Livro Modelos de Precificação e Ruina

Modelos de Precificao
e Runa para Seguros

de Curto Prazo
Paulo Pereira Ferreira
Modelos de Precificao
e Runa para Seguros
de Curto Prazo
1 Edio - 2002
2 Reimpresso - 2010
Rio de Janeiro
2010
1 edio: outubro 2002
2 reimpresso - Junho 2010
Escola Nacional de Seguros Funenseg
Rua Senador Dantas, 74 Trreo, 2o, 3o, 4o e 14o andares
Rio de Janeiro/RJ Brasil CEP 20031-205
Tel.: (21) 3380-1000
Fax: (21) 3380-1546
Internet: www.funenseg.org.br
e-mail: faleconosco@funenseg.org.br
Impresso no Brasil/Printed in Brazil
Nenhuma parte deste livro poder ser reproduzida ou transmitida, sejam quais forem os meios
empregados: eletrnicos, mecnicos, fotogrficos, gravao ou quaisquer outros, sem autor-
izao por escrito da Escola Nacional de Seguros Funenseg.
Coordenao Editorial
Diretoria de Pesquisa e Desenvolvimento/Ncleo de Publicaes
e-mail: publicacao@funenseg.org.br
Capa
Larissa Medeiros
Diagramao
Info Action Editorao Eletrnica Ltda. Me
Reviso
Maria Helena de Lima Hatschbach
Thais Chaves Ferraz
Virginia L. P. de S. Thom
Bibliotecria Responsvel pela elaborao da ficha catalogrfica
F443m Ferreira, Paulo Pereira

Modelos de precificao e runa para seguros de curto prazo / Paulo
Pereira Ferreira. Rio de Janeiro : FUNENSEG, 2010.
224 p.: il. ; 25 cm.
ISBN 85-7052-397-1
1. Teoria do risco. 2. Tarifao (Seguro). 3. Aturia. 4. Precificao.

5. Distribuies de sinistros. 6. Processo de runa. 7. Teoria da credibilidade.
I. Ttulo.
05-0498 CDU 368.01

Sumrio
Prefcio, xi
Apresentao, xiii
1 Tarifao, 1
TIPOS DE PRMIOS.................................................................................................. 1
Prmio de Risco ........................................................................................ 1
Prmio Puro .............................................................................................. 2
Prmio Comercial ..................................................................................... 2
PRMIO INDIVIDUAL................................................................................................ 3
MTODOS DE TARIFAO ........................................................................................ 5
Julgamento ou subjetivo .......................................................................... 6
Sinistralidade ............................................................................................ 6
Prmio Puro .............................................................................................. 6
Tbua de mortalidade .............................................................................. 6
PRINCPIOS DE CLCULO DE PRMIOS ..................................................................... 7
Princpio da Equivalncia ........................................................................ 7
Princpio do Valor Esperado.................................................................... 8
Princpio da Varincia .............................................................................. 8
Princpio do Desvio Padro ..................................................................... 8
Princpio da Utilidade Zero ..................................................................... 9
Princpio Exponencial ............................................................................ 14
Princpio do Percentil ............................................................................. 14
PROPRIEDADES DESEJVEIS DE UM PRINCPIO DE CLCULO DE PRMIOS ............... 14
Carregamento de segurana no negativo ........................................... 14
Perda Mxima ......................................................................................... 14
Consistncia............................................................................................. 15
Aditividade ............................................................................................. 15
Interatividade .......................................................................................... 15
EXERCCIOS .......................................................................................................... 16
2 Modelo do Risco Individual Anual, 19

O MODELO DO RISCO INDIVIDUAL ANUAL ............................................................ 19
CLCULO DA FUNO DE DISTRIBUIO DE Xi ..................................................... 20
EXEMPLO DE UTILIZAO DO MODELO ................................................................. 21
DISTRIBUIO DE Sind .......................................................................................... 21
Por Convoluo a Partir da Distribuio de Xi ................................... 21
v
vi Modelos de Precificao e Runa para Seguros de Curto Prazo
7 Pela Funo Geratriz de Momentos ..................................................... 22

8 CLCULO DE E [Sind] e V [Sind] ............................................................................. 22
8 CASO EM QUE Bi FIXADO PARA CADA APLICE ................................................... 23
4 APROXIMAO NORMAL ....................................................................................... 25
EXERCCIOS .......................................................................................................... 29
5
5
5 3 Modelo do Risco Coletivo Anual, 33
O MODELO DO RISCO COLETIVO ANUAL .............................................................. 33
DISTRIBUIO DE Scol ............................................................................................ 34
Por Convoluo, a Partir das Distribuies de X e N .......................... 34
Clculo de p*n (x) e P*n (x) ................................................................ 35
1 X Discreto ................................................................................... 35
2 X Contnuo .................................................................................. 36
2 Pela Funo Geratriz de Momentos .................................................... 40
2 CLCULO DE E [SCOL] E V [Scol] ............................................................................. 41
3 Clculo de E [Scol] ................................................................................... 41
3 Clculo de V [Scol] ................................................................................... 41
4 EXERCCIOS .......................................................................................................... 44
5
7
4 Distribuio da Varivel Aleatria
Valor de 1 Sinistro, 47
5 MTODOS DE OBTENO DA DISTRIBUIO DO VALOR DE 1 SINISTRO .................. 47
Paramtrico ............................................................................................. 48
7 No Paramtrico ..................................................................................... 48
1 DISTRIBUIO DO VALOR DE 1 SINISTRO COM LIMITE DE INDENIZAO ................ 48
2 AJUSTAMENTO DE DISTRIBUIES PARAMTRICAS ................................................. 49
3 1o Etapa: Determinao dos Parmetros .............................................. 49
2o Etapa: Teste de Aderncia ................................................................. 49
PRINCIPAIS DISTRIBUIES PARAMTRICAS ........................................................... 49
Log Normal ............................................................................................. 50
Utilizao Prtica ............................................................................... 51
9 Pareto ....................................................................................................... 51
9
0 Utilizao Prtica ............................................................................... 52
3 Gama ........................................................................................................ 52
6 Utilizao Prtica ............................................................................... 54
7 EXERCCIOS .......................................................................................................... 57
7
8
8 5 Distribuies para o Nmero de Sinistros, 59
3 DISTRIBUIES PARA O NMERO DE SINISTROS NO MODELO INDIVIDUAL ............... 59
6 Intervalo de Confiana para E[N] ......................................................... 61
DISTRIBUIES PARA O NMERO DE SINISTROS NO MODELO COLETIVO................. 65
Distribuio de Poisson para N ............................................................. 66
Propriedades da Poisson .................................................................... 66
Distribuio Binomial Negativa para N .............................................. 67
Propriedades da Binomial Negativa .................................................. 67
Interpretaes para a Binomial Negativa ......................................... 68
Sumrio vii
Interpretao Tradicional ............................................................. 68

Interpretao de Polya .................................................................. 68
EXERCCIOS .......................................................................................................... 71
6 Distribuies para o Sinistro Agregado, 73

DISTRIBUIO DE POISSON COMPOSTA PARA SCOL .................................................. 73
Funo Geratriz de Momentos da Poisson Composta ........................ 73
Momentos da Poisson Composta ........................................................... 74
Propriedades da Poisson Composta ..................................................... 77
Teorema 1 ........................................................................................... 77
Teorema 2 ........................................................................................... 78
DISTRIBUIO BINOMIAL NEGATIVA COMPOSTA PARA SCOL ..................................... 80
Funo Geratriz de Momentos da Binomial Negativa Composta...... 81
Momentos da Binomial Negativa Composta ........................................ 81
APROXIMAES PARA SCOL ..................................................................................... 82
Aproximao Normal para Scol ............................................................. 82
Aproximao Normal quando Scol ~ Poisson Composta (, P(x)) ... 83
Aproximao Normal quando Scol ~ Binomial Negativa
Composta (r, p, P(x)) .......................................................................... 86
Aproximao Gama para Scol................................................................ 87
Aproximao Gama quando Scol ~ Poisson Composta (, P(x))....... 88
Aproximao Gama quando Scol ~ Binomial
Negativa Composta (r, p, P(x)) ......................................................... 89
Outras Aproximaes para Scol ............................................................. 90
EXERCCIOS .......................................................................................................... 92
7 Frmula Recursiva de Panjer, 95

A FRMULA RECURSIVA DE PANJER ...................................................................... 95
Poisson ( ) ............................................................................................. 96
Geomtrica ( p ) ...................................................................................... 96
Binomial Negativa ( r, p ) ...................................................................... 96
DEMONSTRAO DA FRMULA RECURSIVA DE PANJER ........................................... 96
CONSIDERAES PRTICAS ................................................................................... 99
X Discreto ............................................................................................... 99
X Contnuo ............................................................................................. 99
EXERCCIOS ........................................................................................................ 101
8 Processo de Runa Perodo Finito, 103

O PROCESSO DE RUNA ....................................................................................... 103
PROBABILIDADE DE RUNA .................................................................................. 106
Probabilidade Anual de Runa ............................................................ 106
MODELO PRTICO DE RUNA .............................................................................. 107
Clculo da Probabilidade de Runa em 1 ano ( ) ............................ 108
Clculo da Reserva de Risco ( ) ....................................................... 108
Clculo do Limite Tcnico ( LT ) ........................................................ 110
Relao entre , e LT .................................................................... 111
viii Modelos de Precificao e Runa para Seguros de Curto Prazo
Carregamento de Segurana no Positivo ...................................... 112

Carregamento de Segurana Positivo ............................................. 112
Clculo de , E X RET [ K
]
e PRET ........................................................ 117
Clculo de .................................................................................. 117
Clculo de E X RET [K
]
....................................................................... 118
Quando X RET Possui Distribuio Paramtrica Conhecida ..... 118
A Partir dos Valores Observados de X RET .............................. 118
Clculo de PRET .............................................................................. 118
EXERCCIOS ........................................................................................................ 124
9 Processo de Runa Perodo Infinito, 127

O PROCESSO DE RUNA EM UM PERODO INFINITO .............................................. 127
PROCESSO DE POISSON COMPOSTO S (t ) ............................................................ 128
CLCULO DE ( ) NO CASO POISSON COMPOSTO ........................................... 129
Concluses sobre ( ) ....................................................................... 131
DISTRIBUIO DO 1 EXCEDENTE ABAIXO DE ................................................. 133
PERDA MXIMA AGREGADA................................................................................ 134
Frmula Aproximada Para ( ) ..................................................... 135
FRMULA APROXIMADA DE SOUZA MENDES PARA O CLCULO DO LT ................. 137
EXERCCIOS ........................................................................................................ 140
10 Aplicaes em Resseguro, 143

CONTRATOS DE RESSEGURO ................................................................................ 143
Classificao dos Contratos de Resseguro .......................................... 143
Contratos Proporcionais .................................................................. 144
Contrato de Quota-Parte ............................................................. 144
Contrato de Excedente de Responsabilidade ou Surplus ........... 144
Contratos No Proporcionais .......................................................... 148
Contrato Excesso de Danos ou Excess of Loss ........................... 148
Contrato de Catstrofe ................................................................ 151
Contrato de Stop Loss ................................................................. 152
Contrato de Stop Loss por Limite de Sinistralidade ............ 152
Contrato de Stop Loss por Limite de Perda ......................... 153
DISTRIBUIO DO SINISTRO RETIDO .................................................................... 157
Contrato de Excesso de Danos............................................................. 157
Contrato de Excesso de Danos Conjugado Com um Contrato
de Quota-Parte ...................................................................................... 157
Contrato de Excedente de Responsabilidade ..................................... 158
EXERCCIOS ........................................................................................................ 160
11 Aplicaes Diversas, 163

APLICAES PRTICAS NA PRECIFICAO ........................................................... 163
Clculo de ........................................................................................ 164
Clculo de [ ]
E X K ............................................................................... 164
Sumrio ix
Quando X Possui Distribuio Paramtrica Conhecida ............. 164

A Partir dos Valores Observados de X ......................................... 164
Clculo do Prmio Puro Total (P ) ..................................................... 164
Clculo do Prmio Puro Individual (PI ) .......................................... 165
Precificao de Seguros com Franquia ............................................... 165
Franquia Proporcional .................................................................... 165
Conceito ...................................................................................... 165
Modelo Atuarial .......................................................................... 165
Franquia Dedutvel .......................................................................... 166
Conceito ...................................................................................... 166
Modelo Atuarial .......................................................................... 166
Franquia Simples ............................................................................. 167
Conceito ...................................................................................... 167
Modelo Atuarial .......................................................................... 167
Cuidados na Precificao de Seguros com Franquia..................... 170
Precificao de Seguros a Primeiro Risco Absoluto
e Clusula de Rateio ............................................................................. 172
Primeiro Risco Absoluto ................................................................. 173
Caractersticas............................................................................. 173
Comparao para IS1 e IS2 ........................................................... 173
Clusula de Rateio ........................................................................... 174
Caractersticas............................................................................. 174
Comparao para IS1 e IS2 ........................................................... 174
Precificao Para a Reintegrao Automtica
da Importncia Segurada .................................................................... 178
TARIFAO ESPECIAL PARA SEGUROS DE VIDA EM GRUPO .................................. 180
EXERCCIOS ........................................................................................................ 182
12 Teoria da Credibilidade, 185

CONCEITO BSICO .............................................................................................. 185
CREDIBILIDADE TOTAL ....................................................................................... 186
CREDIBILIDADE PARCIAL .................................................................................... 189
Princpio da Flutuao Limitada ........................................................ 189
Princpio da Credibilidade Hiperblica ............................................. 191
Comparao com o Princpio da Flutuao Limitada ...................... 193
Princpio da Credibilidade Bayesiana Emprica ............................... 194
EXERCCIOS ........................................................................................................ 194
Bibliografia, 197
Apndice 1 Exposio ao Risco, 199
CLCULO DA EXPOSIO INDIVIDUAL ................................................................. 199
ENDOSSO DE CANCELAMENTO POR SINISTRO ....................................................... 202
CLCULO SIMPLIFICADO DA EXPOSIO AGREGADA............................................ 202
Apndice 2 Tabela Distribuio Normal Padronizada Acumulada, 205

Respostas dos Exercos, 207
Prefcio
Aceitei com muita satisfao o convite de preparar o prefcio para esta segunda reimpresso
do livro Modelos de Precificao e Runa para Seguros de Curto Prazo, de autoria do Paulo
Pereira Ferreira.
Acredito que um livro de Cincias Atuariais, especificamente de Teoria do Risco, que j ca-
minha para a segunda reimpresso, aps somente oito anos de sua primeira publicao, pode
dispensar qualquer apresentao; o livro j fala por si mesmo e pelo seu autor.
Desde o seu lanamento, este livro tem sido utilizado em cursos regulares de graduao em
Aturia, assim como em cursos de Ps-graduao e MBA de Seguros e Aturia. Hoje, esta
obra j est consagrada como biografia indispensvel nos cursos de Aturia de nosso pas.
Paulo conseguiu aliar ao rigor tcnico uma grande quantidade de exemplos apresentados de
forma simples e sempre procurando associar a teoria atuarial com a prtica do dia a dia. Em
um mercado como o nosso, com pouqussima literatura atuarial em portugus, este livro tem
sido muito bem recebido.
Possuidor de uma inteligncia brilhante, um enorme conhecimento tcnico e uma grande sim-
plicidade, Paulo reconhecidamente um dos profissionais mais destacados do mercado. Alia-
do a estes dons, seu amor pelo Magistrio e pela Aturia completam seu brilhante currculo.
O entusiasmo com a publicao e sucesso desta obra levou-o a novas publicaes no campo
atuarial. Na nova obra publicada pela Funenseg em 2009, tive a honra de ser co-autora do
livro Aspectos Atuariais e Contbeis das Provises Tcnicas, que esperamos caminhe na
mesma trilha de sucesso deste livro de Teoria do Risco.
Espero que sua veia literria no pare por aqui e que o Paulo continue proporcionando co-
munidade atuarial os frutos de seu trabalho como Professor Universitrio aliado prtica de
sua experincia como Consultor Atuarial por tantos anos.
Parafraseando o autor desta obra, saudaes atuariais!
Rio 12 de Abril de 2010
Cristina Mano
Scia Consultora da Towers Watson
xi
Apresentao
Este livro o resultado de 30 anos de vida profissional, sendo 29 deles dedicados ao magist-
rio como professor do curso de cincias atuariais da Universidade Federal do Rio de Janeiro,
tempo no qual tive um envolvimento constante e crescente com as cincias atuariais. Nesses
30 anos, diversos foram os momentos de descobertas, as quais, de to fascinantes, passei a
classificar como maravilhas atuariais. Neste livro, procurei destacar algumas destas maravi-
lhas, as quais, nem sempre se encontram com o devido destaque em outros livros.
A principal motivao para realizar este livro foi a elaborao da primeira literatura em lngua
portuguesa sobre a Teoria do Risco, rea das cincias atuariais j bastante explorada em outras
lnguas, e que trata de modelos de precificao e runa para seguros de curto prazo.
Como motivao adicional, pretendi apresentar uma literatura que mesclasse o enfoque aca-
dmico com o enfoque profissional. Por este motivo, diversos exemplos prticos so apresen-
tados neste livro, o que permite que outros profissionais, alm dos aturios, possam, tambm,
desfrutar das maravilhas atuariais.
O captulo 1 trata do processo de tarifao, apresentando os tipos de prmios e mtodos de

tarifao, onde se inserem os mtodos que utilizam a Teoria do Risco.
Os captulos 2 e 3 abordam os modelos do risco individual e coletivo, respectivamente. Pelo mo-

delo do risco individual, precisamos conhecer a probabilidade de ocorrncia de sinistro e de dis-
tribuio do valor de 1 sinistro, para cada risco individualmente, enquanto que no modelo do risco
coletivo trabalhamos com o risco de forma agregada, utilizando as variveis aletrias nmero de
sinistros e valor de 1 sinistro para a carteira de seguros como um todo. Pela sua simplicidade
, o modelo coletivo predomina em relao ao modelo individual, na utilizao prtica, o que faz
algumas pessoas confundirem a Teoria do Risco com sendo a Teoria do Risco Coletivo.
Nos captulos 4 e 5 so apresentadas as principais distribuies de probabilidades para as

variveis aleatrias valor de 1 sinistro e nmero de sinistros ocorridos em 1 ano , res-
pectivamente, Estas distribuies de probabilidades servem de base para a determinao da
distribuio de probabilidade do valor total de sinistros em 1 ano em uma carteira de seguros,
a qual abordada no captulo 6.
Devido complexidade na obteno da distribuio de probabilidade do valor total de sinis-

tros em 1 ano, Panjer desenvolveu uma frmula simples e recursiva para a obteno da sua
distribuio exata. A demonstrao da frmula recursiva de Panjer e a sua aplicao prtica
so apresentadas no captulo 7.
Os captulos 8 e 9 tratam do processo de runa em um perodo finito e infinito, respectivamen-

te, apresentando o clculo da probabilidade de runa, do limite tcnico e da reserva de risco.
xiii
xii Modelos de Precificao e Runa para Seguros de Curto Prazo
O captulo 10 mostra algumas aplicaes da Teoria do Risco na rea de resseguro, apresentan-

do os principais contratos de resseguro, com as suas distribuies do valor de 1 sinistro retido.
No captulo 11 so apresentadas diversas aplicaes prticas no processo de precificao,

tendo destaque especial as aplicaes nos seguros com franquia.
Uma das ferramentas mais modernas no processo de tarifao, chamada de Teoria da Credi-
bilidade, abordada no captulo 12, sendo apresentada tanto a credibilidade total, quanto a
credibilidade parcial.
O clculo da exposio individual uma das fases essenciais no processo de tarifao, no

sendo, porem, abordado com profundidade na maioria dos livros de atuaria. O apndice 1
procura preencher esta lacuna.
A distribuio de probabilidade da varivel aleatria valor total dos sinistros em 1 ano

costuma se aproximar muito bem da distribuio Normal, apresentando excelentes resultados
nas faixas de probabilidade de maior interesse nos processos de tarifao ou de runa. Devido
sua importncia prtica, no apndice 2 so indicados os valores da distribuio de probabi-
lidade acumulada da Normal Padronizada.
Assim como na maioria dos livros de Teoria do Risco que tratam de seguros de curto prazo, a
taxa de juros no considerada nos processos de precificao e runa.
Aqueles que nunca produziram um livro no podem imaginar o quanto de esforo prprio
e de terceiros necessrio para conclu-lo. Por outro lado, todo esse esforo plenamente
recompensado a cada etapa do livro que se supera, at chegar realizao mxima com a sua
concluso.
Agradeo a todos aqueles que direta ou indiretamente contriburam para esta realizao. Em
especial sou grato a todos os companheiros da Tillinghast, que muito me ajudaram sob o pon-
to de vista acadmico e operacional. Dentre esses companheiros, destaco o Carlos Eduardo
Teixeira, a Cristina Mano e o Roberto Westenberger pelas suas contribuies acadmicas, e a
Claudia Gonalves pela sua dedicao na montagem deste livro.
Gostaria, tambm, de agradecer aos professores do Instituto de Matemtica da Universidade

Federal do Rio de Janeiro, que me ensinaram a ter respeito e amor pela vida acadmica. Um
agradecimento especial Cristina Mano e Alexandre Goretkin pela reviso cuidadosa e entu-
siasmada deste livro.
Agradeo minha esposa Rosana, minha me Alice e ao meu irmo Mrio, pela compreen-
so da importncia que a realizao deste livro teve para mim, dando todo o incentivo para a
sua concluso, mesmo com o detrimento de um tempo maior de convivncia familiar.
Por ltimo, gostaria de dedicar este livro aos meus filhos Felipe e Gabriel e ao meu pai Anibal
que, enquanto esteve vivo, sempre me incentivou na minha vida pessoal, profissional e acad-
mica, tendo servido como um modelo de humildade, simplicidade, honestidade, humanidade
e postura tica.
Saudaes Atuariais.
Tarifao
Diversos so os conceitos e metodologias envolvidos no clculo do preo pago

pelo segurado, o qual denominamos de prmio. Esses conceitos e metodologias e os
diversos princpios de clculo de prmio sero abordados neste captulo e ilustrados
com alguns exemplos prticos.
Os conceitos desenvolvidos neste captulo podem ser classificados como bsicos

em um processo de precificao e sero, portanto, utilizados nos captulos posteri-
ores.
TIPOS DE PRMIOS
No processo de precificao do custo de um seguro existem 3 tipos de prmios:
Prmio de Risco
O prmio de risco cobre o risco mdio ( E [S ] ).
P = E [S ]
Onde, S representa a varivel aleatria valor total das indenizaes ocorridas

em uma carteira de seguros em um determinado tempo.
1
2 Modelos de Precificao e Runa para Seguros de Curto Prazo
Prmio Puro
O prmio puro igual ao prmio de risco mais um carregamento de segurana

estatstico ( ).
P = E [S ] (1 + )
O carregamento de segurana serve como uma margem de segurana para cobrir

as flutuaes estatsticas do risco, de modo que exista uma probabilidade pequena dos
sinistros superarem o prmio puro.
Prmio Comercial
O prmio comercial (p) corresponde ao prmio puro acrescido do carregamento

para as demais despesas da seguradora (a), includa uma margem para lucro.
= + P
P E [S ] (1 + )
= =
1 1
Logo,
E [S ] 1
=
(1 + )
Na prtica E [S ] / a chamada sinistralidade esperada sobre o prmio comer-
cial.
Alguns autores introduzem um quarto tipo de prmio, chamado de prmio bruto,

o qual igual ao prmio comercial acrescido das despesas com impostos que incidem
diretamente sobre o prmio comercial e das despesas com custo de aplice.
Exemplo 1: Uma carteira de seguros foi precificada considerando-se 10% de

carregamento de segurana e 30% de carregamento para despesas. Qual a sinistrali-
dade esperada sobre o prmio comercial e sobre o prmio puro?
Tarifao 3
Resposta:
Sobre o prmio comercial
Sobre o prmio puro
PRMIO INDIVIDUAL
Aps calcularmos o prmio comercial ( ) suficiente para cobrir todos os sinis-

tros esperados na carteira ( E [S ] ) e as demais despesas da seguradora (), precisa-
mos calcular o prmio por cada unidade de exposio ao risco ( i ) , ou seja:

i =
F
onde F o total de exposio ao risco.
Quando consideramos F como sendo o nmero de riscos expostos, i repre-

senta o prmio comercial individual a ser pago por cada segurado.
Quando F o total de importncia segurada exposta , ento i a taxa comer-
cial individual a ser aplicada importncia segurada de cada aplice, resultando no
prmio comercial individual.
No clculo da exposio ao risco, conforme abordado no apndice 1 deste livro,
leva-se em considerao a relao entre o tempo em que o risco ficou exposto no
perodo de anlise e o tempo total do perodo de anlise, mesmo que o risco tenha
iniciado antes do perodo de anlise.
Um estudo detalhado de como calcular a exposio ao risco pode ser visto em

TEIXEIRA17.
Exemplo 2: Calcular o prmio de risco individual anual, taxa de risco anual,

prmio puro individual anual, taxa pura anual, prmio comercial individual anual e
taxa comercial anual no ano t de um seguro com as seguintes caractersticas:
a) Valor esperado do montante de sinistros produzidos na carteira no ano civil t

de $1.000.000;
b) O nmero de riscos que produz esse montante de sinistros de 1000 aplices com
vigncia anual iniciando-se em 1 de outubro do ano t-1 e mais 500 aplices com
vigncia semestral iniciando-se em 1 de setembro do ano t;
c) A importncia segurada (IS) de cada aplice fixa em $50.000;
d) Carregamento de segurana ( ) = 5%;
e) O carregamento para despesas de 50% do prmio comercial.
Resposta:
Vamos calcular inicialmente o nmero de riscos expostos e o total de IS expostas:
As 1000 aplices com vigncia anual, iniciando-se a vigncia em 1 de outubro

do ano t-1, ficaram expostas ao risco no ano t durante 9 meses de um total de 12
meses de vigncia. J as 500 aplices com vigncia semestral iniciando-se em 1 de
setembro do ano t ficaram expostas ao risco no ano t durante 4 meses de um total de
12 meses.
Logo, o nmero de riscos expostos no ano t ser de:
9 4
1000 + 500 = 916,67
12 12
como cada risco possui uma IS constante de $50.000, logo, o total de IS exposta
no ano t ser de:
916,67 $50.000 = $45.833.333,34
Prmio de risco individual anual
E[S [ $1.000.000
= = $1.090,91
N Riscos Expostos 916,67
Tarifao 5
Taxa de risco anual
E [S[ $1.000.000
= = 2,18%
Total IS Exposta $45.833.333,34
Prmio puro individual anual
Taxa pura anual
Prmio comercial individual anual

Corresponde ao prmio puro individual anual acrescido do carregamento para despe-
sas (50%), ou seja:
Taxa comercial anual

Corresponde taxa pura anual acrescida do carregamento para despesas (50%),
ou seja:
Observe que as taxas de risco, pura e comercial tambm podem ser calculadas
pela diviso do prmio de risco, puro e comercial pela IS de cada aplice. Por exem-
plo, a taxa de risco pode ser calculada como segue:
MTODOS DE TARIFAO
Podemos citar 4 mtodos de tarifao:

Julgamento ou subjetivo
Esse mtodo utilizado quando no se tem informao suficiente no processo de

tarifao. um processo subjetivo, onde a tarifa definida pelo underwriter atravs
de comparao com riscos similares. A teoria da credibilidade, que abordada no
captulo 12, pode ser classificada dentro desse contexto, pois, por vezes, conjuga a
experincia prpria da seguradora com a experincia de outras seguradoras.
Sinistralidade
A tarifa atualizada em funo da anlise da sinistralidade.

O prmio de risco pode ser, por exemplo, calculado pela aplicao da sinistrali-
dade (apurada sobre o prmio comercial) ao prmio comercial.
Devemos tomar muito cuidado na utilizao deste mtodo em funo de even-

tuais modificaes na estrutura de prmios no perodo sob anlise. Se, por exem-
plo, a seguradora acabou de reduzir a sua tarifa, a sinistralidade passada ainda no
reflete essa reduo, e inferior quela que se teria caso a tarifa tivesse sido redu-
zida no incio do perodo de anlise. Caso aplicada ao prmio comercial recente,
conduzir a um clculo de prmio de risco inferior ao necessrio para equilibrar a
carteira.
Prmio Puro
Este mtodo comea com a estimativa do prmio de risco, passando por um

processo de regularizao estatstica (modelagem), e, por fim, adicionando-se um
carregamento de segurana.
O processo de modelagem no abordado neste livro, mas um componente

importante no processo de tarifao, pois permite estimar o prmio do seguro em
classes de risco com pouca ou at nenhuma informao.
Tbua de mortalidade
o mtodo utilizado nos seguros de vida e de anuidades. Trata-se de um m-

todo determinstico, pois aplica frmulas determinsticas e probabilidades de morte
definidas a partir de estudos prvios realizados por aturios, quando eles produzem
as chamadas tbuas de mortalidade.
Tarifao 7
As tbuas de mortalidade so construdas a partir de informaes brutas de mor-

talidade, passando por um processo de regularizao estatstica, um processo de ajus-
tamento analtico e finalmente aplicado um carregamento de segurana; positivo,
quando a tbua utilizada em seguros de vida, ou negativo, quando a tbua uti-
lizada em seguros de anuidade.
Apesar das tbuas j apresentarem uma margem de segurana para flutuaes
estatsticas, precisamos tomar muito cuidado na sua utilizao, pois a margem de
segurana embutida na tbua pode ser insuficiente para grupos com um pequeno
nmero de segurados, onde se espera uma maior flutuao no risco.
(BOWERS, GERBER, HICKMAN, JONES and NESBITT)1 apresentam uma
abordagem mais moderna para a precificao dos seguros de vida e anuidades, incor-
porando os aspectos da flutuao estatstica.
PRINCPIOS DE CLCULO DE PRMIOS
Um princpio de clculo de prmio uma funo H : R que associa a

cada distribuio de sinistros agregada S um nmero real P tal que
P = H [S ]
Na verdade P uma funo de FS ( x )

Onde, FS ( x ) representa a funo de distribuio acumulada de S no ponto x .
O fluxo da operao para o segurador o seguinte:
Recebe P (fixo, no varivel aleatria)

Paga S (varivel aleatria)
ganho = P S (varivel aleatria)
Vejamos a seguir alguns princpios de clculo de prmios:
Princpio da Equivalncia
P = E [S ] = Prmio de Risco ou Prmio Estatstico.
Desta forma, se o segurador operar durante um nmero grande de anos, ele ter
S1 , S 2, , S n de sinistro agregado em cada ano, e, na mdia, o sinistro agregado ser:
S1 + S 2 + + S n
E [S ]
n

n
Se ele operar nessa base, entretanto, certamente se arruinar ao longo do

tempo. Essa afirmao decorre de um teorema existente na teoria dos jogos, no
qual, se a banca (seguradora) jogar contra um jogador (segurado) infinitamente
mais rico (pois o fluxo de novos prmios ao longo do tempo inesgotvel), com
as mesmas chances ( ), ento, ao longo do tempo, certamente a banca
se arruinar.
Princpio do Valor Esperado
P = E [S ] + E [S ] = E [S ](1 + )
Sendo:
: Carregamento de segurana escolhido arbitrariamente;

P : Prmio Puro = Prmio de Risco (1 + ) .
Este princpio bastante utilizado na prtica, sendo muito comum a escolha de

igual a 10%. Observam-se, tambm, escolhas ao redor de 5% e outras bem superiores
a 10%, dependendo do grau de averso ao risco da seguradora.
Princpio da Varincia
P = E [S ] + Var[S ] >0
Onde o fator escolhido arbitrariamente.
Este princpio no possui aplicao prtica, pois a escolha de dificultada

pelo fato da varincia possuir uma ordem de grandeza diferente da ordem de gran-
deza da mdia.
Princpio do Desvio Padro
P = E [S ] + [S ] >0
onde o fator escolhido arbitrariamente, sendo que na prtica o fator varia

entre 1 e 2.
Tarifao 9
Princpio da Utilidade Zero
Seja ( x ) a funo utilidade que o segurado/segurador associa a cada exce-

dente x em relao sua riqueza inicial W .
Na prtica utilizamos ( x ) que atende ao conceito de utilidade marginal, ou

seja:
( x ) > 0 ( x ) crescente, pois quanto maior o x (dinheiro), maior a

utilidade;
( x ) < 0 quanto maior o x , menor o crescimento da utilidade para variaes
de x .
Chama-se de cncava a funo que obedece s propriedades acima, e, pode ser

representada graficamente conforme apresentado no Grfico 1.1:
(x )
Excedente Marginal
Grfico 1.1
Sejam:
( x ) - Funo utilidade associada ao segurado;

1 ( x ) - Funo utilidade associada ao segurador;
S - Varivel aleatria valor do sinistro agregado;
G - Prmio aceito como bom pelo segurado devido sua funo utilidade;
H - Prmio proposto pelo segurador devido sua funo utilidade.
Assim sendo, o prmio que atende a este princpio de clculo aquele que no
reduz a funo utilidade do segurado em funo da deciso de contratar ou no o
seguro.
Da mesma forma, para a seguradora, o prmio a ser cobrado ser aquele que no
reduzir a sua funo utilidade pela deciso de aceitar o risco.
Desta forma, ento, podemos calcular o prmio aceito pelo segurado ou pelo
segurador que no reduzir as respectivas funes utilidades conforme a seguir:
a) Usando o ( x ) do segurado clculo de G
(W G ) = E [ (W S )]
Onde:
E [ (W S )] representa o quanto o segurado espera de utilidade se ele no fizer

o seguro;
(W G ) representa a utilidade do montante existente aps o segurado contratar

o seguro e pagar G .
b) Usando 1 ( x ) do segurador clculo de H
1 (W ) = E [1 (W + H S )]
Onde:
E [ 1 (W + H S )] representa o quanto o segurador espera de utilidade se ele

aceitar o seguro;
1 (W ) representa a utilidade do montante existente se o segurador no aceitar o

seguro.
Como G e H independem de W , ento,
(0) = E [ (G S )] e 1 (0) = E [1 (H S )]
Da o nome de Utilidade Zero.

Tarifao 11
Exemplos de (x) e relao entre G, H e E[S]
(x) Linear
(x) = ax + b
Se (x) uma reta G = E(S) , pois a riqueza cresce na mesma proporo que
a funo utilidade.
Demonstrao: Sob o ponto de vista do segurado, o prmio que mantm a sua

funo utilidade ser:
(W G ) = E [ (W S )]
a (W G ) + b = E [a (W S ) + b] = a (W E [S ]) + b
G = E [S ]
Exemplo 3: Seja um segurado com a seguinte funo utilidade linear, represen-

tada no Grfico 1.2:
Grfico 1.2
Dado que o montante de sinistros agregados pode assumir o valor zero com
probabilidade de 50% e o valor $20.000 com probabilidade de 50%, calcular o pr-
mio G aceito pelo segurado de modo a no diminuir a sua funo utilidade.
Resposta:
(20.000) = 0
(0) = -1
P(S = 20.000) = 0,5
P(S = 0) = 0,5
Logo,
E[S] = 0,5 x $20.000 = $10.000
Para calcular G s igualar:
(20.000 - G) = E[ ($20.000 S)]

= ($20.000 - 0) P(S = 0) + ($20.000 - $20.000) P(S = $20.000)
= 0 x 0,5 1 x 0,5 = 0,5
$20.000 G = $10.000 G = $10.000 = E[S]
Ou seja, o prmio aceito como bom pelo segurado igual ao valor esperado do
sinistro agregado.
Neste caso, (x) atende ao princpio da utilidade marginal.
Sob o ponto de vista do segurado, o prmio que mantm a sua funo utilidade ser:
(W G ) = E [ (W S )] (E [W S ]) = (W E [S ])
A desigualdade acima explicada pela chamada desigualdade de Jensen, onde

se a funo cncava, como acontece com (x), ento, E[(S)] (E[S]), sendo
S uma varivel aleatria qualquer.
(x) crescente, pois (x) > 0
Logo, para que (W G) (W E[S]), ento,

Tarifao 13
Da mesma forma, sob o ponto de vista do segurador H E[S] , pois:
1 (W ) = E [ 1 (W + H S )] 1 (W + H E [S ])
Como 1(x) uma funo crescente, logo, para que tenhamos atendida a
desigualdade acima, ento,
Observe que o segurado aceita pagar um prmio superior expectativa de sinis-

tros, porm o segurador tambm s aceita o risco se o prmio for superior expecta-
tiva de sinistros.
Desta forma, as partes somente chegaro a um acordo quando: G H E [S ]

E, ento, a utilidade esperada de nenhuma das partes ser diminuda com o seguro.
Observaes: A princpio pode parecer estranho que o segurado aceite pagar um

prmio G superior expectativa de sinistro E[S]. A justificativa est no fato de que a
deciso de no fazer o seguro pode representar um decrscimo grande na utilidade,
em funo do pagamento dos sinistros. Este fato mais relevante para os segurados
com uma riqueza inicial pequena. A perda de um automvel para um segurado que
depende desse automvel para a sua sobrevivncia, como um taxista, por exemplo,
muito mais sentida do que a perda desse mesmo automvel para um segurado rico.
Esse segurado rico dificilmente aceitar pagar um prmio superior expectativa de
sinistros, e, muito provavelmente, decidir pelo auto seguro. O grfico a seguir ilustra
essas duas situaes:
Grfico 1.3
A constatao acima to fascinante que pode ser classificada como uma das
maravilhas atuariais.
Pela sua diversidade a funo utilidade do segurado/segurador deve ser pesqui-
sada em cada caso.
Princpio Exponencial
Onde MS(a) representa a Funo Geratriz de Momentos de S no ponto a.
Esse princpio um caso particular do princpio da utilidade zero, quando uti-

lizamos a seguinte funo utilidade:
Princpio do Percentil
Nesse caso, o prmio determinado de modo que exista uma probabilidade mui-
to pequena () do montante de sinistros (S) superar o total de prmio puro (P).
O valor de escolhido arbitrariamente, sendo que na prtica varia entre 1%
e 10%.
PROPRIEDADES DESEJVEIS DE UM PRINCPIO DE CLCULO DE PRMIOS
So cinco as propriedade desejveis de um princpio de clculo de prmios:
Carregamento de segurana no negativo
Ou seja,
Perda Mxima
Seja o rS sinistro agregado mximo para a distribuio S , ou seja, rS a perda

mxima, ento,
Tarifao 15
Consistncia
H [S + C ] = H [S ] + C sendo C = constante
Exemplo: num determinado seguro, caso a seguradora queira pagar C=$100.000

para todos os segurados, independentemente de haver ou no sinistro ao final do ano,
ento, ao prmio de risco, devemos adicionar a constante C=$100.000.
Aditividade
Se S1 S 2 H [S1 + S 2 ] = H [S1 ] + H [S 2 ]
Exemplo: O prmio de 2 riscos que so independentes a soma dos prmios dos

riscos individualmente.
Interatividade
[ [ ]]
Se S e S so riscos arbitrrios, ento, H [S ] = H H S S
As propriedades acima so mais detalhadas em (BOWERS, GERBER, HICK-

MAN, JONES and NESBITT)1.
Pode-se demonstrar que os princpios da equivalncia e exponencial so os ni-
cos que satisfazem a todas as 5 propriedades acima.
Como no princpio da equivalncia o carregamento de segurana nulo (impli-
cando em runa a longo prazo), o princpio exponencial o que se apresenta como
sendo o melhor sob o ponto de vista terico.
Na prtica, porm, os princpios mais utilizados so o princpio do valor espe-
rado, o princpio do desvio padro e o princpio do percentil, dada a dificuldade de
se determinar a funo utilidade do segurado/segurador. Apesar de o princpio do
percentil ser o melhor entre esses 3 princpios, pois permite seguradora dimensionar
melhor o risco (a) que ela assume, nem sempre ele utilizado em funo da impos-
sibilidade/dificuldade de se calcular a funo de distribuio acumulada do sinistro
agregado (FS ( x )) .
EXERCCIOS
1) Determinar a sinistralidade esperada em uma carteira de seguros precificada

considerando-se 5% de carregamento de segurana e 35% de carregamento para
despesas.
a) sobre o prmio comercial

b) sobre o prmio puro
2) Calcular o prmio comercial individual anual de um seguro com as seguintes

caractersticas:
Valor esperado do montante de sinistros produzidos na carteira no ano civil t de

$10.000.000;
O nmero de riscos que produz esse montante de sinistros de 800 aplices
com vigncia anual iniciando-se em 1 de agosto do ano t-1 , 600 aplices com
vigncia semestral iniciando-se em 1 de maio do ano t e mais 300 aplices com
vigncia trimestral iniciando-se em 1 de outubro do ano t;
Carregamento de segurana (q) = 10%;
O carregamento para despesas de 30% do prmio comercial.
3) Seja um segurado com uma funo utilidade potencial fracionria, ou seja,
(x ) = x x >0, 0 < <1
Onde o montante de sinistros agregados possui uma distribuio Uniforme

(0, $10). Calcular o prmio G aceito pelo segurado de modo a no diminuir a sua
funo utilidade, dado que = 0,5 e que a riqueza inicial do segurado de $10.
4) Refazer o exerccio anterior, supondo que o seguro s cobre 50% dos sinistros.
Tarifao 17
5) Seja a seguinte distribuio de probabilidades , referente ao valor dos sinistros

agregados:
Valor do Sinistro ($) 0 10 20 30 40

Probabilidade 0,50 0,30 0,10 0,05 0,05
Determine o prmio puro pelos seguintes princpios:
a) Princpio do Desvio Padro, supondo = 1,282 ;

b) Princpio da Equivalncia;
c) Princpio do Percentil, supondo = 0,1 .
6) Seja um segurado com funo utilidade linear, da forma a x + b . O montante de

sinistros agregados assume o valor zero com probabilidade 0,8 e assume o valor
$5 com probabilidade 0,2. Calcular o valor do prmio G aceito pelo segurado, de
modo tal que a sua funo utilidade no seja diminuda pela deciso de contratar
ou no o seguro, nas seguintes situaes:
a) a = 1 e b = 0 ;
b) a = 1 e b = 1 .
7) A partir do exerccio anterior, demonstre que se dois segurados possuem funo

utilidade linear diferindo apenas pelo valor b , ento eles aceitaro pagar o
mesmo prmio G , considerando-se a mesma distribuio do valor dos sinistros
agregados.
Modelo do Risco
Individual Anual
No processo de precificao importante conhecermos a distribuio do valor

total dos sinistros produzidos em uma carteira de seguros em um determinado pero-
do. Neste captulo desenvolveremos o modelo do risco individual para a determina-
o do valor total dos sinistros produzidos em uma carteira de seguros em 1 ano.
No modelo do risco individual, todo o enfoque para obteno do valor total dos
sinistros individual, pois utilizamos as distribuies do valor do sinistro e da ocor-
rncia de sinistros individualmente em cada aplice.
Cabe destacar que os conceitos utilizados neste captulo e nos demais captulos
servem, tambm, para perodos diferentes do perodo anual tomado como base.
O MODELO DO RISCO INDIVIDUAL ANUAL
Neste modelo conhecemos a distribuio de sinistros de cada risco individual-

mente.
HIPTESES:
1. Conhecemos a probabilidade de ocorrncia de sinistros em 1 ano de cada aplice

(risco) qi ;
19
2. Conhecemos a distribuio da varivel aleatria valor do sinistro de cada

aplice Bi ;
3. Desprezamos a probabilidade de mais de 1 sinistro por aplice;
4. Conhecemos o no de aplices ( n ) e no levamos em conta novas entradas e
sadas;
5. Os riscos assumidos em cada aplice so independentes.
Seja S ind = X 1 + X 2 + + X n
Onde X 1 X 2 X n e X i = I i Bi
Sendo:
S ind - Varivel aleatria valor total das indenizaes na carteira em 1 ano ou

varivel aleatria valor do sinistro agregado da carteira em 1 ano;
X i - Varivel aleatria que est associada ao sinistro da aplice i em 1 ano;
I i - Varivel aleatria ocorrncia de sinistro da aplice i em 1 ano;
Bi - Varivel aleatria valor do sinistro da aplice i dado que o sinistro ocorreu
em 1 ano.
Sendo:
1 com probabilidade qi
Ii =
0 com probabilidade pi = 1 qi
Observaes:
1) I i ~ Bernoulli ( qi );
2) Bi melhor definida por Bi / I i = 1 , ou seja, Bi s faz sentido dado que o
sinistro ocorreu.
P (I i = 1) = qi P (I i = 0) = p i E (I i ) = qi V (I i ) = qi p i
CLCULO DA FUNO DE DISTRIBUIO DE X i

1
F X i ( x ) = P ( X i x ) = P ( X i x, I i = k )
K =0
= P ( X i x / I i = 1) P (I i = 1) + P ( X i x / I i = 0) P (I i = 0)
Modelo do Risco Individual Anual 21
= FBi ( x ) qi + I ( x ) p i
1 x 0
Onde, I ( x ) =
0 x<0
EXEMPLO DE UTILIZAO DO MODELO
Este modelo pode ser utilizado no clculo do prmio puro P. Existem vrios m-
todos que podem ser utilizados para se calcular o prmio puro, conforme abordado
no captulo 1.
Basicamente o prmio puro calculado de tal forma que exista uma probabili-
dade muito pequena de que o montante de indenizaes exceda o montante de pr-
mios puros, como por exemplo:
[ ]
P = E S ind + K S ind [ ]
P tal que FS ind (P ) = 1
[ ] (1 + )
P = E S ind
Onde o carregamento de segurana.
Dessa forma importante conhecermos a distribuio de S ind ou, alternativa-

[ ] [ ]
mente, calcularmos E S ind e V S ind , os quais definem a distribuio Normal se
aplicarmos o Teorema Central do Limite.
DISTRIBUIO DE S ind
Podemos obter a distribuio de S ind de 2 maneiras:
Por Convoluo a Partir da Distribuio de X i
[ ]
FS ind ( x ) = P S ind x = FX 1 FX 2 FX n
O processo de convoluo um processo recursivo, onde primeiro se cal-

cula a distribuio de X 1 e, a partir da distribuio de X 1 , se calcula a distri-
buio de X 1 + X 2 e, assim sucessivamente, at se calcular a distribuio de
S ind = X 1 + X 2 + + X n .
Pela Funo Geratriz de Momentos
= M X 1 (t ) M X 2 (t ) M X n (t )
Assim, se conhecermos M X i (t ) , obteremos M S ind (t )
CLCULO DE E [S ind ] E [ ]
V S ind
Hipteses: I i Bi e I i iid
Ou seja, o valor do sinistro em cada aplice independe da sua ocorrncia e as

variveis aleatrias ocorrncia de sinistro em cada aplice so independentes e iden-
ticamente distribudas.
Desta forma, ento,
[ ]
n n n
E S ind = E [X i ] = E [I i ] E [Bi ] = qi E [Bi ]
i =1 i =1 i =1
[ ]
n n
V S ind = V [X i ] = E [V [X i / I i ] ] + V [E [X i / I i ] ]
i =1 i =1
(1) (2)
(2) = V [E [X i / I i ] ] = V [E [I i Bi / I i ] ] = V [I i E [Bi ] ] = E [Bi ] 2 V (I i )
[ ]
V S ind = (1) + (2 )
n n
= V [Bi ] qi + E [Bi ] V [I i ]
2
i =1 i =1
n n
= V [Bi ] qi + E [Bi ] qi pi
2
i =1 i =1
CASO EM QUE Bi FIXADO PARA CADA APLICE

Seja Bi = C i
Onde,
Ci - Valor fixado (constante) para a aplice de ordem i
Logo,
V [Bi ] = 0
[ ]
n
E S ind = qi C i
i =1
[ ]
n
V S ind = pi qi C i2
i =1
Observaes:
1) Este modelo se aplica ao seguro de vida, invalidez e todo aquele em que, em caso
de sinistro, a indenizao conhecida antecipadamente para cada aplice;
2) Se Bi = C i = 1 , qi = q e pi = p , ento,
Ou seja, S ind a soma de n variveis aleatrias com distribuio de Bernoulli

( q ) independentes, ento:
S ind ~ Binomial ( n, q )
Exemplo 1: Seja um seguro que cobre morte por qualquer causa com indeniza-
o fixa de $10.000 e invalidez total e permanente com indenizao fixa de $5.000.
As probabilidades anuais de sinistros em cada cobertura so de 0,001 e 0,0002, res-
pectivamente. Determinar as distribuies de I i , Bi e X i .
Resposta:
a) Distribuio de I i
P (I i = 1, Bi = $5.000) = 0,0002
Logo,
P (I i = 1) = 0,0012 ; P (I i = 0) = 0,9988
E [I i ] = 0,0012 ; V [I i ] = 0,001199
b) Distribuio de Bi
P (Bi = $5.000, I i = 1) 0,0002

P (Bi = $5.000 / I i = 1) = = = 0,167
P (I i = 1) 0,0012
c) Distribuio de X i
P ( X i = 0) = 0,9988
P ( X i = $5.000) = 0,0002
V [X i ] = $104.879
Veja que podemos tambm calcular E [ X i ] e V [ X i ] utilizando as frmulas de-

senvolvidas neste livro:
V [X i ] = V [Bi ] E [I i ] + E [Bi ] V [I i ]
2
Veja tambm que:
O que representa um elevado coeficiente de variao, consequncia de estarmos

considerando somente um nico segurado exposto ao risco.
APROXIMAO NORMAL
( [ ] , V [S ] )
Sob certas condies S ind ~ N E S ind ind
a) Este modelo aplicado quando no se conhece a distribuio de S ind , ou quando

a sua obteno trabalhosa;
b) No basta atender somente s condies do Teorema Central do Limite, pois,
alm dos X i terem que ser independentes e identicamente distribudos, o nmero
de sinistros tem que ser grande e no somente o nmero de aplices ( n ).
A partir dessas condies, pode-se calcular o prmio ( P ) e o carregamento de

segurana ( ), como segue:
P (S ind P ) =
P (S ind P ) = 1
( [ ] [ ])
Como S ind ~ N E S ind ,V S ind
Ento,
Logo, P tal que

Ou seja,
[ ]
P = E S ind + Z 1 S ind[ ]
Para calcular o carregamento de segurana ( ) s levar em conta que
[ ]
P = E S ind (1 + ) .
Logo,
[ ] [ ] [ ]
E S ind (1 + ) = E S ind + Z 1 S ind
[ ]
Z 1 S ind
=
E [S ]
ind
Concluses:
a) Z1
b)
Ou seja, quanto menor a probabilidade do sinistro agregado superar o prmio

puro total da carteira, maior ter que ser o carregamento de segurana. Da mesma
forma, quanto maior o desvio padro do sinistro agregado em relao mdia do
sinistro, maior ser o carregamento de segurana.
Exemplo 2: Uma carteira de seguro de vida possui 3 faixas de importncias segu-

radas, quais sejam: $10.000, $30.000 e $50.000. O nmero de aplices em cada faixa
de 200.000, 300.000 e 100.000, respectivamente. Em cada uma dessas 3 faixas a
probabilidade de morte em 1 ano de 0,01, 0,005 e 0,02 respectivamente. Calcular o
carregamento de segurana e o prmio puro total anual de modo que a probabilidade

do sinistro agregado superar o prmio puro total anual no exceda a 5%, utilizando a
aproximao Normal para S ind .
Resposta:
Exemplo 3: Calcular o prmio puro anual individual que cada segurado, na faixa
de importncia segurada de $10.000, deve pagar no exemplo 2.
Resposta:
Veja que aplicamos o carregamento de segurana calculado no exemplo 2, ou

seja, considerando toda a carteira.
Caso tivssemos considerado somente a 1 faixa de importncia segurada, o car-

regamento de segurana seria calculado da seguinte forma:
Nesse caso o carregamento de segurana seria superior ao do exemplo 2, con-

duzindo, consequentemente, a um prmio puro anual individual superior.
Essa segunda abordagem de clculo do prmio puro anual individual conduz a
um carregamento de segurana maior, pois diminui o nmero de riscos para os quais
estamos calculando o carregamento de segurana, no admitindo, portanto, a com-
pensao de oscilao de riscos entre as 3 faixas.
Devemos evitar o uso dessa segunda abordagem, pois ela conflitante com o
princpio da lei dos grandes nmeros que rege a operao de seguros.
Exemplo 4: Dado que Bi = C , qi = q e n aplices, calcular o coeficiente de

variao de S ind .
Resposta:
Veja que, quanto maior o nmero de aplices ( n ), menor ser o coeficiente de

variao.
Por outro lado, quanto maior a probabilidade de sinistro ( q ) e quanto maior o
nmero mdio de sinistros ( n q ), menor tambm ser o coeficiente de variao, ou
seja, para se reduzir o coeficiente de variao e, consequentemente, reduzir o car-
regamento de segurana, precisa-se aumentar o nmero de aplices, conjuntamente
com a probabilidade de sinistro.
No basta, por exemplo, ter um grande nmero de aplices em uma carteira que
possua uma pequena probabilidade de sinistro, produzindo, consequentemente, um
pequeno nmero de sinistros.
Esse exemplo importante para mostrar que, no seguro, a lei dos grandes nmeros
est muito mais relacionada ao nmero de sinistros do que ao nmero de aplices.
Esta constatao tambm pode ser classificada como uma das maravilhas atu-
ariais.
EXERCCIOS
1) Seja um seguro com as coberturas A, B e C, com indenizao fixa de $1.000,

$2.000 e $5.000, respectivamente. As probabilidades anuais de sinistros em cada
cobertura so de 0,001, 0,002 e 0,0005, respectivamente. Determinar:
a) Distribuio de X i
b) [X i ]
E [X i ]
2) A probabilidade de ocorrer um sinistro de vendaval em um seguro residencial

de 0,001. Seja uma carteira com 2.000 aplices e com o valor de cada sinistro
ocorrendo de acordo com uma distribuio Exponencial ( = 0,0001 ). Calcular
o carregamento de segurana de modo que a probabilidade do sinistro agregado
superar o prmio puro total no exceda a 5%, utilizando a aproximao Normal
para S ind .
3) Dado que a probabilidade de ocorrer o sinistro de 0,01, calcular E [X i ] e V [X i ]

nas seguintes situaes:
a) Distribuio do valor de 1 sinistro fixa em $1.000

b) Distribuio do valor de 1 sinistro Uniforme (0,$2.000)
Analise o resultado, sob a tica de que ambas as distribuies do valor de 1 si-

nistro possuem a mesma mdia.
4) Seja a distribuio do valor total das indenizaes na carteira em 1 ano com

funo geratriz de momentos conforme abaixo:
M S ind (t ) = (1 2t ) 9 t < 0,5
[ ]
Calcular E S ind e V S ind . [ ]
5) Considere uma carteira com 200 aplices. Para cada aplice a probabilidade de
ocorrer um sinistro de 1/3 e Bi tem a seguinte funo de densidade:
f Bi ( x ) = 2(1 x ) 0 < x <1
0 caso contrrio
Calcular P (Sind >30) utilizando a aproximao Normal.
6) Uma seguradora cobre o risco de desmoronamento em um seguro residencial

em uma carteira com 200 residncias, conforme a seguinte distribuio de
importncia segurada (IS):
IS ($) Nmero de Aplices

10.000 55
15.000 70
20.000 50
30.000 20
100.000 5
A probabilidade de ocorrer um desmoronamento em uma residncia em 1 ano

de 0,01. Os valores dos sinistros seguem uma distribuio Uniforme (0,IS).
Calcular:
a) Mdia do nmero esperado de sinistros em 1 ano;
b) Varincia do nmero esperado de sinistros em 1 ano;
c) Prmio puro total anual que a seguradora deve cobrar de modo que a probabilidade
do sinistro agregado anual superar o prmio puro total anual no exceda a 5%,
considerando uma aproximao Normal para o sinistro agregado;.
d) Prmio puro individual para cada segurado , considerando os parmetros do item
c);
e) Taxa pura a ser aplicada IS, considerando os parmetros do item c);
f) Carregamento de segurana, considerando os parmetros do item c).
Modelo do Risco
Coletivo Anual
Na construo do modelo do risco individual, abordado no captulo 2, utilizada

a distribuio do valor do sinistro em cada aplice, assim como a distribuio da
ocorrncia de sinistros em cada aplice.
Neste captulo desenvolveremos o modelo do risco coletivo, o qual utiliza o con-
ceito de risco agregado, onde a varivel aleatria sinistro total produzido por uma
carteira de seguros, tambm chamada de varivel aleatria sinistro agregado,
interpretada como a soma dos sinistros de toda a carteira.
No modelo do risco coletivo precisamos conhecer a distribuio do valor de
cada sinistro, independentemente da aplice qual o sinistro pertence, e conhecer a
distribuio do nmero total de sinistros produzido em uma carteira.
As principais formas de obteno do sinistro agregado sero apresentadas neste
captulo, ilustradas com alguns exemplos prticos.
O MODELO DO RISCO COLETIVO ANUAL
Neste modelo, estudamos a distribuio de sinistros de uma carteira como um

todo, sem nos preocuparmos com as caractersticas dos sinistros produzidos por cada
aplice, como acontece no modelo do risco individual.
33
Descrio do Modelo: S col = X1 + X 2 ........+ X N
Onde:
S col - Varivel aleatria que representa o sinistro agregado da carteira em um ano,
ou varivel aleatria que representa o valor total das indenizaes da carteira em um
ano;
N - Varivel aleatria que representa o nmero de sinistros na carteira em um ano;
X i - Varivel aleatria que representa o valor do i-simo sinistro na carteira.
Veja que S col uma soma das variveis aleatrias X i , sendo o nmero de ter-
mos da soma tambm aleatrio e igual a N .
Hipteses:
a) X 1 , X 2 , X N so independentes e identicamente distribudas, sendo:
p ( x ) - Funo de probabilidade de X :
P ( x ) - Funo de distribuio acumulada de X .
b) X 1 , X 2 , X N so independentes de N
Vejamos a seguir, como determinar a distribuio de S col , ou, alternativamente,

[ ] [ ]
calcular E S col e V S col , os quais definem a distribuio de S col . Se aplicarmos
o Teorema Central do Limite, a distribuio de S col pode ser considerada Normal.
TURLER18, CRAMR3 e BUHLMANN2 fazem uma descrio bastante detalha-

da do modelo do risco coletivo.
DISTRIBUIO DE S col
Podemos obter a distribuio de S col de duas maneiras:
Por Convoluo, a Partir das Distribuies de X e N

FS col ( x ) = P( S col x N = n ) P( N = n )
n =0
Modelo do Risco Coletivo Anual 35

FS col ( x ) = P ( X 1 + X 2 + ... + X n x ) P( N = n )
n =0

FS col ( x ) = P n ( x ) P( N = n )
n =0
Da mesma forma,

f S col ( x ) = p n ( x ) P( N = n )
n =0
Observaes:
a) P n (x ) e p n (x ) so, respectivamente, a funo de distribuio acumulada e a

funo de probabilidade da varivel aleatria valor de n sinistros ( X n );
b) Se X tem distribuio discreta, ento, S col ter distribuio discreta;
Se X tem distribuio contnua, ento, S col ter distribuio contnua.
Clculo de p* n (x) e P* n (x)
Para calcular p n (x ) e P n (x ) utiliza-se o processo de convoluo, conforme

desenvolvido a seguir:
X Discreto
Seja y um dos possveis valores que X pode assumir, ento,
p n ( x ) = P ( X 1 + X 2 + .... X n = x )
= P ( X 1 + X 2 + .... X n 1 = x y ) P ( X n = y )
y
= p n 1 ( x y ) p( y )
y
Onde p n (x ) chamada de n-sima convoluo de p (x ) , e pode ser represen-

tada por: p n = p n 1 p
Da mesma forma, P n ( x ) = P ( x y ) p( y )
n 1
Onde, P n = P n 1 P
y
X Contnuo
Da mesma forma,
Logo, P n = PP P P
Ou seja, se M X (t ) a Funo Geratriz de Momentos associada a P ( x ) ,ento,

a Funo Geratriz de Momentos associada a P n (x ) ser:
Observaes:
a) Se X ~ Gama ( , ), ento, X n ~ Gama ( n , )
Demonstrao:

M X (t ) =
t
Gama ( n, )
Conseqncia:
Se X ~ Exponencial ( ), ento, X n ~ Gama ( n, )
Pois, Exponencial ( ) uma Gama ( 1, )
E, desta forma, ento,

b) A determinao da distribuio de S col extremamente trabalhosa, tanto quando

X possui distribuio paramtrica conhecida, o que implica em clculos
complexos de integral e somatrios, tanto quando trabalhamos com distribuio
emprica para X , o que requer recursos computacionais no triviais.
Exemplo 1: Uma carteira de seguros produz 0, 1 ou 2 sinistros com as respecti-

vas probabilidades: 0,3; 0,4 e 0,3. Um sinistro dessa carteira assume os valores $1,
$2 ou $3, com as respectivas probabilidades: 0,6; 0,3 e 0,1.
Obter f S col (x ) e FS col (x ) x = 0, 1, 2, 6
Resposta:
2
f S col ( x ) = p n ( x ) P( N = n )
n =0
Onde, p n ( x ) = p
y
n 1
( x y ) p( y )
Veja que as distribuies de N e X so:
n P (N = n ) x p(x )
0 0,3 1 0,6
1 0,4 2 0,3
2 0,3 3 0,1
p o (0) = 1
p 1 (1) = 0,6 p 1 (2 ) = 0,3 p 1 (3) = 0,1
p 2 ( 4) = p 1 ( 2) p 1 ( 2) + p 1 (3) p 1 (1) + p 1 (1) p 1 (3)

x
FS col ( x ) = f S col ( y )
y =0
FS col (0) = 0,3
FS col (3) = 0,768 + 0,148 = 0,916
FS col ( 4) = 0,916 + 0,063 = 0,979
FS col (5) = 0,979 + 0,018 = 0,997
FS col (6) = 0,997 + 0,003 = 1
Observe como foi trabalhosa a obteno do valor de n sinistros pelo processo de

convoluo, mesmo X possuindo somente 3 valores e dispostos de forma seqencial.
Quando o nmero de valores de X grande, o processo de convoluo impraticvel.
Exemplo 2: Calcular P n ( x ) e FS col ( x ) , quando X possui distribuio Expo-

nencial ( ) e N possui distribuio de Poisson ( ).
Resposta:
a) Clculo de P n ( x )
Sabemos que se X possui distribuio Exponencial ( ), ento,
p ( x ) = e x x>0
P ( x ) = 1 e x x>0
Logo,
Ao resolvermos esta integral, chegaremos ao seguinte resultado:
3
P ( x) = 1 e x
(1 + x +
( x)
2
)
2!
Desta forma, ento, chegaremos seguinte frmula para P n ( x ) :
n 1
( x ) i
n
P ( x) = 1 e x

i =0 i!
Observe que lim P n ( x ) = 1 e x e x = 0

n
O que um resultado bastante interessante, pois mostra que quando o nmero de

sinistros tende para infinito, a probabilidade do valor dos sinistros ser menor ou igual
a um valor de x finito igual a zero.
b) Clculo de FS col ( x )
n 1
FS col ( x ) = P n ( x ) P (N = n ) = 1 e x
( x ) i e n

i! n!
n =0 n =o i =0
Observe que o clculo de FS col ( x ) no simples de ser realizado, mesmo

quando se tem uma frmula definida para P n (x ) .
Pela Funo Geratriz de Momentos
Sabemos que:
M X (t ) = E [e t X ]
M N (t ) = E [e t N ]
col
[
M S col (t ) = E[e t S ] = E E[e t S
col
]
N]
Seja:
= M X 1 (t ) M X 2 (t )M X n (t ) = M X (t ) n
Pois as variveis X i so independentes.
Logo,
[ ] [
M S col (t ) = E M X (t ) N = E e N log M X ( t ) ]
M S col (t ) = M N (log M X (t ) )
Desta forma, se conhecermos as distribuies de X e N , ento, conheceremos

M N (t ) e M X (t ) e, consequentemente, M S col (t ) .
Exemplo 3: Dado que N possui distribuio Geomtrica ( p ) e que X possui dis-

tribuio Exponencial com parmetro , calcule M S col (t ) .
Resposta:
Se N possui distribuio Geomtrica ( p ), ento,
Se X possui distribuio Exponencial ( ), ento,

e ( t ) x 1
= = =
( t )
0
t t
Como M S col (t ) = M N (log M X (t ) ) , ento,
p
M S col (t ) =

1 q
t
CLCULO DE E [ S col ] E [ ]
V S col
Clculo de E S col [ ]
[ ]
E S col = M S col (0)
M X (0)
M S col (0) = M N (log1) = M N (0) M X (0) = E [N ] E[X ]
1
Podemos, tambm, calcular E S col como segue: [ ]

[ ] [[ ]]
E S col = E E S col N = E [E [X 1 + X 2 + + X N N ]]
= E [N E [X ]]
= E [N ] E [X ]
Pois os X i so variveis aleatrias independentes e identicamente distribudas

com distribuio X .
Este resultado bastante intuitivo, pois o valor esperado do sinistro agregado
igual ao nmero mdio de sinistros multiplicado pelo valor mdio de 1 sinistro.
Clculo de V S col [ ]
[ ]
V S col = M Scol (0) E S col [ ] 2
= M Scol (0) E [X ] 2 E [N ]
2
[ ]
M Scol (0) = M N (0) E [X ] E [X ] + M N (0) (E X 2 E [X ] E [X ])
[ ]
= E N 2 E [X ] + E [N ] E X 2 E [X ]
2
([ ] 2
)
= E [N ] E [X ] + E [N ] V [ X ]
2 2
Logo,
[ ]
V S col = M Scol (0) E [X ] E [N ]
2 2
[ ]
= E N 2 E [X ] + E [N ] V [X ] E [X ] E [N ]
2 2 2
([ ]
= E [X ] E N 2 E [N ] + E [N ] V [X ]
2 2
)
= E [X ] V [N ] + E [N ] V [X ]
2
[ ]
Podemos, tambm, calcular V S col como segue:
V [S ] = E [V [S N ]] + V [E [S N ]]
col col col
= E [V [X 1 + X 2 + X N N ]] + V [ E [X 1 + X 2 X N N ]]
= E [N V [X ]] + V [N E [X ] ]
= V [X ] E [N ] + E [X ] V [N ]
2
Pois os X i so variveis aleatrias independentes e identicamente distribudas

com distribuio X .
Este resultado nos mostra que a varincia do sinistro agregado diretamente
proporcional varincia do nmero de sinistros e varincia do valor de 1 sinistro.
[ ] [ ]
Exemplo 4: Calcular E S col e V S col no exemplo 1.
Resposta:
[ ] [ ]
Podemos, tambm, calcular E S col e V S col conforme a seguir:
[ ]
E S col = E [N ] E [X ]
V [S ] = E [N ] V [X ] + E [X ] V [N ]
col 2
E [N ] = 1 0,4 + 2 0,3 = 1
V [N ] = 12 0,4 + 2 2 0,3 12 = 0,6
E [X ] = 1 0,6 + 2 0,3 + 3 0,1 = 1,5
Logo,
[ ]
E S col = 1 1,5 = 1,5
Exemplo 5: Calcular no exemplo 1, pela distribuio exata e pela aproximao Nor-

mal, o prmio puro total de modo que a probabilidade do sinistro agregado superar o
prmio puro total (P ) no exceda a 2,1%.
Resposta:
a) Pela distribuio exata

1 FS col (P ) = 0,021 FS col (P ) = 0,979 P = 4
b) Pela aproximao Normal
[ ] [ ]
P = E S col + Z 0,979 S col
Veja que, apesar do nmero mdio de sinistros ser de somente 1, pela aproxi-
mao Normal o prmio puro total no ficou muito distante daquele calculado pela
distribuio exata.
Na prtica, a aproximao Normal se comporta muito bem na cauda direita da
distribuio, o que uma caracterstica muito boa, pois exatamente nessa regio que
estamos interessados para o clculo de prmios ou de probabilidade de runa.
Veja, tambm, que, por exemplo, caso estivssemos interessados em calcular o

P de modo que , teramos P = 1 pela distribuio exata, en-
quanto que pela aproximao Normal, teramos:
E, neste caso, a aproximao Normal no to boa, pois estamos muito distantes

da cauda direita da distribuio.
EXERCCIOS
1) Suponha que a distribuio do valor de 1 sinistro seja idntica do exemplo 1,

mas a distribuio do nmero de sinistros em 1 ano uma Poisson com mdia
igual a 1. Calcular:
[ ]
a) E S col
b) V [S ]
col
2) Calcular a probabilidade do sinistro agregado ser igual a 0,1,2,3 e 4, em uma

carteira em que N possui distribuio de Poisson ( = 2 ) e a distribuio do
valor de 1 sinistro possui funo de densidade conforme abaixo:
p ( x ) = 0,1 x x = 1,2 ,3 ,4
3) Calcular a probabilidade do valor de 4 sinistros ser igual ou inferior a $4.000,

caso a distribuio do valor de 1 sinistro seja Exponencial ( = 0,001 ).
4) Mostrar que caso a distribuio do valor de 1 sinistro seja Gama, ento a mdia da
distribuio do valor de n sinistros ser igual a n vezes a mdia da distribuio
do valor de 1 sinistro.
5) Seja N com distribuio Binomial ( n, p ). Determinar uma expresso para a

funo geratriz de momento de S col em funo de n , p e da funo geratriz de
momentos de X.
6) Uma carteira de seguros produz 0 ou 1 sinistro com as respectivas probabilidades:

0,6 e 0,4. Um sinistro dessa carteira assume os valores $1 ou $2, com as respectivas
probabilidades: 0,7 e 0,3. Obter:
( )
a) P S col = 2 ;
b) E [S ];
col
c) V [S ] .
col
Distribuio da Varivel
Aleatria Valor de 1 Sinistro
Neste captulo sero apresentadas as caractersticas das distribuies para o valor

de 1 sinistro que se ajustam s principais carteiras de seguros. Sero, tambm, abor-
dados os metdos para a obteno dessas distribuies.
As distribuies aqui apresentadas podem ser aplicadas tanto para o modelo in-
dividual (varivel Bi ) quanto para o modelo coletivo (varivel X ). Foi escolhida
a notao do modelo coletivo (varivel X ) como notao padro para a varivel
aleatria valor de 1 sinistro.
MTODOS DE OBTENO DA DISTRIBUIO DO VALOR DE 1 SINISTRO
A distribuio do valor de 1 sinistro obtida a partir de observao histrica da

carteira, levando-se em conta fatores tais como: tendncia, sazonalidade e inflao.
Tendncia e sazonalidade so tratadas estatisticamente com ferramentas de s-
ries temporais. Nesse caso destacamos o amortecimento exponencial, o qual atribui
um peso maior s informaes de anos mais recentes.
Os efeitos da inflao so eliminados ao se converter os sinistros para uma moe-
da estvel. A moeda a ser utilizada deve ser aquela que melhor reflete a variao dos
custos dos sinistros da carteira de seguros.
Existem 2 mtodos para a obteno da distribuio do valor de 1 sinistro:
47
Paramtrico
O mtodo paramtrico utilizado quando o nmero de dados pequeno. Nesse

caso, em funo da experincia existente em relao a fenmenos semelhantes,
atribumos uma distribuio conhecida, por exemplo: Log-normal, Pareto, Gama,
etc...
No Paramtrico
O mtodo no paramtrico deve ser utilizado quando o nmero de dados

grande. Nesse caso, aplicamos a distribuio emprica.
Segundo (HOGG AND KLUGMAN)9 a utilizao de distribuies param-

tricas muito mais conveniente do que a utilizao de distribuies empricas
quando alteraes paramtricas so necessrias para prever o futuro. Isto , dis-
tribuies empricas podem ser satisfatrias descries de dados histricos. En-
tretanto, na maioria das vezes, desejvel fazer previso em um tempo futuro e
isto frequentemente pode ser feito mudando-se um parmetro da distribuio para-
mtrica ajustada.
DISTRIBUIO DO VALOR DE 1 SINISTRO COM LIMITE DE INDENIZAO
Seja L o limite de indenizao da aplice e, seja Y a varivel aleatria valor

de 1 sinistro sujeito ao limite L . Desta forma, ento,
X X L
Y =
L X >L
E o sinistro mdio igual a:
No item Principais Distribuies Paramtricas, sero apresentadas as

frmulas de E [X; L] para as principais distribuies de probabilidade utiliza-
das para a distribuio do valor de 1 sinistro.
Distribuio da Varivel Aleatria Valor de 1 Sinistro 49
AJUSTAMENTO DE DISTRIBUIES PARAMTRICAS
O ajustamento dos dados de sinistros a uma distribuio paramtrica se d em

duas etapas:
1o ETAPA: Determinao dos Parmetros
Nesta etapa so estimados os parmetros da distribuio. Para tal, podem ser

utilizados diversos mtodos, como por exemplo: mtodo dos momentos, mnimos
quadrados ou mxima verossimilhana.
Pelo mtodo dos momentos, os parmetros da distribuio so determinados a

partir dos momentos amostrais ( mk ), sendo:
Z i
k
mk = i =1
Onde,
Z i Valor observado do i-simo sinistro;
n Nmero de sinistros da amostra.
No item Principais Distribuies Paramtricas, sero apresentados os pa-

rmetros ajustados, pelo mtodo dos momentos, das principais distribuies de pro-
babilidade utilizadas para a distribuio do valor de 1 sinistro.
2o ETAPA: Teste de Aderncia
Nesta etapa comparamos a distribuio ajustada com a distribuio analtica

atravs de um teste de aderncia distribuio. Podem ser utilizados por exemplo o
teste do Qui-quadrado ou o teste de Kolmogorov-Smirnov.
Para maiores detalhes sobre as distribuies de probabilidades sugere-se a con-
sulta a (HOSSAK, POLLARD AND ZEHNWIRTH)10.
PRINCIPAIS DISTRIBUIES PARAMTRICAS
A seguir encontram-se algumas das distribuies paramtricas mais utilizadas na

prtica. Uma abordagem mais abrangente sobre as distribuies paramtricas feita
por (HOGG AND KLUGMAN)9.
Log Normal
f (x)
x
Grfico 4.1.
X ~ Log Normal ( , 2 )
Os principais momentos da Log Normal so:
[ ] 1
E X k = exp k + k 2 2
2
1
Mdia = exp + 2
2
(
Varincia = exp 2 + 2
) [exp( ) 1]
2
E as expresses para e , pelo mtodo dos momentos, so:
Observao: Se X ~ Log Normal ( , 2 ) Normal ( , 2 )
Utilizao Prtica
Coliso nos seguros de automveis e incndio comum.
Pareto
Grfico 4.2.

f X ( x) = x > 0, > o, > o
( + x ) +1

FX ( x ) = 1
+ x
X ~ Pareto ( , )
Os principais momentos da Pareto so:
[ ]
E Xk = k
k k!
>k
( i )
i =1

Mdia = >1
1
2
Varincia = >2
( 1)2 ( 2)

1

E [ X ; L] = 1 + ( 1) + L
1 + L + L + L
2(m 2 m12 )
=
m 2 2m12
m1m 2
=
m 2 2m12
Utilizao Prtica
Por possuir uma cauda longa, a distribuio de Pareto utilizada no seguro de

incndio vultoso e resseguro de catstrofe.
Gama
x 1
f X ( x) = e x x 0, > o, > o
( )
X ~ Gama ( , )
Grfico 4.3.
Os principais momentos da Gama so:
k 1
( + i )
EX[ ]=k i =0

Mdia =

Varincia =
2
m12
=
m 2 m12
m1
=
m 2 m12
Observaes:
a) chamada de funo Gama;
b) ( ) = ( 1) ( 1) ;
c) inteiro ( ) = ( 1)! ;
d) Gama ( 1, ) ~ Exponencial ( )
r 1 r 1
e) Se = , r inteiro 0 , e, = Gama ( , ) ~ X 12
2 2 2 2
1
f) = ;
2
n
g) X i iid ~ Gama ( , ) X
i =1
i ~ Gama ( n , )
h) A distribuio Gama assimtrica, mas tende a uma distribuio simtrica quando

cresce.
Utilizao Prtica
A distribuio Gama tem uma aplicao prtica no risco de coliso nos seguros
de automveis.
Exemplo 1: Dada a experincia de sinistros abaixo, calcular, pelo mtodo dos mo-
mentos, os parmetros das distribuies Log Normal e Gama.
Valor de 1 sinistro ($) Frequncia
200 2%
600 24%
1.000 32%
1.400 21%
1.800 10%
2.200 6%
2.600 3%
3.000 1%
3.400 1%
Resposta:
Observe que o grfico do valor de 1 sinistro representado como segue:
Grfico 4.4.
Vamos agora calcular os momentos da amostra:
Mdia amostral = m1 =0,02x$200+0,24x$600+..+0,01x$3.400 = $1.216

Segundo momento amostral = m 2
= 0,02x$2002+0,24x$6002+..+0,01x$3.4002=$1.841.600
Varincia amostral = m 2 - m12 = $362.944
a) Log Normal
1
Mdia = exp + 2 = $1.216
2
(
Varincia = exp 2 + 2
) [exp( ) 1] = $362.944
2
Desta forma, temos: = 6,993 e = 0,469
b) Gama

Mdia = = $1.216

Varincia = = $362.944
2
Desta forma, temos: = 4,0741 e = 0,0034
Exemplo 2: Calcular a probabilidade de um sinistro ser superior a $4.000 no

caso da aproximao Log Normal do exemplo 1.
Resposta:
Esta pequena probabilidade consequncia da caracterstica assinttica da Log

Normal.
Exemplo 3: Dada a experincia de sinistros do exemplo 1, calcular o valor m-

dio de 1 sinistro, sabendo-se que o valor de 1 sinistro possui distribuio Log Normal
e, que, o valor mximo de indenizao de $1.800.
Resposta:
Sabemos do item Log Normal que:
Onde, L = $1.800 e, do exemplo 1, temos que = 6,993 e = 0,469
Logo,
Veja que o valor mdio de 1 sinistro sem limite de indenizao, calculado no

exemplo 1 de $1.216.
EXERCCIOS
1) Calcular pelo mtodo dos momentos o valor do parmetro de uma distribuio

Exponencial ( ) para a experincia de sinistros apresentada no exemplo 1.
2) Seja uma carteira de seguros com o valor de 1 sinistro seguindo uma distribuio
Exponencial ( = 0,001 ). Determinar o valor mdio de 1 sinistro caso as
indenizaes sejam limitadas a $700.
3) Determinar os parmetros e de uma distribuio de Pareto ( , ), pelo

mtodo dos momentos, dado que o primeiro momento amostral igual a 30 e o
segundo momento amostral igual a 50.000.
4) O valor da indenizao a ser paga por uma seguradora obedece uma distribuio
Uniforme em que a probabilidade de qualquer valor de indenizao fixa no
intervalo [0 ; $100] .
a) Qual o valor esperado da indenizao ?

b) Refaa o item anterior, considerando o valor da indenizao limitado a $50.
Distribuies para o
Nmero de Sinistros
Neste captulo sero abordadas as distribuies para a varivel aleatria nmero

de sinistros ocorridos em 1 ano no modelo individual e no modelo coletivo. Sero
apresentadas as caractersticas principais de cada distribuio e alguns exemplos
prticos relacionados a cada distribuio.
Ser, tambm, desenvolvida uma estimativa para o nmero mdio de sinistros
em 1 ano, em funo da observao de uma amostra. Ser apresentado um processo
de precificao a partir dessa estimativa, para as situaes em que se determina a taxa
de risco utilizando a frequncia observada de sinistros.
DISTRIBUIES PARA O NMERO DE SINISTROS NO MODELO INDIVIDUAL
Seja N a varivel aleatria nmero de sinistros ocorridos em 1 ano em uma

carteira com n aplices, ento, pelo modelo individual, podemos definir N como
sendo:
n
N = Ii
i =1
Para determinar a distribuio de N , pode-se fazer uma analogia com a dis-

tribuio de S ind , conforme caso particular desenvolvido no item casos em que Bi
59
fixado para cada aplice do captulo 2, onde os sinistros foram definidos como
constantes e iguais a 1, e as probabilidades de sinistros foram definidas como cons-
tantes e iguais a q .
Logo,
n n n
S ind = X i = I i Bi = I i
i =1 i =1 i =1
E a distribuio de S ind Binomial ( n, q ), pois S ind a soma de n variveis

aleatrias independentes com distribuio de Bernoulli ( q ).
Ocorre que S ind , nesse caso, se confunde com a varivel aleatria nmero de
sinistros ocorridos em 1 ano ( N ), pois os valores dos sinistros so constantes e
iguais a 1 e, consequentemente, o valor total dos sinistros em 1 ano igual ao nmero
total de sinistros em 1 ano.
Logo,
N ~ Binomial ( n, q )
Veja que:
Este o modelo probabilstico usado nos seguros de vida, onde estimamos o

nmero mdio de mortes ocorridas em 1 ano ( d x ) como sendo:
d x = lx qx
Onde,
l x - Nmero de sobreviventes no incio do ano;

q x - Probabilidade de uma pessoa de idade x falecer antes de atingir a idade x + 1 .
Cabe destacar que se n for suficientemente grande, ento N passa a ter uma
distribuio aproximadamente Normal.
Distribuies para o Nmero de Sinistros 61
Exemplo1: Seja uma carteira de seguros com 10.000 aplices, onde cada aplice
possui uma probabilidade anual de sinistro de 0,01. Calcular o nmero esperado de
sinistros em 1 ano e o respectivo desvio padro.
Resposta:
N ~ Binomial ( )
Exemplo 2: Determinar a probabilidade de o nmero de sinistros em 1 ano ser

superior a 120 no exemplo 1, aproximando a distribuio de N por uma Normal.
Resposta:
Intervalo de Confiana para E[N]
Vejamos a seguir como determinar um intervalo de confiana para E [N ] a partir

de uma observao do nmero de sinistros ocorridos em 1 ano.
Parmetros:
I i - Varivel aleatria que representa a ocorrncia de sinistros na i-sima aplice;
n Nmero de aplices expostas ao risco;
q Probabilidade de um sinistro ocorrer;
f Frequncia absoluta do nmero de sinistros observados em uma amostra;
q - Uma observao de q , sendo: q = f / n ;
n - uma observao de f em 1 ano.
Onde: I i ~ Bernoulli ( q ) e I i I j , i , j
Supondo que todos os elementos da amostra tm a mesma distribuio que os

elementos da populao, podemos afirmar que:
n
P (I i = 1) = q
f = Ii onde:
i =1 P (I i = 0) = 1 q
Logo, f ~ Binomial ( n, q )
Onde,
Ento,
E[ f ]
E [q ] = =q
n
1 q(1 q )
VAR [q ] = 2
VAR[ f ] =
n n
O tipo de distribuio de q continua, para todos os efeitos, sendo uma distri-

buio Binomial, cujos possveis valores foram, porm, comprimidos entre 0 e 1,
com intervalos de 1 / n , ao invs de variarem de 0 a n segundo os nmeros naturais.
Sendo o nmero de aplices expostas ao risco ( n ) suficientemente grande,
podemos aproximar as distribuies de f e q por distribuies Normais de mesma
mdia e mesma varincia. Em termos prticos, podemos considerar essa aproxima-
o boa para e n (1 q ) > 5 .
q E [q ]
Ou seja, Z = ~ N (0 ,1)
[q ]
Isto :
q E [q ]
P ( Z / 2 Z 1 / 2 ) = 1
[q ]
q q
P ( Z / 2 Z 1 / 2 ) = 1
q(1 q )
n
q(1 q ) q(1 q )
P ( q Z 1 / 2 q q Z / 2 ) = 1
n n
Dado que Z 1 / 2 = Z / 2 , ento, o limite superior do intervalo de confiana

ser:
q(1 q ) q (1 q )
q Z / 2 = q + Z 1 / 2
n n
Pois podemos substituir q por sua estimativa q com muito boa aproximao.
Assim, para calcularmos o limite superior da probabilidade q , basta substituir
q por sua observao
n n
1
n n n
q= + Z 1 / 2
n n
n n(n n)
q= + Z 1 / 2
n n3
Como , logo, o limite superior do intervalo de confiana para E [N ] ,

dado que = , ser:
2
n(n n)
E [N ] = n+ Z 1
n
n n
Se n for suficientemente maior que n , ento, 1,
n
logo, E [ N ] = n+ Z 1 n
Este resultado interessante, pois permite determinar um limite superior para

E[N ] a partir de n , sem se levar em conta o nmero de aplices expostas ao risco.
Observaes:
a) Esta formulao pode ser utilizada em processos de tarifao em que se utiliza
unicamente a frequncia de sinistros e se quer determinar frequncias (taxas
puras) que proporcionem uma probabilidade muito pequena ( ) de a frequncia
efetiva ultrapassar a frequncia utilizada na tarifao.
b) O valor de n a ser considerado deve levar em conta as mutaes da carteira. Por

exemplo, se esperarmos um crescimento na produo, devemos trabalhar com n
projetado para o ano seguinte.
Exemplo 3: Calcular a taxa pura anual, por classe de risco, de um seguro de

roubo de bens, proporcional frequncia de ocorrncia de sinistros em cada classe,
dados:
Nvel de significncia no clculo da taxa pura igual a 1%;

Distribuio de sinistros e aplices expostas ao risco em 1 ano:
Nmero de sinistros Nmero de aplices

Classe
Observados em 1 ano expostas ao risco
I 800 10.000
II 300 5.000
III 250 5.000
Resposta:
n = 800 + 300 + 250 = 1.350
n = 10.000 + 5.000 + 5.000 = 20.000
n n(n n)
Taxa pura mdia = + Z 1
n n3
Veja que a taxa de risco mdia igual a:
Logo, o carregamento de segurana global da carteira ser:

A taxa de risco em cada classe igual frequncia de ocorrncia, ou seja,
Classe Taxa de risco
I 800/10.000= 8%
II 300/5.000 = 6%
III 250/5.000 = 5%
Logo, aplicando o carregamento de segurana global da carteira em cada classe,

teremos as seguintes taxas puras:
Classe Taxa pura
I 8% x 1,061 = 8,49%
II 6% x 1,061 = 6,37%
III 5% x 1,061 = 5,31%
DISTRIBUIES PARA O NMERO DE SINISTROS NO MODELO COLETIVO
Conforme verificamos nos tpicos anteriores, os principais resultados para po-

dermos trabalhar com o modelo coletivo so:

FS col ( x ) = P n
( x ) P (N = n )
n =0
[ ]
E S col = E [N ]E [X ]
[ ]
VAR S col = VAR[X ]E [N ] + E [X ] VAR[N ]
2
Todos esses resultados dependem das distribuies de X e N .

Para a distribuio de X j foram abordadas algumas distribuies paramtricas
possveis no captulo 4.
Vejamos a seguir duas distribuies importantes aplicveis a N , quais sejam,
Poisson e Binominal Negativa, sendo estas abordadas mais detalhadamente em
(HART, BUCHANAN AND HOWE)7.
Quando N tem distribuio de Poisson, dizemos que S col tem distribuio de

Poisson Composta e, quando N tem distribuio Binominal Negativa, dizemos que
S col tem distribuio Binomial Negativa Composta, conforme ser abordado no ca-
ptulo 6.
Distribuio de Poisson para N
Na maioria dos casos o processo de ocorrncia de sinistros satisfaz s condies

do processo de Poisson, quais sejam:
a) A distribuio do processo do nmero de sinistros no intervalo de tempo t ( N t )

s depende da magnitude de t e no de quando o processo iniciou;
b) S possvel 1 sinistro no intervalo dt ;
c) As variveis aleatrias nmero de sinistros em intervalos de tempo no
sobrepostos so independentes;
d) A probabilidade de 1 sinistro no intervalo dt dt ;
e) P (N 0 = 0) = 1 .
Uma descrio detalhada das caractersticas do processo de Poisson pode ser

vista em LARSON18.
Assim, N t ~ Poisson ( t )
e t ( t )
n
Ou seja, P (N t = n ) = n = 0,1,2
n!
No modelo de risco anual, ento:
Propriedades da Poisson
a) Seja T a varivel aleatria intervalo de tempo entre 2 sinistros.

fcil demonstrar que T ~ Exp ( ) , pois:
P (T > t ) = P (N t = 0) = e t T ~ Exponencial ( )
1
Onde, E [T ] =

Ou seja, o tempo mdio entre 2 sinistros igual a 1/ . Este resultado pode ser
utilizado na definio do nmero de reguladores de sinistros pela seguradora.
b) A mdia igual varincia, ou seja: E [N ] = V [N ] =
c) M N (t ) = e (e 1)
t
Distribuio Binomial Negativa para N
Quando h indcios de que VAR[N ] > E [N ] , ento a distribuio de Poisson

para N no adequada. Uma boa alternativa utilizar a distribuio Binomial
Negativa, onde:
r>0
r + n 1 r n
P (N = n ) = p q n = 0,1,2, 0 < p <1
n q =1 p
Logo,
N ~ Binomial Negativa ( r, p )
Propriedades da Binomial Negativa
I) ;
II) logo ;
II) Se , , ou seja, N passa a ter distribuio Geomtrica ( p );
IV) Se , ento a Binomial Negativa tende para uma Poisson;
V) Se N i , i 1, r tem distribuio geomtrica ( p ) e N i so independentes, ento,
r
N = N i ~ Binomial Negativa ( r, p )
i =1
Demonstrao da Propriedade V:
Como N i so independentes, ento,
M N (t ) = M N1 (t ) M N 2 (t ) M N r (t )
r
p
M N (t ) = N ~ Binomial Negativa ( r, p )
1 qe
t

Interpretaes para a Binomial Negativa
Interpretao Tradicional
Pela interpretao tradicional, a distribuio do nmero de fracassos at atingir

o r-simo sucesso Binomial Negativa ( r, p ), onde temos um experimento de Ber-
noulli, no qual:
p = probabilidade de sucesso
q = probabilidade de fracasso = 1 p
Interpretao de Polya
Uma urna contm N1 bolas vermelhas e N2 bolas brancas.

Extrai-se uma bola ao acaso s vezes com repetio.
Aps a extrao de uma bola vermelha, esta volta urna, juntamente com c bolas
vermelhas.
Assim, aps o sorteio de uma bola vermelha, temos uma probabilidade maior de
sorteio de uma bola vermelha na prxima extrao.
Isso gera uma distribuio Binomial Negativa para o nmero de bolas vermelhas
na amostra.
Pelas caractersticas acima, diz-se que a Binomial Negativa uma distribuio
com contgio.
Aplicao Prtica:
Seja uma carteira de seguros com vrias classes de risco.

Cada classe possui distribuio de Poisson para o nmero de sinistros, mas com
parmetros diferentes dependendo da classe do risco.
Se esses parmetros ocorrem segundo uma distribuio ~ Gama (, ),
ento a distribuio do nmero de sinistros total da carteira possuir distribuio
Binomial Negativa conforme a seguir:
N ~ Binomial Negativa
Demonstrao:
N = ~ Poisson( )
E [N ] = E [E [N ]] = E []
V [N ] = E [V [N ]] + V [E [N ]] = E [] + V []
Veja que V [N ] > E [N ] , o que no recomenda a distribuio de Poisson.
~ Gama ( , )

P (N = n ) = P ( N = n = ) ( ) d
0

n + 1e ( +1) d
( ) n! 0
=
(n + )

n + 1 ( +1)
= 0 (n + ) e ( + 1)n + d
( ) n! ( + 1)
n +
(n + ) 1
=
( ) n! (1 + ) (1 + )n

n + 1 ( +1)
Pois, e ( + 1)n + d = 1
0
(n + )
n
n + 1

1
Ento, P ( N = n ) =
n 1 + 1+
Logo, N ~ Binomial Negativa
Esta demonstrao tambm pode ser classificada como uma das maravilhas atu-
ariais.
O nmero de sinistros de perda parcial na carteira de automveis costuma pos-
suir distribuio Binomial Negativa. Este fato est comprovado na tese de mestrado
de FERREIRA5, Uma aplicao do mtodo de Panjer experincia brasileira de
sinistros do ramo de automveis, onde foram observados 2844 sinistros em 1 ano,
em um total de 7062,85 aplices expostas ao risco.
Nessa tese, foi possvel ajustar a distribuio do nmero de sinistros na carteira
em 1 ano utilizando somente 1 ano de observao, pois, cada aplice de automvel
no Brasil pode produzir mais de 1 sinistro de perda parcial em 1 ano. A distribuio
de probabilidade que melhor se ajustou varivel aleatria nmero de sinistros por
aplice em 1 ano foi a Geomtrica. Assim, a varivel aleatria nmero total de si-
nistros ocorridos em 1 ano na carteira ( N ) foi ajustada por uma Binomial Negativa,
na medida em que a soma de Geomtricas independentes Binomial Negativa.
(DAYKIN, PENTIKAINEN AND PESONEN)4 fazem uma abordagem bastante
abrangente das principais caractersticas da distribuio Binomial Negativa, tambm
chamada pelos autores de distribuio de Polya.
Exemplo 4: O coeficiente de sinistralidade sobre o prmio puro para um con-

junto de aplices num dado perodo definido por:
S
R= , onde S representa o sinistro agregado e P o prmio puro agregado no
perodo P
Suponha que:
a) P = E [ X ] E [N ] (1 + ) ;
b) Todas as aplices iniciam suas vigncias no incio do perodo e terminam suas

vigncias no final do perodo.
Achar uma expresso para E [R ] e V [R ]

Resposta:
S E [S ] E [X ] E [N ] 1
E [R ] = E = = =
P E [X ] E [N ](1 + ) E [X ] E [N ](1 + ) 1 +
1 V [N ] E [X ] 2 + E [N ]V [X ]
V [R ] = V [S ] =
P2 (E [X ]E [N ](1 + ))2
Exemplo 5: Obter uma expresso para V [R ] quando N possui distribuio de

Poisson ( ) e quando N possui distribuio Binomial Negativa ( r, p ).
a) N possui distribuio de Poisson ( )
E [N ] = V [N ] = , logo,
V [R ] =
E [X ] 2 + V [X ]
=
[ ]
E X2
(E [X ] (1 + )) 2
(E [X ] (1 + ))
2
b) N possui distribuio Binomial Negativa ( r, p )
, logo,
EXERCCIOS
1) Seja N a distribuio do nmero de sinistros ocorridos em 1 ano em uma determinada

carteira de seguro onde N possui distribuio de Poisson ( ). Determinar para
a mesma carteira a distribuio do nmero de sinistros ocorridos em 1 ano com
valor acima de um determinado valor de franquia, caso a probabilidade do valor
de 1 sinistro superar a franquia seja de p . Suponha que a distribuio de N seja
independente da distribuio de X .
2) Calcular a taxa pura na classe III , onde a taxa pura em cada classe proporcional
frequncia de ocorrncia de sinistros de cada classe, dados:
- Nvel de significncia no clculo da taxa pura ( ) igual a 5%;

- Distribuio de sinistros e aplices expostas ao risco:
Nmero de sinistros Nmero de aplices

Classe
observados em 1 ano expostas ao risco
I 10 150
II 20 200
III 15 250
IV 100 500
3) Seja uma carteira de seguros com o nmero de sinistros ocorridos em 1 ano

seguindo a distribuio de Poisson com = 1.000 , carregamento de segurana
de 10% e distribuio do valor de 1 sinistro conforme a seguir:
Valor do sinistro ($) Freqncia de ocorrncia

200 0,35
500 0,25
1.000 0,20
1.550 0,15
2.500 0,03
3.000 0,02
Calcular o coeficiente de variao da sinistralidade calculada sobre o prmio

puro.
4) Provar que o coeficiente de variao da sinistralidade calculada sobre o prmio

puro igual ao coeficiente de variao da varivel aleatria sinistro agregado.
Distribuies para o
Sinistro Agregado
Neste captulo sero abordadas as distribuies mais importantes para o valor

total dos sinistros em 1 ano (sinistro agregado), e as principais caractersticas dessas
distribuies.
Sero apresentadas, tambm, algumas aproximaes para o sinistro agregado,
onde se destaca a aproximao Normal pela sua simplicidade e adequabilidade no
ajustamento da distribuio do valor total dos sinistros.
DISTRIBUIO DE POISSON COMPOSTA PARA S col
Quando N possui distribuio de Poisson ( ), dizemos que S col possui distri-

buio de Poisson Composta ( , P ( x ) ), de modo que:

e n
Fs col ( x ) = P n ( x )
n =0 n!
Funo Geratriz de Momentos da Poisson Composta
Sabemos que a Funo Geratriz de Momentos de S col expressa por:

73
Sabemos, tambm, que a Funo Geratriz de Momentos da Poisson expressa

por:
M N (t ) = exp( (e t 1))
Logo, M S col (t ) = exp( (M X (t ) 1))
Momentos da Poisson Composta
[ ]
E S col = E [N ] E [X ] = E [X ]
[ ]
V S col = V [X ] E [N ] + E [X ] V [N ]
2
= V [X ] + E [X ] = E X 2
2
[ ]
Exemplo 1: Considere uma carteira de seguros com distribuio de Poisson

Composta com = 2 e distribuio de X idntica do exemplo 1 do captulo 3.
Calcule:
a) f S col ( x ) para x = 0,1,2,3,4,5 e 6 e FS col (6)

b) Coeficiente de Variao de S col
Resposta:
a) Clculo de f S col ( x ) para x = 0,1,2,3,4,5 e 6 e FS col (6)
Pelo Exemplo 1 do Captulo 3, temos a seguinte distribuio de X :
x p(x)
1 0,6
2 0,3
3 0,1
Distribuies para o Sinistro Agregado 75

Sabemos que: f S col ( x ) = p
n =0
n
( x ) P( N = n ) , onde,
p n ( x ) = p n 1 ( x y ) p( y )
y
Como N possui distribuio de Poisson ( = 2 ), ento,
e 2 2 n
P (N = n ) =
n!
Pelo exemplo 1 do Captulo 3, j temos calculado:

p o (0) = 1
p 1 (1) = 0,6 p 1 (2 ) = 0,3 p 1 (3) = 0,1
Calcularemos a seguir as demais convolues necessrias neste exerccio:

p 3 (3) = 0,6 0,6 0,6 = 0,216
p 3 (4 ) = 0,3 0,6 0,6 + 0,6 0,3 0,6 + 0,6 0,6 0,3 = 0,324
p 3 (6) = 0,3 0,3 0,3 + 6 0,6 0,3 0,1 = 0,135

p 4 (4 ) = 0,6 0,6 0,6 0,6 = 0,1296
p 4 (5) = 4 0,3 0,6 0,6 0,6 = 0,2592
p 4 (6) = 4 0,1 0,6 0,6 0,6 + 6 0,6 0,6 0,3 0,3 = 0,2808
p 5 (5) = 0,6 0,6 0,6 0,6 0,6 = 0,0778
p 5 (6) = 5 0,3 0,6 0,6 0,6 0,6 = 0,1944
p 6 (6) = 0,6 0,6 0,6 0,6 0,6 0,6 = 0,0467
Logo,
f S col (0) = p 0 (0) P( N = 0) = 1 0,1353 = 0,1353

f S col (1) = p 1 (1) P( N = 1) = 0,1624
f S col ( 2) = p 1 ( 2) P( N = 1) + p 2 ( 2) P( N = 2) = 0,1786
f S col (3) = p 1 (3) P( N = 1) + p 2 (3) P( N = 2) + p 3 (3) P( N = 3) = 0,1635
f S col ( 4) = p 2 ( 4) P( N = 2) + p 3 ( 4) P( N = 3) + p 4 ( 4) P( N = 4) = 0,1270
f S col (5) = p 2 (5) P( N = 2) + p 3 (5) P( N = 3) + p 4 (5) P( N = 5) + p 5 (5) P( N = 5)
= 0,0912
f S col (6) = p 2 (6) P( N = 2) + p 3 (6) P( N = 3) + p 4 (6) P( N = 4)
Logo,
b) Clculo do Coeficiente de Variao de S col
[ ]
E S col = E [X ]
E [X ] = 1 0,6 + 2 0,3 + 3 0,1 = 1,5
Logo,
[ ]
E S col = 2 1,5 = 3
V [S ] = E [X ]
col 2
E [X ] = 1 0,6 + 2
2 2 2
0,3 + 32 0,1 = 2,7
Logo,
[ ] [ ]
V S col = 2 2,7 = 5,4 S col = 5,4 = 2,3238
E, o coeficiente de variao, ser:
O que representa um elevado coeficiente de variao. O principal motivo para

isto o reduzido nmero de sinistros, pois = 2 .
Propriedades da Poisson Composta
Teorema 1
Sejam:
S1col , S 2col , S mcol variveis aleatrias independentes de modo que:
S icol ~ Poisson Composta ( i , Pi ( x ) )
Ento,
m
S col
= S icol ~ Poisson Composta ( , P ( x ) )
i =1
m m
i
Onde: = i e P(x ) = Pi ( x )
i =1 i =1
Demonstrao:
A Funo Geratriz de Momentos de S icol pode ser expressa por:
MS (t ) = exp( i (M i (t ) 1))
i
col
Onde, M i (t ) a Funo Geratriz de Momentos correspondente a Pi ( x )
Dado que as variveis aleatrias S icol so independentes, ento,

m
m
M S col (t ) = M S col (t ) = exp i (M i (t ) 1)
i =1
i
i =1
m
Se multiplicarmos e dividirmos o somatrio acima por
i =1
i , e dado que:
M S col (t ) = exp( (M X (t ) 1)) , ento,
m
M S col (t ) = exp i (M i (t ) 1)
i =1
m m

Onde, = i e P(x ) = P (x )
i
i
i =1 i =1
Consequncias:
a) Vrias parties de carteira com distribuio de Poisson Composta geram carteira
com distribuio de Poisson Composta;
b) Vrios subintervalos de tempo com distribuio de Poisson Composta geram um

intervalo de tempo, que a soma dos subintervalos, com distribuio de Poisson
Composta.
Teorema 2
Se cada sinistro pode assumir apenas os valores x1 , x 2 , x m , com probabili-
dades: P ( X = x i ) = p ( x i )
m
Seja N = N
i =1
i
Onde N i representa a varivel aleatria nmero de sinistros iguais a xi.

Com isso, S col pode ser escrito como:
S col = x1 N 1 + x 2 N 2 + + x m N m
Logo, se S col possui distribuio de Poisson Composta ( , P ( x ) ), ento:
a) N 1 , N 2 , , N m so independentes;
b) N i ~ Poisson ( i ), onde: i = P ( X = x i ) .
m
Conseqncia: =
i =1
i
Este teorema demonstrado por ( BOWERS, GERBER, HICKMAN, JONES

AND NESBITT)1 .
Observaes:
a) Este um mtodo alternativo para determinar a distribuio de Poisson Composta,
aplicvel quando a distribuio do valor de 1 sinistro ( X ) discreta. Mesmo
quando uma distribuio contnua selecionada, pode-se transform-la em uma
distribuio discreta para se obter uma aproximao para S col;
b) A utilidade desse mtodo mais evidenciada quando temos um nmero pequeno

de valores e sabemos que a Poisson Composta conveniente para S col;
c) A rotina para se aplicar esse mtodo a seguinte:

i) Calcula-se i = P ( X = x i ) , dado que conhecemos P ( X = x i )
ii) calcula-se P ( x1 N 1 = x ) dado que
(
iii) calcula-se P x 1 N 1 + x 2 N 2 = x = ) P(x 1 N 1 = x y ) P(x 2 N 2 = y ) ,
pois os N i so independentes y
( ) (
iv) calcula-se recursivamente P S col = x = P x1 N 1 + x 2 N 2 + + x m N m = x )
x e i ix / xi
d) P ( x i N i = x ) = P ( N i = )=
xi x
!
xi
Exemplo 2: Refazer o clculo de f S col ( x ) para x = 0,1,2 e 3 do exemplo 1,

utilizando o mtodo alternativo do Teorema 2.
Resposta:
1 = P ( X = 1) = 2 0,6 = 1,2
2 = P ( X = 2 ) = 2 0,3 = 0,6
3 = P ( X = 3) = 2 0,1 = 0,2
f S col ( x ) = P (1N 1 + 2 N 2 + 3N 3 = x )
e 1, 2 1,2 x
P (1N 1 = x ) = P (N 1 = x ) =
x!
x
x e 0,6 0,6 2
P (2 N 2 = x ) = P N 2 = =
2 x
!
2
x
0, 2
x e 0,2 3
P (3N 3 = x ) = P N 3 = =
3 x
!
3
P (1N 1 = 0) = 0,301194
P (1N 1 = 1) = 0,361433
P (1N 1 = 2 ) = 0,21686
P (1N 1 = 3) = 0,086744
P (2 N 2 = 0) = 0,548812
P (2 N 2 = 2 ) = 0,329287
P (3N 3 = 0) = 0,818731
P (3N 3 = 3) = 0,163746
f S col (0) = P (1N 1 + 2 N 2 + 3N 3 = 0) = P (1N 1 = 0) P (2 N 2 = 0) P (3N 3 = 0) = 0,1353
f S col (1) = P (1N 1 + 2 N 2 + 3N 3 = 1) = P (1N 1 = 1) P (2 N 2 = 0) P (3N 3 = 0) = 0,1624
f S col (2 ) = P (1N 1 + 2 N 2 + 3N 3 = 2 ) = P (1N 1 = 2 ) P (2 N 2 = 0) P (3N 3 = 0)
+ P (1N 1 = 0) P (2 N 2 = 2 ) P (3N 3 = 0)
= 0,1786
f S col (3) = P (1N 1 + 2 N 2 + 3N 3 = 3) = P (1N 1 = 3) P (2 N 2 = 0) P (3N 3 = 0)
+ P (1N 1 = 0) P (2 N 2 = 0) P (3N 3 = 3)
+ P (1N 1 = 1) P (2 N 2 = 2 ) P (3N 3 = 0)
= 0,1635
Observe que, apesar do clculo por este mtodo ser mais rpido do que aquele
executado no exemplo 1, ainda assim bastante trabalhoso.
DISTRIBUIO BINOMIAL NEGATIVA COMPOSTA PARA Scol
Quando N possui distribuio Binomial Negativa ( r, p ), dizemos que S col pos-

sui distribuio Binomial Negativa Composta ( r, p, P ( x ) ), de modo que:

r + n 1 r n
Fs col ( x ) = P n ( x ) p q
n =0 n
Funo Geratriz de Momentos da Binomial Negativa Composta
Sabemos que a Funo Geratriz de Momentos de S col expressa por:
Sabemos, tambm, que a Funo Geratriz de Momentos da Binomial Negativa

expressa por:
r
p
Logo, M S col (t ) =
1 q M X (t )
Momentos da Binomial Negativa Composta
[ ]
E S col = E [N ] E [X ] =
rq
p
E [X ]
[ ]
V S col = E [N ]V [X ]+ E [X ] V [N ]
2
=
rq
p
[[ ] 2 rq
p
]
E X 2 E [X ] + 2 E [X ]
2
=
rq
p
[ ] 2 rq
E X 2 + E [X ] 2
rq

p
p
[ ]
2
rq 2 rq
= E X 2 + E [X ]
p p2
Pode-se, tambm, mostrar que:

APROXIMAES PARA Scol
Conforme verificamos, a determinao da distribuio de S col extremamente

trabalhosa, seja por convoluo ou a partir da Funo Geratriz de Momentos. Veja-
mos a seguir as aproximaes Normal e Gama para S col, as quais so muito utilizadas
na prtica.
Aproximao Normal para Scol

Sabemos que S col = X 1 + X 2 + + X N
Se S col for a soma de variveis aleatrias X i independentes e identicamente
distribudas, ento, quando o nmero de sinistros for suficientemente grande, Scol ter
distribuio aproximadamente Normal com mdia e varincia V [S col ] , ou seja:
[ ]
S col E S col
~ N (0,1)
[ ]
S col
Uma utilizao prtica desse resultado , por exemplo, o clculo do total de pr-
mio puro ( P ) tal que:
[ ] [ ]
, onde: P = E S col + Z 1 S col
O valor de P pode ser visualizado graficamente no Grfico 6.1.
Grfico 6.1.
Aproximao Normal quando S col ~ Poisson Composta ( , P ( x ) )
Conforme demonstrado no item Distribuio de Poisson Composta para S col,

temos:
[ ]
E S col = E [X ] [ ]
V S col = E X 2[ ]
S col E [X ]
Assim sendo, N (0,1)
[ ]
E X2

Demonstrao:
S col E [X ]
Seja Z =
[ ]
E X2
Ento,
Como M S col (t ) = exp( (M X (t ) 1)) , ento,
t E [X ] t
M Z (t ) = exp M X 1

E X 2
[ ]
E X 2 [ ]

Sabemos que:
Logo,

M Z (t ) = exp 1 +
E [X ] t E X 2 t2[ ] E X 3 t3 [ ] E [X ] t
+ ... 1

( [ ])
+ +

E X 2
[ ]2! E X 2
[ ]3! E X 2 3/ 2
[ ]
E X 2

t2
M Z (t ) = exp +
[ ]
E X 3 t3
+ ....
(
2! 3! E X 2 [ ])
3/ 2

t2
Ou seja, quando , ento, M Z (t ) exp que a Funo Geratriz de
Momentos de uma distribuio Normal ( 0,1 ). 2
Este resultado compatvel com o resultado apresentado pelo Teorema Central
do Limite, no que concerne ao fato que precisamos que N seja grande, ou seja,
necessrio que seja grande, pois = E [N ] .
Exemplo 3: Seja a distribuio da varivel aleatria valor de 1 sinistro ( X )

das 3 carteiras de seguros a seguir:
x carteira 1 carteira 2 carteira 3
$10 40% 40% 100%

$20 30% 30% -
$40 20% 20% -
$60 10% 8% -
$1000 - 2% -
Calcule o carregamento de segurana ( ) que garanta que seja de 1% a proba-

bilidade do sinistro agregado superar o total de prmio puro, dado que o sinistro
agregado possui distribuio de Poisson Composta que pode ser aproximada por uma
distribuio Normal.
a) supondo ;
b) Supondo .
Resposta:
[ ] [ ] [ ]
P = E S col + Z 1 S col = E S col (1 + )
Logo, =
[ ]
Z 1 S col
[ ]
E S col
[ ]
Mas, E S col = E [ X ] [ ] [ ]
V S col = E X 2
Logo, =
Z 1 [ ]
E X2
E [X ]
Em relao distribuio de 1 sinistro, temos:
Carteira E[X] E[X 2] [X] [X] / E[X]

1 $24 $840 $16,25 67,7%
2 $42,8 $20.768 $137,61 321,5%
3 $10 $100 zero zero
Verifique que a primeira carteira possui um coeficiente de variao intermedirio

(67,7%), a segunda carteira bastante dispersa (321,5%) e a terceira carteira toda
concentrada, sem variabilidade no X .
Desta forma, ento, teremos os seguintes valores de em funo de :
a) = 100
Carteira
1 28,1%
2 78,5%
3 23,3%
b) =10.000
Carteira
1 2,8%
2 7,8%
3 2,3%
Observe que, enquanto na primeira situao, onde temos somente 100 sinistros
em mdia por ano, os carregamentos de segurana so elevados, destacando-se a car-
teira 2 com 78,5% de carregamento de segurana. Na situao em que temos 10.000
sinistros em mdia por ano, os carregamentos de segurana so bastante reduzidos,
situando-se todos na faixa abaixo de 10%.
Isto nos mostra que o mais importante para se obter um baixo carregamento de
segurana a massificao. Com a massificao, mesmo a carteira 2, que possui uma
alta disperso nos valores de 1 sinistro, passa a ter uma pequena disperso no valor
total dos sinistros.
Veja que, na situao em que temos = 100 , o nmero mdio de sinistros de
valor $1.000 na carteira 2 de 2% 100 = 2 , na situao em que ,o
nmero mdio de sinistros passa para . Ora, 200 sinistros j re-
presentam uma massa significativa, de modo que a faixa de valor $1.000, apesar de
representar somente 2% da distribuio do valor de 1 sinistro, passa a ser significati-
va, quando temos um nmero elevado de sinistros na carteira.
Aproximao Normal quando S col ~ Binomial Negativa Composta ( r, p, P ( x ) )
Conforme demonstrado no item Distribuio Binominal Negativa Composta

para S col, temos:
[ ]
E S col = r
q
p
E [X ] [ ]
V S col = r
q
p
[ ] q2
E X 2 + r 2 E [X ]
2
Neste caso, para que N seja grande necessrio que

rq
S col E [X ]
p
Logo, N (0,1)
r

q
[ ] q2
r E X 2 + r 2 E [X ]
p p
Observao:
Conforme j observado neste livro, a aproximao Normal costuma ser muito

boa no extremo superior da distribuio de S col, mesmo quando o nmero esperado
de sinistros pequeno.
Essa propriedade tem uma aplicao prtica muito grande, pois so exatamente
os valores mais elevados de S col que mais nos interessam nos clculos atuariais, como
(
por exemplo no clculo do prmio puro P tal que P S col > P = 1% .)
Se acharmos que a assimetria da distribuio de S col muito forte, ento no
devemos utilizar a aproximao Normal. Podemos, por exemplo, aplicar a aproxima-
o Gama, cuja distribuio assimtrica, apresentando o terceiro momento central
positivo.
col
Aproximao Gama para S
Este o modelo padro da Gama. Neste caso, porm, estamos considerando

probabilidades a montantes de indenizaes desprezveis (). Entretanto, isto muito
difcil de acontecer com um grande nmero de aplices na carteira, de modo que:
P (0 < S col < ) 0
Para equacionar esse problema, faz-se uma translao de x 0 na curva da funo

de densidade g , onde x 0 o montante mnimo de indenizao, ou seja:
Grfico 6.2
H a funo de distribuio da Gama Transladada. Assim sendo, se S col tem

distribuio Gama Transladada, ento:
Observe que os momentos da Gama Transladada so iguais aos da Gama, ex-

ceo da mdia, a qual acrescida de x 0 :
[ ]
E S col = x 0 +

[ ]
V S col =

2
[
E (S col E S col[ ] ) ] = 2
3
3
Resolvendo esse sistema de 3 incgnitas e 3 equaes, temos:
=
[ ])
4(V S col
3
[
E (S col E [S ] ) col
]
3 2
[ ]
2V S col
=
[
E (S col E [S ] ) col 3
]
[ ] [ ])
2(V S col
2
x0 = E S
[ ]
col
E (S col E [S ] )
col 3
Para calcularmos , e x 0 que melhor aproximam uma distribuio Gama

[ ] [ ]
varivel S col , precisamos conhecer E S col ,V S col e E S col E S col . [( [ ]) 3
]
Vejamos a seguir o clculo destes momentos para o caso da Poisson Composta e
da Binomial Negativa Composta:
Aproximao Gama quando S col ~ Poisson Composta ( , P ( x ) )
Conforme demonstrado no item Distriuio de Poisson Composta para S col,

temos:
[ ]
E S col = E [X ] [ ]
V S col = E X 2 [ ] [ [ ])
E (S col E S col
3
] = E[X 3
]
Logo,
=
4 E X 2 [ ] 3
E [X ]
3 2
=2
[ ]
E X2
[ ]
E X3
x 0 = E [X ] 2
E X2 [ ] 2
E X3 [ ]
Aproximao Gama quando S col ~ Binomial Negativa Composta ( r, p, P ( x ) )
Conforme demonstrado no item Distriuio de Poisson Composta para S col,

sabemos que:
[ ] [ ] [ ]
2
rq rq 2 rq
ES col
= E [X ] VS col
= E X + E [X ]
2
p p p2
r
p
Dado que M S col (t ) =
1 q M X (t )
fcil mostrar que:
e, assim, calculamos , e x 0 .
Observaes:
a) Pode-se mostrar que:
Assim sendo, pode-se dizer que a aproximao Gama uma generalizao da

distribuio Normal;
b) Podemos calcular o prmio P tal que:

FS coL ( P) = 1 G (P x0 ; ; ) = 1
Outras Aproximaes para S col
Existem diversas outras aproximaes para a distribuio do sinistro agregado,

entre as quais destacamos:
Srie de Edgeworth, tambm chamada de Normal II;

Normal Power (NP);
Escher;
Wilson - Hiferty Formula;
Haldane Approach.
Essas aproximaes so extenses da distribuio Normal. Abordagens aprofun-

dadas dessas e de outras aproximaes foram feitas por GERBER6, HEILMANN8,
KAAS11, (HOGG AND KLUGMAN)9 e (DAYKIN, PENTIKAINEN AND PE-
SONEN)4.
A aproximao Normal no costuma ser muito precisa na aproximao do sinis-
tro agregado, j que possui o coeficiente de assimetria zero. Apesar disso, conforme
j comentado, a aproximao Normal costuma ser muito boa na regio de maior
interesse, ou seja, na cauda superior da distribuio do sinistro agregado.
Exemplo 4: Suponha que S col tenha distribuio de Poisson Composta com

e distribuio de X sendo Uniforme (0,1). Calcular , utilizando:
a) Aproximao Normal;
b) Aproximao Gama Transladada.
Resposta:
Se X possui distribuio Uniforme (0,1), ento, f X ( x ) = 1 , logo,
1
x2 1
E [X ] = xdx = 1
0 =
0
2 2
a) Aproximao Normal
b) Aproximao Gama Transladada.
=2
[ ]
E X2
= 2
1/ 3 8
=
[ ]
EX 3
1/ 4 3
Logo,
Onde,
EXERCCIOS
1) Sejam as variveis aleatrias S kcol k = 0,1,2,...., com distribuio Binomial

Negativa Composta com parmetros r e p (k ) e funo de distribuio
acumulada do valor de 1 sinistro igual a FX ( x ) . Os parmetros da distribuio
Binomial Negativa Composta possuem a seguinte caracterstica:
q(k ) q
=k k = 1, 2,3,.....,
p (k ) p
Onde q uma constante e q = 1 p ,
k S col
Mostre que a distribuio de
Gama ( r, r ) quando k .
E S kcol [ ] se aproxima de uma distribuio
2) Seja S1col com distribuio de Poisson Composta com = 2 e distribuio

do valor de 1 sinistro assumindo os valores $1, $2 ou $3, com as respectivas
probabilidades 0,2, 0,6 e 0,2. Seja S 2col com distribuio de Poisson Composta
com = 6 e distribuio do valor de 1 sinistro assumindo os valores $3 ou $4,
com probabilidade de 0,5 para cada um dos valores. Determinar a distribuio de
S1col + S 2col para a hiptese de S1col ser independente de S 2col .
3) Mostre que se S col possui distribuio Gama ( , ), ento:
Sugesto: Use a funo geratriz de momentos da Gama, ou seja,

M S col (t ) =
t
4) Suponha que S col possua distribuio Gama Transladada ( x ; ; ; x 0 ).

Determinar e x 0 em funo de , de modo que S col possua mdia igual a
zero e varincia igual a 1.
5) Suponha que S col possua distribuio de Poisson Composta com e

(
distribuio de X sendo Exponencial ( = 0,005 ). Calcular P S > 5.000
col
)
utilizando a aproximao Normal.
6) Seja a seguinte distribuio do valor de 1 sinistro:

100 0,4
150 0,25
200 0,2
250 0,1
400 0,04
800 0,01
Calcule o carregamento de segurana ( ) que proporciona uma probabilidade de

5% do sinistro agregado superar o total de prmio puro, dado que o sinistro agregado
possui distribuio Binomial Negativa Composta ( ) que
pode ser aproximada por uma distribuio Normal.
Frmula Recursiva
de Panjer
A obteno da distribuio exata da varivel aleatria valor total dos sinistros

em 1 ano extremamente trabalhosa, conforme abordado nos captulos anteriores.
Neste captulo ser desenvolvida a frmula recursiva de Panjer, a qual permite a
obteno da distribuio exata do sinistro agregado, com a vantagem de sua simplici-
dade e facilidade de ser transformada em um algoritmo. Essa simplicidade permite a
obteno do sinistro agregado a partir de recursos computacionais triviais.
A FRMULA RECURSIVA DE PANJER
PANJER16 descobriu que diversas distribuies discretas possuem a seguinte

caracterstica:
b
Pn = a + Pn 1 n = 1,2,
n
Sendo Pn a funo de probabilidade no ponto n .
fcil provar que as distribuies abaixo possuem essa caracterstica:
95
Poisson ( )
n e
Pn = = Pn 1
n! n
Sendo a = 0 e b=
Geomtrica ( p )
0
Pn = p q n = q + Pn 1
n
Sendo a = q e b = 0
Binomial Negativa ( r, p )
Pn =
(r + n 1)! p r q n
(r 1)! n !
r + n 1
= q Pn 1
n
Sendo a = q e b = (r 1) q
Observao: As distribuies que possuem essa caracterstica pertencem

chamada famlia ( a, b ) de Panjer.
DEMONSTRAO DA FRMULA RECURSIVA DE PANJER
Seja [ ]
M N (t ) = E t N = P0 + P1t + P2 t 2 + P3 t 3 +
Sendo Pk a probabilidade do no de sinistros em 1 ano ser igual a k
[ ]
M X (t ) = E t X = f (t ) = f 0 + f 1t + f 2 t 2 + f 3 t 3 +
Sendo f k a probabilidade do valor de 1 sinistro ser igual a k .
[ ]
M S ( t ) = E t S = g ( t ) = g 0 + g 1t + g 2 t 2 + g 3 t 3 +
Sendo g k a probabilidade do valor do sinistro agregado ser igual a k .
Frmula Recursiva de Panjer 97
Mas,
[ ] [[ ] ] [ [ ] ] = E [E [t ]
g (t ) = E t S = E E t S / N = E E t NX X N
]= M N [ f (t )]
g = M N ( f ) f
E,
b
Pn = a + Pn 1
n
Logo,
a+b
g = gf
1 a f
Para o coeficiente de t n temos:

( n + 1) g n +1 a (n + 1 i ) f i g n +1i = ( a + b) (n + 1 i ) g i f n +1i
i =0 i =0
Seja g 0 = f 0 , ento,
n
( n + 1) g n +1 a ( n + 1) f o g n +1 a (n + 1 i ) f i g n +1i
i =1
n
= (a + b )(n + 1) g 0 f n +1 (n + 1 i ) g i f n +1i ( a + b)
i =1
g n +1 ((n + 1) a ( n + 1) f 0 )
n
g n (n anf 0 ) = (n i )[a f i g n i ( a + b) g i f n i ]
i =1
n
i i n i
K = f i g n i 1 a + ( a + b ) = f i g n i a + b
i =1 n n i =1 n
Logo,
Ou seja,
Que a frmula recursiva de Panjer, a qual permite calcular a distribuio exata

de S de forma recursiva, de modo que, dado que conhecemos a distribuio de X e
conhecemos a distribuio de N e, consequentemente, os valores de a e b, podemos
calcular P (S = 0) = P (N = 0) . Em seguida podemos calcular P (S = 1 ) , sendo
1 o primeiro valor que S pode assumir aps zero. Calculado P (S = 1 ) , podemos
calcular P (S = 2 ) , sendo 2 o 1o valor que S pode assumir aps 1 , e, assim,
sucessivamente.
CONSIDERAES PRTICAS
A frmula recursiva de Panjer muito prtica de ser utilizada e possui a vanta-

gem de conduzir distribuio exata de S .
O algoritmo de programao da frmula recursiva de Panjer fica simplificado
quando os valores de X esto dispostos de forma seqencial.
Vejamos, a seguir, como agrupar os valores de X de forma seqencial para os
casos discreto e contnuo.
X Discreto
Deve-se escolher um fator de incremento a partir da anlise da distribuio de

X e da anlise dos valores extremos.
O fator de incremento deve ser o menor possvel que atenda s limitaes dos
recursos computacionais, pois quanto menor o fator de incremento, maior o nmero
de pontos seqenciais de X .
Por exemplo, caso tenhamos uma distribuio de X que pode assumir valores
de $1 at $98, podemos definir os novos pontos seqenciais como sendo: $5; $15;
$25; $35; $45; $55; $65; $75; $85 e $95, onde o fator de incremento igual a $10.
Desta forma, ento, podemos agrupar os valores entre ($0, $10] no ponto $5.
Os valores entre ($10, $20] no ponto $15 e, assim, sucessivamente. Assim sendo,
P ( X = $5) da nova distribuio ser igual a , ser
igual a e, assim, sucessivamente.
X Contnuo
Para utilizar a frmula recursiva de Panjer, precisamos discretizar X . Apre-

sentamos a seguir o mtodo de discretizao pelo ponto mdio, conforme descrito em
(DAYKIN, PENTIKAINEN AND PESONEN) 4:
Tomamos os seguintes pontos mdios: dos in-

tervalos: (0,2C ], (2C ,4C ], ........., (2(r 1)C , 2 r C ] com probabilidades:
p1 = F (2C )
p 3 = F (4C ) F (2C )
p5 = F (6C ) F (4C )
p r = 1 F (2(r 1)C )
E o limite r deve ser suficientemente grande de tal forma que a distribuio de

probabilidade acima de 2 r seja insignificante.
A distribuio de probabilidade acima de 2 r deve ser alocada proporcional-
mente em cada intervalo em funo da sua respectiva distribuio de probabilidade.
Exemplo 1: Refazer o clculo de f S ( x ) do exemplo 1 do captulo 6 pela fr-

mula recursiva de Panjer.
Resposta:
Como N possui distribuio de Poisson ( = 2 ) , ento:
n
i
f S (n ) = P (S = n ) = 2 P ( X = i ) P (S = n i )
i =1 n
Onde: P ( X = 1) = 0,6 P ( X = 2 ) = 0,3 P ( X = 3) = 0,1
Logo,
f S (0) = P (N = 0) = 0,1353
1
f S (1) = 2 P ( X = 1) P (S = 0) = 0,1624
1
1 2
f S (2 ) = 2 P ( X = 1) P (S = 1) + 2 P ( X = 2 ) P (S = 0) = 0,1786
2 2
Veja que calculamos f S ( x ) de forma muito mais rpida e simplificada do que

no exemplo 1 do Captulo 6, onde aplicamos o processo de convoluo, e, tambm,
de forma mais rpida e simplificada do que no exemplo 2 do Captulo 6, onde apli-
camos o mtodo alternativo do Teorema 2.
EXERCCIOS
1) Seja a seguinte distribuio do valor de 1 sinistro:
x ($) 10 20 30 40
P( X = x ) 0,5 0,3 0,15 0,05
Determinar a probabilidade do sinistro agregado ser igual ou inferior a $60, caso

a varivel aleatria nmero de sinistros ocorridos em 1 ano seja Poisson ( = 3 ),
utilizando a frmula recursiva de Panjer.
2) Refazer o exerccio 1 supondo que a varivel aleatria nmero de sinistros

ocorridos em 1 ano seja Binomial Negativa ( ).
3) Determinar os valores de a e b da distribuio Binomial ( N , p ) que caracterizam

a distribuio Binomial como pertencente famlia ( a, b ) de Panjer.
Processo de Runa
Perodo Finito
Neste captulo sero apresentados os clculos do limite de reteno, da proba-

bilidade de uma seguradora deixar de honrar os seus compromissos futuros, aqui
denominada de probabilidade de runa e o capital que a seguradora deve constituir
para garantir a sua solvncia.
Para a avaliao da solvncia de uma seguradora devem ser considerados diver-
sos riscos, tais como os riscos legal, operacional, de crdito, das operaes financei-
ras e o principal deles que o risco de subscrio.
A obteno dos parmetros limite de reteno, probabilidade de runa e necessi-
dade de capital pode envolver processos extremamente complexos, no existindo, en-
tretanto, nenhuma formulao que possa ser classificada como ideal na comunidade
atuarial para a obteno desses parmetros. Sero desenvolvidas algumas frmulas
simplificadas baseadas no risco de subscrio, mas que possuem a vantagem de ex-
plicitar como funciona o processo de runa de uma seguradora.
Esses clculos sero efetuados considerando o processo de runa em um perodo
finito, de modo que os parmetros acima sero determinados para garantir a solvncia
de uma seguradora em 1 ano.
O PROCESSO DE RUNA
O processo de runa est relacionado a diversos fatores qualitativos e quantitati-

vos, entre os quais podem ser destacados os seguintes fatores quantitativos relaciona-
dos ao risco de subscrio:
103
a) Durao do processo;
b) Carregamento de segurana ( ) embutido no prmio puro;
c) Distribuio do valor total dos sinistros retidos S RET ;
d) Tipo de contrato de resseguro;
e) Limite tcnico;
f) Fundo inicial que a seguradora aloca para assumir o risco de runa ( );
g) Probabilidade de runa ( ).
Ser desenvolvido adiante o estudo sobre a probabilidade de runa, levando-se

em conta o processo estocstico associado ao fenmeno do excedente existente nas
operaes de seguro.
Este captulo utiliza alguns conceitos de resseguro, os quais so apresentados no
captulo 10.
Sejam:
- Fundo inicial, ou reserva de risco;
PRET (t ) - Total de prmio puro retido auferido em [0, t ) ;
S RET (t ) - Total de sinistros retidos ocorridos em [0, t ) ;
U (t ) - Excedente existente no instante t.
Logo,
representa o quanto a empresa se dispe a colocar em risco nas operaes de

seguro para o risco de subscrio. Esse montante, naturalmente, deve ser funo da
sua capacidade econmica, ou seja, do seu patrimnio lquido.
Na prtica utilizam-se percentuais que variam de 25% a 50% do patrimnio l-
quido, sendo que quando a empresa compromete uma proporo pequena do patri-
mnio lquido, o que no necessariamente implica na sua runa, a empresa aceita
trabalhar com probabilidades mais elevadas de que essa pequena proporo do patri-
mnio lquido seja consumida com as operaes de seguro.
A utilizao de um percentual reduzido do patrimnio lquido, como reserva de
risco, se justifica, tambm, pelo fato de que nem todos os ativos da seguradora serem
lquidos, de modo que se ela perder, por exemplo, 25% do seu patrimnio lquido,
pode at se arruinar por falta de liquidez. Alm disto, o risco de subscrio no o
nico que pode conduzir runa de uma seguradora. Na prtica observa-se que este
risco responde por 50% a 80% da necessidade de capital de uma seguradora.
A runa da empresa acontece exatamente quando os sinistros retidos menos os
prmios puros retidos superam a reserva de risco () num instante t qualquer, ou seja,
PRET (t ) + S RET (t ) < 0 U (t ) < 0
Processo de Runa Perodo Finito 105
Veja que na determinao do excedente no consideramos os ganhos financeiros

nem as despesas administrativas e de comercializao.
De modo que possamos visualizar o processo estocstico, vamos supor que os
prmios sejam auferidos uniformemente ao longo do tempo, ou seja:
PRET (t ) = c t
Supomos que a carteira permanecer com as mesmas caractersticas e que os

prmios no sero reavaliados.
Logo,
U (t ) = + c t S RET (t )
Seja X RET a varivel aleatria valor do i-simo sinistro retido. Desta forma, a
representao grfica do processo de runa pode ser observada no Grfico 8.1.
Grfico 8.1.
Onde T o tempo no qual ocorre a runa.

Ou seja,
T = min{ t , t 0 e U (t ) < 0}
Podemos notar que:
T = U (t ) 0 t 0
Que a situao em que no ocorre a runa.
Alm disso, o excedente no momento de runa U (T ) , onde U (T ) < 0 .
PROBABILIDADE DE RUNA
Seja ( , t ) a funo que define a probabilidade de runa no intervalo [0, t ) .

Assim sendo, temos:
( , t ) = P (T < t )
A probabilidade de runa em um perodo infinito, que ser tratada no captulo 9,

representada por:
( ) = P (T < )
Veja que ( , t ) ( )
Probabilidade Anual de Runa
A probabilidade de runa em 1 ano pode ser expressa por :

( ,1) = P (T < 1)
Sejam:
PRET - Total de prmio puro retido auferido em 1 ano;
S RET - Total dos sinistros retidos ocorridos em 1 ano.
Uma definio de probabilidade de runa em 1 ano que permite uma aplicao

prtica mais imediata a seguinte:
( ,1) = P (U (1) < 0) = P (S RET > + PRET )
Ou seja, a probabilidade de runa em 1 ano a probabilidade de que os sinistros

retidos sejam superiores ao fundo inicial acrescido dos prmios puros nesse perodo.
Veja que existe uma diferena bastante sutil entre os dois conceitos, ou seja:
P(T < 1) P(U (1) < 0 )
Pois o excedente U (t ) pode at ser positivo ao final de 1 ano, o que no caracte-

riza a runa pelo segundo conceito e ter sido negativo num instante qualquer antes do
fim do ano, o que caracteriza a runa pelo primeiro conceito.
Na verdade P (T < 1) > P (U (1) < 0) pois, pelo primeiro conceito, o excedente
U (t ) pode ser negativo num instante t qualquer antes do fim do ano e, pelo segundo
conceito, s exigimos que U (1) seja negativo.
Assim sendo, importante termos em mente que, quando estivermos trabalhan-

do com o segundo conceito para a soluo de um problema qualquer relacionado ao
processo de runa, deveremos ser mais conservadores na fixao de uma probabili-
dade mxima de runa aceitvel, em funo de que pelo segundo conceito permite-se
excedentes negativos durante o ano com a possibilidade de alguma forma de finan-
ciamento com os novos prmios ou postergao no pagamento dos sinistros, o que
nem sempre possvel.
MODELO PRTICO DE RUNA
A seguir apresentamos uma utilizao prtica do processo de runa em 1 ano,

onde aplicamos a aproximao Normal distribuio de Poisson Composta para
S RET . Desta forma, desenvolveremos o clculo do limite tcnico, do e da probabi-
lidade de runa.
Sejam:
- Fundo inicial ou reserva de risco;
LT - Limite tcnico ou limite de reteno;
- Probabilidade de runa em 1 ano;
X RET - Varivel aleatria valor de 1 sinistro retido, aps a fixao do LT;
S RET - Varivel aleatria valor total do sinistro retido ocorrido em 1 ano, aps a
fixao do LT;
PRET - Total de prmio puro retido, aps a fixao do LT.
Vamos supor que S RET tenha distribuio de Poisson Composta ( , f X RET ( x ) ),

de modo que:
E [S RET ] = E [X RET ]
[
V [S RET ] = E X RET
2
]
Vamos aproximar a distribuio de S RET por uma distribuio Normal, logo,
S RET E [X RET ]
Z= ~ N (0,1)
[2
E X RET ]
Clculo da Probabilidade de Runa em 1 ano ( )
Vamos utilizar o modelo prtico apresentado no item Probabilidade Anual de

Runa, de modo que a probabilidade anual de runa ser expressa por:
= P (S RET > + PRET )
Ou seja,
+ PRET E [X RET ]
= P Z >

2
[
E X RET ]

Atravs dessa equao podemos, tambm, calcular , fixados os valores de LT e

, ou, calcular o LT, fixados os valores de e , o que ser abordado nos itens Cl-
culo da Reserva de Risco " e Clculo do Limite Tcnico (LT).
Clculo da Reserva de Risco ( )
Conforme desenvolvido no item. Clculo da Probabilidade de Runa em 1 ano

( ), sabemos que:
+ PRET E [X RET ]
P Z > =

E X[2
RET ]

Logo,
+ PRET E [X RET ]
= Z 1
[ 2
E X RET ]
Desta forma, ento, o valor de ser:
[
= E [X RET ] PRET + Z 1 E X RET
2
]
Exemplo 1: Seja X ~ Exponencial ( ) e N ~ Poisson ( ). Determinar uma

expresso para em funo do LT, , e que garanta a solvncia da seguradora
em 1 ano, dados:
Plano de resseguro de excesso de danos;

S RET pode ser aproximada por uma distribuio Normal;
PRET = E [X RET ] , ou seja, o carregamento de segurana zero.
Resposta:
Como PRET = E [ X RET ] , logo,
= Z 1 E X RET
2
[ ]
Como o plano de resseguros de excesso de danos, ento,
Como X ~ Exponencial ( ) , ento,
f X ( x ) = e x e F X ( x ) = 1 e x
Logo,
Logo,
Veja que esta uma frmula bastante simples de se calcular . Para tal, precisa-
mos atribuir um valor para e LT. O valor de pode ser calculado como sendo
o inverso do valor mdio de 1 sinistro, pois X ~ Exponencial ( ) e E [ X ] = 1 / .
Clculo do Limite Tcnico ( LT )
Calcula-se o LT que, a partir de e , seja a soluo da equao desenvolvida

no item anterior, qual seja:
[
2
]
Tendo em vista que PRET e S RET dependem do LT, o clculo do LT dever

ser necessariamente feito por tentativa.
Na verdade, no existe uma frmula que possa ser considerada como nica
para o clculo do LT. A frmula por tentativa acima, e as demais que sero apre-
sentadas no captulo 9, so apenas algumas das diversas frmulas existentes, sem
que nenhuma delas tenha sido consagrada como ideal pela comunidade atuarial.
Na prtica muito comum se trabalhar com frmulas empricas que relacionam
o LT ao volume de prmios, sinistros, patrimnio lquido, etc. Existem, tambm,
modelos de clculo que utilizam processos de otimizao no clculo do LT.
Procedimentos mais modernos , enquadrados no segmento de clculo por oti-
mizao, utilizam projees financeiras, procurando identificar a melhor opo
de resseguro e, consequentemente, de limite de reteno, a partir da anlise do
valor presente dos lucros esperados na carteira. Essas projees podem ser feitas
de forma determinstica ou estocstica. Pela forma estocstica, tambm chama-
da de DFA (dinamic financial analysis), os sinistros so tratados como varivel
aleatria.
A partir da frmula acima, podemos realizar um clculo otimizado de LT, onde

o LT timo ser aquele que minimiza a probabilidade de runa ( ), ou, equivalente-
mente, maximiza Z 1 . Desta forma, o LT dever otimizar a seguinte funo:
Para maximizar esta funo precisamos maximizar o numerador da funo e

minimizar o denominador. Desta forma, dado que fixado a priori, o LT timo
dever proporcionar o mximo de PRET E [ X RET ] , ou seja, o mximo de PRET
(total de prmio puro retido) e o mnimo de E [ X RET ] (mdia do total de sinistro
retido), com o mnimo de 2
[
E X RET ]
(desvio padro do total de sinistro retido).
Observe que quando a carteira da seguradora est equilibrada, com carregamento
de segurana positivo, a cada LT mais elevado, aumenta a relao PRET E [ X RET ],
pois o volume de prmios retidos sempre superior ao valor esperado dos sinistros
retidos. Ocorre que o aumento do LT pode fazer com que a seguradora assuma pontas
na distribuio dos sinistros retidos de tal forma que o aumento no desvio padro do
total de sinistro retido tenha um peso maior do que o aumento da diferena entre PRET
e E [ X RET ]. Esta anlise sobre a otimizao no clculo do LT sem dvida mais
uma das maravilhas atuariais.
Relao entre , e LT
Para ajudar na anlise da relao entre , e LT , vamos trabalhar com a hip-

tese de que X RET seja constante e igual a K e que o LT assumir o valor constante
K . Assim sendo,
P ( X RET = K ) = 1
E [X RET ] = K e [ 2
E X RET ]
= K2
PRET = E [S RET ](1 + ) = E [X RET ](1 + ) = K (1 + )
Logo,
[
2
]
= K K (1 + ) + Z 1 K 2
= Z 1 K K
Para analisarmos a relao entre , e LT, precisamos separar a anlise em

duas partes, sendo a primeira parte referente situao em que a carteira da segura-
dora est desequilibrada, tendo um carregamento de segurana ( ) no positivo e a
segunda parte, quando o carregamento de segurana positivo. Na nossa anlise, o
LT estar representado pelo K .
Carregamento de Segurana no Positivo
Neste caso, 0 e o total de prmio puro retido igual ou inferior ao valor

esperado do total de sinistros retidos.
Ou seja, ser sempre positivo, pois a parcela dedutora existente em sua fr-
mula ( K ) ser positiva.
Assim sendo, temos:
Os dois primeiros resultados so imediatos e mostram que, quanto maior o

nmero esperado de sinistros ( ) e quanto maior o LT, maior ser a reserva de risco
( ), o que consequncia de no existir um carregamento de segurana positivo e,
assim, cada novo negcio precisa ser bancado por um acrscimo na reserva de risco.
O terceiro resultado nos diz que para termos uma diminuio na probabilidade de
runa ( ), devemos aumentar a reserva de risco.
Carregamento de Segurana Positivo
Neste caso, a anlise um pouco mais complexa.

A relao entre e pode ser visualizada no Grfico 8.2:
Grfico 8.2.
Observe que, se o nmero esperado de sinistros ( ) for suficientemente grande,

pode at mesmo ser igual a zero. Vejamos que ponto seria esse:
= Z 1 K K = 0
Z 12
=
2
Podemos, tambm, calcular o valor de que torna o valor de igual a zero,
ou seja:
Z 1
=

Na verdade este valor de o mesmo j visto no clculo do prmio puro quan-
do aproximamos S col por uma distribuio Normal, sendo o valor de um sinistro
( X ) constante e sendo a probabilidade de o total de sinistro superar o total de
prmio puro , ou seja,
P=ES [ ]+ Z
col
[ ] = E [S ]
S col col
(1 + ) = [ ]
Z1 S col
1
[ ]
E S col
[ ]
Onde, E S col = E [ X ] = K [ ] [ ]
e S col = E X 2 = K 2
Z 1 K 2 Z 1
Logo, = =
K
O que nos mostra que se o prmio puro estiver corretamente calculado, com um
carregamento de segurana adequado, a reserva de risco poder at ser desnecessria.
Ocorre que, para isto acontecer, a probabilidade de o total de sinistros superar o total
de prmio puro ter que ser de , e no de , onde normalmente uma proba-
bilidade extremamente reduzida ( na ordem de 0,001 ou 0,0005, por exemplo) , pois
est associada probabilidade de runa.
Sendo muito pequeno, Z 1 ter que ser muito grande e, consequentemente,
muito elevado o valor de , o que pode tornar a seguradora no competitiva. Sendo
no competitiva, a seguradora poder at quebrar, resultando em um efeito contrrio.
O segredo da operao de seguros est em se trabalhar com carregamentos de se-
gurana competitivos, que permitam uma massificao da carteira, e o uso adequado
da reserva de risco para bancar oscilaes mais substanciais nos valores das indeni-
zaes. Ou seja, a seguradora sempre dever dispor de uma reserva de risco e jamais
imaginar que o processo de precificao ser suficiente para garantir a sua solvncia.
Por outro lado, quanto mais capitalizada a seguradora, mais condies ela ter de
reduzir o carregamento de segurana no valor dos prmios, sem que esteja sujeita a
um alto risco de insolvncia, facilitando at movimentos indesejveis de dumping.
A constatao acima tambm pode ser classificada como uma das maravilhas
atuariais.
Assim sendo, a anlise da relao entre , e LT fica da seguinte forma:
Z 1
a) Se 0

Z 1
b) Se < >0

No primeiro caso, quanto maior o LT, mais negativo ser o , pois o carrega-
mento de segurana extremamente elevado.
No segundo caso, quanto maior o LT, maior ser o .
Quanto relao entre e , podemos afirmar:

Z1
Que uma relao comum a todas as situaes, pois, quanto menor a probabili-
dade de runa que a seguradora quiser trabalhar, maior dever ser a reserva de risco.
Exemplo 2: Uma seguradora possui 50.000 aplices de seguro de vida com

uma taxa mdia de mortalidade de 0,003. O valor da indenizao em caso de morte
fixa em $10.000 e o carregamento de segurana =0,05. Calcular a um nvel
de significncia de 1% de modo que dentro de 5 anos a seguradora no se arruine.
Suponha que S col possui distribuio de Poisson Composta, podendo ser aproxi-
mada por uma Normal e que os sinistros agregados em cada um dos 5 anos so
independentes entre si.
Resposta:
Veja que o nmero esperado de sinistros em 5 anos. possvel obter desta

forma, pois a soma de distribuies de Poisson Composta ( i , Pi ( x ) ) tambm uma
distribuio de Poisson Composta com = i .
Exemplo 3: Calcule a relao entre e o prmio comercial anual da carteira de

uma seguradora, dados:
;
col
S possui distribuio de Poisson Composta, podendo ser aproximada por uma
Normal;
Carregamento para despesas igual a 30%;

Frequncia anual mdia de sinistros igual a 1%;
Importncia segurada fixa em $50.000;
Dano mdio igual a 100%;
Nvel de significncia de 1% de modo que dentro de 1 ano a seguradora no se
arruine;
No h cesso de resseguro.
Calcule essa relao para as seguintes situaes:

a) com 100.000 aplices;
b) com 200.000 aplices.
Resposta:
Como o dano mdio representa a relao entre o montante de sinistros e o mon-
tante de importncia segurada, ento, dado que o dano mdio igual a 100%, todos
os sinistros so iguais importncia segurada fixa de $50.000.
Logo,
a) Com 100.000 aplices
Seja o total de prmio comercial anual, ento,
Logo, a relao entre e ser:

b) Com 200.000 aplices
Logo, a relao entre e ser:
Veja que o cresce com o aumento da carteira, porm, no cresce de forma

proporcional. Neste exemplo, quando dobramos o nmero de aplices, e, consequen-
temente, dobramos o total de prmios comerciais, o valor de cresceu somente
1,19%. Este fato nos faz refletir sobre os critrios de apurao da margem de sol-
vncia quando a margem de solvncia um percentual sobre os prmios comerciais
retidos, ou seja, a margem de solvncia uma funo linear dos prmios.
No obstante ser impossvel condensar a avaliao da solvncia em uma nica
frmula, esse critrio de margem de solvncia, que mede basicamente o risco de
alavancagem, deveria refletir percentuais decrescentes com o aumento do volume
de prmios. Seria melhor, tambm, que esse percentual fosse aplicado ao total de
prmios puros, ao invs do total dos prmios comerciais, pois um nvel de comissio-
namento mais elevado, por exemplo, pode aumentar artificialmente a necessidade de
margem de solvncia em uma carteira que preserve a expectativa do volume mdio
de sinistros (total de prmio puro).
[K
Clculo de , E X RET ]
e PRET
Clculo de
O valor de poder ser uma observao anual do nmero de sinistros ( n ) ou,

ento, poderemos trabalhar com o limite superior do intervalo de confiana desen-
volvido no captulo 5, item Intervalo de Confiana para E [N], qual seja,
n(n n)
= E [N ] = n+ Z1
n
Na verdade, o uso do limite superior do intervalo de confiana representa uma

segurana adicional no clculo do , ou LT, pois as frmulas de clculo em si j
contm nveis de segurana implcitos.
K
[
Clculo de E X RET ]
K
Podemos calcular E X RET [ ]
de duas formas:
Quando X RET Possui Distribuio Paramtrica Conhecida
A Partir dos Valores Observados de X RET
Z K
[ ]
i , RET
i =1
K
E X RET =
n
Onde Z i , RET o valor observado do i-simo sinistro retido em funo do LT e do
plano de resseguro.
Clculo de PRET
O total de prmio puro retido calculado na carteira em funo do LT e do plano

de resseguro.
Observaes:
a) Uma sugesto que ajuda no sentido da simplificao e da segurana no clculo de
, ou do LT considerar todos os contratos de resseguro como de excesso de
danos, pois, alm de ser o plano de resseguro que proporciona a maior indenizao
retida, o que contribui para o aspecto da segurana, , tambm, o mais simples de
se trabalhar por no necessitar da importncia segurada para a determinao do
sinistro retido.
b) Outra simplificao possvel no clculo de , , ou do LT considerar que o

carregamento de segurana zero, de modo que:
PRET = E [S RET ] = Z 1 [S RET ]
Desta forma, somente precisamos trabalhar com as informaes de sinistros,

sem que sejam utilizadas as informaes de risco, as quais so muito mais
extensas e mais difceis de serem obtidas. Esta facilidade acontece pelo fato de
no precisarmos calcular o total de prmio puro retido. Por outro lado, podemos
perder em segurana, se o carregamento de segurana for negativo.
c) No clculo de , , ou do LT fundamental que se trabalhe com projees

quanto ao nmero de sinistros ou mesmo quanto distribuio do valor de um
sinistro. Caso a seguradora espere um crescimento na sua produo, ela deve
considerar isto nos seus clculos. Projees desse tipo, entretanto, podem dar
margem a manipulaes.
d) Apesar da seguradora possuir uma nica reserva de risco ( ), no se determina um

nico limite tcnico para toda a operao. Os limites tcnicos so determinados
por carteira. Nesse caso, calcula-se o valor global de , a partir dos limites
tcnicos pr-definidos e de uma determinada probabilidade de runa ( ). Ocorre
que diversas combinaes de limites tcnicos, por carteira, podem conduzir a
um mesmo valor de . O problema que algumas dessas combinaes podem
produzir resultados indesejveis para algumas carteiras. O ideal que se procure
otimizar o resultado global, atravs de tcnicas de simulao, onde a otimizao
tambm dever ser refletida ao nvel de carteira.
e) Um problema relacionado ao item anterior quando a seguradora possui uma

gesto muito segmentada de seus produtos e de sua operao, e, por causa disso,
surgem presses para que ela trabalhe com retenes baixas em determinadas
regies ou determinados produtos, por representarem uma parcela muito
pequena da operao e, portanto, sujeitos a elevadas oscilaes de risco. Nessas
situaes, um nico sinistro, mesmo que de valor reduzido, pode deteriorar
bastante o resultado de uma regio ou de um produto, o que induz os gerentes
dessas operaes a pressionarem a seguradora na fixao de limites de reteno
reduzidos, diminuindo, assim, a capacidade de reteno da seguradora como
um todo. Uma soluo para isso fixar o que pode ser chamado de retenes
gerenciais, que sejam utilizadas somente internamente, para ajudar na
equalizao dos resultados de cada produto ou regio. Assim sendo, ao invs
de o prmio de resseguro ser transferido, ele transita virtualmente dentro da
prpria seguradora. Da mesma forma, devero ser realizadas transaes virtuais
de recuperao de resseguro. Fica claro, por essa situao, que a seguradora
deve tratar o processo de runa de forma agregada para no perder uma parcela
considervel de sua produo.
Exemplo 4: Calcular o valor de que garanta a solvncia da seguradora em 1

ano, dados:
Plano de resseguro de excedente de responsabilidade;

LT=$100;
Total de prmio puro retido quando o LT=$100 de $2.200;
= 1% ;
S col possui distribuio de Poisson Composta, podendo ser aproximada por uma
distribuio Normal;
O nmero mdio de sinistros ser estimado pelo nmero observado de sinistros
em 1 ano;
[ K
E X RET ]
calculado a partir dos valores observados de X RET , conforme frmula
definida no item A partir dos Valores Observados de X RET ;
Relao de sinistros em 1 ano:
Importncia Nmero de Valor do Sinistro

Classe de Risco
Segurada ($) Sinistros Bruto ($)
I 100 15 50
II 150 10 150
III 200 20 20
IV 50 10 40
V 300 5 30
Resposta:
O nmero total de sinistros observados de 60, logo,
A distribuio dos sinistros retidos ser:
Classe de Risco Nmero de Sinistros Valor do Sinistro Retido ($)

I 15 50
100
II 10 150 = 100
150
III 20
IV 10 40
V 5
importante observar que, apesar de o valor esperado das indenizaes re-

tidas ( E [X RET ] = $2.400 ) ser superior ao total de prmios puros retidos
( PRET = $2.200 ), no necessariamente devemos recalcular o prmio, pois, os si-
nistros podem ter se concentrado em importncias seguradas onde a reteno seja
grande e, apesar disso, a reteno na carteira como um todo ser pequena e gerar um
montante reduzido de prmio puro retido.
A escolha adequada do limite de reteno pode conduzir a situaes mais fa-
vorveis na relao E [ X RET ] e PRET .
Exemplo 5: Calcular a probabilidade de runa no exemplo anterior, caso seja

aumentado para $1.300.
Resposta:
Exemplo 6: Calcular o valor do LT que minimiza a probabilidade de runa, utili-

zando a formulao desenvolvida no item Clculo do Limite Tcnico (LT), sendo:
Normal;

= 0;
= 1.000;
Nmero de expostos ao risco igual a 100.000;
Taxa pura utilizada na precificao direta e no resseguro de 0,009;
Distribuio dos capitais segurados:
Capital Segurado ($) 10 20 30 40 50 80 150 800
Distrib. Probab 0,2 0,2 0,18 0,2 0,09 0,04 0,08 0,01
Distribuio do valor de 1 sinistro ( X ):

Valor de 1 Sinistro ($) 10 20 30 40 50 80 150 800
Distrib. Probab 0,3 0,2 0,18 0,15 0,09 0,04 0,03 0,01
Teste o LT timo, para os seguintes valores: $10, $20, $30, $40, $50, $80, $150
e $800.
Resposta:
A distribuio do valor de 1 sinistro retido ( X RET ) e, consequentemente, de
E [X RET ] e E X RET
2
[ ]
, em funo dos possveis valores de LT ser:
Valor de
Distrib.
1 Sinistro LT=$10 LT=$20 LT=$30 LT=$40 LT=$50 LT=$80 LT=$150 LT=$800
Probab.
($)
10 0,3 1 0,3 0,3 0,3 0,3 0,3 0,3 0,3

20 0,2 0,7 0,2 0,2 0,2 0,2 0,2 0,2
30 0,18 0,5 0,18 0,18 0,18 0,18 0,18
40 0,15 0,32 0,15 0,15 0,15 0,15
50 0,09 0,17 0,09 0,09 0,09
80 0,04 0,08 0,04 0,04
150 0,03 0,04 0,03
800 0,01 0,01
E [X RET ] ($) 10,00 17,00 22,00 25,20 26,90 29,30 32,10 38,60
[ 2
E X RET ] ($) 100,00 310,00 560,00 784,00 937,00 1.249,00 1.893,00 8.068,00
Onde, para LT=$40, por exemplo,

A distribuio dos capitais segurados retidos para cada LT e o respectivo total de

prmio puro retido ser:
Capital
Distrib
Segurado LT=$10 LT=$20 LT=$30 LT=$40 LT=$50 LT=$80 LT=$150 LT=$800
Probab
($)
10 0,2 1 0,2 0,2 0,2 0,2 0,2 0,2 0,2

20 0,2 0,8 0,2 0,2 0,2 0,2 0,2 0,2
30 0,18 0,6 0,18 0,18 0,18 0,18 0,18
40 0,2 0,42 0,2 0,2 0,2 0,2
50 0,09 0,22 0,09 0,09 0,09
80 0,04 0,13 0,04 0,04
150 0,08 0,09 0,08
800 0,01 0,01
Prmio Retido ($) 9.000 16.200 21.600 25.380 27.360 30.870 36.540 42.390
Onde, para LT=$30, por exemplo, o total de prmio puro retido foi calculado da
seguinte forma:
Desta forma, ento, teremos os seguintes valores de E [ X RET ] , de [ 2

E X RET ]
e, consequentemente, de Z 1 :
LT=$10 LT=$20 LT=$30 LT=$40 LT=$50 LT=$80 LT=$150 LT=$800
E [X RET ] ($) 10.000 17.000 22.000 25.200 26.900 29.300 32.100 38.600
[
2
E X RET ] ($) 316,23 556,78 748,33 885,44 967,99 1.117,59 1.375,86 2.840,42
Z 1 -3,16 -1,44 -0,53 0,20 0,48 1,40 3,23 1,33
Onde, Z 1 foi calculado da seguinte forma:
+ PRET E [X RET ]
= Z 1 , sendo = 0
[ 2
E X RET ]
Observe que o LT que proporcionou o maior Z 1 foi o LT igual a $150. Quando
o LT aumenta para $800, diminui bastante o valor de Z 1 , pois aumenta significati-
2
vamente o desvio padro do valor total dos sinistros retidos ( E X RET ). [ ]
Para LT inferior a $40, Z 1 negativo, o que implica em uma probabilidade de

runa superior a 50%. Veja que, para LT igual a $10, $20, ou $30, PRET inferior ao
valor esperado do montante de sinistros retidos ( E [ X RET ] ). Uma das razes para
isto o fato de a taxa pura (0,009) ser inferior taxa de risco, pois para um nmero de
expostos ao risco igual a 100.000, ocorrem em mdia 1.000 sinistros por ano, sendo,
portanto, a taxa de risco igual a 0,01.
Por outro lado, apesar da taxa pura ser inferior taxa de risco, quando o LT
superior a $30, PRET sempre superior a E [ X RET ] . Isto ocorre pelo fato de a dis-
tribuio de capitais ter mais concentrao em valores elevados do que a distribuio
de sinistros. Por exemplo, a proporo de sinistros brutos superiores a $30 de 32%,
enquanto que a proporo de capitais segurados superiores a $30 de 42%.
Para o LT igual a $150, a probabilidade de runa ser:
Observao:
Quando a tarifa est equilibrada para qualquer faixa de LT, comum obter-se
dois valores de LT que maximizam o Z 1 . Um desses valores de LT sempre um
2
valor prximo de zero. Isso se explica pelo fato de E X RET [ ]
tender para zero
quando o LT se aproxima de zero.
Logo,
+ PRET E [X RET ]
= Z 1
[ 2
E X RET ] 2
[ ]
E X RET 0
No exemplo 6 isto no aconteceu pois, para valores reduzidos de LT, o valor de

PRET inferior ao valor esperado do montante de sinistros retidos ( E [X RET ] ).
EXERCCIOS
1) Seja X ~ Exponencial ( = 0,0002 ) e N ~ Poisson ( = 120 ). Determinar o

valor do LT que garanta a solvncia da seguradora em 1 ano, dados:

S RET pode ser aproximada por uma distribuio Normal;
PRET = E [X RET ] , ou seja, o carregamento de segurana zero;

;
= 0,005 ;
2) Uma seguradora possui uma carteira de seguro de morte acidental com uma taxa
mdia de mortalidade de 0,0005. O valor da indenizao em caso de morte fixa
em $50.000 e o carregamento de segurana = 0,10. Dado que = $200.000
, calcular quantas aplices a seguradora precisa ter para que a probabilidade anual
de runa seja de 0,001. Suponha que S col possui distribuio de Poisson Composta,
podendo ser aproximadas por uma Normal.
3) Calcule a relao entre e o prmio comercial anual da carteira de uma

seguradora, dados:
;
col
S possui distribuio de Poisson Composta, podendo ser aproximada por uma
Normal;
Freqncia anual mdia de sinistros igual a 1%;
Valores de sinistros fixos em $10.000;
20.000 aplices;
Nvel de significncia de 1% de modo que dentro de 1 ano a seguradora no se
arruine;
No h cesso de resseguro.
4) Calcular o valor de que garanta a solvncia da seguradora em 1 ano, dados:
Plano de resseguro de excedente de responsabilidade;

LT=$200;
Freqncia de sinistros em cada classe de risco de 0,01:
Taxa pura de 0,011
= 0,001
distribuio Normal;
em 1 ano;
[ K
E X RET ]
calculado a partir dos momentos amostrais;
Relao de sinistros em 1 ano:
Classe de Importncia Nmero de Valor do Sinistro

Risco Segurada ($) Sinistros Bruto ($)
I 200 10 150
II 250 20 150
III 300 30 120
IV 150 20 80
V 500 5 90
5) Desenvolva uma frmula para o clculo de , supondo que a varivel aleatria

valor de 1 sinistro assuma valores fixos iguais a K , e que a varivel aleatria
nmero de sinistros ocorridos em 1 ano seja Binomial Negativa ( r, p ),
onde S col pode ser aproximada por uma distribuio Normal. Suponha que a
probabilidade de runa seja igual a e que o carregamento de segurana seja
igual a .
Processo de Runa
Perodo Infinito
No captulo 8 foram apresentados os clculos do limite de reteno, da proba-

bilidade de runa e do capital que a seguradora deve constituir para garantir a sua
solvncia, a partir do processo de runa em um perodo finito.
Neste captulo sero apresentados os mesmos parmetros acima, considerando,
porm, o processo de runa em um perodo infinito para o caso em que o montante
de indenizaes no tempo um processo de Poisson Composto, de modo que esses
parmetros sero determinados no sentido de garantir a solvncia de uma seguradora
em qualquer tempo no futuro.
O PROCESSO DE RUNA EM UM PERODO INFINITO
Sejam os seguintes parmetros definidas no captulo 8:
- Fundo inicial, ou reserva de risco;

PRET (t ) - Total de prmio puro retido auferido em [0, t ) ;
S RET (t ) - Varivel aleatria que representa o total de sinistros retidos ocorridos em
[0, t ) ;
U (t ) - Excedente existente no instante t ;
T - Tempo no qual ocorre a runa;
( ) - Probabilidade de runa em um perodo infinito.
127
Logo,
( ) = P (T < )
Onde, T = min{ t , t 0 e U (t ) < 0}
Sendo,
(BOWERS, GERBER, HICKMAN, JONES AND NESBITT)1 fazem uma

anlise bastante ampla do processo de runa em um perodo infinito, apresentando
diversas demonstraes de passagens que sero abordadas neste captulo.
PROCESSO DE POISSON COMPOSTO S (t )
Vimos no captulo 6 a distribuio de Poisson Composta para um perodo anual

de tempo. Para analisar o processo de runa em um perodo infinito, precisamos tra-
balhar com a unidade de tempo varivel. Vejamos, ento, a seguir, como funciona o
processo de Poisson Composto, para um perodo de tempo t .
Seja:
N (t ) - Varivel aleatria nmero de sinistro ocorridos em [0, t ) com distribuio
de Poisson ( t ).
Ento,
S (t ) = X 1 + X 2 + + X N (t )
Onde, S (0) = 0
Consequncias:
a) N (t + h ) N (t ) a varivel aleatria nmero de sinistros ocorridos entre t e

t + h e tem distribuio de Poisson ( h );
b) Se Ti so os tempos em que ocorrem um sinistro qualquer, ento T1 < T2 < T3 < ,
pois, pelo processo de Poisson, a probabilidade de ocorrer mais de um sinistro em
um intervalo infinitesimal zero;
c) Se Wi = Ti Ti 1 i > 1 , ou seja, Wi a varivel aleatria tempo entre as
ocorrncias consecutiva de sinistros, ento, Wi ~ Exponencial ( );
e h ( h )
K
d) P[N (t + h ) N (t ) = K N (s ) s t ] = que independe de N (s ) ,
K!
pois o nmero de sinistros em intervalos no sobrepostos independente.
Assim sendo,
Se X i independente e identicamente distribudo, com funo de distribuio

de probabilidade P ( x ) e, se X i independente do processo {N (t ), t 0}, onde
N (t ) ~ Poisson ( t )
Ento,
S (t ) = X 1 + X 2 + + X N (t ) um processo de Poisson Composto ( t, P ( x ) )
Onde,
e h ( h )
K
P[S (t + h ) S (t ) x ] = P *K ( x )
K =o K !
Consequncias:
a) E [S (t )] = t E [ X ]
[ ]
VAR[S (t )] = t E X 2
b) O processo {S (t ), t 0} possui incrementos independentes e estacionrios, ou

seja:
Os montantes de indenizaes em intervalos de tempo disjuntos so
independentes;
O montante de indenizao depende somente do tamanho do intervalo de
tempo e no de sua localizao.
CLCULO DE ( ) NO CASO POISSON COMPOSTO

Pode-se provar que a probabilidade de runa em um perodo infinito ( ( ) )
representada por:
onde R a soluo no trivial da equao em r :

Sendo:
X RET - Varivel aleatria valor de 1 sinistro retido;
- Carregamento de segurana;
r - Coeficiente de ajustamento.
Onde positivo e igual ao limite superior do intervalo ( , ) , o qual

representa o intervalo mximo no qual a Funo Geratriz de Momentos de X RET
no ponto r ( M X RET (r ) ) existe. Assume-se, tambm, que M X RET (r ) tende para
quando r .
Supondo que M X RET (r ) > 0 e M X RET (r ) > 0 , ou seja, existem o 1 e 2 mo-

mentos de X RET , ento, podemos visualizar a soluo trivial e a soluo no trivial
graficamente:
M X RET (r )
1 + (1 + )E [ X RET ] r
r
0 R
Grfico 9.1.
Observaes:
a) As 2 curvas se encontram em 2 pontos, sendo o ponto r = 0 chamado de soluo

trivial;
b) Quanto maior o valor de , maior o valor de r ;
c) Se = 0 1 + (1 + ) E ( X RET ) r = 1 , de modo que r = 0 , pois M X RET (0) = 1 ;
d) Geralmente aplica-se mtodo numrico pra determinar-se a soluo no trivial de r.
No caso em que X RET ~ Exponencial ( ), entretanto, fcil achar uma forma

analtica para r e, consequentemente, para ( ) , pois,
1
M X RET (t ) = E ( X RET ) =

t
1+
Logo, 1 + r=
r
(1 + ) r 2 r = 0

R=
1+
Note que r = 0 tambm soluo (trivial).
e) fcil mostrar que:
2 E [X RET ]
R<
[ 2
E X RET ]
2 E [X RET ]
Assim sendo, podemos usar R = 0 e R =
vos iniciais num clculo por mtodo numrico. [ 2
E X RET ] como valores tentati-
Concluses sobre ( )
a) ( ) < e
R
pois,
e , tendo em vista que U (T ) o valor do excedente no tempo

em que ocorre a runa, ou seja, U (T ) < 0 .
b) Se a distribuio do valor de 1 sinistro retido ( X RET ) limitada a um valor finito m ,

de modo que P ( X RET m ) = 1 , ento, dado T < , temos que U (T ) > m, pois,
o excedente antes do ltimo sinistro que leva runa, deve ser positivo.
Logo,
c) Na prtica trabalha-se com ( ) e R . Este resultado parece razovel, pois

e R ( + m ) < ( ) < e R e, o maior sinistro possvel, m , geralmente muito
inferior reserva de risco .
+m
Alm disso, e R o limite superior da probabilidade de runa, de modo que,
ao utiliz-lo, estaremos trabalhando com segurana para o clculo de , LT ou
( ) .
d) se = 0 ( ) = 1 , pois R = 0 , ou seja, se o carregamento de segurana

zero, ento, a longo prazo a runa certa.
Obviamente, se < 0 , ento, o tempo em que ocorre a runa menor do que
aquele no qual = 0 , de modo que ( ) tambm ser igual a 1.
Esta constatao mais uma das maravilhas atuariais.
Exemplo 1: Encontrar uma expresso para a probabilidade de runa, no caso em

que o sinistro agregado retido possui distribuio de Poisson Composta, supondo que
X RET ~ Exponencial ( ).
Resposta:
Sabemos que o tempo em que ocorre a runa T . Seja o saldo de U (t ) que ante-
cede a U (T ) , ento, o evento U (T ) > y , ou, equivalentemente, U (T ) < y , pode
ser redefinido pelo evento X RET > + y / X RET > , cuja probabilidade condicio-
nal dada por:
Logo, a funo de densidade de U (T ) dado que T < igual a:

Logo,

Sabemos que quando X RET ~ Exponencial ( ), ento, R = , logo,
1+

( ) = 1 + exp = 1 exp
1 + E [X ]
1+ 1+ RET
1
Pois, E [ X RET ] =

DISTRIBUIO DO 1 EXCEDENTE ABAIXO DE
fcil mostrar que, para o processo de Poisson Composto, a probabilidade

de que o excedente U (t ) ficar abaixo do nvel inicial e estar entre y e
no momento em que isto ocorrer igual a:
Logo, a probabilidade de que U (t ) um dia ficar abaixo do seu nvel inicial :
pois,
Veja que essa probabilidade independe do valor de . Logo, quando = 0 ,

teremos a probabilidade de que U (t ) ficar abaixo do valor inicial = 0 , ou seja, a
probabilidade de runa dado que = 0
1
Logo, (0) =
1+
Note que (0) depende somente do carregamento de segurana e, que, quan-
to maior o , menor ser (0) , sem que haja nenhuma influncia da distribuio do
valor de 1 sinistro retido ( X RET ).
Desta forma, ento, se uma seguradora, por hiptese, operar sem reserva de risco
e com carregamento de segurana , a sua probabilidade de runa ser de
91%. Para que a sua probabilidade de runa caia para um nvel aceitvel de 0,5%, por
exemplo, o carregamento de segurana teria de ser de 19.900%, o que um carre-
gamento impossvel de ser praticado, pois tornaria a seguradora no competitiva. Isto
mostra que a seguradora no pode contar somente com o carregamento de segurana
embutido nos prmios para garantir a sua solvncia.
PERDA MXIMA AGREGADA
Seja L = MAX {S RET (t ) PRET (t )}
Onde S RET (t ) tem distribuio de Poisson Composta e L representa a perda

mxima agregada, ou seja, o valor mximo que valor total de sinistros retidos excede
o total de prmio puros retidos.
Sabemos que:
1 ( ) = P (U (t ) 0 t )
= P ( + PRET (t ) S RET (t ) 0 t )
= P (S RET PRET t )
= FL ( )
Ou seja, 1 (0) = P (L 0)
Como L 0 , pois L = 0 para t = 0

Ento, 1 (0) = P (L 0) = P (L = 0)
De modo que existe um ponto de massa 1 (0) na origem da distribuio de L .
fcil demonstrar que a funo geratriz de momentos de L expressa por:

E [X RET ] t
M L (t ) =
1 + (1 + ) E [X RET ] t M X RET (t )
A partir desse desenvolvimento, podemos obter uma frmula aproximada para

a probabilidade de runa num perodo infinito ( ( ) ), conforme ser apresentado
a seguir.
Frmula Aproximada Para ( )
Pode-se mostrar que:
E [L] =
[ 2
E X RET ]
2 E [X RET ]
Sabemos que ( ) < e R
Seja a seguinte aproximao:
1 R
( ) e
1+
Mas, ( ) = 1 FL ( )

E, E [L] = (1 F ( )) d
L
0

1 1 1
Logo, E [L] e
R
d =
1+ 0
1+ R
1 1
Se R for escolhido de modo que o valor aproximado de E [L] seja igual
1+ R
ao valor exato dado por E [L] =
[ 2
E X RET ]
2 E [X RET ]
2 E [X RET ]
Ento, R =
[
(1 + ) E X RET
2
.
]
Assim sendo, o valor aproximado de ( ) ser:
1 2 E [X RET ]
( ) exp
1+ (1 + )E X RET
2
[ ]
Esta frmula aproximada bastante simples de ser aplicada, pois basta conhecer-
mos o valor de e a distribuio de X RET para calcularmos , LT ou ( ) .
Exemplo 2: Calcular a probabilidade de runa para LT=$150 no exemplo 6 do

Captulo 8, utilizando a frmula aproximada desenvolvida no item Frmula Aproxi-
mada para , supondo que igual a $10.000.
Resposta:
1 2 E [X RET ]
( ) exp
1+ [
(1 + )E X RET
2
]
Sabemos do exemplo 6 do Captulo 8 que e que para o LT=$150, te-
mos:
e,
Para o clculo de , sendo este o carregamento de segurana embutido no pr-

mio puro bruto praticado pela seguradora ( P ), sem considerar o resseguro, vamos
considerar que assume o seguinte valor:
P P
= 1 = 1
E [S ] E [X ]
Pelo exemplo 6 do Captulo 8 temos que o total de prmio puro retido, para
LT=$800, foi de $42.390. Como $800 o valor mximo de capital segurado, ento, o
prmio puro bruto igual ao prmio puro retido, ou seja, .
Da mesma forma, o sinistro mdio retido para LT=$800 de $38,60.
Logo,
Pelo exemplo 6 do Captulo 8, sabemos que = 1.000
Logo, = P / E [ X ] 1 = 0,0982
E, ento,
FRMULA APROXIMADA DE SOUZA MENDES PARA O CLCULO DO LT
A frmula apresentada a seguir, foi desenvolvida pelo aturio Joo Jos de Souza
Mendes, para o clculo do LT a partir do processo de runa num perodo infinito.
A hiptese bsica que ( ) = e R
Logo,
Sabemos que:
Como ;
Ento,
Como se pode demonstrar facilmente, obtm-se um limite inferior para o limite

tcnico quando se supe que todos os sinistros tm o mesmo valor.
Se todos os sinistros so iguais a w , ou seja: P ( X RET = w ) = 1 , ento,
Pois, visivelmente,
A aproximao acima representa mais um fator de segurana no clculo do LT.
Logo,
w o sinistro constante da carteira. Vamos supor que todos os sinistros so

iguais ao sinistro mdio.
Como o sinistro mdio o produto do dano mdio ( d m ) pela importncia segu-
rada mdia, ento, a importncia segurada mdia para efeitos de reteno ser:
Se o prmio comercial e C o carregamento para cobrir todas as despesas

da seguradora, ento,
P (1 + )
=
1 C
1 C
1+ =
P
Como P = E [S ] , podemos substituir P pelo coeficiente de sinistralidade ( s ).
1 C 1 C
1+ = = 1
s s
Desta forma, ento,
Observaes:
a) Veja que a frmula de clculo do LT desenvolvida por Souza Mendes bastante
simples de ser utilizada, bastando conhecer o carregamento para despesas (C), a
sinistralidade ( s ), o dano mdio ( d m ) e substituir R por , sendo
( ) a probabilidade de runa, e a reserva de risco. A partir desta frmula,

ento, pode-se calcular, tambm, ou ( ) a partir dos outros parmetros.
b) Nas carteiras em que no existe a perda parcial como a de seguro de vida, d m = 1 .
Exemplo 3: Refazer o exemplo 6 do captulo 8, utilizando a frmula aproximada

de Souza Mendes, supondo um carregamento para as despesas de 30%, o dano mdio
igual a 1, igual a $10.000 e uma probabilidade de runa de 0,5%.
Resposta:
( ) = 0,005 , e sabemos do exemplo 6 do captulo 8 que , logo,
= 0,00052983
Seja a sinistralidade ( s ) calculada por: s = P , onde P = E [S ] = E [ X ] ,

sendo as variveis determinadas pelo sinistro bruto e pelo prmio bruto.
Pelo exemplo 6 do captulo 8 temos que o total de prmio puro retido, para
LT=$800, foi de $42.390. Como $800 o valor mximo de capital segurado, ento, o
prmio puro bruto igual ao prmio puro retido.
Logo,
Da mesma forma, o sinistro mdio retido para LT=$800 de $38,60.
Logo,
Pelo exemplo 6 do captulo 8, sabemos que = 1.000
Logo,
Assim sendo, dado que d m = 1 , o valor do LT ser:
EXERCCIOS
1) Calcular a reserva de risco ( ) que a seguradora deve possuir para que a sua
probabilidade de runa em um perodo infinito esteja limitada a 0,001, supondo
que o sinistro agregado retido possui distribuio de Poisson Composta, a
varivel aleatria valor de 1 sinistro retido possui distribuio Exponencial
( = 0,0001 ), e que o carregamento de segurana seja de 4%.
2) Calcular a probabilidade de runa em um perodo infinito para uma seguradora

que no possua reserva de risco e cujo carregamento de segurana seja de 8%.
Suponha que o sinistro agregado retido possui distribuio de Poisson Composta.

seguindo a distribuio de Poisson, carregamento de segurana de 3%, reserva de
risco igual a $100.000 e distribuio do valor de 1 sinistro conforme a seguir:

200 0,35
500 0,25
1.000 0,2
1.550 0,15
2.500 0,03
3.000 0,02
Calcular a probabilidade de runa para LT=$1.500, a partir de um contrato de

resseguro de excesso de danos, utilizando a frmula aproximada desenvolvida no
item Frmula Aproximada para .
4) Refazer o clculo do LT pela mtodo Souza Mendes no exerccio 3, dados:

O dano mdio de 80%;
O carregamento para despesas de 30%;
A sinistralidade em qualquer faixa de LT de 68%;
A probabilidade de runa a mesma obtida no exerccio 3.

seguindo a distribuio de Poisson, e a distribuio do valor de 1 sinistro
retido conforme segue:
Valor do sinistro ($) Frequncia de ocorrncia

10 0,25
20 0,45
50 0,2
100 0,1
Calcular o valor do carregamento de segurana ( ).

Aplicaes em Resseguro
O resseguro um dos principais instrumentos de transferncia de risco da se-

guradora, contribuindo sobremaneira para a homogeneizao dos seus riscos. Neste
captulo sero apresentadas diversas aplicaes da Teoria do Risco ao resseguro, com
nfase nas aplicaes relacionadas ao processo de precificao dos principais tipos
de contratos de resseguro.
Sero descritos os principais tipos de contratos de resseguro, mostrando-se as
aplicaes prticas a estes relacionados, tanto do ponto de vista do ressegurador, onde
se inclui o processo de precificao, quanto do ponto de vista da seguradora, onde
se destaca a obteno da distribuio da varivel aleatria valor de 1 sinistro aps a
contratao do resseguro, aqui denominada de varivel aleatria valor de 1 sinistro
retido.
CONTRATOS DE RESSEGURO
Vejamos a seguir os principais contratos de resseguro, e os principais aspectos

referentes precificao de um contrato de resseguro.
Classificao dos Contratos de Resseguro
Os contratos de resseguro podem ser classificados em contratos proporcionais e

contratos no proporcionais.
143
Nos contratos proporcionais, os prmios e sinistros so divididos proporcional-

mente entre o segurador e o ressegurador numa proporo pr-estabelecida.
Nos contratos no proporcionais no h valores segurados cedidos, mas limites
pr-definidos de participao do ressegurador nos sinistros.
Contratos Proporcionais
Contrato de Quota-Parte
Neste contrato a seguradora cede um percentual determinado do risco. Em caso

de sinistro esta recupera da resseguradora a mesma proporo da indenizao.
Exemplo:
Quota = 25%
Prmio de seguro = $100
Importncia segurada = $100.000
Sinistro bruto = $60.000
Logo,
Prmio de resseguro (25%) = $25
Prmio retido (75%) = $75
Recuperao de resseguro (25%) = $15.000
Sinistro retido (75%) = $45.000
Contrato de Excedente de Responsabilidade ou Surplus
A seguradora assume o risco at uma quantia, calculada pelo aturio, chamada de

limite tcnico (LT) ou limite de reteno.
Este um contrato proporcional como o quota-parte, pois, quando a importncia
segurada (IS) supera o LT, a seguradora transfere o excedente de forma proporcional.
A partir desse momento temos um contrato proporcional e qualquer que seja o valor
do sinistro, a seguradora recupera a proporo cedida.
Modelo:
no h resseguro
seguradora cede proporcionalmente
Aplicaes em Resseguro 145
Exemplo:
LT = $5.000
Prmio = $80
IS = $8.000
Sinistro bruto = $1.600
Logo,
Prmio de resseguro (3/8) = $30
Prmio retido (5/8) = $50
3
Recuperao de resseguro = $1.600 = $600
8
Sinistro retido (5/8) = $1.000
Veja que, mesmo o sinistro tendo sido inferior ao LT, houve recuperao da in-
denizao na mesma proporo da cesso de prmio (3/8).
Exemplo 1: Seja uma carteira de seguros com as seguintes caractersticas:
Plano de resseguro de excedente de responsabilidade, com LT=$80;

Taxa pura anual cobrada pela seguradora de 7%;
Taxa comercial anual cobrada pela resseguradora de 10%;
Comisso de resseguro igual a 20%;
O sinistro agregado possui distribuio de Poisson Composta, podendo ser
aproximada por uma Normal;
O nmero mdio de sinistros em 1 ano ( ) aproximado pelo nmero observado
de sinistros em 1 ano ( n );
[ ]
E [X ] e E X 2 so aproximados pelos momentos amostrais do valor observado
de 1 sinistro;
Relao de Importncias seguradas (IS) e sinistros brutos observados em 1 ano,
sendo o valor do sinistro sempre igual ao valor da IS:
IS $10 $30 $50 $80 $100 $5.000
N de aplices 2.000 1.500 900 700 160 20
N de sinistros 100 75 45 35 8 1
a) Calcular P (S > P ) , sem considerar o resseguro;

b) Calcular P (S RET > PRET ) , considerando o resseguro;
Resposta:
a) Calcular P (S > P ) , sem considerar o resseguro
O nmero total de sinistros observados na carteira ( n ) de:
O total de IS bruta ( ISBT ) de:
E o prmio puro anual total ( P ) o produto da taxa pura anual pela ISBT , ou seja,
Os momentos amostrais do valor de 1 sinistro bruto so:
Ento,
Logo,
b) Calcular P (S RET > PRET ) , considerando o resseguro
O total de IS cedida em resseguro ( ISCD ) de:
E o prmio comercial anual total de resseguro ( PRES ) o produto da taxa comercial

anual de resseguro pela ISCD , ou seja,
O custo de resseguro, lquido da comisso de resseguro, ( C RES ) de:
Observe que a taxa de resseguro lquida de comisso de resseguro igual a 8% (80%

x 10%).
O prmio puro retido total ( PRET ) igual a:
Os momentos amostrais do valor de 1 sinistro retido so:
Ento,
Logo,
Esta uma situao em que a seguradora tem um grande benefcio com o resse-
guro, pois houve uma reduo drstica na probabilidade dos sinistros superarem os
prmios puros, mesmo sendo a taxa de resseguro lquida de comisso (8%) superior
taxa pura cobrada pela seguradora (7%).
Como a proporo de sinistros de altos valores igual proporo de IS de altos
valores, pois a frequncia anual de sinistros uniforme e igual a 5% em todas as fai-
xas de IS, logo, a razo para essa melhoria na solvncia da seguradora est na reduo
do coeficiente de variao dos sinistros agregados, principalmente pela transferncia
de risco na faixa de IS=$5.000.
Contratos No Proporcionais
Contrato Excesso de Danos ou Excess of Loss
O compromisso da seguradora est limitado ao LT. Para sinistros acima do LT, a

resseguradora paga a diferena entre o sinistro e o LT e a seguradora paga o LT. Para
sinistros at o LT, a seguradora paga todo o sinistro.
O prmio de resseguro um percentual do prmio de seguro de toda a carteira,
sendo este percentual aplicado inclusive queles riscos que apresentam . No
clculo do prmio leva-se em considerao a distribuio de sinistros que superam o
LT. Este clculo semelhante ao que feito nos seguros a 1o risco absoluto de modo
que quanto maior for o LT menor ser a taxa de excesso de danos.
Modelo:
no h recuperao
a seguradora recupera
Exemplo 2: Calcular a taxa comercial anual a ser cobrada pelo ressegurador

em um contrato de excesso de danos, a ser aplicada ao prmio comercial anual da
seguradora, dados:
Total de importncia segurada exposta ao risco igual a $3.000.000;

Taxa comercial anual cobrada pela seguradora de 0,005;
O sinistro agregado do ressegurador possui distribuio de Poisson Composta,
podendo ser aproximada por uma Normal;
Carregamento para despesas do ressegurador igual a 20%;
Nvel de significncia de 1% de modo que o sinistro agregado assumido pelo
ressegurador em 1 ano no ultrapasse o total de prmio puro anual de resseguro;
O nmero mdio de sinistros de resseguro em 1 ano ( ) aproximado pelo

nmero observado de sinistros em 1 ano ( n );
[ ]
E [X ] e E X 2 do ressegurador so aproximados pelos momentos amostrais do
valor observado de 1 sinistro;
Relao de sinistros brutos observados em 1 ano:
30 sinistros de $10, 20 sinistros de $30, 25 sinistros de $40 e 15 sinistros de $50.
Calcule a taxa comercial de resseguro para as seguintes situaes:
a) LT = $20
b) LT = $35
Resposta:
O total de prmio comercial anual ( ) cobrado pela seguradora ser:
a) LT = $20
Quando o LT = $20, os sinistros assumidos pelo ressegurador sero:

20 sinistros de $10, 25 sinistros de $20 e 15 sinistros de $30.
Logo,
O total de prmio puro anual de resseguro ser determinado de tal forma que:
Logo, a taxa pura anual de resseguro aplicada sobre ser:
E a taxa comercial anual de resseguro, considerando o carregamento para despesas

de 20%, ser:
b) LT = $35
Quando o LT = $35, os sinistros assumidos pelo ressegurador sero:
25 sinistros de $5 e 15 sinistros de $15
Logo,
O total de prmio puro anual de resseguro, ento, ser:
Logo, a taxa pura anual de resseguro aplicada sobre ser:
E a taxa comercial anual de resseguro, considerando o carregamento para despesas

de 20%, ser:
Observe que ao aumentarmos o LT de $20 para $35, o que representa um au-

mento de 75%, a taxa de excesso de danos caiu de 12,69% para 4,15%, ou seja, caiu
a menos de 1/3 da taxa anterior. Isto ocorre pelo fato de a maior concentrao na
distribuio do valor de 1 sinistro ocorrer nos baixos valores, o que ajuda a reduzir
desproporcionalmente a taxa de excesso de danos quando a seguradora decide por
assumir responsabilidades maiores de sinistros.
Por causa disto, importante que as taxas de excesso de danos sejam revistas
periodicamente para eliminar os efeitos da inflao. Uma inflao elevada pode au-
mentar muito os sinistros brutos da seguradora, transferindo mais responsabilidade
para o ressegurador, caso o LT seja mantido constante. O ideal que a taxa de excesso
de danos seja funo do LT fixado em uma moeda estvel.
Exemplo 3: Seja uma carteira de seguros com frequncia de sinistros ( f seg ) de 5%

e o valor de 1 sinistro bruto ( X ) com distribuio Log Normal ( ). Cal-
cular a frequncia de sinistros para o ressegurador em um contrato de excesso de danos
com LT igual a $550.
Resposta:
Dado que o ressegurador assume somente sinistros que ultrapassam o LT, ento, o
nmero esperado de sinistros para o ressegurador dever ser igual ao nmero espe-
rado de sinistros para o segurador multiplicado pela probabilidade de o valor de 1
sinistro bruto ultrapassar o LT.
Logo, a frequncia de sinistros para o ressegurador ( f res ) ser de:
Contrato de Catstrofe
O contrato de catstrofe previne o pagamento de elevadas indenizaes em um

mesmo evento, como por exemplo, o pagamento de 30 LTs pela morte de 40 pessoas
na queda de um avio.
Normalmente existe um limite de catstrofe assumido pela seguradora em fun-

o de um mltiplo do seu limite tcnico. Sempre que em um mesmo evento vrios
riscos de uma mesma seguradora so atingidos e, desde que a soma das indenizaes
ultrapasse um mltiplo do LT, o ressegurador assume a responsabilidade excedente.
Neste caso o prmio de resseguro funo do prmio retido pela seguradora.
O processo de precificao dos contratos de catstrofe exige a utilizao de expe-
rincia de sinistros de longo prazo, observando possveis sazonalidades e concentra-
es de risco. Dada a caracterstica do risco, comum se utilizar tcnicas estatsticas
de sries temporais. Devemos utilizar, tambm, curvas de sinistros com cauda longa,
como a distribuio de Pareto, abordada no item Pareto do captulo 4.
Contrato de Stop Loss
Contrato de Stop Loss por Limite de Sinistralidade
Neste contrato a seguradora assume os sinistros at um limite mximo de sinis-

tralidade. O limite de sinistralidade pode ser, por exemplo, de 70% ou 80%, sendo
estes escolhidos pela seguradora de modo que a seguradora no apresente prejuzos
na sua operao.
Modelo:
S K no h recuperao
S > K a seguradora recupera S K
Onde:
K - Limite de sinistralidade;
S - Varivel aleatria valor total dos sinistros em 1 ano;
- Prmio comercial da carteira em 1 ano.
Seja R a varivel aleatria que representa o volume de recuperao por este tipo
de contrato.
Dado que = P / (1 ) , sendo o carregamento para despesas, e, que o

limite de sinistralidade igual a R , logo,
Assim sendo, podemos calcular E [R ] , conforme a seguir:

Veja que possvel determinar a distribuio de R e, desta forma, calcular o

prmio de resseguro. Se utilizarmos o princpio do valor esperado, o prmio de resse-
guro ser:
E [R ] (1 + )
Podemos afirmar que este contrato uma variante do contrato de resseguro stop
loss por limite de perda, que ser visto a seguir.
Contrato de Stop Loss por Limite de Perda
Neste contrato a seguradora assume um limite anual global de reteno de sinis-

tros. Acima deste limite a resseguradora paga a diferena.
Seja I d a varivel aleatria volume de recuperaes dado um limite de reten-
o igual a d.
Logo,
0 S d
Id =
S d S >d
S S d
S Id =
d S >d
Onde S I d o volume de sinistro retido pela seguradora.

Assim sendo, o prmio de risco de resseguro ser:
a) Caso de S contnuo
Ou, ento, a partir de FS ( x )
Ou, ento,
b) Caso de S discreto
Vejamos as 4 frmulas de clculo de E [I d ] correspondentes ao caso contnuo:

E [I d ] = (x d ) f (x ) S
x = d +1
d 1
E [I d ] = E [S ] d + (d x ) f S ( x )
x =0

E [I d ] = (1 FS ( x ))
x =d
d 1
E [I d ] = E [S ] (1 FS ( x ))
x =

A partir da relao E [I d ] = (1 F (x )) podemos obter uma frmula recur-
S
siva, qual seja: x =d
E [I d +1 ] = E [I d ] (1 FS (d )) d = 0,1, 2, .
Onde, E [I ] = E [S ]
Exemplo 4: Uma sociedade seguradora paga benefcios por morte de um segura-

do no valor fixo de $100. O nmero esperado de mortes de 1 por ano. A seguradora
tem um contrato de resseguro de stop loss, no qual o nmero de mortes excedentes a
2, em 1 ano, a resseguradora paga os benefcios de morte subsequentes. Qual o pr-
mio de risco de resseguro ( P ), dado que N possui distribuio de Poisson ?
Resposta:

P = $100 (K 2 ) P (N = K )
K =3

e 1 1 K
P = $100 (K 2 )
K =3 K!
1
1
P = $100 e 1 2
K =3 (k 1)! K =3 K !
1
1
P = $100 e
1
22 + 2 2,5
K =0 K ! K =0 K !
P = $100 e 1 (e 2 2e + 5)
Exemplo 5: Sejam f S ( x ) e FS ( x ) definidos conforme a seguir. Calcule o pr-

mio de risco para um resseguro de stop loss com limite fixo de $30.
x($) f S (x ) FS ( x )
0 0.15 0,15
5 0,2 0,35
10 0,25 0,60
15 0,14 0,74
20 0,12 0,86
25 0,08 0,94
30 0,03 0,97
35 0,02 0,99
40 0,01 1,00
Resposta:
A distribuio de ser:
x($)
0 0,97
5 0,02
10 0,01
Logo,
Ou, ento,
Observe que, pelo segundo mtodo, temos que considerar FS ( x ) em todos os 11

nmeros inteiros compreendidos entre 30 e 40.
DISTRIBUIO DO SINISTRO RETIDO
Sejam:
X RET - Varivel aleatria valor de 1 sinistro retido;
FX RET ( x ) - Funo de distribuio de X RET ;
FX ( x ) - Funo de distribuio do valor de 1 sinistro bruto.
Vejamos a seguir como determinar FX RET ( x ) para diversos contratos de resse-

guro, em funo de FX ( x ) .
Contrato de Excesso de Danos
Contrato de Excesso de Danos Conjugado Com um Contrato de Quota-Parte
Seja K a quota de cesso de resseguro, ento,

Contrato de Excedente de Responsabilidade
Onde,
[
Exemplo 6: Determinar uma expresso para f X RET ( x ) e E X RET
K
]
em um con-
trato de excesso de danos.
Resposta:
Para sinistros brutos com valor at o LT, o sinistro retido ser igual ao sinistro
bruto. J para sinistros brutos superiores ao LT, o sinistro retido ser igual ao LT, de
modo que a probabilidade do sinistro retido ser igual ao LT igual probabilidade do
sinistro bruto ser superior ou igual ao LT. Desta forma, ento,
Logo,
Exemplo 7: Seja X com uma distribuio Exponencial ( ) em

uma carteira com contrato de resseguro de excesso de danos, com limite tcnico de
$100.000. Determinar:
a) A funo de densidade de X RET ;
b) A mdia e a varincia de X RET .
Resposta:
a) Funo de densidade de X RET
Dado que X possui distribuio Exponencial ( ), ento,
Desta forma, pelo exemplo anterior, temos:
Onde,
b) Mdia e varincia de X RET
Sabemos, tambm, pelo exemplo anterior, que:

Logo,
E,
A distribuio de X RET neste caso chamada de distribuio Exponencial Truncada.
EXERCCIOS
1) Calcular o total de prmio puro de resseguro anual em um contrato de excesso de

danos, dados:
O sinistro agregado do ressegurador possui distribuio Binomial Negativa

Composta ( r = 1.000 , p = 0,8 ), podendo ser aproximada por uma Normal;
Nvel de significncia de 2,5% de modo que o sinistro agregado assumido pelo
ressegurador em 1 ano no ultrapasse o total de prmio puro anual de resseguro;
LT=$15;
[ ]
E [X ] e E X 2 do ressegurador so aproximados pelos momentos amostrais do
valor observado de 1 sinistro;
Distribuio de frequncia dos valores de sinistros:
x ($) 10 20 30 40 50
P( X = x ) 0,3 0,4 0,18 0,08 0,04
2) Seja uma carteira de seguros com frequncia de sinistros ( f seg ) de 1% e o valor

de 1 sinistro bruto ( X ) com distribuio conforme o exerccio 1. Calcular a
frequncia de sinistros para o ressegurador em um contrato de excesso de danos
com LT igual a $20.
3) Seja S col com distribuio Gama ( ), onde . Mostre

que:
4) Suponha que o ressegurador assume um risco de pagar 80% dos sinistros agregados
que ultrapassam um limite d , sujeito a um limite mximo de pagamento de m .
Determine uma expresso para o prmio de risco do ressegurador em funo do
prmio de risco de um resseguro stop loss tradicional (sem limite de pagamento
e sem o fator de 80%).
5) Calcular P (S RET > PRET ) no exemplo 1, supondo que LT=$20, considerando o

resseguro.
Aplicaes Diversas
Neste captulo sero apresentados diversos instrumentos prticos de um contrato

de seguro, tais como: franquia, seguros proporcionais ou no proporcionais e reinte-
grao automtica da importncia segurada. Para cada um desses instrumentos ser
desenvolvido o processo de precificao correspondente.
Ser demonstrada, tambm, uma frmula prtica, utilizada por muito tempo
no mercado segurador brasileiro para a tarifao especial de um seguro de Vida em
Grupo.
APLICAES PRTICAS NA PRECIFICAO
Conforme j exposto em captulos anteriores, a distribuio da varivel aleatria

valor total de sinistros em 1 ano ( S col ) pode ser aproximada pela distribuio
Normal, sendo excelente essa aproximao na cauda a direita da distribuio. Esta
caracterstica muito til no processo de precificao, por ser a cauda direita da
distribuio a regio de interesse quando se precifica, e pela facilidade de se trabalhar
com a distribuio Normal.
Vejamos a seguir algumas situaes prticas de clculo do preo do seguro, apli-
cando a aproximao Normal para o sinistro agregado ( S col ), supondo que a distri-
buio do nmero de sinistros ( N ) uma Poisson ( ). Para tal, vejamos inicial-
mente como determinar os parmetros envolvidos nesse tipo de clculo, quais sejam:
[ ]
, E X K , P e PI .
163
Clculo de
O valor de segue o mesmo princpio abordado no captulo 8, ou seja, poder

ser uma observao anual do nmero de sinistros ( n ) ou, ento, poderemos traba-
lhar com o limite superior do intervalo de confiana desenvolvido no captulo 5, item
Intervalo de Confiana para E[N], qual seja,
n(n n)
= E [N ] = n+ Z1
n
Na verdade, o uso do limite superior do intervalo de confiana representa uma

segurana adicional no clculo do preo do seguro, pois as frmulas de clculo em si
j contm nveis de segurana implcitos.
Clculo de E X K [ ]
[ ]
Podemos calcular E X K de duas formas:
Quando X Possui Distribuio Paramtrica Conhecida
A Partir dos Valores Observados de X

n
Z K
[ ]
i
E XK = i =1
n
Onde Z i o valor observado do i-simo sinistro.
Clculo do Prmio Puro Total (P )
Sabemos que P deve ser determinado de modo que:
[ ] [ ]
P (S col > P ) = P = E S col + Z 1 S col
P = E [X ] + Z 1 E X 2[ ]
Aplicaes Diversas 165
Clculo do Prmio Puro Individual (PI )
Seja F a referncia de clculo.
P
Logo, PI =
F
Precificao de Seguros com Franquia
A franquia representa um instrumento muito importante no processo de pre-

cificao, pois torna o segurado mais cuidadoso na proteo do seu risco, alm de
proporcionar uma reduo significativa nos custos com a regulao de sinistros de
baixo valor. Como normalmente a distribuio do valor de 1 sinistro ( X ) possui alta
concentrao em torno dos pequenos valores, a reduo no preo do seguro pode ser
significativa com a aplicao da franquia.
Uma abordagem ampla sobre as distribuies de X aps a aplicao da franquia,
pode ser vista em (HOGG AND KLUGMAN)9.
Existem 3 tipos de franquia, quais sejam:
Franquia Proporcional
Conceito
Neste caso, o segurado participa com um percentual pr-definido ( K % ) em

todos os sinistros.
Este tipo de franquia possui o inconveniente de penalizar demais os segurados
nos sinistros de alto valor. comum utilizar este tipo de franquia com um limite
mximo de franquia em valor absoluto.
Modelo Atuarial
Sejam:
a) d - Nmero mdio de sinistros aps a aplicao da franquia;

b) X d - Varivel aleatria valor de 1 sinistro lquido da franquia;
c) Pd - Prmio de risco aps a aplicao da franquia.
Ento,
d =
X d = (1 K ) X
x
f X d (x ) = f X
1 K
E [X d ] = (1 K )E [X ]
Pd = d E [X d ] = (1 K )E [X ]
Veja que o prmio de risco aps a aplicao da franquia percentual igual ao

prmio de risco original, antes da aplicao da franquia, multiplicado por 1 K
Franquia Dedutvel
Conceito
Na franquia dedutvel, o segurado participa integralmente dos sinistros cujos va-

lores no ultrapassam o valor pr-definido da franquia dedutvel ( d ). Quando o valor
do sinistro ultrapassa esse limite, a indenizao a ser paga ao segurado representa a
diferena entre o valor do sinistro e o valor da franquia dedutvel.
Modelo Atuarial
d = P( X > d )
0 X d
Xd =
X d X >d
f X (x + d )
f X d (x ) = x0
P( X > d )
fcil provar que o prmio de risco acima inferior ao prmio de risco original,
antes da aplicao da franquia dedutvel, pois:
Franquia Simples
Conceito
Assim como na franquia dedutvel, o segurado participa integralmente dos si-

nistros cujos valores no ultrapassam o valor pr-definido da franquia simples ( d ).
Sempre que o sinistro ultrapassa esse limite, o segurado indenizado pelo valor total
do sinistro, e no pela diferena, como no caso da franquia dedutvel.
Este tipo de franquia pode incentivar a fraude por parte do segurado, nas situa-
es em que o valor do sinistro muito prximo ao limite de franquia simples, pois,
o segurado pode fraudulentamente agravar o valor do sinistro para que este ultrapasse
o limite de franquia, recebendo, assim, o valor total do sinistro.
Modelo Atuarial
d = P( X > d )
0 X d
Xd =
X X >d
0 xd

f X d (x ) = f (x )

X
x>d
P ( X > d)
fcil provar que o prmio de risco acima inferior ao prmio de risco original,
antes da aplicao da franquia simples, pois:
Exemplo 1: Calcular a taxa pura individual anual em uma carteira de seguros

com as seguintes caractersticas:
distribuio Normal;
em 1 ano;
Total de importncia segurada exposta ao risco em 1 ano de $1.500.000;
Franquia simples de $200;
Nvel de significncia ( ) para o clculo do prmio puro de 5% Z 1 = 1,645 ;
Relao de sinistros brutos em 1 ano:
Valor Sinistro ($) Frequncia Absoluta

100 500
200 350
300 250
400 150
500 100
600 80
700 10
Resposta:
A relao de sinistros em 1 ano lquidos da franquia simples de $200 ser:
Valor Sinistro Lquido ($) Frequncia Absoluta

300 250
400 150
500 100
600 80
700 10
Onde,
d = n = 590
Logo,
Exemplo 2: Refazer o exemplo anterior supondo uma franquia percentual de

20%, limitada a um mnimo de $50 e um mximo de $100, sob a forma de franquia
dedutvel.
Resposta:
A relao de sinistros em 1 ano lquidos da franquia ser:
Valor Sinistro Lquido ($) Frequncia Absoluta

50 500
150 350
240 250
320 150
400 100
500 80
600 10
Onde,
d = n = 1.440
Logo,
Cuidados na Precificao de Seguros com Franquia
Devemos tomar muito cuidado na precificao de carteiras que estiveram su-

jeitas aplicao da franquia simples ou dedutvel, principalmente quando se quer
reduzir o valor da franquia, ou, at mesmo, eliminar a franquia.
O problema surge pelo fato de que os sinistros, cujos valores so inferiores ao
valor da franquia, no so registrados pela seguradora, ficando difcil a sua estima-
tiva.
Estudos tarifrios para a elevao da franquia so facilmente realizados, bas-
tando considerar que a nova experincia de sinistros, aps a elevao da franquia,
ter os seus valores de sinistros reduzidos do valor correspondente ao acrscimo de
franquia (no caso da franquia dedutvel, por exemplo).
No caso de estudos para a reduo ou eliminao da franquia, torna-se necessrio
analisar a distribuio do valor de 1 sinistro bruto ( X ), atribuindo-lhe uma distri-
buio a priori.
Exemplo 3: Seja uma experincia de 1.000 sinistros com mdia de $2.000 , em

uma carteira que esteve sujeita aplicao de uma franquia dedutvel de $800. Cal-
cular o prmio de risco total da carteira nas seguintes situaes, supondo S col com
distribuio de Poisson Composta.
a) Manuteno da franquia em $800;

b) Eliminao da franquia;
c) Reduo da franquia para $500.
Resposta:
a) Manuteno da franquia em $800
Esta a situao mais simples, pois no h nenhuma alterao na franquia, onde,

d = 1000 E [X d ] = $2.000
[ ]
Logo, P = E S col = d E [ X d ] = 1.000 $2.000 = $2.000.000
b) Eliminao da franquia
Nesse caso, precisamos atribuir uma distribuio de probabilidade para X .
Seja, ento, X ~ Exponencial ( )
Logo,
Mas,
1 e x
= 800 + 800 e 800 + 800
0 800 e 800 + 800

1 e 800 1 e 800
= 800 + + 800 =

Como E [ X d ] = $2.000
Ento,
1 e 800 1 e 800 1
E [X d ] = = 800 = $2.000 = = 0,0005
P ( X > 800) e $2.000
1
Logo, E [ X ] = = $2.000

Veja que E [ X d ] igual a E [ X ] e no varia com o valor da franquia.
Dado que o nmero mdio de sinistros que ultrapassam a franquia de $800 ( d )

igual a 1.000, ento, o nmero mdio de sinistro na carteira ( ) ser:
d 1.000 1.000
= = 800 = 8000,0005 = 1.492
P ( X > 800) e e
Logo, o prmio de risco ser:

P = E [X ] = 1.492 $2.000 = $2.984.000
c) Reduo da franquia para $500

Neste caso, o nmero mdio de sinistros acima da franquia ( d ) ser:
d = P ( x > $500) = e 500 = 1.492 e 5000,0005 = 1.162
A mdia do valor de 1 sinistro lquido da franquia ( E [ X d ] ) ser tambm igual a

$2.000, pois E [ X d ] no varia com o valor da franquia.
Logo, o prmio de risco ser:

P = d E [X d ] = 1.162 $2.000 = $2.324.000
Precificao de Seguros a Primeiro Risco Absoluto e Clusula de Rateio
Sejam:
- Valor em risco na ocasio do sinistro;
IS - Importncia segurada;
SIN - Valor do prejuzo do segurado;
IND - Indenizao paga pela seguradora;
P - Prmio puro total da carteira;
TAXA - Taxa pura em funo da IS;

n - Nmero de expostos ao risco;
F - Referncia de clculo ;
Vejamos a seguir a conceituao de primeiro risco absoluto e clusula de rateio,

e vamos verificar a relao entre a importncia segurada e taxa nesses tipos de con-
tratos. Para tal, testaremos a relao para duas importncias seguradas: ,
onde .
Primeiro Risco Absoluto
O seguro a primeiro risco absoluto aquele em que o segurador indeniza inte-

gralmente os prejuzos sofridos pelo segurado, limitando o valor da indenizao ao
valor da importncia segurada.
Caractersticas
Comparao para e
a)
b)
HIPTESE:
Consequncias:
F2 = K F1
K P1 P2 P1 , pois, K IND1 IND2 IND1

P2 K P1 K P1
TAXA2 = = = TAXA1
F2 F2 K F1
Concluso: Quanto maior a importncia segurada, maior o prmio puro total da carteira
( P2 P1 ), sem que esse prmio puro total cresa necessariamente na mesma pro-
poro ( P2 K P1 ). Consequentemente, menor a taxa aplicvel sobre a importn-
cia segurada ( TAXA2 TAXA1 ).
Clusula de Rateio
Nos seguros com clusula de rateio, sempre que a importncia segurada infe-
rior ao valor em risco no momento em que ocorre o sinistro, o segurado considerado
como segurador de seu prprio risco. Desta forma, em caso de sinistro, o segurado
assume os prejuzos na proporo da insuficincia da importncia segurada em rela-
o ao valor em risco.
Caso a importncia segurada seja igual ou superior ao valor em risco no momen-
to em que ocorre o sinistro, o segurado indenizado em 100% do valor do sinistro.
Caractersticas
Comparao para
Hipteses:
a) A IS sempre menor ou igual a VR;
b) As aplices possuem o mesmo VR.
a)
b)
Hiptese:
Consequncias:
F2 = K F1
P2 = K P1
Pois,
Concluso:
Quanto maior a IS, maior o prmio puro total da carteira, sendo este maior na
mesma proporo do aumento da IS ( P2 = K P1 ), enquanto que no se altera a taxa
em funo da IS ( TAXA2 = TAXA1 ).
Exemplo 4: Calcular a taxa pura individual anual e o prmio puro individual

anual em uma carteira de seguros com as seguintes caractersticas:
distribuio Normal;
em 1 ano;
Nmero de expostos ao risco em 1 ano ( n ) de 1.000;
Nvel de significncia ( ) para o clculo do prmio puro de 2,5% ;
Classe Valor em Risco ($) Valor do Sinistro ($) Frequncia Absoluta

I 100 100 20
II 100 80 10
III 200 20 8
IV 300 300 5
V 500 30 15
VI 500 400 2
Considere as seguintes situaes:

a) 1 Risco absoluto para IS=$50 e IS=$100
b) Clusula de rateio para IS = $50 e IS = $100
Resposta:
Quando IS= $50

Quando IS = $100
a) 1 risco absoluto
a1) IS = $50
Neste caso, exceto nas classes III e V, onde os sinistros lquidos sero de $20 e $30,
respectivamente, nas outras classes sero de $50, logo,
Ento,
a2) IS=100
Os sinistros lquidos nas 6 classes sero, respectivamente, de: $100 - $80 - $20 - $100
- $30 - $100.
Logo,
Ento,
Veja que o aumento na IS implicou em uma reduo na taxa pura.
b) Clusula de Rateio
Os sinistros lquidos por classe sero:
CLASSE IS = $50 IS = $100
I 50/100 x $100=$50 $100

II 50/100 x $80 = $40 $80
III 50/200 x $20 = $5 100/200 x $20 = $10
IV 50/300 x $300 = $50 100/300 x $300 = $100
V 50/500 x $30 = $3 100/500 x $30 = $6
VI 50/500 x $400 = $40 100/500 x $400 = $80
b1) Clusula de rateiro com IS = $50
b2) Clusula de rateiro com IS = $100

Veja que, com o aumento da IS, a taxa pura permaneceu a mesma e, que, a taxa
pura com a clusula de rateio sensivelmente inferior quela calculada para o 1 risco
absoluto.
Precificao Para a Reintegrao Automtica da Importncia Segurada
Em alguns contratos de seguro oferecida opcionalmente uma clusula de re-

integrao automtica da I.S., de modo que, em caso de sinistro de perda parcial, a
aplice recupera a importncia segurada original sem que esta seja reduzida pelo
valor do sinistro.
Para precificar esta clusula, precisamos separar os parmetros de perda total e
perda parcial.
Sejam ento,
- Frequncia anual de sinistros de perda parcial;
- Frequncia anual de sinistros de perda total;
f - Frequncia anual de sinistros = ;
R - Prmio comercial anual da clusula de reintegrao automtica;
- Valor mdio de 1 sinistro de perda parcial;
- Carregamento de segurana;
C - Carregamento para despesas.
Logo, supondo que o sinistro de perda parcial ocorre em mdia no meio do ano, te-
mos:
Pois o sinistro mdio desta clusula ( f E [ X P ] ) representa o prmio de risco

que o segurado deveria pagar quando ocorre o sinistro (meio do ano), caso esta clu-
sula fosse facultativa. O fator 1/2 aplicado, pois, no momento do sinistro, s restam
50% do perodo de vigncia original.
Veja que, apesar da reintegrao somente ocorrer em caso de sinistros de perda
parcial, ela gera custos futuros para a seguradora tambm nos sinistros de perda total,
pois estes seriam pagos com o valor reduzido do sinistro de perda parcial, caso a re-
integrao automtica no fosse contratada. por isso que se usa f como frequncia
e no .
O valor de R pode, tambm, ser calculado da seguinte forma:
Onde, a parte do prmio comercial do seguro correspondente perda par-

cial.
O modelo acima pode ser aprimorado, se estudarmos como evolui a ocorrncia
de sinistros de perda parcial e total em 1 ano, e como os seus respectivos valores se
distribuem.
Exemplo 5: Calcular o quanto representa o custo de uma clusula de reintegra-

o automtica da importncia segurada sobre o prmio comercial de um seguro com
as seguintes caractersticas:
Freqncia de sinistros de perda parcial igual a 8,5%;

Freqncia de sinistros de perda total igual a 2,5%;
Sinistro mdio de perda parcial igual a $30;
Sinistro mdio de perda total igual a $200;
Carregamento de segurana igual a 5%;
Carregamento para despesas de 40%.
Resposta:
O prmio comercial anual do seguro pode ser calculado da seguinte forma:
Onde, representa o valor mdio de 1 sinistro de perda total.
Logo,
J o prmio comercial anual correspondente perda parcial pode ser calculado da

seguinte forma:
Assim sendo, o prmio comercial anual da clusula de reintegrao automtica de:
1 1
R = f P = (8,5% + 2,5% ) $4,4625 = $0,2454
2 2
E a proporo entre o prmio comercial anual da clusula de reintegrao automtica

e o prmio comercial do seguro igual a:
TARIFAO ESPECIAL PARA SEGUROS DE VIDA EM GRUPO
Vejamos a seguir um modelo simplificado para calcular o desconto a ser conce-

dido em uma carteira de Vida em Grupo, taxada em funo de uma taxa mdia para o
grupo, partindo-se de uma experincia de sinistralidade apurada em um determinado
perodo. Em funo de possveis sazonalidades na ocorrncia de sinistros, recomen-
da-se que o perodo de experincia seja de pelo menos 1 ano.
Neste modelo simplificado vamos utilizar a teoria do risco individual, consi-
derando que S ind pode ser aproximado por uma distribuio Normal e vamos con-
siderar somente o risco de morte, apesar de que o modelo aqui apresentado serve,
tambm, para os demais riscos existentes na carteira de Vida em Grupo.
Sejam:
a) S / P - Total de sinistros sobre total de prmio puro anual, prmio esse calculado
em funo da tbua de mortalidade escolhida para o grupo;
b) n - Nmero de segurados (principais e cnjuges) expostos ao risco;
c) q G - Taxa mdia anual , no ajustada, observada no grupo;
d) q - Taxa mdia pura anual, ajustada, projetada pela experincia do grupo;

TAB
e) q - Taxa mdia pura anual, aplicando-se a tbua de mortalidade escolhida para
o grupo.
Sabemos pela teoria do risco individual, que o valor ajustado q , de modo que a
probabilidade da frequncia efetiva de morte superar o valor ajustado q seja de ,
pode ser calculado pela seguinte frmula (vide exemplo 4 do captulo 2):
1 q
q = q 1 + Z 1
n q
Onde q representa a probabilidade mdia de morte.
No caso da tarifao especial para uma carteira de Vida em Grupo, queremos

ajustar uma nova taxa mdia partindo-se da suposio que a experincia de freqn-
cia de sinistros do grupo no perodo analisado pode ser projetada para o futuro.
Desta forma, vamos considerar o valor de q como sendo a experincia obser-
vada do grupo, ou seja, q G .
Logo,
1 qG
q = q G 1 + Z 1
n qG

Podemos considerar, porm, q G como sendo:
S TAB
qG = q
P
Ento,
S TAB 1 S / P q TAB

q = q 1 + Z 1
P n S / P q TAB

Assim sendo, o desconto ( D ) em relao a q TAB ser de:
q TAB q q
D= TAB
= 1 TAB
q q

1 + Z 1 1 S / P q
TAB
S
D = 1
P n S / P q TAB

Esta frmula nos mostra que:

n D
S/P D
q TAB D
Pode ser provado, tambm, que o desconto mximo a ser concedido por esta
frmula de 1 S / P .
Pequenos valores de n , porm, proporcionaro D < 0 , o que significa que ao
invs de desconto temos uma agravao da taxa mdia em relao a q TAB .
EXERCCIOS
1) Determinar a relao entre X d e X na situao em que existe uma franquia

proporcional de K % , limitada a um valor mnimo de c e a um valor mximo de
d , sob a forma de franquia dedutvel.
2) Calcular o desconto sobre o prmio puro proporcionado pela aplicao de

uma franquia dedutvel de $100 em uma carteira de seguros com as seguintes
caractersticas:
distribuio Normal;
em 1 ano;
Nvel de significncia ( ) para o clculo do prmio puro de 2,5%;
Valor Sinistro ($) Frequncia Absoluta

100 600
200 350
300 200
400 100
500 50
600 20
700 5
3) Calcular o prmio comercial individual anual em uma carteira de seguros com as

seguintes caractersticas:
distribuio Normal;
em 1 ano;
Seguro com clusula de rateio;
Importncia Segurada igual a $200;
Nmero de expostos ao risco em 1 ano ( n ) de 5.000;
Nvel de significncia ( ) para o clculo do prmio puro de 1%;
Classe Valor em Risco ($) Valor Do Sinistro ($) Frequncia Absoluta

I 200 200 500
II 300 100 100
III 200 40 50
IV 400 300 30
V 800 600 10
4) Calcular o prmio comercial anual de uma clusula de reintegrao automtica da

importncia segurada em um seguro em que a freqncia anual de ocorrncia de
sinistros de 2%, o prmio comercial de $2.000, e a proporo entre o montante
de sinistros de perda parcial e o montante total de sinistros de 40%.
Teoria da Credibilidade
Neste captulo ser abordado o processo de precificao a partir da chamada

Teoria da Credibilidade. Por esse processo de precificao possvel conjugar a ex-
perincia da seguradora com a experincia de riscos similares, o que torna a Teoria
da Credibilidade uma importante ferramenta para as seguradoras que possuem pouca
massa de sinistros para utilizar no processo de tarifao.
No desenvolvimento deste captulo sero apresentados os principais modelos de
precificao pela Teoria da Credibilidade, ilustrados com alguns exemplos prticos.
CONCEITO BSICO
A Teoria da Credibilidade representa uma forma sistemtica de atualizao das

tarifas dos seguros medida em que a experincia de sinistros disponibilizada.
A Teoria da Credibilidade se torna mais importante quando o volume de infor-
maes muito pequeno, conduzindo a uma instabilidade muito grande na estimativa
do preo do seguro. A soluo defendida pela Teoria da Credibilidade a utilizao
de experincia de riscos similares ou de riscos idnticos referentes a experincias de
perodos anteriores, experincias essas conjugadas com a experincia mais recente do
risco a ser precificado. possvel utilizar-se, no rol de riscos similares, a experincia
de outras seguradoras ou, ento, do mercado segurador.
185
importante que o prmio, assim obtido, seja atualizado no futuro com a ex-
perincia mais recente, conjugando-a com a experincia obtida pela Teoria da Credi-
bilidade.
Sejam:
a) PD - Prmio de risco total da experincia direta da seguradora;
b) PA - Prmio de risco total da experincia adicional a ser conjugada com a
experincia direta da seguradora;
c) PC - Prmio de risco total calculado pela Teoria da Credibilidade.
A forma de clculo do prmio de risco pela Teoria da Credibilidade a seguinte:
Onde, Z o fator de credibilidade, com valor situado entre 0 e 1, sendo este

determinado a partir das experincias direta e adicional.
O valor de Z situa-se to mais prximo de 1 quanto maior for o volume de in-
formaes da experincia direta de sinistros da seguradora. Quando Z = 0 , nenhuma
credibilidade atribuda experincia direta, e PC ser calculado tomando como
base somente a experincia adicional.
Vejamos a seguir como precificar pela Teoria da Credibilidade, considerando que

a varivel aleatria valor do sinistro agregado em 1 ano ( S col ) possui distribuio
de Poisson Composta ( , f X ( x ) ), sendo = N p , onde:
a) N - Nmero de expostos ao risco em 1 ano;

b) p - Probabilidade de ocorrncia de sinistros em 1 ano.
CREDIBILIDADE TOTAL
Vejamos a seguir como determinar o nmero mnimo de expostos ao risco, ou,

de sinistros, da experincia direta, de modo que se possa desprezar a experincia adi-
cional no processo de precificao pela Teoria da Credibilidade.
Na verdade, vamos assumir que a seguradora objetiva ter uma probabilidade
muito grande ( (1 ) % ) de que a estimativa de prmio ( PC ), usando somente a
experincia direta, vai se distanciar muito pouco ( K % ) do prmio de risco real ( P ).
Teoria da Credibilidade 187
Como S col ~ Poisson Composta ( , f X (x ) ), logo,

ES[ ] = E [X ]
col
VS [ ] = E [X ]
col 2
P = E [X ]
Assim sendo,
P ((1 K ) E [X ] < PD < (1 + K ) E [X ]) 1
K E [X ] PD E [X ] K E [X ]
P < < 1
V [P ] V [P ] V [P ]
D D D
Se a experincia direta for suficientemente grande, e supondo que a distribuio

de probabilidade da amostra igual distribuio de probabilidade da populao,
ento,
PD E [X ]
ser aproximadamente Normal ( 0 ,1 ).
V [PD ]
Ento, para determinar o nmero mnimo de sinistros ( m = N m p ) temos que ter:
K E [X ]
=Z
V [PD ]

1
2
[ ] (
Onde, V [PD ] = E X 2 = V [X ] + E [X ]
2
)
Logo,
K E [X ]
=Z
(
V [X ] + E [X ]
2
) 1

2
K 2 2 E [X ] = Z 2 V [X ] + E [X ]
2
1
( 2
)
2
Desta forma, o nmero mnimo de sinistros ( m ) que satisfaz equao acima

em ser:
2
Z
1 V [X ] + E [X ] 2
m = 2
[ ] 2
K E X

2
Z [X ] 2
1 1 +
m = 2
K E [X ]

Logo, o nmero mnimo de expostos ao risco ( N m ) ser:

2
Z [X ] 2
1 1 +
Nm p = 2
K E [X ]

2
Z [X ] 2
1 1 2 1 +
Nm =
p K E [X ]

Observe que:
K Nm
p Nm

1 Nm
2
[X ]
Nm
E [X ]
Ou seja, o nmero mnimo de expostos ao risco cresce com a reduo de K e

p , e aumenta medida em que 1 e o coeficiente de variao de X aumentam.
2
Esta anlise da credibilidade total sem dvida mais uma das maravilhas atu-
ariais.
Exemplo 1: Calcular o nmero mnimo de sinistros requerido em uma experi-

ncia direta de modo que haja uma probabilidade de 90% de que a distncia entre o
prmio de risco real, e o prmio de risco calculado utilizando 100% do prmio de
risco da experincia direta, no seja superior a 5%.
Suponha que os sinistros produzidos pela carteira ( X ) so constantes.
Resposta:
2
Z
1
X constante [X ] = 0 m = 2
K

Sendo K = 5% , logo,
Exemplo 2: A frequncia de sinistros de uma carteira de seguros de 3%, sendo

o coeficiente de variao da varivel aleatria valor de 1 sinistro igual a 15%. Qual
o tamanho mnimo do nmero de sinistros ( m ) e do nmero de expostos ao risco
( N m ), para que haja credibilidade total, com K = 0,1 e ?
Resposta:
Z
2
[X ] 2
m = 0,975 1 +
0,1 E [X ]

m = N m p , e,
CREDIBILIDADE PARCIAL
No caso da credibilidade parcial, o interesse est em determinar o valor de Z

que permite calcular o prmio de risco total de forma ponderada com a experincia
direta e a experincia adicional.
Vejamos, a seguir, alguns princpios que podem ser aplicados no clculo de Z .
Princpio da Flutuao Limitada
Uma forma de se determinar o Z a que utiliza o princpio da flutuao li-

mitada, onde o prmio de risco pela experincia adicional ( PA ) um valor fixo,
e a seguradora objetiva ter uma probabilidade muito grande ( (1 ) % ) de que a
estimativa de prmio usando a Teoria da Credibilidade ( PC ) vai se distanciar muito

pouco ( K % ) do prmio de risco real ( P ).
Como , e PA constante, ento,
Se a experincia direta for suficientemente grande, e supondo que a distribuio

de probabilidade da amostra igual distribuio de probabilidade da populao,
ento,
PD E [X ]
ser aproximadamente Normal (0,1).
V [PD ]
Logo,
K E [X ]
=Z
(
Z V [X ] + E [X ]
2
) 1

2
K E [X ]
Z=
Z
1
(
V [X ] + E [X ]
2
)
2
2

K
Z=
( E [X ]) 2

Z 1 (
V [X ] + E [X ]
2
)
2
2

K
Z=
[X ]
2
Z 1
+
1
E [X ]
2

Z=
m
Exemplo 3: Calcular o total de prmio de risco a ser cobrado no prximo ano,

na carteira do exemplo 2, caso esta contenha 10.000 aplices expostas ao risco que
geram um total de $500.000.000 de sinistros em 1 ano.
Considere que a experincia adicional conduziu a um prmio de risco individual
anual de $55.000.
Resposta:
Vimos pelo exemplo 2 que: m = 393 e .
Logo, o nmero esperado de sinistros em 1 ano ( ) ser de:
300
Logo, Z = = = 0,8737
m 393
O prmio de risco individual anual da experincia direta de:
Logo, o prmio de risco individual anual pela Teoria da Credibilidade ser:
Princpio da Credibilidade Hiperblica
A base deste princpio que a credibilidade est associada ao volume do mon-

[ ]
tante de sinistro agregado mdio ( E = E S col = E [ X ] ).
Desta forma, quanto maior o sinistro agregado mdio da experincia direta ( E ),
mais prximo Z estar de 1, sendo Z = 0 quando E = 0 .
Por este princpio, a funo Z cresce muito rapidamente para valores baixos de
E , e cresce muito pouco, na medida em que E se torna muito elevado. Com isso,
assume-se que a funo Z em relao a E pode ser expressa por uma hiprbole, da
seguinte forma:
E
Z=
E +C
Onde, C escolhido de forma subjetiva, sendo C > 0 .
A funo hiperblica de Z pode ser visualizada no Grfico 12.1, sendo que essa
curva se aproxima de Z = 1 de forma assinttica.
1
0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0
E
Grfico 12.1
Na prtica, entretanto, sabemos pelo item Credibilidade Total que, a partir

de um determinado valor de ( m ), temos a credibilidade total, ou seja, Z se
aproxima de 1. Por consequncia, Z se aproxima de 1 quando o sinistro agregado
mdio igual a m E [ X ] .
Uma modificao possvel, portanto, na funo Z , a de atribuir um ponto
S ( S = m E [X ] ) no qual a partir da Z = 1 , eliminando a caracterstica assintti-
ca da funo original. Nesta nova funo, assume-se que, a partir de um ponto
( E = Q , Z = Q / (Q + K ) ), a funo Z passa a ser uma reta at atingir Z = 1 ,
conforme visualizado no Grfico 12.2.
1
(S ,1)
Q
Q+K Q
Q ,
Q + K
0 Q S E
Grfico 12.2
fcil mostrar que esta nova funo Z pode ser expressa por:
S C
Sendo, Q =
2
Dado que C > 0 e Q > 0 , podemos afirmar que:
0 < Q S /2
0<C S
Estas expresses so importantes, pois permitem estabelecer limites para a es-

colha arbitrria de Q e C .
Comparao com o Princpio da Flutuao Limitada
Sabemos, pelo princpio da flutuao limitada, que a funo Z pode ser ex-
pressa por:

Z=
m
E [X ]
Z=
m E [X ]
E
Z=
S
Desta forma, temos uma funo Z que varia com E e S , podendo, ento, ser
comparada com a funo Z do princpio da credibilidade hiperblica, que depende
de C , E e S .
Deve-se notar que, quando C = S , ento, Q = 0 , e, pelo Grfico 12.2, Z ser
uma reta, ou seja,
E
Z=
S
Assim sendo, pode-se determinar o valor de C que torna o princpio da credibi-
lidade hiperblica prximo ao princpio da flutuao limitada.
Princpio da Credibilidade Bayesiana Emprica
Buhlmann (1967) publicou um artigo intitulado Experience Rating and Credi-

bility que deu origem ao outro ramo da credibilidade denominado teoria da credibi-
lidade europia ou teoria da credibilidade de maior exatido ou ainda teoria da credi-
bilidade bayesiana emprica. Com o surgimento dos modelos bayesianos empricos,
a estimao de Z pode ser feita usando solues estatsticas da teoria de estimao.
O modelo clssico de Buhlmann o modelo simples de credibilidade linear para

dados com o mesmo volume de risco. Este modelo recomendado no caso de uso de
valores de indenizao que no exibam tendncias.
Maiores detalhes sobre a Teoria da Credibilidade podem ser estudados em

MANO14 e (HART, BUCHANAN AND HOWE)7
EXERCCIOS
1) Calcular o nmero mnimo de sinistros requerido em uma experincia direta de

modo que haja uma probabilidade de 95% de que a distncia entre o prmio de
risco real, e o prmio de risco calculado utilizando 100% do prmio de risco da
experincia direta, no seja superior a 10%.
Suponha que o nmero de sinistros ocorre de acordo com uma distribuio de

Poisson, e que os valores dos sinistros produzidos pela carteira ( X ) possuam a
seguinte distribuio:
Valor Sinistro ($) Frequncia Relativa

1.000 0,25
1.800 0,40
2.300 0,15
2.500 0,10
3.500 0,05
5.000 0,04
10.000 0,01
2) Calcular o valor de Z no exerccio 1, utilizando o princpio da flutuao limitada,

dado que o nmero mdio de sinistros ocorridos de 500.
3) Calcule o prmio puro individual a ser cobrado no prximo ano, utilizando o

princpio da flutuao limitada, em uma carteira com as seguintes caractersticas:
O nmero de sinistros ocorre de acordo com uma distribuio de Poisson;

Os valores dos sinistros so constantes e iguais a $10.000;
A freqncia anual de sinistros de 0,001;
Nmero de sinistros ocorridos em 1 ano igual a 300:
O carregamento de segurana de 4%.
Considere que a experincia adicional conduziu a um prmio de risco individual

anual de $11, sendo e .
Bibliografia
1. BOWERS, N.; GERBER, H.U.; HICKMAN, J.C; JONES,D.A; NES-

BITT, C.J. Actuarial Mathematics. Itasca, Ilinois. The Society Of
Actuaries,1986.
2. BUHLMANN, H. Mathematic methods in risk theory. New York.
Springer-Verlag, 1970.
3. CRAMR, H. Collective risk theory: a survey of the theory from the
point of view of the theory. Menphis. Skandia Insurance Company,
1955.
4. DAYKIN,C.D; PENTIKAINEN,T; PESONEN, M. Practical Risk
Theory for Actuaries. London. Chapman & Hall, 1994.
5. FERREIRA, P.P. Uma Aplicao do Mtodo de Panjer Experincia
Brasileira de Sinistros do Ramo de Seguros de Automveis. Tese
submetida ao Instituto de Matemtica da UFRJ, Rio de Janeiro, 1996.
6. GERBER, H. U. An introduction to mathematical risk theory. Home-
work. Huebner Foundation Studies, 1979.
7. HART, D. G.; BUCHANAN, R. A.; HOWE, B. A. The actuarial prat-
ice of general Insurance-actuarial techniques for general insur-
ance. Sidney. Institute of Actuariaries of Australia, 1994, 2v.
8. HEILMANN, W-R. Fundamentals of risk theory. Memphis. VVW
Karlsrue, 1984.
9. HOGG, ROBERT V.; KLUGMAN STUART A. Loss Distributions.
New York. John Wiley & Sons, Inc, 1984.
10. HOSSAK, I. B.; POLLARD, J. H.; ZEHNWIRTH, B. Introductory
statistics with applications in general insurance. Cambridge. Cam-
bridge university Press, 1983.
197
11. KAAS, R. Bounds and approximations for some risk theeoretical

quantities. Amsterdan. Kaal Boeck, 1987.
12. LARSON, H. J. Introduction to probability theory and statistical in-
ference. New York: John Wiley & Sons, Inc, 1982
13. LEMAIRE, J. Automobile Insurance - Actuarial Models. Boston.
Kluwer - Nijhoff Publishing, 1985.
14. MANO C.M.C.A.B. Melhoria da Qualidade na Tarifao de Segu-
ros: Uso de Modelos de Credibilidade. Tese submetida a COPPE
da UFRJ, Rio de Janeiro, 1996.
15. MENDES, J. J. SOUZA. Bases Tcnicas do Seguro. Manuais Tcnicos
de Seguros. So Paulo. Editora Manuais Tcnicos de Seguros, 1977.
16. PANJER, H.H., Recursive Evaluation of a Family of Compound Dis-
tributions. Astin Bulletin, 1981
17. TEIXEIRA, C.E.S., ndices Estatstico-Atuariais para o Acompan-
hamento da Experincia em uma Carteira de Automveis. Tese
submetida ao Instituto de Matemtica da UFRJ, Rio de Janeiro, 1995.
18. TURLER, H. Aplication de la moderna teoria del riesgo a las opera-
ciones de seguro y reaseguro. Buenos Aires. Instituto Nacional de
Reaseguros, 1985.
19. WESTENBERGER, A. , TEIXEIRA, C. E. S., WESTENBERGER, R.
Indices Atuariais de Apoio Gesto para a Carteira de Seguros
de Automveis. Rio de Janeiro. Funenseg - Revista Caderno de Se-
guros no 63, agosto/setembro 1992.
20. WESTENBERGER, R. Tarifao de Seguros de Automveis. COP-
PEAD, UFRJ , Rio De Janeiro, Dezembro 1989.
Apndice 1
Exposio ao Risco
O clculo da exposio ao risco uma etapa fundamental nos processos de pre-

cificao, clculo de reservas de prmios, clculo da probabilidade de runa, etc.
O modelo de clculo da exposio ao risco que ser apresentado a seguir serve
tanto para o clculo do nmero de aplices expostas ao risco, importncia segurada
exposta ao risco ou prmio ganho.
CLCULO DA EXPOSIO INDIVIDUAL
Podemos medir a exposio individual de cada risco pela relao entre o tempo
em que o risco ficou exposto no perodo de anlise e o tempo total do perodo de
anlise. Mesmo que o risco tenha iniciado antes do perodo de anlise, ele consi-
derado no clculo da exposio individual, desde que ele tenha alguma interseo de
vigncia no perodo de anlise.
Se considerarmos 1 dia como a unidade mnima de contagem de tempo, teremos:
Exposio Individual =
Sendo:
- Nmero de dias da vigncia com interseo com o perodo de anlise;

- Nmero de dias do perodo de anlise.
Somente as aplices com pelo menos 1 dia de vigncia no perodo de anlise es-
to sujeitas ao clculo da exposio individual. Com isso, a aplice precisa ter incio
199
de vigncia ou trmino de vigncia dentro do perodo de anlise, podendo conter am-

bas as datas. A viso esquemtica, apresentada por WESTENBERGER20 no Grfico
Apndice 1.1 ajuda a ilustrar o conceito de exposio individual.
Grfico Apndice 1.1
TEIXEIRA17 ilustra o clculo da exposio individual em caso de endosso, onde,

segundo ele, importante tratar adequadamente o efeito de cada tipo de endosso so-
bre o risco em questo, conforme resumido na Tabela Apndice 1.1:
Tipo de Endosso Efeito

Incluso em aplice Incio de um novo risco
Trmino do risco anterior e incio de um
Alterao novo risco
Cancelamento de aplice Trmino do risco anterior
Trmino do risco anterior e reconsiderao
Cancelamento de endosso do risco anterior ao endosso cancelado.
Reativao da aplice Reincio da vigncia do risco cancelado
Tabela Apndice 1.1
Vejamos a seguir um exemplo de clculo da exposio individual de uma aplice

e seus respectivos endossos (vide a tabela apndice 1.2) no perodo de anlise anual
do ano t.
Apndice 1 Exposio ao Risco 201
Incio de Trmino de
Tipo de Documento Risco Vigncia Vigncia
Aplice A 01/10/t-1 30/09/t
Endosso de Alterao B 02/03/t 30/09/t
Endosso de Cancelamento da ----- 01/05/t 30/09/t
Aplice
Reativao da Aplice B 02/05/t 30/09/t
Tabela apndice 1.2
Veja que o risco A, subscrito em 1 de Outubro do ano t-1, foi substitudo pelo
risco B, sendo este cancelado em 1 de Maio do ano t, sendo reativado em 2 de Maio
do ano t, permanecendo em vigor at o trmino de vigncia da aplice em 30 de
Setembro do ano t.
Neste caso, a viso esquemtica apresentada no Grfico Apndice 1.2.
Grfico Apndice 1.2
Desta forma, para os riscos A e B, temos as seguintes exposies individuais:
a) Risco A
O risco A ficou em vigor no ano t de 01/01/t at 01/03/t, ou seja, durante 60 dias
(supondo Fevereiro com 28 dias).
Logo,
Exposio Individual =
b) Risco B
O risco B ficou em vigor no ano t de 02/03/t at 30/04/t, e de 02/05/t at 30/09/t,
ou seja, durante 60 dias no primeiro perodo mais 152 dias no segundo perodo, to-
talizando 212 dias.
Logo,
212
Exposio Individual = = 0,5808
365
ENDOSSO DE CANCELAMENTO POR SINISTRO
Conforme j abordado neste apndice, o endosso de cancelamento da aplice

interrompe a contagem da exposio em funo do risco cessar naquele momento.
No caso de cancelamento por sinistro, entretanto, deve-se estender a contagem da
exposio at o final de vigncia original da aplice.
Esse procedimento fica mais fcil de ser entendido quando se calcula a freqn-
cia anual de sinistros, onde fica claro que a aplice sinistrada deve ter sua exposio
considerada como 1, pois, caso contrrio, tomaramos somente uma proporo do
risco, deturpando, assim, o conceito de freqncia de sinistros.
CLCULO SIMPLIFICADO DA EXPOSIO AGREGADA
A exposio agregada de um risco definida como a soma de todas as exposies

individuais.
Conforme abordado neste apndice, o clculo da exposio individual deve ser
elaborado considerando-se todas as possveis alteraes na aplice, o que requer o
uso de dados individualizados para o clculo da exposio agregada.
Uma forma mais simples de calcular a exposio agregada parte do nmero
de aplices em vigor ( Ri ) para um determinado risco, para cada dia do perodo de
anlise ( n ), sendo , ento, a exposio agregada igual a mdia do nmero de aplices
em vigor no perodo n , ou seja,
n
R i
Exposio Agregada = i =1
n
Esta forma de clculo vale tambm para o clculo de importncias seguradas
expostas, prmios ganhos, etc.
Alm de simples, esta forma de clculo exata, pois, todas as alteraes nas
aplices so automaticamente includas na movimentao do saldo de riscos em vi-
Apndice 1 Exposio ao Risco 203
gor em cada dia ( Ri ). Deve-se tomar cuidado, entretanto, para considerar as aplices
sinistradas como se estivessem em vigor at o final de vigncia originalmente con-
tratado.
Na prtica comum se calcular a mdia do saldo mensal dos riscos em vigor,
como conseqncia da maioria dos relatrios gerenciais das seguradoras serem emiti-
dos mensalmente. Nesse caso, entretanto, no se tem o mesmo grau de preciso, pois,
perde-se a informao das movimentaes de risco ocorridas dentro de cada ms.
Apndice 2
Tabela Distribuio Normal
Padronizada Acumulada
z 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,0 0,5000 0,5040 0,5080 0,5120 0,5160 0,5199 0,5239 0,5279 0,5319 0,5359
0,1 0,5398 0,5438 0,5478 0,5517 0,5557 0,5596 0,5636 0,5675 0,5714 0,5753
0,2 0,5793 0,5832 0,5871 0,5910 0,5948 0,5987 0,6026 0,6064 0,6103 0,6141
0,3 0,6179 0,6217 0,6255 0,6293 0,6331 0,6368 0,6406 0,6443 0,6480 0,6517
0,4 0,6554 0,6591 0,6628 0,6664 0,6700 0,6736 0,6772 0,6808 0,6844 0,6879
0,5 0,6915 0,6950 0,6985 0,7019 0,7054 0,7088 0,7123 0,7157 0,7190 0,7224
0,6 0,7257 0,7291 0,7324 0,7357 0,7389 0,7422 0,7454 0,7486 0,7517 0,7549
0,7 0,7580 0,7611 0,7642 0,7673 0,7704 0,7734 0,7764 0,7794 0,7823 0,7852
0,8 0,7881 0,7910 0,7939 0,7967 0,7995 0,8023 0,8051 0,8078 0,8106 0,8133
0,9 0,8159 0,8186 0,8212 0,8238 0,8264 0,8289 0,8315 0,8340 0,8365 0,8389
1,0 0,8413 0,8438 0,8461 0,8485 0,8508 0,8531 0,8554 0,8577 0,8599 0,8621
1,1 0,8643 0,8665 0,8686 0,8708 0,8729 0,8749 0,8770 0,8790 0,8810 0,8830
1,2 0,8849 0,8869 0,8888 0,8907 0,8925 0,8944 0,8962 0,8980 0,8997 0,9015
1,3 0,9032 0,9049 0,9066 0,9082 0,9099 0,9115 0,9131 0,9147 0,9162 0,9177
1,4 0,9192 0,9207 0,9222 0,9236 0,9251 0,9265 0,9279 0,9292 0,9306 0,9319
205
z 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
1,5 0,9332 0,9345 0,9357 0,9370 0,9382 0,9394 0,9406 0,9418 0,9429 0,9441
1,6 0,9452 0,9463 0,9474 0,9484 0,9495 0,9505 0,9515 0,9525 0,9535 0,9545
1,7 0,9554 0,9564 0,9573 0,9582 0,9591 0,9599 0,9608 0,9616 0,9625 0,9633
1,8 0,9641 0,9649 0,9656 0,9664 0,9671 0,9678 0,9686 0,9693 0,9699 0,9706
1,9 0,9713 0,9719 0,9726 0,9732 0,9738 0,9744 0,9750 0,9756 0,9761 0,9767
2,0 0,9772 0,9778 0,9783 0,9788 0,9793 0,9798 0,9803 0,9808 0,9812 0,9817
2,1 0,9821 0,9826 0,9830 0,9834 0,9838 0,9842 0,9846 0,9850 0,9854 0,9857
2,2 0,9861 0,9864 0,9868 0,9871 0,9875 0,9878 0,9881 0,9884 0,9887 0,9890
2,3 0,9893 0,9896 0,9898 0,9901 0,9904 0,9906 0,9909 0,9911 0,9913 0,9916
2,4 0,9918 0,9920 0,9922 0,9925 0,9927 0,9929 0,9931 0,9932 0,9934 0,9936
2,5 0,9938 0,9940 0,9941 0,9943 0,9945 0,9946 0,9948 0,9949 0,9951 0,9952
2,6 0,9953 0,9955 0,9956 0,9957 0,9959 0,9960 0,9961 0,9962 0,9963 0,9964
2,7 0,9965 0,9966 0,9967 0,9968 0,9969 0,9970 0,9971 0,9972 0,9973 0,9974
2,8 0,9974 0,9975 0,9976 0,9977 0,9977 0,9978 0,9979 0,9979 0,9980 0,9981
2,9 0,9981 0,9982 0,9982 0,9983 0,9984 0,9984 0,9985 0,9985 0,9986 0,9986
3,0 0,9987 0,9987 0,9987 0,9988 0,9988 0,9989 0,9989 0,9989 0,9990 0,9990
3,1 0,9990 0,9991 0,9991 0,9991 0,9992 0,9992 0,9992 0,9992 0,9993 0,9993
3,2 0,9993 0,9993 0,9994 0,9994 0,9994 0,9994 0,9994 0,9995 0,9995 0,9995
3,3 0,9995 0,9995 0,9995 0,9996 0,9996 0,9996 0,9996 0,9996 0,9996 0,9997
3,4 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9998
Principais valores:
z 1,282 1,645 1,960 2,326 2,576 3,090 3,291 3,891 4,417
P (Z z ) 0,90 0,95 0,975 0,99 0,995 0,999 0,9995 0,99995 0,999995

Respostas dos Exercos
Captulo 1
1) a) 61,90% b) 95,24%
2) $18.670,44
3) $5,556
4) $2,935
5) a) $22,7 b) $8,5 c)$20
6) a) $1 b) $1
Captulo 2
1) a) P ( X i = 0) = 0,9965 P ( X i = $1.000) = 0,001

P ( X i = $2.000) = 0,002 P ( X i = $5.000) = 0,0005
b) 1.952,5%
2) 164,5%
3) a) V [X i ] = $9.900 b)
4)
5) 0,4%
6) a) 2 b) 1,98 c) $49.773,84 d) $248,87 e) 1,345% f) 169%
207
Captulo 3
1) a) 1,5 b) 2,7
2) e 2 ; 0,2 e 2 ; 0,42 e 2 ; 0,68133 e 2 ; 1,00807 e 2
3) 56,7%
5) ( p M X (t ) + 1 p ) n
6) a) $0,12 b) $0,52 c) $0,4896
Captulo 4
1) 0,000822
2) $503,41
3) = 2,037
4) a) $50 b) $37,5
Captulo 5
1) Poisson com parmetro
2) 6,76%
3) 4,16%
Captulo 6
2) Distribuio de Poisson Composta com =8 e ;

; P ( X = 3) = 0,425 ; P ( X = 4 ) = 0,375 .
4) = e x0 =
Respostas dos Exercos 209
5) 21,5%
6) 11,9%
Captulo 7
1) 68,22%
2) 66,44%
p p
3) a = b = (N + 1)
1 p 1 p
Captulo 8
1) $9.826
2) 3.666 ou 1.745.954
3) 8,74%
4) -$6.698
rq rq
5) = K Z 1
p2 p

Captulo 9
1) $1.785.819
2) 92,6%
3) 0,37%
4) $1.287
5) 35,7%
Captulo 10
1) $3.379,95
2) 0,3%
m
4) 0,8E [I d ] 0,8E [I l ] l=d+
0,8
5) 67,9%
Captulo 11
1) X d = 0 para ; X d = (1 K ) X para ;
X d = X d para ;
2) 47,97%
3) $41,82
4) $8
Captulo 12
1) 515
2) 0,9855
3) $10,98

Idioma

Bem-vindo(a) ao Scribd!

Livro Modelos de Precificação e Ruina

Enviado por

Dados do documento

Descrição:

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Descrição:

Direitos autorais:

Formatos disponíveis

Livro Modelos de Precificação e Ruina

Enviado por

Descrição:

Direitos autorais:

Formatos disponíveis

Títulos relacionados

Modelos de Precificao

e Runa para Seguros

Impresso no Brasil/Printed in Brazil

F443m Ferreira, Paulo Pereira

1. Teoria do risco. 2. Tarifao (Seguro). 3. Aturia. 4. Precificao.

05-0498 CDU 368.01

2 Modelo do Risco Individual Anual, 19

7 Pela Funo Geratriz de Momentos ..................................................... 22

Interpretao Tradicional ............................................................. 68

6 Distribuies para o Sinistro Agregado, 73

7 Frmula Recursiva de Panjer, 95

8 Processo de Runa Perodo Finito, 103

Carregamento de Segurana no Positivo ...................................... 112

9 Processo de Runa Perodo Infinito, 127

10 Aplicaes em Resseguro, 143

11 Aplicaes Diversas, 163

Quando X Possui Distribuio Paramtrica Conhecida ............. 164

12 Teoria da Credibilidade, 185

Apndice 2 Tabela Distribuio Normal Padronizada Acumulada, 205

Parafraseando o autor desta obra, saudaes atuariais!

Rio 12 de Abril de 2010

O captulo 1 trata do processo de tarifao, apresentando os tipos de prmios e mtodos de

Os captulos 2 e 3 abordam os modelos do risco individual e coletivo, respectivamente. Pelo mo-

Nos captulos 4 e 5 so apresentadas as principais distribuies de probabilidades para as

Devido complexidade na obteno da distribuio de probabilidade do valor total de sinis-

Os captulos 8 e 9 tratam do processo de runa em um perodo finito e infinito, respectivamen-

O captulo 10 mostra algumas aplicaes da Teoria do Risco na rea de resseguro, apresentan-

No captulo 11 so apresentadas diversas aplicaes prticas no processo de precificao,

O clculo da exposio individual uma das fases essenciais no processo de tarifao, no

A distribuio de probabilidade da varivel aleatria valor total dos sinistros em 1 ano

Gostaria, tambm, de agradecer aos professores do Instituto de Matemtica da Universidade

Diversos so os conceitos e metodologias envolvidos no clculo do preo pago

Os conceitos desenvolvidos neste captulo podem ser classificados como bsicos

No processo de precificao do custo de um seguro existem 3 tipos de prmios:

O prmio de risco cobre o risco mdio ( E [S ] ).

Onde, S representa a varivel aleatria valor total das indenizaes ocorridas

O prmio puro igual ao prmio de risco mais um carregamento de segurana

O carregamento de segurana serve como uma margem de segurana para cobrir

O prmio comercial (p) corresponde ao prmio puro acrescido do carregamento

Alguns autores introduzem um quarto tipo de prmio, chamado de prmio bruto,

Exemplo 1: Uma carteira de seguros foi precificada considerando-se 10% de

Sobre o prmio comercial

Sobre o prmio puro

Aps calcularmos o prmio comercial ( ) suficiente para cobrir todos os sinis-

onde F o total de exposio ao risco.

Quando consideramos F como sendo o nmero de riscos expostos, i repre-

Um estudo detalhado de como calcular a exposio ao risco pode ser visto em

Exemplo 2: Calcular o prmio de risco individual anual, taxa de risco anual,

a) Valor esperado do montante de sinistros produzidos na carteira no ano civil t

Vamos calcular inicialmente o nmero de riscos expostos e o total de IS expostas:

As 1000 aplices com vigncia anual, iniciando-se a vigncia em 1 de outubro

Logo, o nmero de riscos expostos no ano t ser de:

916,67 $50.000 = $45.833.333,34

Prmio de risco individual anual

Taxa de risco anual

Prmio puro individual anual

Taxa pura anual

Prmio comercial individual anual