Download Lista de Ejercicios (Parte 1)
Document related concepts
no text concepts found
Transcript
ACT-11302 Cálculo Actuarial III ITAM Lista de Ejercicios (Parte 1) Prof.: Juan Carlos Martínez-Ovando September 28, 2016 P1 - Fecuencia de Siniestros 1. Desarrolla los valores de α y β que corresponden a las distribuciones Poisson, binomial negativa, binomial y geométrica vistas como caso particular de la clase (α, β , 0) de distribuciones. R: En clase vimos el caso de la distribución Poisson. Los otros casos son análogos. 2. Demuestra que la distribución modificada en 0 de una variable aleatoria para el número de reclamos puede ser derivada usando una distribución tipo mezcla con dos componentes. R: Sea N una variable aleatoria discreta con soporte en N = {0, 1, 2, . . . , J} (la derivación considera el caso donde J es infinito). Una distribución modificada en 0 es tal que asigna una probabilidad específica p0 = Pr(N = 0). Segmentemos el soporte N en dos partes, N0 = {0} y N−0 = {1, 2, . . . , J}. Así, podemos definir la masa de probabilidad para N como la mezcla de dos componentes Pr(N = n) = p0 δN0 (n) + (1 − p0 )qn IN−0 (n), (1.1) donde δA (n) denota la delta de Dirac, la cual asigna probabilidad 1 al evento n ∈ A, y qn = Q(N = n) es una probabilidad dada, tal que ∑k∈N−0 qn = 1. Las qn se pueden interpretar como la probabilidad condicional de N = n, dado que N > 0, respecto a una probabilidad base. Cabe mencionar que la expresión (1.1) corresponde a una distribución compuesta de una variable aleatoria Bernoulli para dos eventos, N ∈ N0 o N ∈ N−0 , siendo estos dos eventos excluyentes. Así, p0 sería la probabilidad condicional de N dado el primer evento. De manera análoga, con probabiliad (1 − p0 ) se cumpliría el segundo evento, y las qn corresponderían 1-1 Lista de Ejercicios (Parte 1) 1-2 entonces a las probabiliades condicinales de N dado que N ∈ N−0 . 3. Emplea el método de momentos para derivar la distribución de la mezcla de una distribución Po(N|λ ) con λ parámetro latente que sigue una distribución Ga(λ |a, b). Identifica qué resultado se obtendría de reemplazar la distribución gamma por la gaussiana inversa. R: Si la distribución de una variable aleatoria N puede expresarse como la mezcla, Z P(N = n) = L P(N = n|λ ) f (λ )dλ , (1.2) donde L es el soporte de λ y f (λ ) es su función de densidad, entonces la función generadora de probabilidades Q(z) asociada con P(N = n) cumple con la siguiente identidad QN (z) = Mλ (QN|λ (z)), (1.3) donde Mλ (z) es la función generadora de momentos de F(λ ) (la distribución de mezcla), y QN|λ (z) es la función generadora de probabilidades de N dado λ . (Este es un resultado de probabilidad que puede consultarse en Feller (1968) An Introduction to Probability Theory and Its Applicatons). Así, sustituyendo las expresiones de la función generadora de momentos de la distribución gamma para λ y la función generadora de probabilidades de la distribuci’on Poisson para N dado λ , se llega a que QN (z) corresponde a la función generadora de probabilidades de la distribución binomial negativa. 4. Demuestra que las distribuciones Poisson, binomial y binomial negativa, forman parte de la Familia Exponencial Aditiva de distribuciones. R: Ver respuestas de la pregunta preliminar, o consultar el libro Hoff (2009) A First Course in Bayesian Statistical Methods, Springer, capítulo 3. Este libro se encuentra disponible en el repositorio del curso en Piazza. 5. Demuestra que el valor esperado de la frecuencia de siniestros, N, es igual a (α, β , 1). α+β 1−α , si N se distribuye Lista de Ejercicios (Parte 1) 1-3 6. Demuestra que cualquier distribución modificada en cero para la frecuencia de siniestros es una distribución compuesta. R: Ver respuestas de la pregunta 2, de la parte P1 - Frecuencia de Siniestros.