene una reclamacin media diferente aunque las tres siguen una
distribucin uniforme U
[a,b]
. Los datos de los parmetros y del nmero de clientes
en cada tipo de pliza se dan en la tabla siguiente:
Pliza
A B C
a
1 5 10
b
15 15 20
Clientes
200 500 300

a) Calcular la distribucin de la reclamacin total.
b) Comparar el resultado de la simulacin con el terico.

Gua
Este problema se puede abordar de varias formas. En primer lugar se puede
intentar simular cada una de las reclamaciones individuales y sumar los im-
portes para calcular la reclamacin total, para ello necesitaramos 1000 co-
lumnas que habra que sumar, lo cual no es prctico.
Se recomienda, bien usar una combinacin de las funciones FILA e INDIREC-
TO que, junto con SUMA y SI, al ser combinadas en una frmula matricial en
la forma siguiente:
=SUMA(SI(FILA(INDIRECTO("1:200"));ALEATORIO()*15;0))
proporcionan, en una nica operacin, tantos sumandos uniformes como
indique el rango de INDIRECTO (200 en el ejemplo); bien usar una aproxi-
macin basada en TCL.


24
11) Un comerciante vende calendarios. Cada calendario se compra a 1,2 y se vende
a un precio de 2,4. Por cada calendario comprado pero no vendido se recupera
un importe de 0,6. La demanda diaria de calendarios sigue una distribucin uni-
forme entre 100 y 300.
a) Calcular el pedido ptimo de calendarios que debe hacer el comerciante.
b) Una vez determinado ste, calcular la distribucin, la media y la varianza
del beneficio obtenido.

Gua
Calcular el Beneficio (B) en funcin de lo demandado y lo fabricado
( ) ( )
( )
( )
B
B
B B
Dev Ven
Ven
Com
Si pedido demandado NOVendido *P Vendido *P
Si pedido demandado Vendido *P
siempre
pedido *P
> = +
=

A continuacin ponderar B para cada posible demanda y estimar el beneficio
para cada cifra de pedido


25
12) (Hossack) Un peridico publica la noticia de que los hombres tienen una pro-
pensin a sufrir accidentes de trfico que resulta ser el doble de la que tienen las
mujeres. Intentando demostrar la falsedad de tal afirmacin un marido pacta con
su mujer el siguiente juego: Durante los prximos diez aos llevaremos cuenta
de los accidentes de trfico que tengamos cada uno, al final de ese perodo te pa-
gar 1000 por cada accidente que yo haya tenido ms que vosotras dos (refi-
rindose a ella y a la hija de ambos).
Supngase que los datos que ofreci el peridico fueron los siguientes:
Accidentes de hombres Poisson de media 1 cada 10 aos,
Accidentes de mujeres Poisson de media 1 cada 20 aos
(Como ocurre en la ms cruda realidad, el marido slo paga, no recibe dinero en
caso de que las mujeres tengan ms accidentes que l).

a) Cmo es la distribucin del pago esperado del marido?.
b) Cul ser el pago medio?.
c) Resolver el problema tericamente y comparar los resultados tericos y los ob-
tenidos mediante simulacin.

Gua:

Para resolver el apartado c) tngase en cuenta que:
( )
( )
( ) ( )
2 1 2 1
2 2
1 1
oisson Y Y
oisson Y
oisson Y
+ +

P
P
P

y que es lgico suponer que ambos accidentes los del marido y los de ambas mujeres
son independientes de manera que la distribucin conjunta ser:
( )
( ) ( )
Mar
1 2
Muj Mar Muj
0 Ac 7
Poisson Poisson
0 Ac 7 f Ac , Ac
0 resto

=

a partir de lo anterior es posible determinar la funcin de probabilidad de la variable
pedida:
( )
Mar Muj
1000 max 0; Ac Ac = Y


26
Para los apartados a) y b) basta con simular un nmero suficiente de veces:

para el apartado c) se puede crear la distribucin conjunta de frecuencias de ambas
variables y calcular la distribucin de la diferencia


27
0,0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1,0
0
1
0
2
0
3
0
4
0
5
0
6
0
7
0
8
0
9
0
1
0
0
1
1
0
1
2
0
1
3
0
1
4
0
1
5
0
1
6
0
1
7
0
1
8
0
1
9
0
2
0
0
0
20
40
60
80
100
120
140
0
1
0
2
0
3
0
4
0
5
0
6
0
7
0
8
0
9
0
1
0
0
1
1
0
1
2
0
1
3
0
1
4
0
1
5
0
1
6
0
1
7
0
1
8
0
1
9
0
2
0
0
13) El nmero mensual de reclamaciones de un determinado grupo de plizas sigue
una distribucin Poisson de parmetro 4; a su vez, cada una de esas posibles re-
clamaciones tiene un importe que se distribuye segn una exponencial de par-
metro (media) igual a 12.
a) Calcular la distribucin del total de reclamaciones mensuales.
b) Calcular el resultado terico y comparar

El resultado a) debera ser
parecido a este:

El resultado b) debera ser parecido
a este:


28
Gua:
para el apartado a)
Simular primero la Poisson,
En columnas siguientes un nmero suficiente de exponenciales.
Usar la funcin de Excel DESREF junto con SUMA para calcular la suma men-
sual de las exponenciales dadas por la Poisson.

para el apartado b)
Por la teora sabemos que la suma de exponenciales es una distribucin Gamma.
( ) ( ) ( ) = Poisson y s Gamma s Rec
Mensual
, |
El nmero de sumandos que integran la Gamma es el resultado de una Poisson, de
manera que habr que:

1) Calcular la densidad de la Gamma para un rango razonable del importe de las
reclamaciones, para cada una de los posibles valores del parmetro s:
s Poisson (4).
2) Ponderar estos valores por los de la funcin de cuanta de la Poisson.
3) Agregarlos todos para obtener la funcin de distribucin de la reclamacin
mensual.
( )
( )
( )
( )

2 2
1 1
2
0 i
0
y
2 1 Y
Poisson Y
Poisson Y
dy e y p F
2 2


29


30
14) El nmero de reclamaciones de un determinado grupo de plizas sigue una dis-
tribucin Poisson (), donde es a su vez una variable aleatoria que se distribuye
segn una Gamma (5 ; 2):
a) Calcular la distribucin de la variable aleatoria nmero de reclamaciones.
b) Realizar el test de bondad del ajuste a una Binomial Negativa que se deduce
de los datos anteriores.
c) Realizar el test de bondad del ajuste a la Binomial Negativa tericamente espe-
rada.

Gua

Para realizar el apartado a):
Simular primero la gamma para obtener un valor.
Utilizar este valor para simula la Poisson.

Para realizar el apartado b):
Calcula media y varianza de la distribucin simulada.
Calcular los parmetros de la BN(r,p) de la forma siguiente:
2
2 2
r ; p

= =

Calcular la funcin de probabilidad usando la frmula correspondiente
1
:
( )
( )
( ) ( )
( )
x
r
r x
p x p 1 p
r x 1
+
=
+

Para realizar el apartado c):
La teora nos dice que:
( ) ( ) ( )
=
1 1
1
r X
entonces
r Gamma y Poisson X
Si
, BN
:
,
,

1
Para calcular la funcin Gamma en Excel hay que usar dos funciones concatenadas EXP y GAM-
MA.LN de esta forma:
( ) ( ) ( )
( ) Ln x
x EXP GAMMA.LN x e

=
ya que Excel no tiene una funcin Gamma pero si el logaritmo neperiano de sta, por lo que hay
que deshacerlo.


31

El resultado final debera ser parecido al siguiente (en el, por comodidad,
se han utilizado grficas continuas para representar distribuciones de probabilidad
de variables aleatorias de carcter discreto):

0
10
20
30
40
50
60
70
80
90
05
1
0
1
5
2
0
2
5
Emp Teo Ajus


32
15) Sea la siguiente cartera de plizas de vehculos:
25 25 <25 <25
Familiar Deportivo Familiar Deportivo
r 6,000 1,601 12,950 12,540
0,970 0,892 0,987 0,978
N 5826 1281 3570 1622
1020 1486 1097 1413

siendo:
25 el asegurado tiene 25 aos o ms de edad,
<25 el asegurado tiene 24 aos o menos edad,
Familiar, Deportivo tipo de vehculo,
(r,) los parmetros de la distribucin Binomial negativa que describe
la distribucin del nmero de reclamaciones anuales que hace cada uno
de los asegurados,
N el nmero de plizas suscritas, es decir el nmero de asegurados en
esas condiciones concretas,
la reclamacin media por asegurado.

a) Estimar la distribucin del monto total anual de las reclamaciones


33
16) Una compaa de seguros tiene una cartera con 3 tipos de plizas: La primera
cubre un mximo de 12.000 y tiene una franquicia de 600, es decir que los pa-
gos P
1
por reclamaciones de este tipo de pliza, D
1
, son de la forma siguiente:
1
1 1 1
1
0 si R 600
P R 600 si 600 R 12.000
11.400 si R 12.000

= < <

La segunda cubre un mximo de 11.250 y paga las 2/3 partes del dao D
2
:
2
2
2
2
3R
si R 15.000
4
P
11.250 si R 15.000
<

La tercera es de la forma siguiente:
3
3
3 3
0 si R 500
P
R si R 500
<

Por experiencia anterior se sabe que las distribuciones de los daos son de la for-
ma siguiente:
( )
( )
( )
1
2
3
D Exp 5000
D Exp 6000
D Exp 1000
=

Se esperan 15 reclamaciones: 8 de D
1
, 4 de D
2
y 3 de D
3
.

a) A qu cantidad debe ascender la reserva de la compaa para que la probabi-
lidad de que pueda hacer frente a la reclamacin total sea del 80%?

Gua
Se trata de una aplicacin tpica del TCL, las v.a.s. de los pagos son modificacio-
nes de una exponencial, de la media de sta:
[ ] dx e x x E
0
x

=
podramos deducir la media de cada una de ellas, por ejemplo la de P
1
seria
[ ] ( )
=

dx e x 400 . 11 dx e 600 x dx e 0 8 P E
12000
x
12000
600
x
600
0
x
1

Podramos tambin deducir, con un mayor esfuerzo, la varianza y una vez
hechas las operaciones correspondientes, deducir la media y la varianza de la
normal a la que se aproxima - en virtud del TCL - la distribucin del pago total.

34
An as, la aproximacin a la distribucin Normal no sera demasiado buena: se
trata de una suma de pocas variables aleatorias y stas son muy sesgadas. En es-
tas situaciones el recurso a la simulacin del pago es la mejor solucin.
La simulacin es muy sencilla, basta simular primero las exponenciales de las
reclamaciones iniciales (R
1
, R
2
y R
3
) y a partir de stas, aplicando los criterios de
pago de la compaa, calcular los pagos (P
1
, P
2
y P
3
) que finalmente se harn.

Para responder a la pregunta sobre la reserva necesaria para afrontar los pa-
gos bastar aplicar la funcin PERCENTIL sobre los datos simulados.


35
17) Una empresa sabe que la demanda diaria en kilogramos del producto que fabrica
sigue una distribucin Pareto(3,2) mientras que la oferta de ese mismo producto
se distribuye segn una distribucin Normal(3;0,5). Tiene un coste de 0,05 por
kilo fabricado y no vendido y de 0,5 por kilo demandado y no servido:
a) Calcular la distribucin de la diferencia entre demanda (D) y oferta (O) es decir
de la variable D-O.
b) Calcular la distribucin de las ganancias o prdidas.

Gua:
Generacin de Pareto:
La notacin habitual es XPar(,), ambos parmetros son de escala. En la lite-
ratura aparecen descritos diversos mtodos para generar v.a. de Pareto. En Ex-
cel es posible obtener v.a. a travs de cualquiera de las frmulas siguientes:
=*((1/(1-ALEATORIO()))^(1/))
=*(ALEATORIO()^(-1/))

Generacin de Normal:
Excel cuenta con la funcin inversa de la distribucin:
=DISTR.NORM.INV(ALEATORIO();;)


36


37
18) Una compaa de seguros de automviles tiene un sistema bonus-malus, o de
descuento por buen conductor. Hay varios tramos de descuento para el pago anu-
la de una pliza por la que se comienza pagando 250:

1 2 3 4 5 6 7
0% 10% 20% 30% 40% 50% 60%

si durante un plazo de un ao no se hace ninguna reclamacin, se aumenta un
tramo de descuento al ao siguiente, hasta el descuento mximo del 60% que se
alcanza al llegar al 7 tramo. Mientras que si, durante un plazo de un ao, se hace
una nica reclamacin (o ms de una) se vuelve al comienzo de la escala, es de-
cir, al 0% de descuento del primer tramo.

Se est en proceso de decidir si cambiar o no este sistema por otro anlogo. Este
nuevo sistema tendra slo 4 tramos de descuento:

1 2 3 4
0% 20% 40% 60%

Pero, a diferencia del anterior, slo se retrocede un puesto en la escala por recla-
macin, es decir si durante un ao no hay reclamaciones se gana un 20% de des-
cuento, si hay una reclamacin se pierde un 20% de descuento. El descuento no
puede ser superior al 60% ni negativo. Tambin sera diferente la prima que pasa-
ra de 250 a (250+75) .

Se sabe que el nmero de accidentes que ocurren anualmente sigue una distribu-
cin de Poisson de parmetro 0,1 por ao, mientras que la distribucin del impor-
te de las reclamaciones se distribuye de forma LogNormal( = 6,012 ; = 1,792).

Tambin hay que tener en cuenta que las reclamaciones que no le interesan al
cliente no se realizan, por ejemplo en el primer sistema, un cliente que ste en el
tramo 4 (30%) perdera este descuento si hiciera una reclamacin as que si el
dao que recibe es inferior a lo que pierde no le interesa reclamar.
Las prdidas mnimas por sistema y tramo son las siguientes:

Tramo 1 2 3 4 5 6 7
Importe 25 50 75 100 125 150 150

Tramo 1 2 3 4
Importe 125 175 175 125

a) Decidir qu sistema es el mejor para la compaa, si la pliza est suscrita por
1000 clientes.

Prácticas de Simulación Con Excel

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Prácticas de Simulación Con Excel

Uploaded by

Copyright:

Available Formats

Estadstica Actuarial I

You might also like