Livro Modelos de Precificação e Ruina PDF

Modelos de Precificação
e Ruína para Seguros

de Curto Prazo
Paulo Pereira Ferreira
Modelos de Precificação
e Ruína para Seguros
de Curto Prazo
1ª Edição - 2002
2ª Reimpressão - 2010
Rio de Janeiro
2010
1ª edição: outubro 2002
2ª reimpressão - Junho 2010
Escola Nacional de Seguros – Funenseg
Rua Senador Dantas, 74 – Térreo, 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 poderá ser reproduzida ou transmitida, sejam quais forem os meios
empregados: eletrônicos, mecânicos, fotográficos, gravação ou quaisquer outros, sem autor-
ização por escrito da Escola Nacional de Seguros – Funenseg.
Coordenação Editorial
Diretoria de Pesquisa e Desenvolvimento/Núcleo de Publicações
e-mail: publicacao@funenseg.org.br
Capa
Larissa Medeiros
Diagramação
Info Action Editoração Eletrônica Ltda. – Me
Revisão
Maria Helena de Lima Hatschbach
Thais Chaves Ferraz
Virginia L. P. de S. Thomé
Bibliotecária Responsável pela elaboração da ficha catalográfica
F443m Ferreira, Paulo Pereira

Modelos de precificação e ruína 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. Tarifação (Seguro). 3. Atuária. 4. Precificação.

5. Distribuições de sinistros. 6. Processo de ruína. 7. Teoria da credibilidade.
I. Título.
05-0498 CDU 368.01

Sumário
Prefácio, xi
Apresentação, xiii
1 Tarifação, 1
TIPOS DE PRÊMIOS.................................................................................................. 1
Prêmio de Risco ........................................................................................ 1
Prêmio Puro .............................................................................................. 2
Prêmio Comercial ..................................................................................... 2
PRÊMIO INDIVIDUAL................................................................................................ 3
MÉTODOS DE TARIFAÇÃO ........................................................................................ 5
Julgamento ou subjetivo .......................................................................... 6
Sinistralidade ............................................................................................ 6
Prêmio Puro .............................................................................................. 6
Tábua de mortalidade .............................................................................. 6
PRINCÍPIOS DE CÁLCULO DE PRÊMIOS ..................................................................... 7
Princípio da Equivalência ........................................................................ 7
Princípio do Valor Esperado.................................................................... 8
Princípio da Variância .............................................................................. 8
Princípio do Desvio Padrão ..................................................................... 8
Princípio da Utilidade Zero ..................................................................... 9
Princípio Exponencial ............................................................................ 14
Princípio do Percentil ............................................................................. 14
PROPRIEDADES DESEJÁVEIS DE UM PRINCÍPIO DE CÁLCULO DE PRÊMIOS ............... 14
Carregamento de segurança não negativo ........................................... 14
Perda Máxima ......................................................................................... 14
Consistência............................................................................................. 15
Aditividade ............................................................................................. 15
Interatividade .......................................................................................... 15
EXERCÍCIOS .......................................................................................................... 16
2 Modelo do Risco Individual Anual, 19

O MODELO DO RISCO INDIVIDUAL ANUAL ............................................................ 19
CÁLCULO DA FUNÇÃO DE DISTRIBUIÇÃO DE Xi ..................................................... 20
EXEMPLO DE UTILIZAÇÃO DO MODELO ................................................................. 21
DISTRIBUIÇÃO DE Sind .......................................................................................... 21
Por Convolução a Partir da Distribuição de Xi ................................... 21
v
vi • Modelos de Precificação e Ruína para Seguros de Curto Prazo
7 Pela Função Geratriz de Momentos ..................................................... 22

8 CÁLCULO DE E [Sind] e V [Sind] ............................................................................. 22
8 CASO EM QUE Bi É FIXADO PARA CADA APÓLICE ................................................... 23
4 APROXIMAÇÃO NORMAL ....................................................................................... 25
EXERCÍCIOS .......................................................................................................... 29
5
5
5 3 Modelo do Risco Coletivo Anual, 33
O MODELO DO RISCO COLETIVO ANUAL .............................................................. 33
DISTRIBUIÇÃO DE Scol ............................................................................................ 34
Por Convolução, a Partir das Distribuições de X e N .......................... 34
Cálculo de p*n (x) e P*n (x) ................................................................ 35
1 X Discreto ................................................................................... 35
2 X Contínuo .................................................................................. 36
2 Pela Função Geratriz de Momentos .................................................... 40
2 CÁLCULO DE E [SCOL] E V [Scol] ............................................................................. 41
3 Cálculo de E [Scol] ................................................................................... 41
3 Cálculo de V [Scol] ................................................................................... 41
4 EXERCÍCIOS .......................................................................................................... 44
5
7
4 Distribuição da Variável Aleatória
“Valor de 1 Sinistro”, 47
5 MÉTODOS DE OBTENÇÃO DA DISTRIBUIÇÃO DO VALOR DE 1 SINISTRO .................. 47
Paramétrico ............................................................................................. 48
7 Não Paramétrico ..................................................................................... 48
1 DISTRIBUIÇÃO DO VALOR DE 1 SINISTRO COM LIMITE DE INDENIZAÇÃO ................ 48
2 AJUSTAMENTO DE DISTRIBUIÇÕES PARAMÉTRICAS ................................................. 49
3 1o Etapa: Determinação dos Parâmetros .............................................. 49
2o Etapa: Teste de Aderência ................................................................. 49
PRINCIPAIS DISTRIBUIÇÕES PARAMÉTRICAS ........................................................... 49
Log Normal ............................................................................................. 50
Utilização Prática ............................................................................... 51
9 Pareto ....................................................................................................... 51
9
0 Utilização Prática ............................................................................... 52
3 Gama ........................................................................................................ 52
6 Utilização Prática ............................................................................... 54
7 EXERCÍCIOS .......................................................................................................... 57
7
8
8 5 Distribuições para o Número de Sinistros, 59
3 DISTRIBUIÇÕES PARA O NÚMERO DE SINISTROS NO MODELO INDIVIDUAL ............... 59
6 Intervalo de Confiança para E[N] ......................................................... 61
DISTRIBUIÇÕES PARA O NÚMERO DE SINISTROS NO MODELO COLETIVO................. 65
Distribuição de Poisson para N ............................................................. 66
Propriedades da Poisson .................................................................... 66
Distribuição Binomial Negativa para N .............................................. 67
Propriedades da Binomial Negativa .................................................. 67
Interpretações para a Binomial Negativa ......................................... 68
Sumário • vii
Interpretação Tradicional ............................................................. 68

Interpretação de Polya .................................................................. 68
EXERCÍCIOS .......................................................................................................... 71
6 Distribuições para o Sinistro Agregado, 73

DISTRIBUIÇÃO DE POISSON COMPOSTA PARA SCOL .................................................. 73
Função Geratriz de Momentos da Poisson Composta ........................ 73
Momentos da Poisson Composta ........................................................... 74
Propriedades da Poisson Composta ..................................................... 77
Teorema 1 ........................................................................................... 77
Teorema 2 ........................................................................................... 78
DISTRIBUIÇÃO BINOMIAL NEGATIVA COMPOSTA PARA SCOL ..................................... 80
Função Geratriz de Momentos da Binomial Negativa Composta...... 81
Momentos da Binomial Negativa Composta ........................................ 81
APROXIMAÇÕES PARA SCOL ..................................................................................... 82
Aproximação Normal para Scol ............................................................. 82
Aproximação Normal quando Scol ~ Poisson Composta (λ, P(x)) ... 83
Aproximação Normal quando Scol ~ Binomial Negativa
Composta (r, p, P(x)) .......................................................................... 86
Aproximação Gama para Scol................................................................ 87
Aproximação Gama quando Scol ~ Poisson Composta (λ, P(x))....... 88
Aproximação Gama quando Scol ~ Binomial
Negativa Composta (r, p, P(x)) ......................................................... 89
Outras Aproximações para Scol ............................................................. 90
EXERCÍCIOS .......................................................................................................... 92
7 Fórmula Recursiva de Panjer, 95

A FÓRMULA RECURSIVA DE PANJER ...................................................................... 95
Poisson ( λ ) ............................................................................................. 96
Geométrica ( p ) ...................................................................................... 96
Binomial Negativa ( r, p ) ...................................................................... 96
DEMONSTRAÇÃO DA FÓRMULA RECURSIVA DE PANJER ........................................... 96
CONSIDERAÇÕES PRÁTICAS ................................................................................... 99
X Discreto ............................................................................................... 99
X Contínuo ............................................................................................. 99
EXERCÍCIOS ........................................................................................................ 101
8 Processo de Ruína – Período Finito, 103

O PROCESSO DE RUÍNA ....................................................................................... 103
PROBABILIDADE DE RUÍNA .................................................................................. 106
Probabilidade Anual de Ruína ............................................................ 106
MODELO PRÁTICO DE RUÍNA .............................................................................. 107
Cálculo da Probabilidade de Ruína em 1 ano ( δ ) ............................ 108
Cálculo da Reserva de Risco ( μ ) ....................................................... 108
Cálculo do Limite Técnico ( LT ) ........................................................ 110
Relação entre μ , δ e LT .................................................................... 111
viii • Modelos de Precificação e Ruína para Seguros de Curto Prazo
Carregamento de Segurança não Positivo ...................................... 112

Carregamento de Segurança Positivo ............................................. 112
Cálculo de λ , E X RET [ K
]
e PRET ........................................................ 117
Cálculo de λ .................................................................................. 117
Cálculo de E X RET [K
]
....................................................................... 118
Quando X RET Possui Distribuição Paramétrica Conhecida ..... 118
A Partir dos Valores Observados de X RET .............................. 118
Cálculo de PRET .............................................................................. 118
EXERCÍCIOS ........................................................................................................ 124
9 Processo de Ruína – Período Infinito, 127

O PROCESSO DE RUÍNA EM UM PERÍODO INFINITO .............................................. 127
PROCESSO DE POISSON COMPOSTO S (t ) ............................................................ 128
CÁLCULO DE ϕ (μ ) NO CASO POISSON COMPOSTO ........................................... 129
Conclusões sobre ϕ (μ ) ....................................................................... 131
DISTRIBUIÇÃO DO 1º EXCEDENTE ABAIXO DE μ ................................................. 133
PERDA MÁXIMA AGREGADA................................................................................ 134
Fórmula Aproximada Para ϕ (μ ) ..................................................... 135
FÓRMULA APROXIMADA DE SOUZA MENDES PARA O CÁLCULO DO LT ................. 137
EXERCÍCIOS ........................................................................................................ 140
10 Aplicações em Resseguro, 143

CONTRATOS DE RESSEGURO ................................................................................ 143
Classificação dos Contratos de Resseguro .......................................... 143
Contratos Proporcionais .................................................................. 144
Contrato de Quota-Parte ............................................................. 144
Contrato de Excedente de Responsabilidade ou Surplus ........... 144
Contratos Não Proporcionais .......................................................... 148
Contrato Excesso de Danos ou Excess of Loss ........................... 148
Contrato de Catástrofe ................................................................ 151
Contrato de Stop Loss ................................................................. 152
Contrato de Stop Loss por Limite de Sinistralidade ............ 152
Contrato de Stop Loss por Limite de Perda ......................... 153
DISTRIBUIÇÃO 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
EXERCÍCIOS ........................................................................................................ 160
11 Aplicações Diversas, 163

APLICAÇÕES PRÁTICAS NA PRECIFICAÇÃO ........................................................... 163
Cálculo de λ ........................................................................................ 164
Cálculo de [ ]
E X K ............................................................................... 164
Sumário • ix
Quando X Possui Distribuição Paramétrica Conhecida ............. 164

A Partir dos Valores Observados de X ......................................... 164
Cálculo do Prêmio Puro Total (P ) ..................................................... 164
Cálculo do Prêmio Puro Individual (PI ) .......................................... 165
Precificação de Seguros com Franquia ............................................... 165
Franquia Proporcional .................................................................... 165
Conceito ...................................................................................... 165
Modelo Atuarial .......................................................................... 165
Franquia Dedutível .......................................................................... 166
Conceito ...................................................................................... 166
Modelo Atuarial .......................................................................... 166
Franquia Simples ............................................................................. 167
Conceito ...................................................................................... 167
Modelo Atuarial .......................................................................... 167
Cuidados na Precificação de Seguros com Franquia..................... 170
Precificação de Seguros a Primeiro Risco Absoluto
e Cláusula de Rateio ............................................................................. 172
Primeiro Risco Absoluto ................................................................. 173
Características............................................................................. 173
Comparação para IS1 e IS2 ........................................................... 173
Cláusula de Rateio ........................................................................... 174
Características............................................................................. 174
Comparação para IS1 e IS2 ........................................................... 174
Precificação Para a Reintegração Automática
da Importância Segurada .................................................................... 178
TARIFAÇÃO ESPECIAL PARA SEGUROS DE VIDA EM GRUPO .................................. 180
EXERCÍCIOS ........................................................................................................ 182
12 Teoria da Credibilidade, 185

CONCEITO BÁSICO .............................................................................................. 185
CREDIBILIDADE TOTAL ....................................................................................... 186
CREDIBILIDADE PARCIAL .................................................................................... 189
Princípio da Flutuação Limitada ........................................................ 189
Princípio da Credibilidade Hiperbólica ............................................. 191
Comparação com o Princípio da Flutuação Limitada ...................... 193
Princípio da Credibilidade Bayesiana Empírica ............................... 194
EXERCÍCIOS ........................................................................................................ 194
Bibliografia, 197
Apêndice 1 – Exposição ao Risco, 199
CÁLCULO DA EXPOSIÇÃO INDIVIDUAL ................................................................. 199
ENDOSSO DE CANCELAMENTO POR SINISTRO ....................................................... 202
CÁLCULO SIMPLIFICADO DA EXPOSIÇÃO AGREGADA............................................ 202
Apêndice 2 – Tabela Distribuição Normal Padronizada Acumulada, 205

Respostas dos Exercíos, 207
Prefácio
Aceitei com muita satisfação o convite de preparar o prefácio para esta segunda reimpressão
do livro “Modelos de Precificação e Ruína para Seguros de Curto Prazo”, de autoria do Paulo
Pereira Ferreira.
Acredito que um livro de Ciências Atuariais, especificamente de Teoria do Risco, que já ca-
minha para a segunda reimpressão, após somente oito anos de sua primeira publicação, pode
dispensar qualquer apresentação; o livro já fala por si mesmo e pelo seu autor.
Desde o seu lançamento, este livro tem sido utilizado em cursos regulares de graduação em
Atuária, assim como em cursos de Pós-graduação e MBA de Seguros e Atuária. Hoje, esta
obra já está consagrada como biografia indispensável nos cursos de Atuária de nosso país.
Paulo conseguiu aliar ao rigor técnico uma grande quantidade de exemplos apresentados de
forma simples e sempre procurando associar a teoria atuarial com a prática do dia a dia. Em
um mercado como o nosso, com pouquíssima literatura atuarial em português, este livro tem
sido muito bem recebido.
Possuidor de uma inteligência brilhante, um enorme conhecimento técnico e uma grande sim-
plicidade, Paulo é reconhecidamente um dos profissionais mais destacados do mercado. Alia-
do a estes dons, seu amor pelo Magistério e pela Atuária completam seu brilhante currículo.
O entusiasmo com a publicação e sucesso desta obra levou-o a novas publicações no campo
atuarial. Na nova obra publicada pela Funenseg em 2009, tive a honra de ser co-autora do
livro “Aspectos Atuariais e Contábeis das Provisões Técnicas”, que esperamos caminhe na
mesma trilha de sucesso deste livro de Teoria do Risco.
Espero que sua veia literária não pare por aqui e que o Paulo continue proporcionando à co-
munidade atuarial os frutos de seu trabalho como Professor Universitário aliado à prática de
sua experiência como Consultor Atuarial por tantos anos.
Parafraseando o autor desta obra, saudações atuariais!
Rio 12 de Abril de 2010
Cristina Mano
Sócia Consultora da Towers Watson
xi
Apresentação
Este livro é o resultado de 30 anos de vida profissional, sendo 29 deles dedicados ao magisté-
rio como professor do curso de ciências atuariais da Universidade Federal do Rio de Janeiro,
tempo no qual tive um envolvimento constante e crescente com as ciências atuariais. Nesses
30 anos, diversos foram os momentos de descobertas, as quais, de tão 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 motivação para realizar este livro foi a elaboração da primeira literatura em língua
portuguesa sobre a Teoria do Risco, área das ciências atuariais já bastante explorada em outras
línguas, e que trata de modelos de precificação e ruína para seguros de curto prazo.
Como motivação adicional, pretendi apresentar uma literatura que mesclasse o enfoque aca-
dêmico com o enfoque profissional. Por este motivo, diversos exemplos práticos são apresen-
tados neste livro, o que permite que outros profissionais, além dos atuários, possam, também,
desfrutar das maravilhas atuariais.
O capítulo 1 trata do processo de tarifação, apresentando os tipos de prêmios e métodos de

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

delo do risco individual, precisamos conhecer a probabilidade de ocorrência de sinistro e de dis-
tribuição 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 variáveis aletórias “número de
sinistros” e “valor de 1 sinistro” para a carteira de seguros como um todo. Pela sua simplicidade
, o modelo coletivo predomina em relação ao modelo individual, na utilização prática, o que faz
algumas pessoas confundirem a Teoria do Risco com sendo a Teoria do Risco Coletivo.
Nos capítulos 4 e 5 são apresentadas as principais distribuições de probabilidades para as

variáveis aleatórias “valor de 1 sinistro” e “número de sinistros ocorridos em 1 ano” , res-
pectivamente, Estas distribuições de probabilidades servem de base para a determinação da
distribuição de probabilidade do valor total de sinistros em 1 ano em uma carteira de seguros,
a qual é abordada no capítulo 6.
Devido à complexidade na obtenção da distribuição de probabilidade do valor total de sinis-

tros em 1 ano, Panjer desenvolveu uma fórmula simples e recursiva para a obtenção da sua
distribuição exata. A demonstração da fórmula recursiva de Panjer e a sua aplicação prática
são apresentadas no capítulo 7.
Os capítulos 8 e 9 tratam do processo de ruína em um período finito e infinito, respectivamen-

te, apresentando o cálculo da probabilidade de ruína, do limite técnico e da reserva de risco.
xiii
xii • Modelos de Precificação e Ruína para Seguros de Curto Prazo
O capítulo 10 mostra algumas aplicações da Teoria do Risco na área de resseguro, apresentan-

do os principais contratos de resseguro, com as suas distribuições do valor de 1 sinistro retido.
No capítulo 11 são apresentadas diversas aplicações práticas no processo de precificação,

tendo destaque especial as aplicações nos seguros com franquia.
Uma das ferramentas mais modernas no processo de tarifação, chamada de Teoria da Credi-
bilidade, é abordada no capítulo 12, sendo apresentada tanto a credibilidade total, quanto a
credibilidade parcial.
O cálculo da exposição individual é uma das fases essenciais no processo de tarifação, não
sendo, porem, abordado com profundidade na maioria dos livros de atuaria. O apêndice 1
procura preencher esta lacuna.
A distribuição de probabilidade da variável aleatória “valor total dos sinistros em 1 ano”

costuma se aproximar muito bem da distribuição Normal, apresentando excelentes resultados
nas faixas de probabilidade de maior interesse nos processos de tarifação ou de ruína. Devido
à sua importância prática, no apêndice 2 são indicados os valores da distribuição 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 não é considerada nos processos de precificação e ruína.
Aqueles que nunca produziram um livro não podem imaginar o quanto de esforço próprio
e de terceiros é necessário para concluí-lo. Por outro lado, todo esse esforço é plenamente
recompensado a cada etapa do livro que se supera, até chegar à realização máxima com a sua
conclusão.
Agradeço a todos aqueles que direta ou indiretamente contribuíram para esta realização. Em
especial sou grato a todos os companheiros da Tillinghast, que muito me ajudaram sob o pon-
to de vista acadêmico e operacional. Dentre esses companheiros, destaco o Carlos Eduardo
Teixeira, a Cristina Mano e o Roberto Westenberger pelas suas contribuições acadêmicas, e a
Claudia Gonçalves pela sua dedicação na montagem deste livro.
Gostaria, também, de agradecer aos professores do Instituto de Matemática da Universidade

Federal do Rio de Janeiro, que me ensinaram a ter respeito e amor pela vida acadêmica. Um
agradecimento especial à Cristina Mano e Alexandre Goretkin pela revisão cuidadosa e entu-
siasmada deste livro.
Agradeço à minha esposa Rosana, à minha mãe Alice e ao meu irmão Mário, pela compreen-
são da importância que a realização deste livro teve para mim, dando todo o incentivo para a
sua conclusão, mesmo com o detrimento de um tempo maior de convivência familiar.
Por último, 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 acadê-
mica, tendo servido como um modelo de humildade, simplicidade, honestidade, humanidade
e postura ética.
Saudações Atuariais.
Tarifação
Diversos são os conceitos e metodologias envolvidos no cálculo do preço pago

pelo segurado, o qual denominamos de prêmio. Esses conceitos e metodologias e os
diversos princípios de cálculo de prêmio serão abordados neste capítulo e ilustrados
com alguns exemplos práticos.
Os conceitos desenvolvidos neste capítulo podem ser classificados como básicos

em um processo de precificação e serão, portanto, utilizados nos capítulos posteri-
ores.
TIPOS DE PRÊMIOS
No processo de precificação do custo de um seguro existem 3 tipos de prêmios:
Prêmio de Risco
O prêmio de risco cobre o risco médio ( E [S ] ).
P = E [S ]
Onde, S representa a variável aleatória “valor total das indenizações ocorridas

em uma carteira de seguros” em um determinado tempo.
1
2 • Modelos de Precificação e Ruína para Seguros de Curto Prazo
Prêmio Puro
O prêmio puro é igual ao prêmio de risco mais um carregamento de segurança

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

as flutuações estatísticas do risco, de modo que exista uma probabilidade pequena dos
sinistros superarem o prêmio puro.
Prêmio Comercial
O prêmio comercial (p) corresponde ao prêmio puro acrescido do carregamento

para as demais despesas da seguradora (a), incluída uma margem para lucro.
π = απ + P
P E [S ] (1 + θ )
π= =
1−α 1−α
Logo,
E [S ] 1 − α
=
π (1 + θ )
Na prática E [S ] / π é a chamada sinistralidade esperada sobre o prêmio comer-
cial.
Alguns autores introduzem um quarto tipo de prêmio, chamado de prêmio bruto,

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

carregamento de segurança e 30% de carregamento para despesas. Qual a sinistrali-
dade esperada sobre o prêmio comercial e sobre o prêmio puro?
Tarifação • 3
Resposta:
Sobre o prêmio comercial
Sobre o prêmio puro
PRÊMIO INDIVIDUAL
Após calcularmos o prêmio comercial ( π ) suficiente para cobrir todos os sinis-

tros esperados na carteira ( E [S ] ) e as demais despesas da seguradora (απ), precisa-
mos calcular o prêmio por cada unidade de exposição ao risco (π i ) , ou seja:
π
πi =
F
onde F é o total de exposição ao risco.
Quando consideramos F como sendo o número de riscos expostos, π i repre-

senta o prêmio comercial individual a ser pago por cada segurado.
Quando F é o total de importância segurada exposta , então π i é a taxa comer-
cial individual a ser aplicada à importância segurada de cada apólice, resultando no
prêmio comercial individual.
No cálculo da exposição ao risco, conforme abordado no apêndice 1 deste livro,
leva-se em consideração a relação entre o tempo em que o risco ficou exposto no
período de análise e o tempo total do período de análise, mesmo que o risco tenha
iniciado antes do período de análise.
Um estudo detalhado de como calcular a exposição ao risco pode ser visto em

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

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

de $1.000.000;
b) O número de riscos que produz esse montante de sinistros é de 1000 apólices com
vigência anual iniciando-se em 1 de outubro do ano t-1 e mais 500 apólices com
vigência semestral iniciando-se em 1 de setembro do ano t;
c) A importância segurada (IS) de cada apólice é fixa em $50.000;
d) Carregamento de segurança ( θ ) = 5%;
e) O carregamento para despesas é de 50% do prêmio comercial.
Resposta:
Vamos calcular inicialmente o número de riscos expostos e o total de IS expostas:
As 1000 apólices com vigência anual, iniciando-se a vigência 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 vigência. Já as 500 apólices com vigência 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 número de riscos expostos no ano t será 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 será de:
916,67 × $50.000 = $45.833.333,34
Prêmio de risco individual anual
E[S [ $1.000.000
= = $1.090,91
Nº Riscos Expostos 916,67
Tarifação • 5
Taxa de risco anual
E [S[ $1.000.000
= = 2,18%
Total IS Exposta $45.833.333,34
Prêmio puro individual anual
Taxa pura anual
Prêmio comercial individual anual

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

Corresponde à taxa pura anual acrescida do carregamento para despesas (50%),
ou seja:
Observe que as taxas de risco, pura e comercial também podem ser calculadas
pela divisão do prêmio de risco, puro e comercial pela IS de cada apólice. Por exem-
plo, a taxa de risco pode ser calculada como segue:
MÉTODOS DE TARIFAÇÃO
Podemos citar 4 métodos de tarifação:

Julgamento ou subjetivo
Esse método é utilizado quando não se tem informação suficiente no processo de

tarifação. É um processo subjetivo, onde a tarifa é definida pelo underwriter através
de comparação com riscos similares. A teoria da credibilidade, que é abordada no
capítulo 12, pode ser classificada dentro desse contexto, pois, por vezes, conjuga a
experiência própria da seguradora com a experiência de outras seguradoras.
Sinistralidade
A tarifa é atualizada em função da análise da sinistralidade.

O prêmio de risco pode ser, por exemplo, calculado pela aplicação da sinistrali-
dade (apurada sobre o prêmio comercial) ao prêmio comercial.
Devemos tomar muito cuidado na utilização deste método em função de even-

tuais modificações na estrutura de prêmios no período sob análise. Se, por exem-
plo, a seguradora acabou de reduzir a sua tarifa, a sinistralidade passada ainda não
reflete essa redução, e é inferior àquela que se teria caso a tarifa tivesse sido redu-
zida no início do período de análise. Caso aplicada ao prêmio comercial recente,
conduzirá a um cálculo de prêmio de risco inferior ao necessário para equilibrar a
carteira.
Prêmio Puro
Este método começa com a estimativa do prêmio de risco, passando por um

processo de regularização estatística (modelagem), e, por fim, adicionando-se um
carregamento de segurança.
O processo de modelagem não é abordado neste livro, mas é um componente

importante no processo de tarifação, pois permite estimar o prêmio do seguro em
classes de risco com pouca ou até nenhuma informação.
Tábua de mortalidade
É o método utilizado nos seguros de vida e de anuidades. Trata-se de um mé-

todo determinístico, pois aplica fórmulas determinísticas e probabilidades de morte
definidas a partir de estudos prévios realizados por atuários, quando eles produzem
as chamadas tábuas de mortalidade.
Tarifação • 7
As tábuas de mortalidade são construídas a partir de informações brutas de mor-

talidade, passando por um processo de regularização estatística, um processo de ajus-
tamento analítico e finalmente é aplicado um carregamento de segurança; positivo,
quando a tábua é utilizada em seguros de vida, ou negativo, quando a tábua é uti-
lizada em seguros de anuidade.
Apesar das tábuas já apresentarem uma margem de segurança para flutuações
estatísticas, precisamos tomar muito cuidado na sua utilização, pois a margem de
segurança embutida na tábua pode ser insuficiente para grupos com um pequeno
número de segurados, onde se espera uma maior flutuação no risco.
(BOWERS, GERBER, HICKMAN, JONES and NESBITT)1 apresentam uma
abordagem mais moderna para a precificação dos seguros de vida e anuidades, incor-
porando os aspectos da flutuação estatística.
PRINCÍPIOS DE CÁLCULO DE PRÊMIOS
Um princípio de cálculo de prêmio é uma função H : υ ⎯ ⎯→ R que associa a

cada distribuição de sinistros agregada S um número real P tal que
P = H [S ]
Na verdade P é uma função de FS ( x )

Onde, FS ( x ) representa a função de distribuição acumulada de S no ponto x .
O fluxo da operação para o segurador é o seguinte:
Recebe P (fixo, não é variável aleatória)

Paga S (variável aleatória)
® ganho = P − S (variável aleatória)
Vejamos a seguir alguns princípios de cálculo de prêmios:
Princípio da Equivalência
P = E [S ] = Prêmio de Risco ou Prêmio Estatístico.
Desta forma, se o segurador operar durante um número grande de anos, ele terá
S1 , S 2, , S n de sinistro agregado em cada ano, e, na média, o sinistro agregado será:
S1 + S 2 +  + S n
⎯→ E [S ]
⎯n⎯
→∞
n
Se ele operar nessa base, entretanto, certamente se arruinará ao longo do

tempo. Essa afirmação 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 prêmios ao longo do tempo é inesgotável), com
as mesmas chances ( ), então, ao longo do tempo, certamente a banca
se arruinará.
Princípio do Valor Esperado
P = E [S ] + θ E [S ] = E [S ](1 + θ )
Sendo:
θ : Carregamento de segurança escolhido arbitrariamente;

P : Prêmio Puro = Prêmio de Risco × (1 + θ ) .
Este princípio é bastante utilizado na prática, sendo muito comum a escolha de θ

igual a 10%. Observam-se, também, escolhas ao redor de 5% e outras bem superiores
a 10%, dependendo do grau de aversão ao risco da seguradora.
Princípio da Variância
P = E [S ] + α Var[S ] α >0
Onde o fator α é escolhido arbitrariamente.
Este princípio não possui aplicação prática, pois a escolha de α é dificultada

pelo fato da variância possuir uma ordem de grandeza diferente da ordem de gran-
deza da média.
Princípio do Desvio Padrão
P = E [S ] + β σ [S ] β >0
onde o fator β é escolhido arbitrariamente, sendo que na prática o fator β varia

entre 1 e 2.
Tarifação • 9
Princípio da Utilidade Zero
Seja μ ( x ) a função utilidade que o segurado/segurador associa a cada exce-

dente x em relação à sua riqueza inicial W .
Na prática utilizamos μ ( x ) que atende ao conceito de utilidade marginal, ou

seja:
– μ ′ ( x ) > 0 → μ ( x ) é crescente, pois quanto maior o x (dinheiro), maior a

utilidade;
– μ ′′ ( x ) < 0 → quanto maior o x , menor o crescimento da utilidade para variações
de x .
Chama-se de côncava a função que obedece às propriedades acima, e, pode ser

representada graficamente conforme apresentado no Gráfico 1.1:
μ (x )
Excedente Marginal
Gráfico 1.1
Sejam:
– μ ( x ) - Função utilidade associada ao segurado;

– μ1 ( x ) - Função utilidade associada ao segurador;
– S - Variável aleatória “valor do sinistro agregado”;
– G - Prêmio aceito como bom pelo segurado devido à sua função utilidade;
– H - Prêmio proposto pelo segurador devido à sua função utilidade.
Assim sendo, o prêmio que atende a este princípio de cálculo é aquele que não
reduz a função utilidade do segurado em função da decisão de contratar ou não o
seguro.
Da mesma forma, para a seguradora, o prêmio a ser cobrado será aquele que não
reduzirá a sua função utilidade pela decisão de aceitar o risco.
Desta forma, então, podemos calcular o prêmio aceito pelo segurado ou pelo
segurador que não reduzirá as respectivas funções utilidades conforme a seguir:
a) Usando o μ ( x ) do segurado ® cálculo de G
μ (W − G ) = E [μ (W − S )]
Onde:
– E [μ (W − S )] representa o quanto o segurado espera de utilidade se ele não fizer

o seguro;
– μ (W − G ) representa a utilidade do montante existente após o segurado contratar

o seguro e pagar G .
b) Usando μ1 ( x ) do segurador ® cálculo de H
μ1 (W ) = E [μ1 (W + H − S )]
Onde:
– E [μ 1 (W + H − S )] representa o quanto o segurador espera de utilidade se ele

aceitar o seguro;
– μ 1 (W ) representa a utilidade do montante existente se o segurador não aceitar o

seguro.
Como G e H independem de W , então,
μ (0) = E [μ (G − S )] e μ1 (0) = E [μ1 (H − S )]
Daí o nome de Utilidade Zero.

Tarifação • 11
Exemplos de μ(x) e relação entre G, H e E[S]
μ(x) é Linear
μ(x) = ax + b
Se μ(x) é uma reta ® G = E(S) , pois a riqueza cresce na mesma proporção que
a função utilidade.
Demonstração: Sob o ponto de vista do segurado, o prêmio que mantém a sua

função utilidade será:
μ (W − G ) = E [μ (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 função utilidade linear, represen-

tada no Gráfico 1.2:
Gráfico 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 prê-
mio G aceito pelo segurado de modo a não diminuir a sua função utilidade.
Resposta:
μ(20.000) = 0
μ(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 é só igualar:
μ(20.000 - G) = E[μ ($20.000 – S)]

= μ ($20.000 - 0) P(S = 0) + μ($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 prêmio aceito como bom pelo segurado é igual ao valor esperado do
sinistro agregado.
Neste caso, μ(x) atende ao princípio da utilidade marginal.
Sob o ponto de vista do segurado, o prêmio que mantém a sua função utilidade será:
μ (W − G ) = E [μ (W − S )] ≤ μ (E [W − S ]) = μ (W − E [S ])
A desigualdade acima é explicada pela chamada desigualdade de Jensen, onde

se a função é côncava, como acontece com μ(x), então, E[μ(S)] £ μ(E[S]), sendo
S uma variável aleatória qualquer.
μ(x) é crescente, pois μ´(x) > 0
Logo, para que μ(W – G) ≤ μ(W – E[S]), então,

Tarifação • 13
Da mesma forma, sob o ponto de vista do segurador H ≥ E[S] , pois:
μ 1 (W ) = E [μ 1 (W + H − S )] ≤ μ 1 (W + H − E [S ])
Como μ1(x) é uma função crescente, logo, para que tenhamos atendida a
desigualdade acima, então,
Observe que o segurado aceita pagar um prêmio superior à expectativa de sinis-

tros, porém o segurador também só aceita o risco se o prêmio for superior à expecta-
tiva de sinistros.
Desta forma, as partes somente chegarão a um acordo quando: G ≥ H ≥ E [S ]

E, então, a utilidade esperada de nenhuma das partes será diminuída com o seguro.
Observações: A princípio pode parecer estranho que o segurado aceite pagar um

prêmio G superior à expectativa de sinistro E[S]. A justificativa está no fato de que a
decisão de não fazer o seguro pode representar um decréscimo grande na utilidade,
em função do pagamento dos sinistros. Este fato é mais relevante para os segurados
com uma riqueza inicial pequena. A perda de um automóvel para um segurado que
depende desse automóvel para a sua sobrevivência, como um taxista, por exemplo, é
muito mais sentida do que a perda desse mesmo automóvel para um segurado rico.
Esse segurado rico dificilmente aceitará pagar um prêmio superior à expectativa de
sinistros, e, muito provavelmente, decidirá pelo auto seguro. O gráfico a seguir ilustra
essas duas situações:
Gráfico 1.3
A constatação acima é tão fascinante que pode ser classificada como uma das
maravilhas atuariais.
Pela sua diversidade a função utilidade do segurado/segurador deve ser pesqui-
sada em cada caso.
Princípio Exponencial
Onde MS(a) representa a Função Geratriz de Momentos de S no ponto a.
Esse princípio é um caso particular do princípio da utilidade zero, quando uti-

lizamos a seguinte função utilidade:
Princípio do Percentil
Nesse caso, o prêmio é determinado de modo que exista uma probabilidade mui-
to pequena (α) do montante de sinistros (S) superar o total de prêmio puro (P).
O valor de α é escolhido arbitrariamente, sendo que na prática α varia entre 1%
e 10%.
PROPRIEDADES DESEJÁVEIS DE UM PRINCÍPIO DE CÁLCULO DE PRÊMIOS
São cinco as propriedade desejáveis de um princípio de cálculo de prêmios:
Carregamento de segurança não negativo
Ou seja,
Perda Máxima
Seja o rS sinistro agregado máximo para a distribuição S , ou seja, rS é a perda

máxima, então,
Tarifação • 15
Consistência
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 não sinistro ao final do ano,
então, ao prêmio 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 prêmio de 2 riscos que são independentes é a soma dos prêmios dos
riscos individualmente.
Interatividade
[ [ ]]
Se S e S ′ são riscos arbitrários, então, H [S ] = H H S S ′
As propriedades acima são mais detalhadas em (BOWERS, GERBER, HICK-

MAN, JONES and NESBITT)1.
Pode-se demonstrar que os princípios da equivalência e exponencial são os úni-
cos que satisfazem a todas as 5 propriedades acima.
Como no princípio da equivalência o carregamento de segurança é nulo (impli-
cando em ruína a longo prazo), o princípio exponencial é o que se apresenta como
sendo o melhor sob o ponto de vista teórico.
Na prática, porém, os princípios mais utilizados são o princípio do valor espe-
rado, o princípio do desvio padrão e o princípio do percentil, dada a dificuldade de
se determinar a função utilidade do segurado/segurador. Apesar de o princípio do
percentil ser o melhor entre esses 3 princípios, pois permite à seguradora dimensionar
melhor o risco (a) que ela assume, nem sempre ele é utilizado em função da impos-
sibilidade/dificuldade de se calcular a função de distribuição acumulada do sinistro
agregado (FS ( x )) .
EXERCÍCIOS
1) Determinar a sinistralidade esperada em uma carteira de seguros precificada

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

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

características:
• Valor esperado do montante de sinistros produzidos na carteira no ano civil t é de

$10.000.000;
• O número de riscos que produz esse montante de sinistros é de 800 apólices
com vigência anual iniciando-se em 1 de agosto do ano t-1 , 600 apólices com
vigência semestral iniciando-se em 1 de maio do ano t e mais 300 apólices com
vigência trimestral iniciando-se em 1 de outubro do ano t;
• Carregamento de segurança (q) = 10%;
• O carregamento para despesas é de 30% do prêmio comercial.
3) Seja um segurado com uma função utilidade potencial fracionária, ou seja,
μ (x ) = x α x >0, 0 <α <1
Onde o montante de sinistros agregados possui uma distribuição Uniforme

(0, $10). Calcular o prêmio G aceito pelo segurado de modo a não diminuir a sua
função utilidade, dado que α = 0,5 e que a riqueza inicial do segurado é de $10.
4) Refazer o exercício anterior, supondo que o seguro só cobre 50% dos sinistros.
Tarifação • 17
5) Seja a seguinte distribuição 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 prêmio puro pelos seguintes princípios:
a) Princípio do Desvio Padrão, supondo β = 1,282 ;

b) Princípio da Equivalência;
c) Princípio do Percentil, supondo α = 0,1 .
6) Seja um segurado com função 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 prêmio G aceito pelo segurado, de
modo tal que a sua função utilidade não seja diminuída pela decisão de contratar
ou não o seguro, nas seguintes situações:
a) a = 1 e b = 0 ;
b) a = 1 e b = 1 .
7) A partir do exercício anterior, demonstre que se dois segurados possuem função

utilidade linear diferindo apenas pelo valor b , então eles aceitarão pagar o
mesmo prêmio G , considerando-se a mesma distribuição do valor dos sinistros
agregados.
Modelo do Risco
Individual Anual
No processo de precificação é importante conhecermos a distribuição do valor

total dos sinistros produzidos em uma carteira de seguros em um determinado perío-
do. Neste capítulo desenvolveremos o modelo do risco individual para a determina-
ção do valor total dos sinistros produzidos em uma carteira de seguros em 1 ano.
No modelo do risco individual, todo o enfoque para obtenção do valor total dos
sinistros é individual, pois utilizamos as distribuições do valor do sinistro e da ocor-
rência de sinistros individualmente em cada apólice.
Cabe destacar que os conceitos utilizados neste capítulo e nos demais capítulos
servem, também, para períodos diferentes do período anual tomado como base.
O MODELO DO RISCO INDIVIDUAL ANUAL
Neste modelo conhecemos a distribuição de sinistros de cada risco individual-

mente.
HIPÓTESES:
1. Conhecemos a probabilidade de ocorrência de sinistros em 1 ano de cada apólice

(risco) → qi ;
19
2. Conhecemos a distribuição da variável aleatória “valor do sinistro de cada

apólice” → Bi ;
3. Desprezamos a probabilidade de mais de 1 sinistro por apólice;
4. Conhecemos o no de apólices ( n ) e não levamos em conta novas entradas e
saídas;
5. Os riscos assumidos em cada apólice são 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 - Variável aleatória “valor total das indenizações na carteira em 1 ano” ou

“variável aleatória valor do sinistro agregado da carteira em 1 ano”;
X i - Variável aleatória que está associada ao sinistro da apólice i em 1 ano;
I i - Variável aleatória “ocorrência de sinistro da apólice i em 1 ano”;
Bi - Variável aleatória “valor do sinistro da apólice i dado que o sinistro ocorreu
em 1 ano”.
Sendo:
⎧⎪ 1 com probabilidade qi
Ii = ⎨
⎪⎩0 com probabilidade pi = 1 − qi
Observações:
1) I i ~ Bernoulli ( qi );
2) Bi é melhor definida por Bi / I i = 1 , ou seja, Bi só 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
CÁLCULO DA FUNÇÃO DE DISTRIBUIÇÃO 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 UTILIZAÇÃO DO MODELO
Este modelo pode ser utilizado no cálculo do prêmio puro P. Existem vários mé-
todos que podem ser utilizados para se calcular o prêmio puro, conforme abordado
no capítulo 1.
Basicamente o prêmio puro é calculado de tal forma que exista uma probabili-
dade muito pequena de que o montante de indenizações exceda o montante de prê-
mios puros, como por exemplo:
[ ]
– P = E S ind + Kσ S ind [ ]
– P é tal que FS ind (P ) = 1 − α
[ ] (1 + θ )
– P = E S ind
Onde θ é o carregamento de segurança.
Dessa forma é importante conhecermos a distribuição de S ind ou, alternativa-

[ ] [ ]
mente, calcularmos E S ind e V S ind , os quais definem a distribuição Normal se
aplicarmos o Teorema Central do Limite.
DISTRIBUIÇÃO DE S ind
Podemos obter a distribuição de S ind de 2 maneiras:
Por Convolução a Partir da Distribuição de X i
[ ]
FS ind ( x ) = P S ind ≤ x = FX 1 ∗ FX 2 ∗  ∗ FX n
O processo de convolução é um processo recursivo, onde primeiro se cal-

cula a distribuição de X 1 e, a partir da distribuição de X 1 , se calcula a distri-
buição de X 1 + X 2 e, assim sucessivamente, até se calcular a distribuição de
S ind = X 1 + X 2 +  + X n .
Pela Função 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 )
CÁLCULO DE E [S ind ] E [ ]
V S ind
Hipóteses: I i ⊥ Bi e I i iid
Ou seja, o valor do sinistro em cada apólice independe da sua ocorrência e as

variáveis aleatórias ocorrência de sinistro em cada apólice são independentes e iden-
ticamente distribuídas.
Desta forma, então,
[ ]
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 É FIXADO PARA CADA APÓLICE

Seja Bi = C i
Onde,
Ci - Valor fixado (constante) para a apólice 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
Observações:
1) Este modelo se aplica ao seguro de vida, invalidez e todo aquele em que, em caso
de sinistro, a indenização é conhecida antecipadamente para cada apólice;
2) Se Bi = C i = 1 , qi = q e pi = p , então,
Ou seja, S ind é a soma de n variáveis aleatórias com distribuição de Bernoulli

( q ) independentes, então:
S ind ~ Binomial ( n, q )
Exemplo 1: Seja um seguro que cobre morte por qualquer causa com indeniza-
ção fixa de $10.000 e invalidez total e permanente com indenização fixa de $5.000.
As probabilidades anuais de sinistros em cada cobertura são de 0,001 e 0,0002, res-
pectivamente. Determinar as distribuições de I i , Bi e X i .
Resposta:
a) Distribuição 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) Distribuição 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) Distribuição de X i
P ( X i = 0) = 0,9988
P ( X i = $5.000) = 0,0002
V [X i ] = $104.879
Veja que podemos também calcular E [ X i ] e V [ X i ] utilizando as fórmulas de-

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

considerando somente um único segurado exposto ao risco.
APROXIMAÇÃO NORMAL
( [ ] , V [S ] )
Sob certas condições S ind ~ N E S ind ind
a) Este modelo é aplicado quando não se conhece a distribuição de S ind , ou quando

a sua obtenção é trabalhosa;
b) Não basta atender somente às condições do Teorema Central do Limite, pois,
além dos X i terem que ser independentes e identicamente distribuídos, o número
de sinistros tem que ser grande e não somente o número de apólices ( n ).
A partir dessas condições, pode-se calcular o prêmio ( P ) e o carregamento de

segurança ( θ ), como segue:
P (S ind ≥ P ) = α
P (S ind ≤ P ) = 1 − α
( [ ] [ ])
Como S ind ~ N E S ind ,V S ind
Então,
Logo, P é tal que

Ou seja,
[ ]
P = E S ind + Z 1−α σ S ind[ ]
Para calcular o carregamento de segurança (θ ) é só levar em conta que
[ ]
P = E S ind (1 + θ ) .
Logo,
[ ] [ ] [ ]
E S ind (1 + θ ) = E S ind + Z 1−α σ S ind
[ ]
Z 1−α σ S ind
→θ =
E [S ]
ind
Conclusões:
a) α ↓ Z1 − α ↑ θ ↑
b)
Ou seja, quanto menor a probabilidade do sinistro agregado superar o prêmio

puro total da carteira, maior terá que ser o carregamento de segurança. Da mesma
forma, quanto maior o desvio padrão do sinistro agregado em relação à média do
sinistro, maior será o carregamento de segurança.
Exemplo 2: Uma carteira de seguro de vida possui 3 faixas de importâncias segu-

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

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

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

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

duzindo, consequentemente, a um prêmio puro anual individual superior.
Essa segunda abordagem de cálculo do prêmio puro anual individual conduz a
um carregamento de segurança maior, pois diminui o número de riscos para os quais
estamos calculando o carregamento de segurança, não admitindo, portanto, a com-
pensação de oscilação de riscos entre as 3 faixas.
Devemos evitar o uso dessa segunda abordagem, pois ela é conflitante com o
princípio da lei dos grandes números que rege a operação de seguros.
Exemplo 4: Dado que Bi = C , qi = q e n apólices, calcular o coeficiente de

variação de S ind .
Resposta:
Veja que, quanto maior o número de apólices ( n ), menor será o coeficiente de

variação.
Por outro lado, quanto maior a probabilidade de sinistro ( q ) e quanto maior o
número médio de sinistros ( n q ), menor também será o coeficiente de variação, ou
seja, para se reduzir o coeficiente de variação e, consequentemente, reduzir o car-
regamento de segurança, precisa-se aumentar o número de apólices, conjuntamente
com a probabilidade de sinistro.
Não basta, por exemplo, ter um grande número de apólices em uma carteira que
possua uma pequena probabilidade de sinistro, produzindo, consequentemente, um
pequeno número de sinistros.
Esse exemplo é importante para mostrar que, no seguro, a lei dos grandes números
está muito mais relacionada ao número de sinistros do que ao número de apólices.
Esta constatação também pode ser classificada como uma das maravilhas atu-
ariais.
EXERCÍCIOS
1) Seja um seguro com as coberturas A, B e C, com indenização fixa de $1.000,

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

de 0,001. Seja uma carteira com 2.000 apólices e com o valor de cada sinistro
ocorrendo de acordo com uma distribuição Exponencial ( α = 0,0001 ). Calcular
o carregamento de segurança de modo que a probabilidade do sinistro agregado
superar o prêmio puro total não exceda a 5%, utilizando a aproximação Normal
para S ind .
3) Dado que a probabilidade de ocorrer o sinistro é de 0,01, calcular E [X i ] e V [X i ]

nas seguintes situações:
a) Distribuição do valor de 1 sinistro é fixa em $1.000

b) Distribuição do valor de 1 sinistro é Uniforme (0,$2.000)
Analise o resultado, sob a ótica de que ambas as distribuições do valor de 1 si-

nistro possuem a mesma média.
4) Seja a distribuição do valor total das indenizações na carteira em 1 ano com

função 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 apólices. Para cada apólice a probabilidade de
ocorrer um sinistro é de 1/3 e Bi tem a seguinte função de densidade:
f Bi ( x ) = 2(1 − x ) 0 < x <1
0 caso contrário
Calcular P (Sind >30) utilizando a aproximação Normal.
6) Uma seguradora cobre o risco de desmoronamento em um seguro residencial

em uma carteira com 200 residências, conforme a seguinte distribuição de
importância segurada (IS):
IS ($) Número de Apólices

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

de 0,01. Os valores dos sinistros seguem uma distribuição Uniforme (0,IS).
Calcular:
a) Média do número esperado de sinistros em 1 ano;
b) Variância do número esperado de sinistros em 1 ano;
c) Prêmio puro total anual que a seguradora deve cobrar de modo que a probabilidade
do sinistro agregado anual superar o prêmio puro total anual não exceda a 5%,
considerando uma aproximação Normal para o sinistro agregado;.
d) Prêmio puro individual para cada segurado , considerando os parâmetros do item
c);
e) Taxa pura a ser aplicada à IS, considerando os parâmetros do item c);
f) Carregamento de segurança, considerando os parâmetros do item c).
Modelo do Risco
Coletivo Anual
Na construção do modelo do risco individual, abordado no capítulo 2, é utilizada

a distribuição do valor do sinistro em cada apólice, assim como a distribuição da
ocorrência de sinistros em cada apólice.
Neste capítulo desenvolveremos o modelo do risco coletivo, o qual utiliza o con-
ceito de risco agregado, onde a variável aleatória “sinistro total produzido por uma
carteira de seguros”, também chamada de variável aleatória “sinistro agregado”, é
interpretada como a soma dos sinistros de toda a carteira.
No modelo do risco coletivo precisamos conhecer a distribuição do valor de
cada sinistro, independentemente da apólice à qual o sinistro pertence, e conhecer a
distribuição do número total de sinistros produzido em uma carteira.
As principais formas de obtenção do sinistro agregado serão apresentadas neste
capítulo, ilustradas com alguns exemplos práticos.
O MODELO DO RISCO COLETIVO ANUAL
Neste modelo, estudamos a distribuição de sinistros de uma carteira como um

todo, sem nos preocuparmos com as características dos sinistros produzidos por cada
apólice, como acontece no modelo do risco individual.
33
Descrição do Modelo: S col = X1 + X 2 ........+ X N
Onde:
S col - Variável aleatória que representa o sinistro agregado da carteira em um ano,
ou variável aleatória que representa o valor total das indenizações da carteira em um
ano;
N - Variável aleatória que representa o número de sinistros na carteira em um ano;
X i - Variável aleatória que representa o valor do i-ésimo sinistro na carteira.
Veja que S col é uma soma das variáveis aleatórias X i , sendo o número de ter-
mos da soma também aleatório e igual a N .
Hipóteses:
a) X 1 , X 2 , X N são independentes e identicamente distribuídas, sendo:
p ( x ) - Função de probabilidade de X :
P ( x ) - Função de distribuição acumulada de X .
b) X 1 , X 2 ,  X N são independentes de N
Vejamos a seguir, como determinar a distribuição de S col , ou, alternativamente,

[ ] [ ]
calcular E S col e V S col , os quais definem a distribuição de S col . Se aplicarmos
o Teorema Central do Limite, a distribuição de S col pode ser considerada Normal.
TURLER18, CRAMÉR3 e BUHLMANN2 fazem uma descrição bastante detalha-

da do modelo do risco coletivo.
DISTRIBUIÇÃO DE S col
Podemos obter a distribuição de S col de duas maneiras:
Por Convolução, a Partir das Distribuições 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
Observações:
a) P ∗ n (x ) e p ∗ n (x ) são, respectivamente, a função de distribuição acumulada e a

função de probabilidade da variável aleatória “valor de n sinistros” ( X ∗n );
b) Se X tem distribuição discreta, então, S col terá distribuição discreta;
Se X tem distribuição contínua, então, S col terá distribuição contínua.
Cálculo de p* n (x) e P* n (x)
Para calcular p ∗ n (x ) e P ∗ n (x ) utiliza-se o processo de convolução, conforme

desenvolvido a seguir:
– X Discreto
Seja y um dos possíveis valores que X pode assumir, então,
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 ) é chamada de n-ésima convolução 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 Contínuo
Da mesma forma,
Logo, P ∗n = P∗P∗ P ∗∗ P
Ou seja, se M X (t ) é a Função Geratriz de Momentos associada a P ( x ) ,então,

a Função Geratriz de Momentos associada a P ∗n (x ) será:
Observações:
a) Se X ~ Gama ( α , β ), então, X ∗n ~ Gama ( nα , β )
Demonstração:
α
⎛ β ⎞
M X (t ) = ⎜⎜ ⎟⎟
⎝β −t⎠
Gama ( n, β )
Conseqüência:
Se X ~ Exponencial ( β ), então, X ∗n ~ Gama ( n, β )
Pois, Exponencial ( β ) é uma Gama ( 1, β )
E, desta forma, então,

b) A determinação da distribuição de S col é extremamente trabalhosa, tanto quando

X possui distribuição paramétrica conhecida, o que implica em cálculos
complexos de integral e somatórios, tanto quando trabalhamos com distribuição
empírica para X , o que requer recursos computacionais não 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 distribuições de N e X são:
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 obtenção do valor de n sinistros pelo processo de

convolução, mesmo X possuindo somente 3 valores e dispostos de forma seqüencial.
Quando o número de valores de X é grande, o processo de convolução é impraticável.
Exemplo 2: Calcular P ∗ n ( x ) e FS col ( x ) , quando X possui distribuição Expo-

nencial ( α ) e N possui distribuição de Poisson ( λ ).
Resposta:
a) Cálculo de P ∗ n ( x )
Sabemos que se X possui distribuição Exponencial ( α ), então,
p ( x ) = α e −α x x>0
P ( x ) = 1 − e −α x x>0
Logo,
Ao resolvermos esta integral, chegaremos ao seguinte resultado:
∗3
P ( x) = 1 − e −α x
(1 + α x +
(α x)
2
)
2!
Desta forma, então, chegaremos à seguinte fórmula para P ∗ n ( x ) :
n −1
(α x ) i
∗n
P ( x) = 1 − e −α x
∑
i =0 i!
Observe que lim P ∗n ( x ) = 1 − e −α x eα x = 0

n →∞
O que é um resultado bastante interessante, pois mostra que quando o número de

sinistros tende para infinito, a probabilidade do valor dos sinistros ser menor ou igual
a um valor de x finito é igual a zero.
b) Cálculo de FS col ( x )
∞ ∞ ⎛ n −1
FS col ( x ) = ∑ P ∗n ( x ) P (N = n ) = ∑ ⎜⎜1 − e −α x ∑
(α x ) i ⎞ e −λ λ n
⎟
i! ⎟ n!
n =0 n =o ⎝ i =0 ⎠
Observe que o cálculo de FS col ( x ) não é simples de ser realizado, mesmo

quando se tem uma fórmula definida para P ∗n (x ) .
Pela Função 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 variáveis X i são 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 distribuições de X e N , então, conheceremos

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

tribuição Exponencial com parâmetro α , calcule M S col (t ) .
Resposta:
Se N possui distribuição Geométrica ( p ), então,
Se X possui distribuição Exponencial ( α ), então,

α e − (α −t ) x ∞ 1 α
= =α =
− (α − t )
0
α −t α −t
Como M S col (t ) = M N (log M X (t ) ) , então,
p
M S col (t ) =
α
1− q
α −t
CÁLCULO DE E [ S col ] E [ ]
V S col
Cálculo 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, também, 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 são variáveis aleatórias independentes e identicamente distribuídas

com distribuição X .
Este resultado é bastante intuitivo, pois o valor esperado do sinistro agregado é
igual ao número médio de sinistros multiplicado pelo valor médio de 1 sinistro.
Cálculo de V S col [ ]
[ ]
V S col = M S′′col (0) − E S col [ ] 2
= M S′′col (0) − E [X ] 2 E [N ]
2
[ ]
M S′′col (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 S′′col (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, também, 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 são variáveis aleatórias independentes e identicamente distribuídas

com distribuição X .
Este resultado nos mostra que a variância do sinistro agregado é diretamente
proporcional à variância do número de sinistros e à variância do valor de 1 sinistro.
[ ] [ ]
Exemplo 4: Calcular E S col e V S col no exemplo 1.
Resposta:
[ ] [ ]
Podemos, também, 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 distribuição exata e pela aproximação Nor-

mal, o prêmio puro total de modo que a probabilidade do sinistro agregado superar o
prêmio puro total (P ) não exceda a 2,1%.
Resposta:
a) Pela distribuição exata

1 − FS col (P ) = 0,021 → FS col (P ) = 0,979 → P = 4
b) Pela aproximação Normal
[ ] [ ]
P = E S col + Z 0,979 σ S col
Veja que, apesar do número médio de sinistros ser de somente 1, pela aproxi-
mação Normal o prêmio puro total não ficou muito distante daquele calculado pela
distribuição exata.
Na prática, a aproximação Normal se comporta muito bem na cauda à direita da
distribuição, o que é uma característica muito boa, pois é exatamente nessa região que
estamos interessados para o cálculo de prêmios ou de probabilidade de ruína.
Veja, também, que, por exemplo, caso estivéssemos interessados em calcular o

P de modo que , teríamos P = 1 pela distribuição exata, en-
quanto que pela aproximação Normal, teríamos:
E, neste caso, a aproximação Normal não é tão boa, pois estamos muito distantes
da cauda à direita da distribuição.
EXERCÍCIOS
1) Suponha que a distribuição do valor de 1 sinistro seja idêntica à do exemplo 1,

mas a distribuição do número de sinistros em 1 ano é uma Poisson com média
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 distribuição de Poisson ( λ = 2 ) e a distribuição do
valor de 1 sinistro possui função 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 distribuição do valor de 1 sinistro seja Exponencial ( α = 0,001 ).
4) Mostrar que caso a distribuição do valor de 1 sinistro seja Gama, então a média da
distribuição do valor de n sinistros será igual a n vezes a média da distribuição
do valor de 1 sinistro.
5) Seja N com distribuição Binomial ( n, p ). Determinar uma expressão para a

função geratriz de momento de S col em função de n , p e da função 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
Distribuição da Variável
Aleatória “Valor de 1 Sinistro”
Neste capítulo serão apresentadas as características das distribuições para o valor

de 1 sinistro que se ajustam às principais carteiras de seguros. Serão, também, abor-
dados os metódos para a obtenção dessas distribuições.
As distribuições aqui apresentadas podem ser aplicadas tanto para o modelo in-
dividual (variável Bi ) quanto para o modelo coletivo (variável X ). Foi escolhida
a notação do modelo coletivo (variável X ) como notação padrão para a variável
aleatória “valor de 1 sinistro”.
MÉTODOS DE OBTENÇÃO DA DISTRIBUIÇÃO DO VALOR DE 1 SINISTRO
A distribuição do valor de 1 sinistro é obtida a partir de observação histórica da

carteira, levando-se em conta fatores tais como: tendência, sazonalidade e inflação.
Tendência e sazonalidade são tratadas estatisticamente com ferramentas de sé-
ries temporais. Nesse caso destacamos o amortecimento exponencial, o qual atribui
um peso maior às informações de anos mais recentes.
Os efeitos da inflação são eliminados ao se converter os sinistros para uma moe-
da estável. A moeda a ser utilizada deve ser aquela que melhor reflete a variação dos
custos dos sinistros da carteira de seguros.
Existem 2 métodos para a obtenção da distribuição do valor de 1 sinistro:
47
Paramétrico
O método paramétrico é utilizado quando o número de dados é pequeno. Nesse

caso, em função da experiência existente em relação a fenômenos semelhantes,
atribuímos uma distribuição conhecida, por exemplo: Log-normal, Pareto, Gama,
etc...
Não Paramétrico
O método não paramétrico deve ser utilizado quando o número de dados é

grande. Nesse caso, aplicamos a distribuição empírica.
Segundo (HOGG AND KLUGMAN)9 a utilização de distribuições paramé-

tricas é muito mais conveniente do que a utilização de distribuições empíricas
quando alterações paramétricas são necessárias para prever o futuro. Isto é, dis-
tribuições empíricas podem ser satisfatórias descrições de dados históricos. En-
tretanto, na maioria das vezes, é desejável fazer previsão em um tempo futuro e
isto frequentemente pode ser feito mudando-se um parâmetro da distribuição para-
métrica ajustada.
DISTRIBUIÇÃO DO VALOR DE 1 SINISTRO COM LIMITE DE INDENIZAÇÃO
Seja L o limite de indenização da apólice e, seja Y a variável aleatória “valor

de 1 sinistro sujeito ao limite L ”. Desta forma, então,
⎧⎪ X X ≤L
Y =⎨
⎪⎩ L X >L
E o sinistro médio é igual a:
No item “Principais Distribuições Paramétricas”, serão apresentadas as

fórmulas de E [X; L] para as principais distribuições de probabilidade utiliza-
das para a distribuição do valor de 1 sinistro.
Distribuição da Variável Aleatória “Valor de 1 Sinistro” • 49
AJUSTAMENTO DE DISTRIBUIÇÕES PARAMÉTRICAS
O ajustamento dos dados de sinistros a uma distribuição paramétrica se dá em

duas etapas:
1o ETAPA: Determinação dos Parâmetros
Nesta etapa são estimados os parâmetros da distribuição. Para tal, podem ser
utilizados diversos métodos, como por exemplo: método dos momentos, mínimos
quadrados ou máxima verossimilhança.
Pelo método dos momentos, os parâmetros da distribuição são determinados a

partir dos momentos amostrais ( mk ), sendo:
n´
∑Z i
k
mk = i =1
n´
Onde,
Z i – Valor observado do i-ésimo sinistro;
n´ – Número de sinistros da amostra.
No item “Principais Distribuições Paramétricas”, serão apresentados os pa-

râmetros ajustados, pelo método dos momentos, das principais distribuições de pro-
babilidade utilizadas para a distribuição do valor de 1 sinistro.
2o ETAPA: Teste de Aderência
Nesta etapa comparamos a distribuição ajustada com a distribuição analítica

através de um teste de aderência à distribuição. Podem ser utilizados por exemplo o
teste do Qui-quadrado ou o teste de Kolmogorov-Smirnov.
Para maiores detalhes sobre as distribuições de probabilidades sugere-se a con-
sulta a (HOSSAK, POLLARD AND ZEHNWIRTH)10.
PRINCIPAIS DISTRIBUIÇÕES PARAMÉTRICAS
A seguir encontram-se algumas das distribuições paramétricas mais utilizadas na

prática. Uma abordagem mais abrangente sobre as distribuições paramétricas é feita
por (HOGG AND KLUGMAN)9.
Log Normal
f (x)
x
Gráfico 4.1.
→ X ~ Log Normal ( μ ,σ 2 )
Os principais momentos da Log Normal são:
[ ] ⎛ 1 ⎞
E X k = exp⎜ kμ + k 2σ 2 ⎟
⎝ 2 ⎠
⎛ 1 ⎞
Média = exp⎜ μ + σ 2 ⎟
⎝ 2 ⎠
(
Variância = exp 2 μ + σ 2
) [exp(σ ) − 1]
2
E as expressões para μ e σ , pelo método dos momentos, são:
Observação: Se X ~ Log Normal ( μ ,σ 2 ) Normal ( μ ,σ 2 )
Utilização Prática
Colisão nos seguros de automóveis e incêndio comum.
Pareto
Gráfico 4.2.
α
αλ
f X ( x) = x > 0, α > o, λ > o
(λ + x )α +1
α
⎛ λ ⎞
FX ( x ) = 1 − ⎜ ⎟
⎝λ + x⎠
® X ~ Pareto ( λ , α )
Os principais momentos da Pareto são:
[ ]
E Xk = k
λ k k!
α >k
∏ (α − i )
i =1
λ
Média = α >1
α −1
λ 2α
Variância = α >2
(α − 1)2 (α − 2)
λ ⎡ ⎛ λ ⎞ ⎤
α −1 α α
⎛ λ ⎞ ⎛ λ ⎞
E [ X ; L] = ⎢1 − α ⎜ ⎟ + (α − 1)⎜ ⎟ ⎥ + L⎜ ⎟
α − 1 ⎣⎢ ⎝λ + L⎠ ⎝ λ + L ⎠ ⎦⎥ ⎝λ + L⎠
E as expressões para α e λ , pelo método dos momentos, são:
2(m 2 − m12 )
α=
m 2 − 2m12
m1m 2
λ =
m 2 − 2m12
Por possuir uma cauda longa, a distribuição de Pareto é utilizada no seguro de

incêndio vultoso e resseguro de catástrofe.
Gama
β α − β x α −1
f X ( x) = e x x ≥ 0, α > o, β > o
Γ(α )
→ X ~ Gama ( α , β )
Gráfico 4.3.
Os principais momentos da Gama são:
k −1
∏ (α + i )
EX[ ]=k i =0
βk
α
Média =
β
α
Variância =
β2
E as expressões para α e β , pelo método dos momentos, são:
m12
α=
m 2 − m12
m1
β =
m 2 − m12
Observações:
a) é chamada de função Gama;
b) Γ (α ) = (α − 1)Γ (α − 1) ;
c) α inteiro → Γ (α ) = (α − 1)! ;
d) Gama ( 1, β ) ~ Exponencial ( β )
r 1 r 1
e) Se α = , r inteiro ≥ 0 , e, β = → Gama ( , ) ~ X 12
2 2 2 2
⎛1⎞
f) Γ⎜ ⎟ = π ;
⎝2⎠
n
g) X i iid ~ Gama ( α , β ) → ∑X
i =1
i ~ Gama ( nα , β )
h) A distribuição Gama é assimétrica, mas tende a uma distribuição simétrica quando

α cresce.
A distribuição Gama tem uma aplicação prática no risco de colisão nos seguros
de automóveis.
Exemplo 1: Dada a experiência de sinistros abaixo, calcular, pelo método dos mo-
mentos, os parâmetros das distribuições Log Normal e Gama.
Valor de 1 sinistro ($) Frequência
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 gráfico do valor de 1 sinistro é representado como segue:
Gráfico 4.4.
Vamos agora calcular os momentos da amostra:
Média 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
Variância amostral = m 2 - m12 = $362.944
a) Log Normal
⎛ 1 ⎞
Média = exp⎜ μ + σ 2 ⎟ = $1.216
⎝ 2 ⎠
(
Variância = exp 2 μ + σ 2
) [exp(σ ) − 1] = $362.944
2
Desta forma, temos: μ = 6,993 e σ = 0,469
b) Gama
α
Média = = $1.216
β
α
Variância = = $362.944
β2
Desta forma, temos: α = 4,0741 e β = 0,0034
Exemplo 2: Calcular a probabilidade de um sinistro ser superior a $4.000 no

caso da aproximação Log Normal do exemplo 1.
Resposta:
Esta pequena probabilidade é consequência da característica assintótica da Log

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

dio de 1 sinistro, sabendo-se que o valor de 1 sinistro possui distribuição Log Normal
e, que, o valor máximo de indenização é de $1.800.
Resposta:
Sabemos do item “Log Normal” que:
Onde, L = $1.800 e, do exemplo 1, temos que μ = 6,993 e σ = 0,469
Logo,
Veja que o valor médio de 1 sinistro sem limite de indenização, calculado no

exemplo 1 é de $1.216.
EXERCÍCIOS
1) Calcular pelo método dos momentos o valor do parâmetro α de uma distribuição

Exponencial ( α ) para a experiência de sinistros apresentada no exemplo 1.
2) Seja uma carteira de seguros com o valor de 1 sinistro seguindo uma distribuição
Exponencial ( α = 0,001 ). Determinar o valor médio de 1 sinistro caso as
indenizações sejam limitadas a $700.
3) Determinar os parâmetros λ e α de uma distribuição de Pareto ( λ , α ), pelo

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

b) Refaça o item anterior, considerando o valor da indenização limitado a $50.
Distribuições para o
Número de Sinistros
Neste capítulo serão abordadas as distribuições para a variável aleatória “número

de sinistros ocorridos em 1 ano” no modelo individual e no modelo coletivo. Serão
apresentadas as características principais de cada distribuição e alguns exemplos
práticos relacionados a cada distribuição.
Será, também, desenvolvida uma estimativa para o número médio de sinistros
em 1 ano, em função da observação de uma amostra. Será apresentado um processo
de precificação a partir dessa estimativa, para as situações em que se determina a taxa
de risco utilizando a frequência observada de sinistros.
DISTRIBUIÇÕES PARA O NÚMERO DE SINISTROS NO MODELO INDIVIDUAL
Seja N a variável aleatória “número de sinistros ocorridos em 1 ano” em uma

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

tribuição de S ind , conforme caso particular desenvolvido no item “casos em que Bi
59
é fixado para cada apólice” do capítulo 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 distribuição de S ind é Binomial ( n, q ), pois S ind é a soma de n variáveis

aleatórias independentes com distribuição de Bernoulli ( q ).
Ocorre que S ind , nesse caso, se confunde com a variável aleatória “número de
sinistros ocorridos em 1 ano” ( N ), pois os valores dos sinistros são constantes e
iguais a 1 e, consequentemente, o valor total dos sinistros em 1 ano é igual ao número
total de sinistros em 1 ano.
Logo,
N ~ Binomial ( n, q )
Veja que:
Este é o modelo probabilístico usado nos seguros de vida, onde estimamos o

número médio de mortes ocorridas em 1 ano ( d x ) como sendo:
d x = lx qx
Onde,
l x - Número de sobreviventes no início 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, então N passa a ter uma
distribuição aproximadamente Normal.
Distribuições para o Número de Sinistros • 61
Exemplo1: Seja uma carteira de seguros com 10.000 apólices, onde cada apólice
possui uma probabilidade anual de sinistro de 0,01. Calcular o número esperado de
sinistros em 1 ano e o respectivo desvio padrão.
Resposta:
N ~ Binomial ( )
Exemplo 2: Determinar a probabilidade de o número de sinistros em 1 ano ser

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

de uma observação do número de sinistros ocorridos em 1 ano.
Parâmetros:
I i - Variável aleatória que representa a ocorrência de sinistros na i-ésima apólice;
n – Número de apólices expostas ao risco;
q – Probabilidade de um sinistro ocorrer;
f – Frequência absoluta do número de sinistros observados em uma amostra;
q ′ - Uma observação de q , sendo: q ′ = f / n ;
n ′ - uma observação de f em 1 ano.
Onde: I i ~ Bernoulli ( q ) e I i ⊥ I j , ∀ i , j
Supondo que todos os elementos da amostra têm a mesma distribuição que os

elementos da população, 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,
Então,
E[ f ]
E [q ′] = =q
n
1 q(1 − q )
VAR [q ′] = 2
VAR[ f ] =
n n
O tipo de distribuição de q ′ continua, para todos os efeitos, sendo uma distri-

buição Binomial, cujos possíveis valores foram, porém, comprimidos entre 0 e 1,
com intervalos de 1 / n , ao invés de variarem de 0 a n segundo os números naturais.
Sendo o número de apólices expostas ao risco ( n ) suficientemente grande,
podemos aproximar as distribuições de f e q ′ por distribuições Normais de mesma
média e mesma variância. Em termos práticos, podemos considerar essa aproxima-
ção boa para e n (1 − q ) > 5 .
q ′ − E [q ′]
Ou seja, Z = ~ N (0 ,1)
σ [q ′]
Isto é:
q ′ − E [q ′]
P ( Zα / 2 ≤ ≤ Z 1−α / 2 ) = 1 − α
σ [q ′]
q′ − q
P ( Zα / 2 ≤ ≤ Z 1−α / 2 ) = 1 − α
q(1 − q )
n
q(1 − q ) q(1 − q )
P ( q ′ − Z 1−α / 2 ≤ q ≤ q′ − Zα / 2 ) = 1−α
n n
Dado que Z 1−α / 2 = − Z α / 2 , então, o limite superior do intervalo de confiança

será:
q(1 − q ) q ′(1 − q ′)
q′ − Zα / 2 = q ′ + Z 1−α / 2
n n
Pois podemos substituir q por sua estimativa q ′ com muito boa aproximação.
Assim, para calcularmos o limite superior da probabilidade q , basta substituir
q ′ por sua observação
n´ ⎛ n´ ⎞
⎜1 − ⎟
n´ n ⎝ n ⎠
q= + Z 1−α / 2
n n
n´ n´(n − n´)
q= + Z 1−α / 2
n n3
Como , logo, o limite superior do intervalo de confiança para E [N ] ,

α
dado que ε = , será:
2
n´(n − n´)
E [N ] = n´+ Z 1−ε
n
n − n´
Se n for suficientemente maior que n´ , então, →1,
n
logo, E [ N ] = n´+ Z 1−ε n´
Este resultado é interessante, pois permite determinar um limite superior para

E[N ] a partir de n´ , sem se levar em conta o número de apólices expostas ao risco.
Observações:
a) Esta formulação pode ser utilizada em processos de tarifação em que se utiliza
unicamente a frequência de sinistros e se quer determinar frequências (taxas
puras) que proporcionem uma probabilidade muito pequena ( ε ) de a frequência
efetiva ultrapassar a frequência utilizada na tarifação.
b) O valor de n´ a ser considerado deve levar em conta as mutações da carteira. Por

exemplo, se esperarmos um crescimento na produção, 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 à frequência de ocorrência de sinistros em cada classe,
dados:
– Nível de significância no cálculo da taxa pura é igual a 1%;

– Distribuição de sinistros e apólices expostas ao risco em 1 ano:
Número de sinistros Número de apólices

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 média = + Z 1−ε
n n3
Veja que a taxa de risco média é igual a:
Logo, o carregamento de segurança global da carteira será:

A taxa de risco em cada classe é igual à frequência de ocorrência, 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 segurança 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%
DISTRIBUIÇÕES PARA O NÚMERO DE SINISTROS NO MODELO COLETIVO
Conforme verificamos nos tópicos anteriores, os principais resultados para po-

dermos trabalhar com o modelo coletivo são:
∞
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 distribuições de X e N .

Para a distribuição de X já foram abordadas algumas distribuições paramétricas
possíveis no capítulo 4.
Vejamos a seguir duas distribuições importantes aplicáveis a N , quais sejam,
Poisson e Binominal Negativa, sendo estas abordadas mais detalhadamente em
(HART, BUCHANAN AND HOWE)7.
Quando N tem distribuição de Poisson, dizemos que S col tem distribuição de

Poisson Composta e, quando N tem distribuição Binominal Negativa, dizemos que
S col tem distribuição Binomial Negativa Composta, conforme será abordado no ca-
pítulo 6.
Distribuição de Poisson para N
Na maioria dos casos o processo de ocorrência de sinistros satisfaz às condições

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

só depende da magnitude de t e não de quando o processo iniciou;
b) Só é possível 1 sinistro no intervalo dt ;
c) As variáveis aleatórias “número de sinistros” em intervalos de tempo não
sobrepostos são independentes;
d) A probabilidade de 1 sinistro no intervalo dt é λdt ;
e) P (N 0 = 0) = 1 .
Uma descrição detalhada das características do processo de Poisson pode ser

vista em LARSON18.
Assim, N t ~ Poisson ( λ t )
e − λ t (λ t )
n
Ou seja, P (N t = n ) = n = 0,1,2 
n!
No modelo de risco anual, então:
Propriedades da Poisson
a) Seja T a variável aleatória “intervalo de tempo entre 2 sinistros”.

É fácil demonstrar que T ~ Exp (λ ) , pois:
P (T > t ) = P (N t = 0) = e −λ t → T ~ Exponencial ( λ )
1
Onde, E [T ] =
λ
Ou seja, o tempo médio entre 2 sinistros é igual a 1/ λ . Este resultado pode ser
utilizado na definição do número de reguladores de sinistros pela seguradora.
b) A média é igual à variância, ou seja: E [N ] = V [N ] = λ
c) M N (t ) = e λ (e −1)
t
Distribuição Binomial Negativa para N
Quando há indícios de que VAR[N ] > E [N ] , então a distribuição de Poisson

para N não é adequada. Uma boa alternativa é utilizar a distribuição 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 distribuição Geométrica ( p );
IV) Se , então a Binomial Negativa tende para uma Poisson;
V) Se N i , i 1, r tem distribuição geométrica ( p ) e N i são independentes, então,
r
N = ∑ N i ~ Binomial Negativa ( r, p )
i =1
Demonstração da Propriedade V:
Como N i são independentes, então,
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
⎠
Interpretações para a Binomial Negativa
Interpretação Tradicional
Pela interpretação tradicional, a distribuição do número de fracassos até atingir

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

Extrai-se uma bola ao acaso s vezes com repetição.
Após a extração de uma bola vermelha, esta volta à urna, juntamente com c bolas
vermelhas.
Assim, após o sorteio de uma bola vermelha, temos uma probabilidade maior de
sorteio de uma bola vermelha na próxima extração.
Isso gera uma distribuição Binomial Negativa para o número de bolas vermelhas
na amostra.
Pelas características acima, diz-se que a Binomial Negativa é uma distribuição
com contágio.
Aplicação Prática:
Seja uma carteira de seguros com várias classes de risco.

Cada classe possui distribuição de Poisson para o número de sinistros, mas com
parâmetros λ diferentes dependendo da classe do risco.
Se esses parâmetros λ ocorrem segundo uma distribuição Ω ~ Gama (α, β),
então a distribuição do número de sinistros total da carteira possuirá distribuição
Binomial Negativa conforme a seguir:
N ~ Binomial Negativa
Demonstração:
N Ω = λ ~ Poisson(λ )
E [N ] = E [E [N Ω]] = E [Ω]
V [N ] = E [V [N Ω]] + V [E [N Ω]] = E [Ω] + V [Ω]
Veja que V [N ] > E [N ] , o que não recomenda a distribuição de Poisson.
Ω ~ Gama ( α , β )
∞
P (N = n ) = ∫ P ( N = n Ω = λ ) μ (λ ) dλ
0
∞
βα
λ n +α −1e −( β +1)λ dλ
Γ(α ) n! ∫0
=
β α Γ(n + α )
∞
λ n +α −1 −( β +1)λ
= ∫0 Γ(n + α ) e (β + 1)n +α dλ
Γ(α ) n! (β + 1)
n +α
Γ(n + α ) β α 1
=
Γ(α ) n! (1 + β ) (1 + β )n
α
∞
λ n +α −1 −( β +1)λ
Pois, ∫ e (β + 1)n +α dλ = 1
0
Γ(n + α )
n
⎛ n + α − 1 ⎞⎛ β
α
⎞ ⎛ 1 ⎞
Então, P ( N = n ) = ⎜⎜ ⎟⎟⎜⎜ ⎟⎟ ⎜⎜ ⎟⎟
⎝ n ⎠⎝ 1 + β ⎠ ⎝1+ β ⎠
Logo, N ~ Binomial Negativa
Esta demonstração também pode ser classificada como uma das maravilhas atu-
ariais.
O número de sinistros de perda parcial na carteira de automóveis costuma pos-
suir distribuição Binomial Negativa. Este fato está comprovado na tese de mestrado
de FERREIRA5, “Uma aplicação do método de Panjer à experiência brasileira de
sinistros do ramo de automóveis”, onde foram observados 2844 sinistros em 1 ano,
em um total de 7062,85 apólices expostas ao risco.
Nessa tese, foi possível ajustar a distribuição do número de sinistros na carteira
em 1 ano utilizando somente 1 ano de observação, pois, cada apólice de automóvel
no Brasil pode produzir mais de 1 sinistro de perda parcial em 1 ano. A distribuição
de probabilidade que melhor se ajustou à variável aleatória “número de sinistros por
apólice em 1 ano” foi a Geométrica. Assim, a variável aleatória “número total de si-
nistros ocorridos em 1 ano na carteira” ( N ) foi ajustada por uma Binomial Negativa,
na medida em que a soma de Geométricas independentes é Binomial Negativa.
(DAYKIN, PENTIKAINEN AND PESONEN)4 fazem uma abordagem bastante
abrangente das principais características da distribuição Binomial Negativa, também
chamada pelos autores de distribuição de Polya.
Exemplo 4: O coeficiente de sinistralidade sobre o prêmio puro para um con-

junto de apólices num dado período é definido por:
S
R= , onde S representa o sinistro agregado e P o prêmio puro agregado no
período P
Suponha que:
a) P = E [ X ] E [N ] (1 + θ ) ;
b) Todas as apólices iniciam suas vigências no início do período e terminam suas

vigências no final do período.
Achar uma expressão para E [R ] e V [R ]

Resposta:
⎡S⎤ E [S ] E [X ] E [N ] 1
E [R ] = E ⎢ ⎥ = = =
⎣ P ⎦ E [X ] E [N ](1 + θ ) E [X ] E [N ](1 + θ ) 1 + θ
1 V [N ] E [X ] 2 + E [N ]V [X ]
V [R ] = V [S ] =
P2 (E [X ]E [N ](1 + θ ))2
Exemplo 5: Obter uma expressão para V [R ] quando N possui distribuição de

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

carteira de seguro onde N possui distribuição de Poisson ( λ ). Determinar para
a mesma carteira a distribuição do número 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 distribuição de N seja
independente da distribuição de X .
2) Calcular a taxa pura na classe III , onde a taxa pura em cada classe é proporcional
à frequência de ocorrência de sinistros de cada classe, dados:
- Nível de significância no cálculo da taxa pura ( ε ) é igual a 5%;

- Distribuição de sinistros e apólices expostas ao risco:
Número de sinistros Número de apólices

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 número de sinistros ocorridos em 1 ano

seguindo a distribuição de Poisson com λ = 1.000 , carregamento de segurança
de 10% e distribuição do valor de 1 sinistro conforme a seguir:
Valor do sinistro ($) Freqüência de ocorrência

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 variação da sinistralidade calculada sobre o prêmio

puro.
4) Provar que o coeficiente de variação da sinistralidade calculada sobre o prêmio

puro é igual ao coeficiente de variação da variável aleatória “sinistro agregado”.
Distribuições para o
Sinistro Agregado
Neste capítulo serão abordadas as distribuições mais importantes para o valor

total dos sinistros em 1 ano (sinistro agregado), e as principais características dessas
distribuições.
Serão apresentadas, também, algumas aproximações para o sinistro agregado,
onde se destaca a aproximação Normal pela sua simplicidade e adequabilidade no
ajustamento da distribuição do valor total dos sinistros.
DISTRIBUIÇÃO DE POISSON COMPOSTA PARA S col
Quando N possui distribuição de Poisson ( λ ), dizemos que S col possui distri-

buição de Poisson Composta ( λ , P ( x ) ), de modo que:
∞
e −λ λ n
Fs col ( x ) = ∑ P ∗n ( x )
n =0 n!
Função Geratriz de Momentos da Poisson Composta
Sabemos que a Função Geratriz de Momentos de S col é expressa por:

73
Sabemos, também, que a Função Geratriz de Momentos da Poisson é expressa

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

Composta com λ = 2 e distribuição de X idêntica à do exemplo 1 do capítulo 3.
Calcule:
a) f S col ( x ) para x = 0,1,2,3,4,5 e 6 e FS col (6)

b) Coeficiente de Variação de S col
Resposta:
a) Cálculo de f S col ( x ) para x = 0,1,2,3,4,5 e 6 e FS col (6)
Pelo Exemplo 1 do Capítulo 3, temos a seguinte distribuição de X :
x p(x)
1 0,6
2 0,3
3 0,1
Distribuições 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 distribuição de Poisson ( λ = 2 ), então,
e −2 2 n
P (N = n ) =
n!
Pelo exemplo 1 do Capítulo 3, já 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 convoluções necessárias neste exercício:

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) Cálculo do Coeficiente de Variação de S col
[ ]
E S col = λ 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 ] = λ 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 → σ S col = 5,4 = 2,3238
E, o coeficiente de variação, será:
O que representa um elevado coeficiente de variação. O principal motivo para

isto é o reduzido número de sinistros, pois λ = 2 .
Propriedades da Poisson Composta
Teorema 1
Sejam:
S1col , S 2col ,  S mcol variáveis aleatórias independentes de modo que:
S icol ~ Poisson Composta ( λ i , Pi ( x ) )
Então,
m
S col
= ∑ S icol ~ Poisson Composta ( λ , P ( x ) )
i =1
m m
λi
Onde: λ = ∑λ i e P(x ) = ∑ Pi ( x )
i =1 i =1 λ
Demonstração:
A Função Geratriz de Momentos de S icol pode ser expressa por:
MS (t ) = exp(λ i (M i (t ) − 1))
i
col
Onde, M i (t ) é a Função Geratriz de Momentos correspondente a Pi ( x )
Dado que as variáveis aleatórias S icol são independentes, então,

m
⎛ m ⎞
M S col (t ) = ∏ M S col (t ) = exp⎜ ∑ λ i (M i (t ) − 1)⎟
i =1
i
⎝ i =1 ⎠
m
Se multiplicarmos e dividirmos o somatório acima por ∑λ
i =1
i , e dado que:
M S col (t ) = exp(λ (M X (t ) − 1)) , então,
⎛ ⎛ m λ ⎞⎞
M S col (t ) = exp⎜⎜ λ ⎜ ∑ i (M i (t ) − 1)⎟ ⎟⎟
⎝ ⎝ i =1 λ ⎠⎠
m m
λ
Onde, λ = ∑λ i e P(x ) = ∑ λ P (x )
i
i
i =1 i =1
Consequências:
a) Várias partições de carteira com distribuição de Poisson Composta geram carteira
com distribuição de Poisson Composta;
b) Vários subintervalos de tempo com distribuição de Poisson Composta geram um

intervalo de tempo, que é a soma dos subintervalos, com distribuição 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 variável aleatória “número 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 distribuição de Poisson Composta ( λ , P ( x ) ), então:
a) N 1 , N 2 ,  , N m são independentes;
b) N i ~ Poisson ( λ i ), onde: λ i = λ P ( X = x i ) .
m
Conseqüência: λ = ∑λ
i =1
i
Este teorema é demonstrado por ( BOWERS, GERBER, HICKMAN, JONES

AND NESBITT)1 .
Observações:
a) Este é um método alternativo para determinar a distribuição de Poisson Composta,
aplicável quando a distribuição do valor de 1 sinistro ( X ) é discreta. Mesmo
quando uma distribuição contínua é selecionada, pode-se transformá-la em uma
distribuição discreta para se obter uma aproximação para S col;
b) A utilidade desse método é mais evidenciada quando temos um número pequeno

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

i) Calcula-se λ i = λ 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 são 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 − λ i λ ix / xi
d) P ( x i N i = x ) = P ( N i = )=
xi ⎛ x⎞
⎜⎜ ⎟⎟ !
⎝ xi ⎠
Exemplo 2: Refazer o cálculo de f S col ( x ) para x = 0,1,2 e 3 do exemplo 1,

utilizando o método alternativo do Teorema 2.
Resposta:
λ 1 = λ P ( X = 1) = 2 × 0,6 = 1,2
λ 2 = λ P ( X = 2 ) = 2 × 0,3 = 0,6
λ 3 = λ 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 cálculo por este método ser mais rápido do que aquele
executado no exemplo 1, ainda assim é bastante trabalhoso.
DISTRIBUIÇÃO BINOMIAL NEGATIVA COMPOSTA PARA Scol
Quando N possui distribuição Binomial Negativa ( r, p ), dizemos que S col pos-

sui distribuição 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 ⎠
Função Geratriz de Momentos da Binomial Negativa Composta
Sabemos que a Função Geratriz de Momentos de S col é expressa por:
Sabemos, também, que a Função Geratriz de Momentos da Binomial Negativa

é 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, também, mostrar que:

APROXIMAÇÕES PARA Scol
Conforme verificamos, a determinação da distribuição de S col é extremamente

trabalhosa, seja por convolução ou a partir da Função Geratriz de Momentos. Veja-
mos a seguir as aproximações Normal e Gama para S col, as quais são muito utilizadas
na prática.
Aproximação Normal para Scol

Sabemos que S col = X 1 + X 2 +  + X N
Se S col for a soma de variáveis aleatórias X i independentes e identicamente
distribuídas, então, quando o número de sinistros for suficientemente grande, Scol terá
distribuição aproximadamente Normal com média e variância V [S col ] , ou seja:
[ ]
S col − E S col
~ N (0,1)
[ ]
σ S col
Uma utilização prática desse resultado é, por exemplo, o cálculo do total de prê-
mio puro ( P ) tal que:
[ ] [ ]
, onde: P = E S col + Z 1−α σ S col
O valor de P pode ser visualizado graficamente no Gráfico 6.1.
Grááfico 6.1.
Aproximação Normal quando S col ~ Poisson Composta ( λ , P ( x ) )
Conforme demonstrado no item “Distribuição de Poisson Composta para S col”,

temos:
[ ]
E S col = λ E [X ] [ ]
V S col = λ E X 2[ ]
S col − λ E [X ]
Assim sendo, ⎯λ⎯⎯→ N (0,1)
[ ]
λE X2
→∞
Demonstração:
S col − λ E [X ]
Seja Z =
[ ]
λE X2
Então,
Como M S col (t ) = exp(λ (M X (t ) − 1)) , então,
⎛ ⎛ ⎛ t ⎞ ⎞ λ E [X ] t ⎞
M Z (t ) = exp⎜ λ ⎜ M X ⎜ ⎟ − 1⎟ − ⎟
⎜ ⎜
⎝ ⎝
⎜ λE X 2
⎝ [ ] ⎟ ⎟
⎠ ⎠ λE X 2 [ ] ⎟
⎠
Sabemos que:
Logo,
⎛ ⎛
⎜
M Z (t ) = exp λ 1 +
⎜ E [X ] t E X 2 t2[ ] E X 3 t3 [ ] ⎞ λ E [X ] t
+ ... − 1⎟ −
⎞
⎟
( [ ])
+ +
⎜ ⎜
⎝ ⎝ λ E X 2
[ ]2! λ E X 2
[ ]3! λ E X 2 3/ 2 ⎟
⎠ [ ]
λE X 2 ⎟
⎠
⎛ t2
M Z (t ) = exp⎜ +
[ ]
E X 3 t3 ⎞
+ .... ⎟
(
⎜⎜ 2! 3! λ E X 2 [ ]) ⎟⎟
3/ 2
⎝ ⎠
⎛ t2 ⎞
Ou seja, quando λ → ∞ , então, M Z (t ) → exp⎜⎜ ⎟⎟ que é a Função Geratriz de
Momentos de uma distribuição Normal ( 0,1 ). ⎝2⎠
Este resultado é compatível com o resultado apresentado pelo Teorema Central
do Limite, no que concerne ao fato que precisamos que N seja grande, ou seja, é
necessário que λ seja grande, pois λ = E [N ] .
Exemplo 3: Seja a distribuição da variável aleatória “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 segurança ( θ ) que garanta que seja de 1% a proba-

bilidade do sinistro agregado superar o total de prêmio puro, dado que o sinistro
agregado possui distribuição de Poisson Composta que pode ser aproximada por uma
distribuição Normal.
a) supondo ;
b) Supondo .
Resposta:
[ ] [ ] [ ]
P = E S col + Z 1−α σ S col = E S col (1 + θ )
Logo, θ =
[ ]
Z 1−α σ S col
[ ]
E S col
[ ]
Mas, E S col = λ E [ X ] [ ] [ ]
V S col = λ E X 2
Logo, θ =
Z 1−α [ ]
λE X2
λ E [X ]
Em relação à distribuição de 1 sinistro, temos:
Carteira E[X] E[X 2] σ[X] σ[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 variação intermediário

(67,7%), a segunda carteira é bastante dispersa (321,5%) e a terceira carteira é toda
concentrada, sem variabilidade no X .
Desta forma, então, teremos os seguintes valores de θ em função de λ :
a) λ = 100
Carteira θ
1 28,1%
2 78,5%
3 23,3%
b) λ=10.000
Carteira θ
1 2,8%
2 7,8%
3 2,3%
Observe que, enquanto na primeira situação, onde temos somente 100 sinistros
em média por ano, os carregamentos de segurança são elevados, destacando-se a car-
teira 2 com 78,5% de carregamento de segurança. Na situação em que temos 10.000
sinistros em média por ano, os carregamentos de segurança são bastante reduzidos,
situando-se todos na faixa abaixo de 10%.
Isto nos mostra que o mais importante para se obter um baixo carregamento de
segurança é a massificação. Com a massificação, mesmo a carteira 2, que possui uma
alta dispersão nos valores de 1 sinistro, passa a ter uma pequena dispersão no valor
total dos sinistros.
Veja que, na situação em que temos λ = 100 , o número médio de sinistros de
valor $1.000 na carteira 2 é de 2% × 100 = 2 , na situação em que ,o
número médio de sinistros passa para . Ora, 200 sinistros já re-
presentam uma massa significativa, de modo que a faixa de valor $1.000, apesar de
representar somente 2% da distribuição do valor de 1 sinistro, passa a ser significati-
va, quando temos um número elevado de sinistros na carteira.
Aproximação Normal quando S col ~ Binomial Negativa Composta ( r, p, P ( x ) )
Conforme demonstrado no item “Distribuição 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 é necessário que

rq
S col − E [X ]
p
Logo, ⎯→ N (0,1)
⎯r⎯
→∞
q
[ ] q2
r E X 2 + r 2 E [X ]
p p
Observação:
Conforme já observado neste livro, a aproximação Normal costuma ser muito

boa no extremo superior da distribuição de S col, mesmo quando o número esperado
de sinistros é pequeno.
Essa propriedade tem uma aplicação prática muito grande, pois são exatamente
os valores mais elevados de S col que mais nos interessam nos cálculos atuariais, como
(
por exemplo no cálculo do prêmio puro P tal que P S col > P = 1% .)
Se acharmos que a assimetria da distribuição de S col é muito forte, então não
devemos utilizar a aproximação Normal. Podemos, por exemplo, aplicar a aproxima-
ção Gama, cuja distribuição é assimétrica, apresentando o terceiro momento central
positivo.
col
Aproximação Gama para S
Este é o modelo padrão da Gama. Neste caso, porém, estamos considerando

probabilidades a montantes de indenizações desprezíveis (ε). Entretanto, isto é muito
difícil de acontecer com um grande número de apólices na carteira, de modo que:
P (0 < S col < ε ) → 0
Para equacionar esse problema, faz-se uma translação de x 0 na curva da função

de densidade g , onde x 0 é o montante mínimo de indenização, ou seja:
Gráfico 6.2
H é a função de distribuição da Gama Transladada. Assim sendo, se S col tem

distribuição Gama Transladada, então:
Observe que os momentos da Gama Transladada são iguais aos da Gama, à ex-
ceção da média, a qual é acrescida de x 0 :
[ ]
E S col = x 0 +
α
β
[ ]
V S col =
α
β2
[
E (S col − E S col[ ] ) ] = 2βα
3
3
Resolvendo esse sistema de 3 incógnitas e 3 equações, temos:
α=
[ ])
4(V S col
3
[
E (S col − E [S ] ) col
]
3 2
[ ]
2V S col
β=
[
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 α , β e x 0 que melhor aproximam uma distribuição Gama à

[ ] [ ]
variável S col , precisamos conhecer E S col ,V S col e E S col − E S col . [( [ ]) 3
]
Vejamos a seguir o cálculo destes momentos para o caso da Poisson Composta e
da Binomial Negativa Composta:
Aproximação Gama quando S col ~ Poisson Composta ( λ , P ( x ) )
Conforme demonstrado no item “Distriuição de Poisson Composta para S col”,

temos:
[ ]
E S col = λ E [X ] [ ]
V S col = λ E X 2 [ ] [ [ ])
E (S col − E S col
3
] = λ E[X 3
]
Logo,
α=
4λ E X 2 [ ] 3
E [X ]
3 2
β =2
[ ]
E X2
[ ]
E X3
x 0 = λ E [X ] − 2 λ
E X2 [ ] 2
E X3 [ ]
Aproximação Gama quando S col ~ Binomial Negativa Composta ( r, p, P ( x ) )
Conforme demonstrado no item “Distriuição 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 ) ⎠
É fácil mostrar que:
e, assim, calculamos α , β e x 0 .
Observações:
a) Pode-se mostrar que:
Assim sendo, pode-se dizer que a aproximação Gama é uma generalização da

distribuição Normal;
b) Podemos calcular o prêmio P tal que:

FS coL ( P) = 1 − α → G (P − x0 ; α ; β ) = 1 − α
Outras Aproximações para S col
Existem diversas outras aproximações para a distribuição do sinistro agregado,

entre as quais destacamos:
• Série de Edgeworth, também chamada de Normal II;

• Normal Power (NP);
• Escher;
• Wilson - Hiferty Formula;
• Haldane Approach.
Essas aproximações são extensões da distribuição Normal. Abordagens aprofun-

dadas dessas e de outras aproximações foram feitas por GERBER6, HEILMANN8,
KAAS11, (HOGG AND KLUGMAN)9 e (DAYKIN, PENTIKAINEN AND PE-
SONEN)4.
A aproximação Normal não costuma ser muito precisa na aproximação do sinis-
tro agregado, já que possui o coeficiente de assimetria zero. Apesar disso, conforme
já comentado, a aproximação Normal costuma ser muito boa na região de maior
interesse, ou seja, na cauda superior da distribuição do sinistro agregado.
Exemplo 4: Suponha que S col tenha distribuição de Poisson Composta com

e distribuição de X sendo Uniforme (0,1). Calcular , utilizando:
a) Aproximação Normal;
b) Aproximação Gama Transladada.
Resposta:
Se X possui distribuição Uniforme (0,1), então, f X ( x ) = 1 , logo,
1
x2 1
E [X ] = ∫ xdx = 1
0 =
0
2 2
a) Aproximação Normal
b) Aproximação Gama Transladada.
β =2
[ ]
E X2
= 2×
1/ 3 8
=
[ ]
EX 3
1/ 4 3
Logo,
Onde,
EXERCÍCIOS
1) Sejam as variáveis aleatórias S kcol k = 0,1,2,...., com distribuição Binomial

Negativa Composta com parâmetros r e p (k ) e função de distribuição
acumulada do valor de 1 sinistro igual a FX ( x ) . Os parâmetros da distribuição
Binomial Negativa Composta possuem a seguinte característica:
q(k ) q
=k k = 1, 2,3,.....,
p (k ) p
Onde q é uma constante e q = 1 − p ,
k S col
Mostre que a distribuição de
Gama ( r, r ) quando k → ∞ .
E S kcol [ ] se aproxima de uma distribuição
2) Seja S1col com distribuição de Poisson Composta com λ = 2 e distribuição

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 distribuição de Poisson Composta
com λ = 6 e distribuição do valor de 1 sinistro assumindo os valores $3 ou $4,
com probabilidade de 0,5 para cada um dos valores. Determinar a distribuição de
S1col + S 2col para a hipótese de S1col ser independente de S 2col .
3) Mostre que se S col possui distribuição Gama ( α , β ), então:
Sugestão: Use a função geratriz de momentos da Gama, ou seja,
α
⎛ β ⎞
M S col (t ) = ⎜⎜ ⎟⎟
⎝β −t⎠
4) Suponha que S col possua distribuição Gama Transladada ( x ;α ; β ; x 0 ).

Determinar β e x 0 em função de α , de modo que S col possua média igual a
zero e variância igual a 1.
5) Suponha que S col possua distribuição de Poisson Composta com e

(
distribuição de X sendo Exponencial ( α = 0,005 ). Calcular P S > 5.000
col
)
utilizando a aproximação Normal.
6) Seja a seguinte distribuição 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 segurança ( θ ) que proporciona uma probabilidade de

5% do sinistro agregado superar o total de prêmio puro, dado que o sinistro agregado
possui distribuição Binomial Negativa Composta ( ) que
pode ser aproximada por uma distribuição Normal.
Fórmula Recursiva
de Panjer
A obtenção da distribuição exata da variável aleatória “valor total dos sinistros

em 1 ano” é extremamente trabalhosa, conforme abordado nos capítulos anteriores.
Neste capítulo será desenvolvida a fórmula recursiva de Panjer, a qual permite a
obtenção da distribuição exata do sinistro agregado, com a vantagem de sua simplici-
dade e facilidade de ser transformada em um algoritmo. Essa simplicidade permite a
obtenção do sinistro agregado a partir de recursos computacionais triviais.
A FÓRMULA RECURSIVA DE PANJER
PANJER16 descobriu que diversas distribuições discretas possuem a seguinte

característica:
⎛ b⎞
Pn = ⎜ a + ⎟ Pn −1 n = 1,2,
⎝ n⎠
Sendo Pn a função de probabilidade no ponto n .
É fácil provar que as distribuições abaixo possuem essa característica:
95
Poisson ( λ )
λ n e −λ λ
Pn = = Pn −1
n! n
Sendo a = 0 e b=λ
Geométrica ( 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
Observação: As distribuições que possuem essa característica pertencem à

chamada família ( a, b ) de Panjer.
DEMONSTRAÇÃO DA FÓRMULA 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 .
Fórmula 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 +1−i = ( a + b)∑ (n + 1 − i ) g i f n +1−i
i =0 i =0
Seja g 0 = f 0 , então,
n
( n + 1) g n +1 − a ( n + 1) f o g n +1 − a ∑ (n + 1 − i ) f i g n +1−i
i =1
n
= (a + b )(n + 1) g 0 f n +1 − ∑ (n + 1 − i ) g i f n +1−i ( 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 é a fórmula recursiva de Panjer, a qual permite calcular a distribuição exata

de S de forma recursiva, de modo que, dado que conhecemos a distribuição de X e
conhecemos a distribuição de N e, consequentemente, os valores de a e b, podemos
calcular P (S = 0) = P (N = 0) . Em seguida podemos calcular P (S = α 1 ) , sendo
α 1 o primeiro valor que S pode assumir após zero. Calculado P (S = α 1 ) , podemos
calcular P (S = α 2 ) , sendo α 2 o 1o valor que S pode assumir após α 1 , e, assim,
sucessivamente.
CONSIDERAÇÕES PRÁTICAS
A fórmula recursiva de Panjer é muito prática de ser utilizada e possui a vanta-

gem de conduzir à distribuição exata de S .
O algoritmo de programação da fórmula recursiva de Panjer fica simplificado
quando os valores de X estão dispostos de forma seqüencial.
Vejamos, a seguir, como agrupar os valores de X de forma seqüencial para os
casos discreto e contínuo.
X Discreto
Deve-se escolher um fator de incremento a partir da análise da distribuição de

X e da análise dos valores extremos.
O fator de incremento deve ser o menor possível que atenda às limitações dos
recursos computacionais, pois quanto menor o fator de incremento, maior o número
de pontos seqüenciais de X .
Por exemplo, caso tenhamos uma distribuição de X que pode assumir valores
de $1 até $98, podemos definir os novos pontos seqüenciais como sendo: $5; $15;
$25; $35; $45; $55; $65; $75; $85 e $95, onde o fator de incremento é igual a $10.
Desta forma, então, 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 distribuição será igual a , será
igual a e, assim, sucessivamente.
X Contínuo
Para utilizar a fórmula recursiva de Panjer, precisamos discretizar X . Apre-

sentamos a seguir o método de discretização pelo ponto médio, conforme descrito em
(DAYKIN, PENTIKAINEN AND PESONEN) 4:
Tomamos os seguintes pontos médios: 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 distribuição de

probabilidade acima de 2 r ′ seja insignificante.
A distribuição de probabilidade acima de 2 r ′ deve ser alocada proporcional-
mente em cada intervalo em função da sua respectiva distribuição de probabilidade.
Exemplo 1: Refazer o cálculo de f S ( x ) do exemplo 1 do capítulo 6 pela fór-

mula recursiva de Panjer.
Resposta:
Como N possui distribuição de Poisson (λ = 2 ) , então:
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 rápida e simplificada do que

no exemplo 1 do Capítulo 6, onde aplicamos o processo de convolução, e, também,
de forma mais rápida e simplificada do que no exemplo 2 do Capítulo 6, onde apli-
camos o método alternativo do Teorema 2.
EXERCÍCIOS
1) Seja a seguinte distribuição 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 variável aleatória “número de sinistros ocorridos em 1 ano” seja Poisson ( λ = 3 ),
utilizando a fórmula recursiva de Panjer.
2) Refazer o exercício 1 supondo que a variável aleatória “número de sinistros

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

a distribuição Binomial como pertencente à família ( a, b ) de Panjer.
Processo de Ruína –
Período Finito
Neste capítulo serão apresentados os cálculos do limite de retenção, da proba-

bilidade de uma seguradora deixar de honrar os seus compromissos futuros, aqui
denominada de probabilidade de ruína e o capital que a seguradora deve constituir
para garantir a sua solvência.
Para a avaliação da solvência de uma seguradora devem ser considerados diver-
sos riscos, tais como os riscos legal, operacional, de crédito, das operações financei-
ras e o principal deles que é o risco de subscrição.
A obtenção dos parâmetros limite de retenção, probabilidade de ruína e necessi-
dade de capital pode envolver processos extremamente complexos, não existindo, en-
tretanto, nenhuma formulação que possa ser classificada como ideal na comunidade
atuarial para a obtenção desses parâmetros. Serão desenvolvidas algumas fórmulas
simplificadas baseadas no risco de subscrição, mas que possuem a vantagem de ex-
plicitar como funciona o processo de ruína de uma seguradora.
Esses cálculos serão efetuados considerando o processo de ruína em um período
finito, de modo que os parâmetros acima serão determinados para garantir a solvência
de uma seguradora em 1 ano.
O PROCESSO DE RUÍNA
O processo de ruína está relacionado a diversos fatores qualitativos e quantitati-

vos, entre os quais podem ser destacados os seguintes fatores quantitativos relaciona-
dos ao risco de subscrição:
103
a) Duração do processo;
b) Carregamento de segurança ( θ ) embutido no prêmio puro;
c) Distribuição do valor total dos sinistros retidos S RET ;
d) Tipo de contrato de resseguro;
e) Limite técnico;
f) Fundo inicial que a seguradora aloca para assumir o risco de ruína ( μ );
g) Probabilidade de ruína ( δ ).
Será desenvolvido adiante o estudo sobre a probabilidade de ruína, levando-se

em conta o processo estocástico associado ao fenômeno do excedente existente nas
operações de seguro.
Este capítulo utiliza alguns conceitos de resseguro, os quais são apresentados no
capítulo 10.
Sejam:
μ - Fundo inicial, ou reserva de risco;
PRET (t ) - Total de prêmio 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,
μ representa o quanto a empresa se dispõe a colocar em risco nas operações de

seguro para o risco de subscrição. Esse montante, naturalmente, deve ser função da
sua capacidade econômica, ou seja, do seu patrimônio líquido.
Na prática utilizam-se percentuais que variam de 25% a 50% do patrimônio lí-
quido, sendo que quando a empresa compromete uma proporção pequena do patri-
mônio líquido, o que não necessariamente implica na sua ruína, a empresa aceita
trabalhar com probabilidades mais elevadas de que essa pequena proporção do patri-
mônio líquido seja consumida com as operações de seguro.
A utilização de um percentual reduzido do patrimônio líquido, como reserva de
risco, se justifica, também, pelo fato de que nem todos os ativos da seguradora serem
líquidos, de modo que se ela perder, por exemplo, 25% do seu patrimônio líquido,
pode até se arruinar por falta de liquidez. Além disto, o risco de subscrição não é o
único que pode conduzir à ruína de uma seguradora. Na prática observa-se que este
risco responde por 50% a 80% da necessidade de capital de uma seguradora.
A ruína da empresa acontece exatamente quando os sinistros retidos menos os
prêmios puros retidos superam a reserva de risco (μ) num instante t qualquer, ou seja,
PRET (t ) + μ − S RET (t ) < 0 → U (t ) < 0
Processo de Ruína – Período Finito • 105
Veja que na determinação do excedente não consideramos os ganhos financeiros

nem as despesas administrativas e de comercialização.
De modo que possamos visualizar o processo estocástico, vamos supor que os
prêmios sejam auferidos uniformemente ao longo do tempo, ou seja:
PRET (t ) = c t
Supomos que a carteira permanecerá com as mesmas características e que os

prêmios não serão reavaliados.
Logo,
U (t ) = μ + c t − S RET (t )
Seja X RET a variável aleatória “valor do i-ésimo sinistro retido”. Desta forma, a
representação gráfica do processo de ruína pode ser observada no Gráfico 8.1.
Gráfico 8.1.
Onde T é o tempo no qual ocorre a ruína.

Ou seja,
T = min{ t , t ≥ 0 e U (t ) < 0}
Podemos notar que:
T = ∞ ↔ U (t ) ≥ 0 ∀ t ≥ 0
Que é a situação em que não ocorre a ruína.
Além disso, o excedente no momento de ruína é U (T ) , onde U (T ) < 0 .
PROBABILIDADE DE RUÍNA
Seja ϕ (μ , t ) a função que define a probabilidade de ruína no intervalo [0, t ) .

Assim sendo, temos:
ϕ (μ , t ) = P (T < t )
A probabilidade de ruína em um período infinito, que será tratada no capítulo 9,

é representada por:
ϕ (μ ) = P (T < ∞ )
Veja que ϕ (μ , t ) ≤ ϕ (μ )
Probabilidade Anual de Ruína
A probabilidade de ruína em 1 ano pode ser expressa por :

ϕ (μ ,1) = P (T < 1)
Sejam:
PRET - Total de prêmio puro retido auferido em 1 ano;
S RET - Total dos sinistros retidos ocorridos em 1 ano.
Uma definição de probabilidade de ruína em 1 ano que permite uma aplicação

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

retidos sejam superiores ao fundo inicial acrescido dos prêmios puros nesse período.
Veja que existe uma diferença bastante sutil entre os dois conceitos, ou seja:
P(T < 1) ≠ P(U (1) < 0 )
Pois o excedente U (t ) pode até ser positivo ao final de 1 ano, o que não caracte-
riza a ruína pelo segundo conceito e ter sido negativo num instante qualquer antes do
fim do ano, o que caracteriza a ruína 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, só exigimos que U (1) seja negativo.
Assim sendo, é importante termos em mente que, quando estivermos trabalhan-

do com o segundo conceito para a solução de um problema qualquer relacionado ao
processo de ruína, deveremos ser mais conservadores na fixação de uma probabili-
dade máxima de ruína aceitável, em função de que pelo segundo conceito permite-se
excedentes negativos durante o ano com a possibilidade de alguma forma de finan-
ciamento com os novos prêmios ou postergação no pagamento dos sinistros, o que
nem sempre é possível.
MODELO PRÁTICO DE RUÍNA
A seguir apresentamos uma utilização prática do processo de ruína em 1 ano,

onde aplicamos a aproximação Normal à distribuição de Poisson Composta para
S RET . Desta forma, desenvolveremos o cálculo do limite técnico, do μ e da probabi-
lidade de ruína.
Sejam:
μ - Fundo inicial ou reserva de risco;
LT - Limite técnico ou limite de retenção;
δ - Probabilidade de ruína em 1 ano;
X RET - Variável aleatória “valor de 1 sinistro retido”, após a fixação do LT;
S RET - Variável aleatória “valor total do sinistro retido ocorrido em 1 ano”, após a
fixação do LT;
PRET - Total de prêmio puro retido, após a fixação do LT.
Vamos supor que S RET tenha distribuição de Poisson Composta ( λ , f X RET ( x ) ),

de modo que:
E [S RET ] = λ E [X RET ]
[
V [S RET ] = λ E X RET
2
]
Vamos aproximar a distribuição de S RET por uma distribuição Normal, logo,
S RET − λ E [X RET ]
Z= ~ N (0,1)
[2
λ E X RET ]
Cálculo da Probabilidade de Ruína em 1 ano ( δ )
Vamos utilizar o modelo prático apresentado no item “Probabilidade Anual de

Ruína”, de modo que a probabilidade anual de ruína será expressa por:
δ = P (S RET > μ + PRET )
Ou seja,
⎛ μ + PRET − λ E [X RET ] ⎞⎟
δ = P⎜ Z >
⎜
⎝
2
[
λ E X RET ] ⎟
⎠
Através dessa equação podemos, também, calcular μ, fixados os valores de LT e

δ, ou, calcular o LT, fixados os valores de μ e δ, o que será abordado nos itens “Cál-
culo da Reserva de Risco μ" e “Cálculo do Limite Técnico (LT)”.
Cálculo da Reserva de Risco ( μ )
Conforme desenvolvido no item. “Cálculo da Probabilidade de Ruína em 1 ano

( δ )”, sabemos que:
⎛ μ + PRET − λ E [X RET ] ⎟⎞
P⎜ Z > =δ
⎜
⎝ λ E X[2
RET ] ⎟
⎠
Logo,
μ + PRET − λ E [X RET ]
= Z 1−δ
[ 2
λ E X RET ]
Desta forma, então, o valor de μ será:
[
μ = λ E [X RET ] − PRET + Z 1−δ λ E X RET
2
]
Exemplo 1: Seja X ~ Exponencial ( α ) e N ~ Poisson ( λ ). Determinar uma

expressão para μ em função do LT, λ , α e δ que garanta a solvência da seguradora
em 1 ano, dados:
– Plano de resseguro de excesso de danos;

– S RET pode ser aproximada por uma distribuição Normal;
– PRET = λ E [X RET ] , ou seja, o carregamento de segurança é zero.
Resposta:
Como PRET = λ E [ X RET ] , logo,
μ = Z 1−δ λ E X RET
2
[ ]
Como o plano de resseguros é de excesso de danos, então,
Como X ~ Exponencial ( α ) , então,
f X ( x ) = α e −α x e F X ( x ) = 1 − e −α x
Logo,
Logo,
Veja que esta é uma fórmula bastante simples de se calcular μ . Para tal, precisa-
mos atribuir um valor para δ e LT. O valor de α pode ser calculado como sendo
o inverso do valor médio de 1 sinistro, pois X ~ Exponencial ( α ) e E [ X ] = 1 / α .
Cálculo do Limite Técnico ( LT )
Calcula-se o LT que, a partir de μ e δ , seja a solução da equação desenvolvida

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

ser necessariamente feito por tentativa.
Na verdade, não existe uma fórmula que possa ser considerada como única
para o cálculo do LT. A fórmula por tentativa acima, e as demais que serão apre-
sentadas no capítulo 9, são apenas algumas das diversas fórmulas existentes, sem
que nenhuma delas tenha sido consagrada como ideal pela comunidade atuarial.
Na prática é muito comum se trabalhar com fórmulas empíricas que relacionam
o LT ao volume de prêmios, sinistros, patrimônio líquido, etc. Existem, também,
modelos de cálculo que utilizam processos de otimização no cálculo do LT.
Procedimentos mais modernos , enquadrados no segmento de cálculo por oti-
mização, utilizam projeções financeiras, procurando identificar a melhor opção
de resseguro e, consequentemente, de limite de retenção, a partir da análise do
valor presente dos lucros esperados na carteira. Essas projeções podem ser feitas
de forma determinística ou estocástica. Pela forma estocástica, também chama-
da de DFA (dinamic financial analysis), os sinistros são tratados como variável
aleatória.
A partir da fórmula acima, podemos realizar um cálculo otimizado de LT, onde

o LT ótimo será aquele que minimiza a probabilidade de ruína ( δ ), ou, equivalente-
mente, maximiza Z 1−δ . Desta forma, o LT deverá otimizar a seguinte função:
Para maximizar esta função precisamos maximizar o numerador da função e

minimizar o denominador. Desta forma, dado que μ é fixado a priori, o LT ótimo
deverá proporcionar o máximo de PRET − λ E [ X RET ] , ou seja, o máximo de PRET
(total de prêmio puro retido) e o mínimo de λ E [ X RET ] (média do total de sinistro
retido), com o mínimo de 2
[
λ E X RET ]
(desvio padrão do total de sinistro retido).
Observe que quando a carteira da seguradora está equilibrada, com carregamento
de segurança positivo, a cada LT mais elevado, aumenta a relação PRET − λ E [ X RET ],
pois o volume de prêmios retidos é sempre superior ao valor esperado dos sinistros
retidos. Ocorre que o aumento do LT pode fazer com que a seguradora assuma pontas
na distribuição dos sinistros retidos de tal forma que o aumento no desvio padrão do
total de sinistro retido tenha um peso maior do que o aumento da diferença entre PRET
e λ E [ X RET ]. Esta análise sobre a otimização no cálculo do LT é sem dúvida mais
uma das maravilhas atuariais.
Relação entre μ , δ e LT
Para ajudar na análise da relação entre μ , δ e LT , vamos trabalhar com a hipó-

tese de que X RET seja constante e igual a K e que o LT assumirá 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 + θ ) = λ E [X RET ](1 + θ ) = λ K (1 + θ )
Logo,
[
2
]
μ = λ K − λ K (1 + θ ) + Z 1−δ λ K 2
μ = Z 1−δ K λ − λ Kθ
Para analisarmos a relação entre μ , δ e LT, precisamos separar a análise em

duas partes, sendo a primeira parte referente à situação em que a carteira da segura-
dora está desequilibrada, tendo um carregamento de segurança ( θ ) não positivo e a
segunda parte, quando o carregamento de segurança é positivo. Na nossa análise, o
LT estará representado pelo K .
Carregamento de Segurança não Positivo
Neste caso, θ ≤ 0 e o total de prêmio puro retido é igual ou inferior ao valor

esperado do total de sinistros retidos.
Ou seja, μ será sempre positivo, pois a parcela dedutora existente em sua fór-
mula ( − λKθ ) será positiva.
Assim sendo, temos:
Os dois primeiros resultados são imediatos e mostram que, quanto maior o

número esperado de sinistros ( λ ) e quanto maior o LT, maior será a reserva de risco
( μ ), o que é consequência de não existir um carregamento de segurança positivo e,
assim, cada novo negócio precisa ser bancado por um acréscimo na reserva de risco.
O terceiro resultado nos diz que para termos uma diminuição na probabilidade de
ruína ( δ ), devemos aumentar a reserva de risco.
Carregamento de Segurança Positivo
Neste caso, a análise é um pouco mais complexa.

A relação entre μ e δ pode ser visualizada no Gráfico 8.2:
0 λ
Gráfico 8.2.
Observe que, se o número esperado de sinistros ( λ ) for suficientemente grande,

μ pode até mesmo ser igual a zero. Vejamos que ponto seria esse:
μ = Z 1−δ K λ − λ Kθ = 0
Z 12−δ
→λ =
θ2
Podemos, também, calcular o valor de θ que torna o valor de μ igual a zero,
ou seja:
Z 1−δ λ
θ=
λ
Na verdade este valor de θ é o mesmo já visto no cálculo do prêmio puro quan-
do aproximamos S col por uma distribuição Normal, sendo o valor de um sinistro
( X ) constante e sendo α a probabilidade de o total de sinistro superar o total de
prêmio puro , ou seja,
P=ES [ ]+ Z
col
[ ] = E [S ]
σ S col col
(1 + θ ) → θ = [ ]
Z1−α σ S col
1−α
[ ]
E S col
[ ]
Onde, E S col = λ E [ X ] = λ K [ ] [ ]
e σ S col = λ E X 2 = λ K 2
Z 1−α λ K 2 Z 1−α λ
Logo, θ = =
λK λ
O que nos mostra que se o prêmio puro estiver corretamente calculado, com um
carregamento de segurança adequado, a reserva de risco poderá até ser desnecessária.
Ocorre que, para isto acontecer, a probabilidade de o total de sinistros superar o total
de prêmio puro terá que ser de δ , e não de α , onde δ normalmente é uma proba-
bilidade extremamente reduzida ( na ordem de 0,001 ou 0,0005, por exemplo) , pois
está associada à probabilidade de ruína.
Sendo δ muito pequeno, Z 1−δ terá que ser muito grande e, consequentemente,
muito elevado o valor de θ , o que pode tornar a seguradora não competitiva. Sendo
não competitiva, a seguradora poderá até quebrar, resultando em um efeito contrário.
O segredo da operação de seguros está em se trabalhar com carregamentos de se-
gurança competitivos, que permitam uma massificação da carteira, e o uso adequado
da reserva de risco para bancar oscilações mais substanciais nos valores das indeni-
zações. Ou seja, a seguradora sempre deverá dispor de uma reserva de risco e jamais
imaginar que o processo de precificação será suficiente para garantir a sua solvência.
Por outro lado, quanto mais capitalizada a seguradora, mais condições ela terá de
reduzir o carregamento de segurança no valor dos prêmios, sem que esteja sujeita a
um alto risco de insolvência, facilitando até movimentos indesejáveis de “dumping”.
A constatação acima também pode ser classificada como uma das maravilhas
atuariais.
Assim sendo, a análise da relação entre μ , δ e LT fica da seguinte forma:
Z 1−δ λ
a) Se θ ≥ → μ ≤0
λ
Z 1−δ λ
b) Se θ < → μ >0
λ
No primeiro caso, quanto maior o LT, mais negativo será o μ , pois o carrega-
mento de segurança é extremamente elevado.
No segundo caso, quanto maior o LT, maior será o μ .
Quanto à relação entre δ e μ , podemos afirmar:

δ↓ Z1−δ ↑ μ↑
Que é uma relação comum a todas as situações, pois, quanto menor a probabili-
dade de ruína que a seguradora quiser trabalhar, maior deverá ser a reserva de risco.
Exemplo 2: Uma seguradora possui 50.000 apólices de seguro de vida com

uma taxa média de mortalidade de 0,003. O valor da indenização em caso de morte
é fixa em $10.000 e o carregamento de segurança θ =0,05. Calcular μ a um nível
de significância de 1% de modo que dentro de 5 anos a seguradora não se arruine.
Suponha que S col possui distribuição de Poisson Composta, podendo ser aproxi-
mada por uma Normal e que os sinistros agregados em cada um dos 5 anos são
independentes entre si.
Resposta:
Veja que λ é o número esperado de sinistros em 5 anos. É possível obter λ desta

forma, pois a soma de distribuições de Poisson Composta ( λ i , Pi ( x ) ) também é uma
distribuição de Poisson Composta com λ = ∑λ i .
Exemplo 3: Calcule a relação entre μ e o prêmio comercial anual da carteira de

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

– Frequência anual média de sinistros igual a 1%;
– Importância segurada fixa em $50.000;
– Dano médio igual a 100%;
– Nível de significância de 1% de modo que dentro de 1 ano a seguradora não se
arruine;
– Não há cessão de resseguro.
Calcule essa relação para as seguintes situações:

a) com 100.000 apólices;
b) com 200.000 apólices.
Resposta:
Como o dano médio representa a relação entre o montante de sinistros e o mon-
tante de importância segurada, então, dado que o dano médio é igual a 100%, todos
os sinistros são iguais à importância segurada fixa de $50.000.
Logo,
a) Com 100.000 apólices
Seja π o total de prêmio comercial anual, então,
Logo, a relação entre μ e π será:

b) Com 200.000 apólices
Logo, a relação entre μ e π será:
Veja que o μ cresce com o aumento da carteira, porém, não cresce de forma
proporcional. Neste exemplo, quando dobramos o número de apólices, e, consequen-
temente, dobramos o total de prêmios comerciais, o valor de μ cresceu somente
1,19%. Este fato nos faz refletir sobre os critérios de apuração da margem de sol-
vência quando a margem de solvência é um percentual sobre os prêmios comerciais
retidos, ou seja, a margem de solvência é uma função linear dos prêmios.
Não obstante ser impossível condensar a avaliação da solvência em uma única
fórmula, esse critério de margem de solvência, que mede basicamente o risco de
alavancagem, deveria refletir percentuais decrescentes com o aumento do volume
de prêmios. Seria melhor, também, que esse percentual fosse aplicado ao total de
prêmios puros, ao invés do total dos prêmios comerciais, pois um nível de comissio-
namento mais elevado, por exemplo, pode aumentar artificialmente a necessidade de
margem de solvência em uma carteira que preserve a expectativa do volume médio
de sinistros (total de prêmio puro).
[K
Cálculo de λ , E X RET ]
e PRET
Cálculo de λ
O valor de λ poderá ser uma observação anual do número de sinistros ( n´ ) ou,

então, poderemos trabalhar com o limite superior do intervalo de confiança desen-
volvido no capítulo 5, item “Intervalo de Confiança para E [N]”, qual seja,
n´(n − n´)
λ = E [N ] = n´+ Z1−ε
n
Na verdade, o uso do limite superior do intervalo de confiança representa uma

segurança adicional no cálculo do μ, δ ou LT, pois as fórmulas de cálculo em si já
contêm níveis de segurança implícitos.
K
[
Cálculo de E X RET ]
K
Podemos calcular E X RET [ ]
de duas formas:
– Quando X RET Possui Distribuição Paramétrica Conhecida
– A Partir dos Valores Observados de X RET
n´
∑Z K
[ ]
i , RET
i =1
K
E X RET =
n´
Onde Z i , RET é o valor observado do i-ésimo sinistro retido em função do LT e do
plano de resseguro.
Cálculo de PRET
O total de prêmio puro retido é calculado na carteira em função do LT e do plano

de resseguro.
Observações:
a) Uma sugestão que ajuda no sentido da simplificação e da segurança no cálculo de
μ, δ ou do LT é considerar todos os contratos de resseguro como de excesso de
danos, pois, além de ser o plano de resseguro que proporciona a maior indenização
retida, o que contribui para o aspecto da segurança, é, também, o mais simples de
se trabalhar por não necessitar da importância segurada para a determinação do
sinistro retido.
b) Outra simplificação possível no cálculo de μ , δ , ou do LT é considerar que o

carregamento de segurança é zero, de modo que:
PRET = E [S RET ] → μ = Z 1−δ σ [S RET ]
Desta forma, somente precisamos trabalhar com as informações de sinistros,

sem que sejam utilizadas as informações de risco, as quais são muito mais
extensas e mais difíceis de serem obtidas. Esta facilidade acontece pelo fato de
não precisarmos calcular o total de prêmio puro retido. Por outro lado, podemos
perder em segurança, se o carregamento de segurança for negativo.
c) No cálculo de μ, δ , ou do LT é fundamental que se trabalhe com projeções

quanto ao número de sinistros ou mesmo quanto à distribuição do valor de um
sinistro. Caso a seguradora espere um crescimento na sua produção, ela deve
considerar isto nos seus cálculos. Projeções desse tipo, entretanto, podem dar
margem a manipulações.
d) Apesar da seguradora possuir uma única reserva de risco ( μ ), não se determina um

único limite técnico para toda a operação. Os limites técnicos são determinados
por carteira. Nesse caso, calcula-se o valor global de μ , a partir dos limites
técnicos pré-definidos e de uma determinada probabilidade de ruína ( δ ). Ocorre
que diversas combinações de limites técnicos, por carteira, podem conduzir a
um mesmo valor de μ. O problema é que algumas dessas combinações podem
produzir resultados indesejáveis para algumas carteiras. O ideal é que se procure
otimizar o resultado global, através de técnicas de simulação, onde a otimização
também deverá ser refletida ao nível de carteira.
e) Um problema relacionado ao item anterior é quando a seguradora possui uma

gestão muito segmentada de seus produtos e de sua operação, e, por causa disso,
surgem pressões para que ela trabalhe com retenções baixas em determinadas
regiões ou determinados produtos, por representarem uma parcela muito
pequena da operação e, portanto, sujeitos a elevadas oscilações de risco. Nessas
situações, um único sinistro, mesmo que de valor reduzido, pode deteriorar
bastante o resultado de uma região ou de um produto, o que induz os gerentes
dessas operações a pressionarem a seguradora na fixação de limites de retenção
reduzidos, diminuindo, assim, a capacidade de retenção da seguradora como
um todo. Uma solução para isso é fixar o que pode ser chamado de retenções
gerenciais, que sejam utilizadas somente internamente, para ajudar na
equalização dos resultados de cada produto ou região. Assim sendo, ao invés
de o prêmio de resseguro ser transferido, ele transita virtualmente dentro da
própria seguradora. Da mesma forma, deverão ser realizadas transações virtuais
de recuperação de resseguro. Fica claro, por essa situação, que a seguradora
deve tratar o processo de ruína de forma agregada para não perder uma parcela
considerável de sua produção.
Exemplo 4: Calcular o valor de μ que garanta a solvência da seguradora em 1

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

– LT=$100;
– Total de prêmio puro retido quando o LT=$100 é de $2.200;
– δ = 1% ;
– S col possui distribuição de Poisson Composta, podendo ser aproximada por uma
– O número médio de sinistros λ será estimado pelo número observado de sinistros
em 1 ano;
– [ K
E X RET ]
é calculado a partir dos valores observados de X RET , conforme fórmula
definida no item “A partir dos Valores Observados de X RET ”;
– Relação de sinistros em 1 ano:
Importância Número 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 número total de sinistros observados é de 60, logo,
A distribuição dos sinistros retidos será:
Classe de Risco Número de Sinistros Valor do Sinistro Retido ($)

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

tidas ( λ E [X RET ] = $2.400 ) ser superior ao total de prêmios puros retidos
( PRET = $2.200 ), não necessariamente devemos recalcular o prêmio, pois, os si-
nistros podem ter se concentrado em importâncias seguradas onde a retenção seja
grande e, apesar disso, a retenção na carteira como um todo ser pequena e gerar um
montante reduzido de prêmio puro retido.
A escolha adequada do limite de retenção pode conduzir a situações mais fa-
voráveis na relação λ E [ X RET ] e PRET .
Exemplo 5: Calcular a probabilidade de ruína no exemplo anterior, caso μ seja

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

zando a formulação desenvolvida no item “Cálculo do Limite Técnico (LT)”, sendo:
Normal;

– μ = 0;
– λ = 1.000;
– Número de expostos ao risco é igual a 100.000;
– Taxa pura utilizada na precificação direta e no resseguro é de 0,009;
– Distribuição 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
– Distribuição 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 ótimo, para os seguintes valores: $10, $20, $30, $40, $50, $80, $150
e $800.
Resposta:
A distribuição do valor de 1 sinistro retido ( X RET ) e, consequentemente, de
E [X RET ] e E X RET
2
[ ]
, em função dos possíveis valores de LT será:
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 distribuição dos capitais segurados retidos para cada LT e o respectivo total de

prêmio puro retido será:
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
Prêmio 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 prêmio puro retido foi calculado da
seguinte forma:
Desta forma, então, teremos os seguintes valores de λ E [ X RET ] , de [ 2

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

ruína superior a 50%. Veja que, para LT igual a $10, $20, ou $30, PRET é inferior ao
valor esperado do montante de sinistros retidos ( λ E [ X RET ] ). Uma das razões para
isto é o fato de a taxa pura (0,009) ser inferior à taxa de risco, pois para um número de
expostos ao risco igual a 100.000, ocorrem em média 1.000 sinistros por ano, sendo,
portanto, a taxa de risco igual a 0,01.
Por outro lado, apesar da taxa pura ser inferior à taxa de risco, quando o LT é
superior a $30, PRET é sempre superior a λ E [ X RET ] . Isto ocorre pelo fato de a dis-
tribuição de capitais ter mais concentração em valores elevados do que a distribuição
de sinistros. Por exemplo, a proporção de sinistros brutos superiores a $30 é de 32%,
enquanto que a proporção de capitais segurados superiores a $30 é de 42%.
Para o LT igual a $150, a probabilidade de ruína será:
Observação:
Quando a tarifa está equilibrada para qualquer faixa de LT, é comum obter-se
dois valores de LT que maximizam o Z 1−δ . Um desses valores de LT é sempre um
2
valor próximo de zero. Isso se explica pelo fato de λ E X RET [ ]
tender para zero
quando o LT se aproxima de zero.
Logo,
= Z 1−δ ⎯⎯ ⎯ ⎯ ⎯→ ∞
[ 2
λ E X RET ] 2
[ ]
λ E X RET →0
No exemplo 6 isto não aconteceu pois, para valores reduzidos de LT, o valor de
PRET é inferior ao valor esperado do montante de sinistros retidos ( λ E [X RET ] ).
EXERCÍCIOS
1) Seja X ~ Exponencial ( α = 0,0002 ) e N ~ Poisson ( λ = 120 ). Determinar o

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

– S RET pode ser aproximada por uma distribuição Normal;
– PRET = λ E [X RET ] , ou seja, o carregamento de segurança é zero;

– ;
– δ = 0,005 ;
2) Uma seguradora possui uma carteira de seguro de morte acidental com uma taxa
média de mortalidade de 0,0005. O valor da indenização em caso de morte é fixa
em $50.000 e o carregamento de segurança θ = 0,10. Dado que μ = $200.000
, calcular quantas apólices a seguradora precisa ter para que a probabilidade anual
de ruína seja de 0,001. Suponha que S col possui distribuição de Poisson Composta,
podendo ser aproximadas por uma Normal.
3) Calcule a relação entre μ e o prêmio comercial anual da carteira de uma

seguradora, dados:
– ;
col
– S possui distribuição de Poisson Composta, podendo ser aproximada por uma
Normal;
– Freqüência anual média de sinistros igual a 1%;
– Valores de sinistros fixos em $10.000;
– 20.000 apólices;
– Nível de significância de 1% de modo que dentro de 1 ano a seguradora não se
arruine;
– Não há cessão de resseguro.
4) Calcular o valor de μ que garanta a solvência da seguradora em 1 ano, dados:
– Plano de resseguro de excedente de responsabilidade;

– LT=$200;
– Freqüência de sinistros em cada classe de risco é de 0,01:
– Taxa pura é de 0,011
– δ = 0,001
– O número médio de sinistros será estimado pelo número observado de sinistros
em 1 ano;
– [ K
E X RET ]
é calculado a partir dos momentos amostrais;
– Relação de sinistros em 1 ano:
Classe de Importância Número 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 fórmula para o cálculo de μ , supondo que a variável aleatória

“valor de 1 sinistro” assuma valores fixos iguais a K , e que a variável aleatória
“número de sinistros ocorridos em 1 ano” seja Binomial Negativa ( r, p ),
onde S col pode ser aproximada por uma distribuição Normal. Suponha que a
probabilidade de ruína seja igual a δ e que o carregamento de segurança seja
igual a θ .
Processo de Ruína –
Período Infinito
No capítulo 8 foram apresentados os cálculos do limite de retenção, da proba-

bilidade de ruína e do capital que a seguradora deve constituir para garantir a sua
solvência, a partir do processo de ruína em um período finito.
Neste capítulo serão apresentados os mesmos parâmetros acima, considerando,
porém, o processo de ruína em um período infinito para o caso em que o montante
de indenizações no tempo é um processo de Poisson Composto, de modo que esses
parâmetros serão determinados no sentido de garantir a solvência de uma seguradora
em qualquer tempo no futuro.
O PROCESSO DE RUÍNA EM UM PERÍODO INFINITO
Sejam os seguintes parâmetros definidas no capítulo 8:
μ - Fundo inicial, ou reserva de risco;

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

análise bastante ampla do processo de ruína em um período infinito, apresentando
diversas demonstrações de passagens que serão abordadas neste capítulo.
PROCESSO DE POISSON COMPOSTO S (t )
Vimos no capítulo 6 a distribuição de Poisson Composta para um período anual

de tempo. Para analisar o processo de ruína em um período infinito, precisamos tra-
balhar com a unidade de tempo variável. Vejamos, então, a seguir, como funciona o
processo de Poisson Composto, para um período de tempo t .
Seja:
N (t ) - Variável aleatória “número de sinistro ocorridos em [0, t ) ” com distribuição
de Poisson ( λ t ).
Então,
S (t ) = X 1 + X 2 +  + X N (t )
Onde, S (0) = 0
Consequências:
a) N (t + h ) − N (t ) é a variável aleatória “número de sinistros ocorridos entre t e

t + h ” e tem distribuição de Poisson ( λ h );
b) Se Ti são os tempos em que ocorrem um sinistro qualquer, então T1 < T2 < T3 < ,
pois, pelo processo de Poisson, a probabilidade de ocorrer mais de um sinistro em
um intervalo infinitesimal é zero;
c) Se Wi = Ti − Ti −1 i > 1 , ou seja, Wi é a variável aleatória “tempo entre as
ocorrências consecutiva de sinistros”, então, Wi ~ Exponencial ( λ );
e − λ h (λ h )
K
d) P[N (t + h ) − N (t ) = K N (s ) ∀s ≤ t ] = que independe de N (s ) ,
K!
pois o número de sinistros em intervalos não sobrepostos é independente.
Assim sendo,
Se X i é independente e identicamente distribuído, com função de distribuição

de probabilidade P ( x ) e, se X i é independente do processo {N (t ), t ≥ 0}, onde
N (t ) ~ Poisson ( λ t )
Então,
S (t ) = X 1 + X 2 +  + X N (t ) é um processo de Poisson Composto ( λ t, P ( x ) )
Onde,
e − λ h (λ h )
∞ K
P[S (t + h ) − S (t ) ≤ x ] = ∑ P *K ( x )
K =o K !
Consequências:
a) E [S (t )] = λ t E [ X ]
[ ]
VAR[S (t )] = λ t E X 2
b) O processo {S (t ), t ≥ 0} possui incrementos independentes e estacionários, ou

seja:
• Os montantes de indenizações em intervalos de tempo disjuntos são
independentes;
• O montante de indenização depende somente do tamanho do intervalo de
tempo e não de sua localização.
CÁLCULO DE ϕ (μ ) NO CASO POISSON COMPOSTO

Pode-se provar que a probabilidade de ruína em um período infinito ( ϕ (μ ) ) é
representada por:
onde R é a solução não trivial da equação em r :

Sendo:
X RET - Variável aleatória “valor de 1 sinistro retido”;
θ - Carregamento de segurança;
r - Coeficiente de ajustamento.
Onde γ é positivo e é igual ao limite superior do intervalo (− ∞, γ ) , o qual

representa o intervalo máximo no qual a Função Geratriz de Momentos de X RET
no ponto r ( M X RET (r ) ) existe. Assume-se, também, que M X RET (r ) tende para ∞
quando r → γ .
Supondo que M ′X RET (r ) > 0 e M ′X′ RET (r ) > 0 , ou seja, existem o 1º e 2º mo-
mentos de X RET , então, podemos visualizar a solução trivial e a solução não trivial
graficamente:
M X RET (r )
1 + (1 + θ )E [ X RET ] r
r
0 R
Gráfico 9.1.
Observações:
a) As 2 curvas se encontram em 2 pontos, sendo o ponto r = 0 chamado de solução

trivial;
b) Quanto maior o valor de θ , maior o valor de r ;
c) Se θ = 0 → 1 + (1 + θ ) E ( X RET ) r = 1 , de modo que r = 0 , pois M X RET (0) = 1 ;
d) Geralmente aplica-se método numérico pra determinar-se a solução não trivial de r.
No caso em que X RET ~ Exponencial ( α ), entretanto, é fácil achar uma forma

analítica para r e, consequentemente, para ϕ (μ ) , pois,
1
M X RET (t ) = E ( X RET ) =
α
α −t α
1+θ α
Logo, 1 + r=
α α −r
→ (1 + θ ) r 2 − θ α r = 0
θα
→R=
1+θ
Note que r = 0 também é solução (trivial).
e) É fácil mostrar que:
2 θ E [X RET ]
R<
[ 2
E X RET ]
2 θ E [X RET ]
Assim sendo, podemos usar R = 0 e R =
vos iniciais num cálculo por método numérico. [ 2
E X RET ] como valores tentati-
Conclusões sobre ϕ (μ )
a) ϕ (μ ) < e
− Rμ
pois,
e , tendo em vista que U (T ) é o valor do excedente no tempo

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

de modo que P ( X RET ≤ m ) = 1 , então, dado T < ∞ , temos que U (T ) > − m, pois,
o excedente antes do último sinistro que leva à ruína, deve ser positivo.
Logo,
c) Na prática trabalha-se com ϕ (μ ) ≅ e − Rμ . Este resultado parece razoável, pois

e − R ( μ + m ) < ϕ (μ ) < e − Rμ e, o maior sinistro possível, m , geralmente é muito
inferior à reserva de risco μ .
→μ +m≅ μ
Além disso, e − Rμ é o limite superior da probabilidade de ruína, de modo que,
ao utilizá-lo, estaremos trabalhando com segurança para o cálculo de μ , LT ou
ϕ (μ ) .
d) se θ = 0 → ϕ (μ ) = 1 , pois R = 0 , ou seja, se o carregamento de segurança é

zero, então, a longo prazo a ruína é certa.
Obviamente, se θ < 0 , então, o tempo em que ocorre a ruína é menor do que
aquele no qual θ = 0 , de modo que ϕ (μ ) também será igual a 1.
Esta constatação é mais uma das maravilhas atuariais.
Exemplo 1: Encontrar uma expressão para a probabilidade de ruína, no caso em

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

Logo,
θα
Sabemos que quando X RET ~ Exponencial ( α ), então, R = , logo,
1+θ
θα
α−
ϕ (μ ) = 1 + θ exp⎛ − θ α μ ⎞ = 1 exp⎛⎜ − θ μ ⎞
⎜ ⎟ ⎜ 1 + θ E [X ] ⎟⎟
α ⎝ 1+θ ⎠ 1+θ ⎝ RET ⎠
1
Pois, E [ X RET ] =
α
DISTRIBUIÇÃO DO 1º EXCEDENTE ABAIXO DE μ
É fácil mostrar que, para o processo de Poisson Composto, a probabilidade

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

teremos a probabilidade de que U (t ) ficará abaixo do valor inicial μ = 0 , ou seja, a
probabilidade de ruína dado que μ = 0
1
Logo, ϕ (0) =
1+θ
Note que ϕ (0) depende somente do carregamento de segurança θ e, que, quan-
to maior o θ , menor será ϕ (0) , sem que haja nenhuma influência da distribuição do
valor de 1 sinistro retido ( X RET ).
Desta forma, então, se uma seguradora, por hipótese, operar sem reserva de risco
e com carregamento de segurança , a sua probabilidade de ruína será de
91%. Para que a sua probabilidade de ruína caia para um nível aceitável de 0,5%, por
exemplo, o carregamento de segurança θ teria de ser de 19.900%, o que é um carre-
gamento impossível de ser praticado, pois tornaria a seguradora não competitiva. Isto
mostra que a seguradora não pode contar somente com o carregamento de segurança
embutido nos prêmios para garantir a sua solvência.
PERDA MÁXIMA AGREGADA
Seja L = MAX {S RET (t ) − PRET (t )}
Onde S RET (t ) tem distribuição de Poisson Composta e L representa a perda

máxima agregada, ou seja, o valor máximo que valor total de sinistros retidos excede
o total de prêmio puros retidos.
Sabemos que:
1 − ϕ (μ ) = P (U (t ) ≥ 0 ∀t )
= P (μ + PRET (t ) − S RET (t ) ≥ 0 ∀t )
= P (S RET − PRET ≤ μ ∀t )
= FL (μ )
Ou seja, 1 − ϕ (0) = P (L ≤ 0)
Como L ≥ 0 , pois L = 0 para t = 0

Então, 1 − ϕ (0) = P (L ≤ 0) = P (L = 0)
De modo que existe um ponto de massa 1 − ϕ (0) na origem da distribuição de L .
É fácil demonstrar que a função geratriz de momentos de L é expressa por:

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

a probabilidade de ruína num período infinito ( ϕ (μ ) ), conforme será apresentado
a seguir.
Fórmula Aproximada Para ϕ (μ )
Pode-se mostrar que:
E [L] =
[ 2
E X RET ]
2θ E [X RET ]
Sabemos que ϕ (μ ) < e − Rμ
Seja a seguinte aproximação:
1 − Rμ
ϕ (μ ) ≅ e
1+θ
Mas, ϕ (μ ) = 1 − FL (μ )
∞
E, E [L] = ∫ (1 − F (μ )) dμ
L
0
∞
1 1 1
Logo, E [L] ≅ ∫e
− Rμ
dμ = ×
1+θ 0
1+θ R
1 1
Se R for escolhido de modo que o valor aproximado de E [L] ≅ × seja igual
1+θ R
ao valor exato dado por E [L] =
[ 2
E X RET ]
2θ E [X RET ]
2θ E [X RET ]
Então, R =
[
(1 + θ ) E X RET
2
.
]
Assim sendo, o valor aproximado de ϕ (μ ) será:
1 ⎛ 2θ E [X RET ] μ ⎞
ϕ (μ ) ≅ exp⎜⎜ − ⎟⎟
1+θ ⎝ (1 + θ )E X RET
2
[ ] ⎠
Esta fórmula aproximada é bastante simples de ser aplicada, pois basta conhecer-
mos o valor de θ e a distribuição de X RET para calcularmos μ , LT ou ϕ (μ ) .
Exemplo 2: Calcular a probabilidade de ruína para LT=$150 no exemplo 6 do

Capítulo 8, utilizando a fórmula aproximada desenvolvida no item “Fórmula Aproxi-
mada para ”, supondo que μ é igual a $10.000.
Resposta:
1 ⎛ 2θ E [X RET ] μ ⎞
ϕ (μ ) ≅ exp⎜⎜ − ⎟⎟
1+θ [
⎝ (1 + θ )E X RET
2
] ⎠
Sabemos do exemplo 6 do Capítulo 8 que e que para o LT=$150, te-
mos:
e,
Para o cálculo de θ , sendo este o carregamento de segurança embutido no prê-

mio puro bruto praticado pela seguradora ( P ), sem considerar o resseguro, vamos
considerar que θ assume o seguinte valor:
P P
θ = −1 = −1
E [S ] λ E [X ]
Pelo exemplo 6 do Capítulo 8 temos que o total de prêmio puro retido, para
LT=$800, foi de $42.390. Como $800 é o valor máximo de capital segurado, então, o
prêmio puro bruto é igual ao prêmio puro retido, ou seja, .
Da mesma forma, o sinistro médio retido para LT=$800 é de $38,60.
Logo,
Pelo exemplo 6 do Capítulo 8, sabemos que λ = 1.000
Logo, θ = P / λ E [ X ] − 1 = 0,0982
E, então,
FÓRMULA APROXIMADA DE SOUZA MENDES PARA O CÁLCULO DO LT
A fórmula apresentada a seguir, foi desenvolvida pelo atuário João José de Souza
Mendes, para o cálculo do LT a partir do processo de ruína num período infinito.
A hipótese básica é que ϕ (μ ) = e − Rμ
Logo,
Sabemos que:
Como ;
Então,
Como se pode demonstrar facilmente, obtém-se um limite inferior para o limite

técnico quando se supõe que todos os sinistros têm o mesmo valor.
Se todos os sinistros são iguais a w , ou seja: P ( X RET = w ) = 1 , então,
Pois, visivelmente,
A aproximação acima representa mais um fator de segurança no cálculo do LT.
Logo,
w é o sinistro constante da carteira. Vamos supor que todos os sinistros são

iguais ao sinistro médio.
Como o sinistro médio é o produto do dano médio ( d m ) pela importância segu-
rada média, então, a importância segurada média para efeitos de retenção será:
Se π é o prêmio comercial e C é o carregamento para cobrir todas as despesas

da seguradora, então,
P (1 + θ )
π=
1− C
1− C
→1+θ =
Pπ
Como P = E [S ] , podemos substituir P π pelo coeficiente de sinistralidade ( s ).
1− C 1− C
→ 1+θ = → θ = −1
s s
Desta forma, então,
Observações:
a) Veja que a fórmula de cálculo do LT desenvolvida por Souza Mendes é bastante
simples de ser utilizada, bastando conhecer o carregamento para despesas (C), a
sinistralidade ( s ), o dano médio ( d m ) e substituir R por , sendo
ϕ (μ ) a probabilidade de ruína, e μ a reserva de risco. A partir desta fórmula,

então, pode-se calcular, também, μ ou ϕ (μ ) a partir dos outros parâmetros.
b) Nas carteiras em que não existe a perda parcial como a de seguro de vida, d m = 1 .
Exemplo 3: Refazer o exemplo 6 do capítulo 8, utilizando a fórmula aproximada

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

sendo as variáveis determinadas pelo sinistro bruto e pelo prêmio bruto.
Pelo exemplo 6 do capítulo 8 temos que o total de prêmio puro retido, para
LT=$800, foi de $42.390. Como $800 é o valor máximo de capital segurado, então, o
prêmio puro bruto é igual ao prêmio puro retido.
Logo,
Da mesma forma, o sinistro médio retido para LT=$800 é de $38,60.
Logo,
Pelo exemplo 6 do capítulo 8, sabemos que λ = 1.000
Logo,
Assim sendo, dado que d m = 1 , o valor do LT será:
EXERCÍCIOS
1) Calcular a reserva de risco ( μ ) que a seguradora deve possuir para que a sua
probabilidade de ruína em um período infinito esteja limitada a 0,001, supondo
que o sinistro agregado retido possui distribuição de Poisson Composta, a
variável aleatória “valor de 1 sinistro retido” possui distribuição Exponencial
( α = 0,0001 ), e que o carregamento de segurança seja de 4%.
2) Calcular a probabilidade de ruína em um período infinito para uma seguradora

que não possua reserva de risco e cujo carregamento de segurança seja de 8%.
Suponha que o sinistro agregado retido possui distribuição de Poisson Composta.

seguindo a distribuição de Poisson, carregamento de segurança de 3%, reserva de
risco igual a $100.000 e distribuição 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 ruína para LT=$1.500, a partir de um contrato de

resseguro de excesso de danos, utilizando a fórmula aproximada desenvolvida no
item “Fórmula Aproximada para ”.
4) Refazer o cálculo do LT pela método Souza Mendes no exercício 3, dados:

– O dano médio é de 80%;
– O carregamento para despesas é de 30%;
– A sinistralidade em qualquer faixa de LT é de 68%;
– A probabilidade de ruína é a mesma obtida no exercício 3.

seguindo a distribuição de Poisson, e a distribuição do valor de 1 sinistro
retido conforme segue:
Valor do sinistro ($) Frequência de ocorrência

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

Aplicações em Resseguro
O resseguro é um dos principais instrumentos de transferência de risco da se-

guradora, contribuindo sobremaneira para a homogeneização dos seus riscos. Neste
capítulo serão apresentadas diversas aplicações da Teoria do Risco ao resseguro, com
ênfase nas aplicações relacionadas ao processo de precificação dos principais tipos
de contratos de resseguro.
Serão descritos os principais tipos de contratos de resseguro, mostrando-se as
aplicações práticas a estes relacionados, tanto do ponto de vista do ressegurador, onde
se inclui o processo de precificação, quanto do ponto de vista da seguradora, onde
se destaca a obtenção da distribuição da variável aleatória “valor de 1 sinistro após a
contratação do resseguro”, aqui denominada de variável aleatória “valor de 1 sinistro
retido”.
CONTRATOS DE RESSEGURO
Vejamos a seguir os principais contratos de resseguro, e os principais aspectos

referentes à precificação de um contrato de resseguro.
Classificação dos Contratos de Resseguro
Os contratos de resseguro podem ser classificados em contratos proporcionais e

contratos não proporcionais.
143
Nos contratos proporcionais, os prêmios e sinistros são divididos proporcional-

mente entre o segurador e o ressegurador numa proporção pré-estabelecida.
Nos contratos não proporcionais não há valores segurados cedidos, mas limites
pré-definidos de participação 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 proporção da indenização.
Exemplo:
Quota = 25%
Prêmio de seguro = $100
Importância segurada = $100.000
Sinistro bruto = $60.000
Logo,
Prêmio de resseguro (25%) = $25
Prêmio retido (75%) = $75
Recuperação de resseguro (25%) = $15.000
Sinistro retido (75%) = $45.000
– Contrato de Excedente de Responsabilidade ou Surplus
A seguradora assume o risco até uma quantia, calculada pelo atuário, chamada de
limite técnico (LT) ou limite de retenção.
Este é um contrato proporcional como o quota-parte, pois, quando a importância
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 proporção cedida.
Modelo:
não há resseguro
seguradora cede proporcionalmente
Aplicações em Resseguro • 145
Exemplo:
LT = $5.000
Prêmio = $80
IS = $8.000
Sinistro bruto = $1.600
Logo,
Prêmio de resseguro (3/8) = $30
Prêmio retido (5/8) = $50
3
Recuperação de resseguro = × $1.600 = $600
8
Sinistro retido (5/8) = $1.000
Veja que, mesmo o sinistro tendo sido inferior ao LT, houve recuperação da in-
denização na mesma proporção da cessão de prêmio (3/8).
Exemplo 1: Seja uma carteira de seguros com as seguintes características:
– Plano de resseguro de excedente de responsabilidade, com LT=$80;

– Taxa pura anual cobrada pela seguradora é de 7%;
– Taxa comercial anual cobrada pela resseguradora é de 10%;
– Comissão de resseguro é igual a 20%;
– O sinistro agregado possui distribuição de Poisson Composta, podendo ser
aproximada por uma Normal;
– O número médio de sinistros em 1 ano ( λ ) é aproximado pelo número observado
de sinistros em 1 ano ( n´ );
– [ ]
E [X ] e E X 2 são aproximados pelos momentos amostrais do valor observado
de 1 sinistro;
– Relação de Importâncias 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 apólices 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 número total de sinistros observados na carteira ( n´ ) é de:
O total de IS bruta ( ISBT ) é de:
E o prêmio puro anual total ( P ) é o produto da taxa pura anual pela ISBT , ou seja,
Os momentos amostrais do valor de 1 sinistro bruto são:
Então,
Logo,
b) Calcular P (S RET > PRET ) , considerando o resseguro
O total de IS cedida em resseguro ( ISCD ) é de:
E o prêmio comercial anual total de resseguro ( PRES ) é o produto da taxa comercial

anual de resseguro pela ISCD , ou seja,
O custo de resseguro, líquido da comissão de resseguro, ( C RES ) é de:
Observe que a taxa de resseguro líquida de comissão de resseguro é igual a 8% (80%

x 10%).
O prêmio puro retido total ( PRET ) é igual a:
Os momentos amostrais do valor de 1 sinistro retido são:
Então,
Logo,
Esta é uma situação em que a seguradora tem um grande benefício com o resse-
guro, pois houve uma redução drástica na probabilidade dos sinistros superarem os
prêmios puros, mesmo sendo a taxa de resseguro líquida de comissão (8%) superior
à taxa pura cobrada pela seguradora (7%).
Como a proporção de sinistros de altos valores é igual à proporção de IS de altos
valores, pois a frequência anual de sinistros é uniforme e igual a 5% em todas as fai-
xas de IS, logo, a razão para essa melhoria na solvência da seguradora está na redução
do coeficiente de variação dos sinistros agregados, principalmente pela transferência
de risco na faixa de IS=$5.000.
Contratos Não Proporcionais
– Contrato Excesso de Danos ou Excess of Loss
O compromisso da seguradora está limitado ao LT. Para sinistros acima do LT, a

resseguradora paga a diferença entre o sinistro e o LT e a seguradora paga o LT. Para
sinistros até o LT, a seguradora paga todo o sinistro.
O prêmio de resseguro é um percentual do prêmio de seguro de toda a carteira,
sendo este percentual aplicado inclusive àqueles riscos que apresentam . No
cálculo do prêmio leva-se em consideração a distribuição de sinistros que superam o
LT. Este cálculo é semelhante ao que é feito nos seguros a 1o risco absoluto de modo
que quanto maior for o LT menor será a taxa de excesso de danos.
Modelo:
não há recuperação
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 prêmio comercial anual da
seguradora, dados:
– Total de importância segurada exposta ao risco é igual a $3.000.000;

– Taxa comercial anual cobrada pela seguradora é de 0,005;
– O sinistro agregado do ressegurador possui distribuição de Poisson Composta,
podendo ser aproximada por uma Normal;
– Carregamento para despesas do ressegurador é igual a 20%;
– Nível de significância de 1% de modo que o sinistro agregado assumido pelo
ressegurador em 1 ano não ultrapasse o total de prêmio puro anual de resseguro;
– O número médio de sinistros de resseguro em 1 ano ( λ ) é aproximado pelo

número observado de sinistros em 1 ano ( n´ );
– [ ]
E [X ] e E X 2 do ressegurador são aproximados pelos momentos amostrais do
valor observado de 1 sinistro;
– Relação 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 situações:
a) LT = $20
b) LT = $35
Resposta:
O total de prêmio comercial anual ( π ) cobrado pela seguradora será:
a) LT = $20
Quando o LT = $20, os sinistros assumidos pelo ressegurador serão:

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

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

de 20%, será:
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 concentração na
distribuição 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, é importante que as taxas de excesso de danos sejam revistas
periodicamente para eliminar os efeitos da inflação. Uma inflação elevada pode au-
mentar muito os sinistros brutos da seguradora, transferindo mais responsabilidade
para o ressegurador, caso o LT seja mantido constante. O ideal é que a taxa de excesso
de danos seja função do LT fixado em uma moeda estável.
Exemplo 3: Seja uma carteira de seguros com frequência de sinistros ( f seg ) de 5%

e o valor de 1 sinistro bruto ( X ) com distribuição Log Normal ( ). Cal-
cular a frequência 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, então, o
número esperado de sinistros para o ressegurador deverá ser igual ao número espe-
rado de sinistros para o segurador multiplicado pela probabilidade de o valor de 1
sinistro bruto ultrapassar o LT.
Logo, a frequência de sinistros para o ressegurador ( f res ) será de:
– Contrato de Catástrofe
O contrato de catástrofe previne o pagamento de elevadas indenizações em um

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

ção de um múltiplo do seu limite técnico. Sempre que em um mesmo evento vários
riscos de uma mesma seguradora são atingidos e, desde que a soma das indenizações
ultrapasse um múltiplo do LT, o ressegurador assume a responsabilidade excedente.
Neste caso o prêmio de resseguro é função do prêmio retido pela seguradora.
O processo de precificação dos contratos de catástrofe exige a utilização de expe-
riência de sinistros de longo prazo, observando possíveis sazonalidades e concentra-
ções de risco. Dada a característica do risco, é comum se utilizar técnicas estatísticas
de séries temporais. Devemos utilizar, também, curvas de sinistros com cauda longa,
como a distribuição de Pareto, abordada no item “Pareto” do capítulo 4.
– Contrato de Stop Loss
Contrato de Stop Loss por Limite de Sinistralidade
Neste contrato a seguradora assume os sinistros até um limite máximo 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 não apresente prejuízos
na sua operação.
Modelo:
S ≤ Kπ → não há recuperação
S > K π → a seguradora recupera S − K π
Onde:
K - Limite de sinistralidade;
S - Variável aleatória “valor total dos sinistros em 1 ano”;
π - Prêmio comercial da carteira em 1 ano.
Seja R a variável aleatória que representa o volume de recuperação por este tipo
de contrato.
Dado que π = P / (1 − α ) , sendo α o carregamento para despesas, e, que o

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

Veja que é possível determinar a distribuição de R e, desta forma, calcular o

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

tros. Acima deste limite a resseguradora paga a diferença.
Seja I d a variável aleatória “volume de recuperações dado um limite de reten-
ção igual a d”.
Logo,
⎧⎪0 S ≤d
Id = ⎨
⎪⎩ S − d S >d
⎧⎪ S S ≤d
S − Id = ⎨
⎪⎩d S >d
Onde S − I d é o volume de sinistro retido pela seguradora.

Assim sendo, o prêmio de risco de resseguro será:
a) Caso de S contínuo
Ou, então, a partir de FS ( x )
Ou, então,
b) Caso de S discreto
Vejamos as 4 fórmulas de cálculo de E [I d ] correspondentes ao caso contínuo:
∞
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 =ο
∞
A partir da relação E [I d ] = ∑ (1 − F (x )) podemos obter uma fórmula recur-
S
siva, qual seja: x =d
E [I d +1 ] = E [I d ] − (1 − FS (d )) d = 0,1, 2, ….
Onde, E [I ο ] = E [S ]
Exemplo 4: Uma sociedade seguradora paga benefícios por morte de um segura-

do no valor fixo de $100. O número esperado de mortes é de 1 por ano. A seguradora
tem um contrato de resseguro de stop loss, no qual o número de mortes excedentes a
2, em 1 ano, a resseguradora paga os benefícios de morte subsequentes. Qual o prê-
mio de risco de resseguro ( P ), dado que N possui distribuição 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
−2−2∑ + 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 prê-

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 distribuição de será:
x($)
0 0,97
5 0,02
10 0,01
Logo,
Ou, então,
Observe que, pelo segundo método, temos que considerar FS ( x ) em todos os 11

números inteiros compreendidos entre 30 e 40.
DISTRIBUIÇÃO DO SINISTRO RETIDO
Sejam:
X RET - Variável aleatória “valor de 1 sinistro retido”;
FX RET ( x ) - Função de distribuição de X RET ;
FX ( x ) - Função de distribuição do valor de 1 sinistro bruto.
Vejamos a seguir como determinar FX RET ( x ) para diversos contratos de resse-

guro, em função 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 cessão de resseguro, então,

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

uma carteira com contrato de resseguro de excesso de danos, com limite técnico de
$100.000. Determinar:
a) A função de densidade de X RET ;
b) A média e a variância de X RET .
Resposta:
a) Função de densidade de X RET
Dado que X possui distribuição Exponencial ( ), então,
Desta forma, pelo exemplo anterior, temos:
Onde,
b) Média e variância de X RET
Sabemos, também, pelo exemplo anterior, que:

Logo,
E,
A distribuição de X RET neste caso é chamada de distribuição Exponencial Truncada.
EXERCÍCIOS
1) Calcular o total de prêmio puro de resseguro anual em um contrato de excesso de

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

Composta ( r = 1.000 , p = 0,8 ), podendo ser aproximada por uma Normal;
– Nível de significância de 2,5% de modo que o sinistro agregado assumido pelo
ressegurador em 1 ano não ultrapasse o total de prêmio puro anual de resseguro;
– LT=$15;
– [ ]
E [X ] e E X 2 do ressegurador são aproximados pelos momentos amostrais do
valor observado de 1 sinistro;
– Distribuição de frequência dos valores de sinistros:
x ($) 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 frequência de sinistros ( f seg ) de 1% e o valor

de 1 sinistro bruto ( X ) com distribuição conforme o exercício 1. Calcular a
frequência de sinistros para o ressegurador em um contrato de excesso de danos
com LT igual a $20.
3) Seja S col com distribuição 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 máximo de pagamento de m .
Determine uma expressão para o prêmio de risco do ressegurador em função do
prêmio 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.
Aplicações Diversas
Neste capítulo serão apresentados diversos instrumentos práticos de um contrato

de seguro, tais como: franquia, seguros proporcionais ou não proporcionais e reinte-
gração automática da importância segurada. Para cada um desses instrumentos será
desenvolvido o processo de precificação correspondente.
Será demonstrada, também, uma fórmula prática, utilizada por muito tempo
no mercado segurador brasileiro para a tarifação especial de um seguro de Vida em
Grupo.
APLICAÇÕES PRÁTICAS NA PRECIFICAÇÃO
Conforme já exposto em capítulos anteriores, a distribuição da variável aleatória

“valor total de sinistros em 1 ano” ( S col ) pode ser aproximada pela distribuição
Normal, sendo excelente essa aproximação na cauda a direita da distribuição. Esta
característica é muito útil no processo de precificação, por ser a cauda à direita da
distribuição a região de interesse quando se precifica, e pela facilidade de se trabalhar
com a distribuição Normal.
Vejamos a seguir algumas situações práticas de cálculo do preço do seguro, apli-
cando a aproximação Normal para o sinistro agregado ( S col ), supondo que a distri-
buição do número de sinistros ( N ) é uma Poisson ( λ ). Para tal, vejamos inicial-
mente como determinar os parâmetros envolvidos nesse tipo de cálculo, quais sejam:
[ ]
λ , E X K , P e PI .
163
Cálculo de λ
O valor de λ segue o mesmo princípio abordado no capítulo 8, ou seja, poderá

ser uma observação anual do número de sinistros ( n´ ) ou, então, poderemos traba-
lhar com o limite superior do intervalo de confiança desenvolvido no capítulo 5, item
“Intervalo de Confiança para E[N]”, qual seja,
n´(n − n´)
λ = E [N ] = n´+ Z1−ε
n
Na verdade, o uso do limite superior do intervalo de confiança representa uma

segurança adicional no cálculo do preço do seguro, pois as fórmulas de cálculo em si
já contêm níveis de segurança implícitos.
Cálculo de E X K [ ]
[ ]
Podemos calcular E X K de duas formas:
Quando X Possui Distribuição Paramétrica Conhecida
A Partir dos Valores Observados de X

n´
∑Z K
[ ]
i
E XK = i =1
n´
Onde Z i é o valor observado do i-ésimo sinistro.
Cálculo do Prêmio Puro Total (P )
Sabemos que P deve ser determinado de modo que:
[ ] [ ]
P (S col > P ) = α → P = E S col + Z 1−α σ S col
P = λ E [X ] + Z 1−α λ E X 2[ ]
Aplicações Diversas • 165
Cálculo do Prêmio Puro Individual (PI )
Seja F a referência de cálculo.
P
Logo, PI =
F
Precificação de Seguros com Franquia
A franquia representa um instrumento muito importante no processo de pre-

cificação, pois torna o segurado mais cuidadoso na proteção do seu risco, além de
proporcionar uma redução significativa nos custos com a regulação de sinistros de
baixo valor. Como normalmente a distribuição do valor de 1 sinistro ( X ) possui alta
concentração em torno dos pequenos valores, a redução no preço do seguro pode ser
significativa com a aplicação da franquia.
Uma abordagem ampla sobre as distribuições de X após a aplicação 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 pré-definido ( K % ) em

todos os sinistros.
Este tipo de franquia possui o inconveniente de penalizar demais os segurados
nos sinistros de alto valor. É comum utilizar este tipo de franquia com um limite
máximo de franquia em valor absoluto.
Modelo Atuarial
Sejam:
a) λ d - Número médio de sinistros após a aplicação da franquia;

b) X d - Variável aleatória “valor de 1 sinistro líquido da franquia”;
c) Pd - Prêmio de risco após a aplicação da franquia.
Então,
λd = λ
X d = (1 − K ) X
⎛ x ⎞
f X d (x ) = f X ⎜ ⎟
⎝1− K ⎠
E [X d ] = (1 − K )E [X ]
Pd = λ d E [X d ] = λ (1 − K )E [X ]
Veja que o prêmio de risco após a aplicação da franquia percentual é igual ao

prêmio de risco original, antes da aplicação da franquia, multiplicado por 1 − K
Franquia Dedutível
Conceito
Na franquia dedutível, o segurado participa integralmente dos sinistros cujos va-

lores não ultrapassam o valor pré-definido da franquia dedutível ( d ). Quando o valor
do sinistro ultrapassa esse limite, a indenização a ser paga ao segurado representa a
diferença entre o valor do sinistro e o valor da franquia dedutível.
Modelo Atuarial
λ d = λ P( X > d )
⎧0 X ≤d
Xd = ⎨
⎩X − d X >d
f X (x + d )
f X d (x ) = x≥0
P( X > d )
É fácil provar que o prêmio de risco acima é inferior ao prêmio de risco original,
antes da aplicação da franquia dedutível, pois:
Franquia Simples
Conceito
Assim como na franquia dedutível, o segurado participa integralmente dos si-

nistros cujos valores não ultrapassam o valor pré-definido da franquia simples ( d ).
Sempre que o sinistro ultrapassa esse limite, o segurado é indenizado pelo valor total
do sinistro, e não pela diferença, como no caso da franquia dedutível.
Este tipo de franquia pode incentivar a fraude por parte do segurado, nas situa-
ções em que o valor do sinistro é muito próximo 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
λ d = λ P( X > d )
⎧0 X ≤d
Xd = ⎨
⎩X X >d
⎧0 x≤d
⎪
f X d (x ) = ⎨ f (x )
⎪
X
x>d
⎩ P ( X > d)
É fácil provar que o prêmio de risco acima é inferior ao prêmio de risco original,
antes da aplicação da franquia simples, pois:
Exemplo 1: Calcular a taxa pura individual anual em uma carteira de seguros

com as seguintes características:
em 1 ano;
– Total de importância segurada exposta ao risco em 1 ano é de $1.500.000;
– Franquia simples de $200;
– Nível de significância ( α ) para o cálculo do prêmio puro é de 5% → Z 1−α = 1,645 ;
– Relação de sinistros brutos em 1 ano:
Valor Sinistro ($) Frequência Absoluta

100 500
200 350
300 250
400 150
500 100
600 80
700 10
Resposta:
A relação de sinistros em 1 ano líquidos da franquia simples de $200 será:
Valor Sinistro Líquido ($) Frequência Absoluta

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

20%, limitada a um mínimo de $50 e um máximo de $100, sob a forma de franquia
dedutível.
Resposta:
A relação de sinistros em 1 ano líquidos da franquia será:
Valor Sinistro Líquido ($) Frequência Absoluta

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

jeitas à aplicação da franquia simples ou dedutível, principalmente quando se quer
reduzir o valor da franquia, ou, até mesmo, eliminar a franquia.
O problema surge pelo fato de que os sinistros, cujos valores são inferiores ao
valor da franquia, não são registrados pela seguradora, ficando difícil a sua estima-
tiva.
Estudos tarifários para a elevação da franquia são facilmente realizados, bas-
tando considerar que a nova experiência de sinistros, após a elevação da franquia,
terá os seus valores de sinistros reduzidos do valor correspondente ao acréscimo de
franquia (no caso da franquia dedutível, por exemplo).
No caso de estudos para a redução ou eliminação da franquia, torna-se necessário
analisar a distribuição do valor de 1 sinistro bruto ( X ), atribuindo-lhe uma distri-
buição a priori.
Exemplo 3: Seja uma experiência de 1.000 sinistros com média de $2.000 , em

uma carteira que esteve sujeita à aplicação de uma franquia dedutível de $800. Cal-
cular o prêmio de risco total da carteira nas seguintes situações, supondo S col com
distribuição de Poisson Composta.
a) Manutenção da franquia em $800;

b) Eliminação da franquia;
c) Redução da franquia para $500.
Resposta:
a) Manutenção da franquia em $800
Esta é a situação mais simples, pois não há nenhuma alteração na franquia, onde,
λ d = 1000 E [X d ] = $2.000
[ ]
Logo, P = E S col = λ d E [ X d ] = 1.000 × $2.000 = $2.000.000
b) Eliminação da franquia
Nesse caso, precisamos atribuir uma distribuição de probabilidade para X .
Seja, então, X ~ Exponencial ( α )
Logo,
Mas,
1 e −α x
= − 800 + 800 e −800α + 800
0 − 800 e −800α + 800
α α
1 e −800α 1 e −800α
= − 800 + − + 800 =
α α α α
Como E [ X d ] = $2.000
Então,
1 e −800α 1 e −800α 1
E [X d ] = = −800α = $2.000 → α = = 0,0005
P ( X > 800) α e α $2.000
1
Logo, E [ X ] = = $2.000
α
Veja que E [ X d ] é igual a E [ X ] e não varia com o valor da franquia.
Dado que o número médio de sinistros que ultrapassam a franquia de $800 ( λ d )

é igual a 1.000, então, o número médio de sinistro na carteira ( λ ) será:
λd 1.000 1.000
λ = = −800α = −800×0,0005 = 1.492
P ( X > 800) e e
Logo, o prêmio de risco será:

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

Neste caso, o número médio de sinistros acima da franquia ( λ d ) será:
λ d = λ × P ( x > $500) = λ e −500α = 1.492 × e −500×0,0005 = 1.162
A média do valor de 1 sinistro líquido da franquia ( E [ X d ] ) será também igual a

$2.000, pois E [ X d ] não varia com o valor da franquia.
Logo, o prêmio de risco será:

P = λ d E [X d ] = 1.162 × $2.000 = $2.324.000
Precificação de Seguros a Primeiro Risco Absoluto e Cláusula de Rateio
Sejam:
- Valor em risco na ocasião do sinistro;
IS - Importância segurada;
SIN - Valor do prejuízo do segurado;
IND - Indenização paga pela seguradora;
P - Prêmio puro total da carteira;
TAXA - Taxa pura em função da IS;

n - Número de expostos ao risco;
F - Referência de cálculo ;
Vejamos a seguir a conceituação de primeiro risco absoluto e cláusula de rateio,

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

gralmente os prejuízos sofridos pelo segurado, limitando o valor da indenização ao
valor da importância segurada.
Características
Comparação para e
a)
b)
HIPÓTESE:
Consequências:
F2 = K F1
K P1 ≥ P2 ≥ P1 , pois, K IND1 ≥ IND2 ≥ IND1

P2 K P1 K P1
TAXA2 = ≤ = = TAXA1
F2 F2 K F1
Conclusão: Quanto maior a importância segurada, maior o prêmio puro total da carteira
( P2 ≥ P1 ), sem que esse prêmio puro total cresça necessariamente na mesma pro-
porção ( P2 ≤ K P1 ). Consequentemente, menor é a taxa aplicável sobre a importân-
cia segurada ( TAXA2 ≤ TAXA1 ).
Cláusula de Rateio
Nos seguros com cláusula de rateio, sempre que a importância segurada é infe-
rior ao valor em risco no momento em que ocorre o sinistro, o segurado é considerado
como segurador de seu próprio risco. Desta forma, em caso de sinistro, o segurado
assume os prejuízos na proporção da insuficiência da importância segurada em rela-
ção ao valor em risco.
Caso a importância segurada seja igual ou superior ao valor em risco no momen-
to em que ocorre o sinistro, o segurado é indenizado em 100% do valor do sinistro.
Características
Comparação para
Hipóteses:
a) A IS é sempre menor ou igual a VR;
b) As apólices possuem o mesmo VR.
a)
b)
Hipótese:
Consequências:
F2 = K F1
P2 = K P1
Pois,
Conclusão:
Quanto maior a IS, maior o prêmio puro total da carteira, sendo este maior na
mesma proporção do aumento da IS ( P2 = K P1 ), enquanto que não se altera a taxa
em função da IS ( TAXA2 = TAXA1 ).
Exemplo 4: Calcular a taxa pura individual anual e o prêmio puro individual

anual em uma carteira de seguros com as seguintes características:
em 1 ano;
– Número de expostos ao risco em 1 ano ( n ) é de 1.000;
– Nível de significância ( α ) para o cálculo do prêmio puro é de 2,5% ;
Classe Valor em Risco ($) Valor do Sinistro ($) Frequência 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 situações:

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

Quando IS = $100
a) 1º risco absoluto
a1) IS = $50
Neste caso, exceto nas classes III e V, onde os sinistros líquidos serão de $20 e $30,
respectivamente, nas outras classes serão de $50, logo,
Então,
a2) IS=100
Os sinistros líquidos nas 6 classes serão, respectivamente, de: $100 - $80 - $20 - $100
- $30 - $100.
Logo,
Então,
Veja que o aumento na IS implicou em uma redução na taxa pura.
b) Cláusula de Rateio
Os sinistros líquidos por classe serão:
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) Cláusula de rateiro com IS = $50
b2) Cláusula 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 cláusula de rateio é sensivelmente inferior àquela calculada para o 1º risco
absoluto.
Precificação Para a Reintegração Automática da Importância Segurada
Em alguns contratos de seguro é oferecida opcionalmente uma cláusula de re-

integração automática da I.S., de modo que, em caso de sinistro de perda parcial, a
apólice recupera a importância segurada original sem que esta seja reduzida pelo
valor do sinistro.
Para precificar esta cláusula, precisamos separar os parâmetros de perda total e
perda parcial.
Sejam então,
- Frequência anual de sinistros de perda parcial;
- Frequência anual de sinistros de perda total;
f - Frequência anual de sinistros = ;
πR - Prêmio comercial anual da cláusula de reintegração automática;
- Valor médio de 1 sinistro de perda parcial;
θ - Carregamento de segurança;
C - Carregamento para despesas.
Logo, supondo que o sinistro de perda parcial ocorre em média no meio do ano, te-
mos:
Pois o sinistro médio desta cláusula ( f E [ X P ] ) representa o prêmio de risco

que o segurado deveria pagar quando ocorre o sinistro (meio do ano), caso esta cláu-
sula fosse facultativa. O fator 1/2 é aplicado, pois, no momento do sinistro, só restam
50% do período de vigência original.
Veja que, apesar da reintegração somente ocorrer em caso de sinistros de perda
parcial, ela gera custos futuros para a seguradora também nos sinistros de perda total,
pois estes seriam pagos com o valor reduzido do sinistro de perda parcial, caso a re-
integração automática não fosse contratada. É por isso que se usa f como frequência
e não .
O valor de π R pode, também, ser calculado da seguinte forma:
Onde, é a parte do prêmio comercial do seguro correspondente à perda par-

cial.
O modelo acima pode ser aprimorado, se estudarmos como evolui a ocorrência
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 cláusula de reintegra-

ção automática da importância segurada sobre o prêmio comercial de um seguro com
as seguintes características:
– Freqüência de sinistros de perda parcial é igual a 8,5%;

– Freqüência de sinistros de perda total é igual a 2,5%;
– Sinistro médio de perda parcial é igual a $30;
– Sinistro médio de perda total é igual a $200;
– Carregamento de segurança é igual a 5%;
– Carregamento para despesas de 40%.
Resposta:
O prêmio comercial anual do seguro pode ser calculado da seguinte forma:
Onde, representa o valor médio de 1 sinistro de perda total.
Logo,
Já o prêmio comercial anual correspondente à perda parcial pode ser calculado da

seguinte forma:
Assim sendo, o prêmio comercial anual da cláusula de reintegração automática é de:
1 1
π R = f × π P = (8,5% + 2,5% ) × × $4,4625 = $0,2454
2 2
E a proporção entre o prêmio comercial anual da cláusula de reintegração automática

e o prêmio comercial do seguro é igual a:
TARIFAÇÃO 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 função de uma taxa média para o
grupo, partindo-se de uma experiência de sinistralidade apurada em um determinado
período. Em função de possíveis sazonalidades na ocorrência de sinistros, recomen-
da-se que o período de experiência 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 distribuição Normal e vamos con-
siderar somente o risco de morte, apesar de que o modelo aqui apresentado serve,
também, para os demais riscos existentes na carteira de Vida em Grupo.
Sejam:
a) S / P - Total de sinistros sobre total de prêmio puro anual, prêmio esse calculado
em função da tábua de mortalidade escolhida para o grupo;
b) n - Número de segurados (principais e cônjuges) expostos ao risco;
c) q G - Taxa média anual , não ajustada, observada no grupo;
d) q ′ - Taxa média pura anual, ajustada, projetada pela experiência do grupo;

TAB
e) q - Taxa média pura anual, aplicando-se a tábua de mortalidade escolhida para
o grupo.
Sabemos pela teoria do risco individual, que o valor ajustado q ′ , de modo que a
probabilidade da frequência efetiva de morte superar o valor ajustado q ′ seja de α ,
pode ser calculado pela seguinte fórmula (vide exemplo 4 do capítulo 2):
⎛ 1− q ⎞
q ′ = q ⎜⎜1 + Z 1−α ⎟
⎝ n q ⎟⎠
Onde q representa a probabilidade média de morte.
No caso da tarifação especial para uma carteira de Vida em Grupo, queremos

ajustar uma nova taxa média partindo-se da suposição que a experiência de freqüên-
cia de sinistros do grupo no período analisado pode ser projetada para o futuro.
Desta forma, vamos considerar o valor de q como sendo a experiência obser-
vada do grupo, ou seja, q G .
Logo,
⎛ 1 − qG ⎞
q ′ = q G ⎜1 + Z 1−α ⎟
⎜ n qG ⎟
⎝ ⎠
Podemos considerar, porém, q G como sendo:
S TAB
qG = q
P
Então,
S TAB ⎜⎛ 1 − S / P q TAB ⎞
⎟
q′ = q 1 + Z 1−α
P ⎜ n S / P q TAB ⎟
⎝ ⎠
Assim sendo, o desconto ( D ) em relação a q TAB será de:
q TAB − q ′ q′
D= TAB
= 1 − TAB
q q
⎛ ⎞
⎜1 + Z 1−α 1 − S / P q
TAB
S ⎟
D = 1−
P ⎜ n S / P q TAB ⎟
⎝ ⎠
Esta fórmula nos mostra que:

n ↑ D↑
S/P ↑ D ↓
q TAB ↑ D↑
Pode ser provado, também, que o desconto máximo a ser concedido por esta
fórmula é de 1 − S / P .
Pequenos valores de n , porém, proporcionarão D < 0 , o que significa que ao
invés de desconto temos uma agravação da taxa média em relação a q TAB .
EXERCÍCIOS
1) Determinar a relação entre X d e X na situação em que existe uma franquia

proporcional de K % , limitada a um valor mínimo de c e a um valor máximo de
d , sob a forma de franquia dedutível.
2) Calcular o desconto sobre o prêmio puro proporcionado pela aplicação de

uma franquia dedutível de $100 em uma carteira de seguros com as seguintes
características:
em 1 ano;
– Nível de significância ( α ) para o cálculo do prêmio puro é de 2,5%;
Valor Sinistro ($) Frequência Absoluta

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

seguintes características:
em 1 ano;
– Seguro com cláusula de rateio;
– Importância Segurada igual a $200;
– Número de expostos ao risco em 1 ano ( n ) é de 5.000;
– Nível de significância ( α ) para o cálculo do prêmio puro é de 1%;
Classe Valor em Risco ($) Valor Do Sinistro ($) Frequência Absoluta

I 200 200 500
II 300 100 100
III 200 40 50
IV 400 300 30
V 800 600 10
4) Calcular o prêmio comercial anual de uma cláusula de reintegração automática da

importância segurada em um seguro em que a freqüência anual de ocorrência de
sinistros é de 2%, o prêmio comercial é de $2.000, e a proporção entre o montante
de sinistros de perda parcial e o montante total de sinistros é de 40%.
Teoria da Credibilidade
Neste capítulo será abordado o processo de precificação a partir da chamada

Teoria da Credibilidade. Por esse processo de precificação é possível conjugar a ex-
periência da seguradora com a experiência 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 tarifação.
No desenvolvimento deste capítulo serão apresentados os principais modelos de
precificação pela Teoria da Credibilidade, ilustrados com alguns exemplos práticos.
CONCEITO BÁSICO
A Teoria da Credibilidade representa uma forma sistemática de atualização das

tarifas dos seguros à medida em que a experiência de sinistros é disponibilizada.
A Teoria da Credibilidade se torna mais importante quando o volume de infor-
mações é muito pequeno, conduzindo a uma instabilidade muito grande na estimativa
do preço do seguro. A solução defendida pela Teoria da Credibilidade é a utilização
de experiência de riscos similares ou de riscos idênticos referentes a experiências de
períodos anteriores, experiências essas conjugadas com a experiência mais recente do
risco a ser precificado. É possível utilizar-se, no rol de riscos similares, a experiência
de outras seguradoras ou, então, do mercado segurador.
185
É importante que o prêmio, assim obtido, seja atualizado no futuro com a ex-
periência mais recente, conjugando-a com a experiência obtida pela Teoria da Credi-
bilidade.
Sejam:
a) PD - Prêmio de risco total da experiência direta da seguradora;
b) PA - Prêmio de risco total da experiência adicional a ser conjugada com a
experiência direta da seguradora;
c) PC - Prêmio de risco total calculado pela Teoria da Credibilidade.
A forma de cálculo do prêmio de risco pela Teoria da Credibilidade é a seguinte:
Onde, Z é o fator de credibilidade, com valor situado entre 0 e 1, sendo este

determinado a partir das experiências direta e adicional.
O valor de Z situa-se tão mais próximo de 1 quanto maior for o volume de in-
formações da experiência direta de sinistros da seguradora. Quando Z = 0 , nenhuma
credibilidade é atribuída à experiência direta, e PC será calculado tomando como
base somente a experiência adicional.
Vejamos a seguir como precificar pela Teoria da Credibilidade, considerando que

a variável aleatória “valor do sinistro agregado em 1 ano” ( S col ) possui distribuição
de Poisson Composta ( λ , f X ( x ) ), sendo λ = N p , onde:
a) N - Número de expostos ao risco em 1 ano;

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

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

ES[ ] = λ E [X ]
col
VS [ ] = λ E [X ]
col 2
P = λ E [X ]
Assim sendo,
P ((1 − K ) λ E [X ] < PD < (1 + K ) λ E [X ]) ≥ 1 − τ
⎛ − K λ E [X ] PD − λ E [X ] K λ E [X ] ⎞
→ P⎜ < < ⎟ ≥ 1−τ
⎜ V [P ] V [P ] V [P ] ⎟
⎝ D D D ⎠
Se a experiência direta for suficientemente grande, e supondo que a distribuição

de probabilidade da amostra é igual à distribuição de probabilidade da população,
então,
PD − λ E [X ]
será aproximadamente Normal ( 0 ,1 ).
V [PD ]
Então, para determinar o número mínimo de sinistros ( λ m = N m p ) temos que ter:
K λ E [X ]
=Z
V [PD ]
τ
1−
2
[ ] (
Onde, V [PD ] = λ E X 2 = λ V [X ] + E [X ]
2
)
Logo,
K λ E [X ]
=Z
(
λ V [X ] + E [X ]
2
) 1−
τ
2
→ K 2 λ 2 E [X ] = Z 2 τ λ V [X ] + E [X ]
2
1−
( 2
)
2
Desta forma, o número mínimo de sinistros ( λ m ) que satisfaz à equação acima

em λ será:
2
⎛Z τ ⎞
⎜ 1− ⎟ ⎛ V [X ] + E [X ] 2 ⎞
λm =⎜ 2 ⎟ ⎜ ⎟
⎜ [ ] 2 ⎟
⎜ K ⎟ ⎝ E X ⎠
⎝ ⎠
2
⎛Z τ ⎞ ⎛ ⎛ σ [X ] ⎞ 2 ⎞
⎜ 1− ⎟ ⎜1 + ⎜
→ λm =⎜ 2 ⎟ ⎟ ⎟
⎜ K ⎟ ⎜ ⎝ E [X ] ⎠ ⎟
⎝ ⎠ ⎝ ⎠
Logo, o número mínimo de expostos ao risco ( N m ) será:

2
⎛Z τ ⎞ ⎛ ⎛ σ [X ] ⎞ 2 ⎞
⎜ 1− ⎟ ⎜1 + ⎜
Nm p = ⎜ 2 ⎟ ⎟ ⎟
⎜ K ⎟ ⎜ ⎝ E [X ] ⎠ ⎟
⎝ ⎠ ⎝ ⎠
2
⎛Z ⎞ ⎛ ⎛ σ [X ] ⎞ 2 ⎞
1 ⎜ 1− τ2 ⎟ ⎜1 + ⎜
→ Nm = ⎜ ⎟ ⎟ ⎟
p⎜ K ⎟ ⎜ ⎝ E [X ] ⎠ ⎟
⎝ ⎠ ⎝ ⎠
Observe que:
K ↓ Nm ↑
p ↓ Nm ↑
τ
1− ↑ Nm ↑
2
σ [X ]
↑ Nm ↑
E [X ]
Ou seja, o número mínimo de expostos ao risco cresce com a redução de K e
τ
p , e aumenta à medida em que 1 − e o coeficiente de variação de X aumentam.
2
Esta análise da credibilidade total é sem dúvida mais uma das maravilhas atu-
ariais.
Exemplo 1: Calcular o número mínimo de sinistros requerido em uma experi-

ência direta de modo que haja uma probabilidade de 90% de que a distância entre o
prêmio de risco real, e o prêmio de risco calculado utilizando 100% do prêmio de
risco da experiência direta, não seja superior a 5%.
Suponha que os sinistros produzidos pela carteira ( X ) são constantes.
Resposta:
2
⎛Z τ ⎞
⎜ 1− ⎟
X constante → σ [X ] = 0 → λ m = ⎜ 2 ⎟
⎜ K ⎟
⎝ ⎠
Sendo K = 5% , logo,
Exemplo 2: A frequência de sinistros de uma carteira de seguros é de 3%, sendo

o coeficiente de variação da variável aleatória valor de 1 sinistro igual a 15%. Qual
o tamanho mínimo do número de sinistros ( λ m ) e do número de expostos ao risco
( N m ), para que haja credibilidade total, com K = 0,1 e ?
Resposta:
⎛Z ⎞
2
⎛ ⎛ σ [X ] ⎞ 2 ⎞
λ m = ⎜⎜ 0,975 ⎟⎟ ⎜1 + ⎜ ⎟ ⎟
⎝ 0,1 ⎠ ⎜ ⎝ E [X ] ⎠ ⎟
⎝ ⎠
λ m = N m p , e,
CREDIBILIDADE PARCIAL
No caso da credibilidade parcial, o interesse está em determinar o valor de Z

que permite calcular o prêmio de risco total de forma ponderada com a experiência
direta e a experiência adicional.
Vejamos, a seguir, alguns princípios que podem ser aplicados no cálculo de Z .
Princípio da Flutuação Limitada
Uma forma de se determinar o Z é a que utiliza o princípio da flutuação li-

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

pouco ( K % ) do prêmio de risco real ( P ).
Como , e PA é constante, então,
Se a experiência direta for suficientemente grande, e supondo que a distribuição

de probabilidade da amostra é igual à distribuição de probabilidade da população,
então,
PD − λ E [X ]
será aproximadamente Normal (0,1).
V [PD ]
Logo,
K λ E [X ]
=Z
(
Z λ V [X ] + E [X ]
2
) 1−
τ
2
K λ E [X ]
→ Z=
Z
1−
τ (
λ V [X ] + E [X ]
2
)
2
2
⎛ ⎞
⎜ K
→ Z= ⎜
⎟ (λ E [X ]) 2
⎟
⎜ Z 1−τ (
⎟ λ V [X ] + E [X ]
2
)
⎝ 2 ⎠
2
⎛ ⎞
⎜ K ⎟ λ
→ Z= ⎜ ⎟
⎛ σ [X ] ⎞
2
⎜ Z 1− τ ⎟
⎝ +
⎠ 1 ⎜ ⎟
⎝ E [X ] ⎠
2
λ
→ Z=
λm
Exemplo 3: Calcular o total de prêmio de risco a ser cobrado no próximo ano,

na carteira do exemplo 2, caso esta contenha 10.000 apólices expostas ao risco que
geram um total de $500.000.000 de sinistros em 1 ano.
Considere que a experiência adicional conduziu a um prêmio de risco individual
anual de $55.000.
Resposta:
Vimos pelo exemplo 2 que: λ m = 393 e .
Logo, o número esperado de sinistros em 1 ano ( λ ) será de:
λ 300
Logo, Z = = = 0,8737
λm 393
O prêmio de risco individual anual da experiência direta é de:
Logo, o prêmio de risco individual anual pela Teoria da Credibilidade será:
Princípio da Credibilidade Hiperbólica
A base deste princípio é que a credibilidade está associada ao volume do mon-

[ ]
tante de sinistro agregado médio ( E = E S col = λ E [ X ] ).
Desta forma, quanto maior o sinistro agregado médio da experiência direta ( E ),
mais próximo Z estará de 1, sendo Z = 0 quando E = 0 .
Por este princípio, a função 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 função Z em relação a E pode ser expressa por uma hipérbole, da
seguinte forma:
E
Z=
E +C
Onde, C é escolhido de forma subjetiva, sendo C > 0 .
A função hiperbólica de Z pode ser visualizada no Gráfico 12.1, sendo que essa
curva se aproxima de Z = 1 de forma assintótica.
1
0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0
E
Gráfico 12.1
Na prática, entretanto, sabemos pelo item “Credibilidade Total” que, a partir

de um determinado valor de λ ( λ m ), temos a credibilidade total, ou seja, Z se
aproxima de 1. Por consequência, Z se aproxima de 1 quando o sinistro agregado
médio é igual a λ m E [ X ] .
Uma modificação possível, portanto, na função Z , é a de atribuir um ponto
S ( S = λ m E [X ] ) no qual a partir daí Z = 1 , eliminando a característica assintóti-
ca da função original. Nesta nova função, assume-se que, a partir de um ponto
( E = Q , Z = Q / (Q + K ) ), a função Z passa a ser uma reta até atingir Z = 1 ,
conforme visualizado no Gráfico 12.2.
1
(S ,1)
Q
Q+K ⎛ Q ⎞
⎜⎜ Q , ⎟
⎝ Q + K ⎟⎠
0 Q S E
Gráfico 12.2
É fácil mostrar que esta nova função 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 expressões são importantes, pois permitem estabelecer limites para a es-
colha arbitrária de Q e C .
Comparação com o Princípio da Flutuação Limitada
Sabemos, pelo princípio da flutuação limitada, que a função Z pode ser ex-
pressa por:
λ
Z=
λm
λ E [X ]
→ Z=
λ m E [X ]
E
→ Z=
S
Desta forma, temos uma função Z que varia com E e S , podendo, então, ser
comparada com a função Z do princípio da credibilidade hiperbólica, que depende
de C , E e S .
Deve-se notar que, quando C = S , então, Q = 0 , e, pelo Gráfico 12.2, Z será
uma reta, ou seja,
E
Z=
S
Assim sendo, pode-se determinar o valor de C que torna o princípio da credibi-
lidade hiperbólica próximo ao princípio da flutuação limitada.
Princípio da Credibilidade Bayesiana Empírica
Buhlmann (1967) publicou um artigo intitulado “Experience Rating and Credi-

bility” que deu origem ao outro ramo da credibilidade denominado teoria da credibi-
lidade européia ou teoria da credibilidade de maior exatidão ou ainda teoria da credi-
bilidade bayesiana empírica. Com o surgimento dos modelos bayesianos empíricos,
a estimação de Z pode ser feita usando soluções estatísticas da teoria de estimação.
O modelo clássico de Buhlmann é o modelo simples de credibilidade linear para

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

MANO14 e (HART, BUCHANAN AND HOWE)7
EXERCÍCIOS
1) Calcular o número mínimo de sinistros requerido em uma experiência direta de

modo que haja uma probabilidade de 95% de que a distância entre o prêmio de
risco real, e o prêmio de risco calculado utilizando 100% do prêmio de risco da
experiência direta, não seja superior a 10%.
Suponha que o número de sinistros ocorre de acordo com uma distribuição de

Poisson, e que os valores dos sinistros produzidos pela carteira ( X ) possuam a
seguinte distribuição:
Valor Sinistro ($) Frequência 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 exercício 1, utilizando o princípio da flutuação limitada,

dado que o número médio de sinistros ocorridos é de 500.
3) Calcule o prêmio puro individual a ser cobrado no próximo ano, utilizando o

princípio da flutuação limitada, em uma carteira com as seguintes características:
– O número de sinistros ocorre de acordo com uma distribuição de Poisson;

– Os valores dos sinistros são constantes e iguais a $10.000;
– A freqüência anual de sinistros é de 0,001;
– Número de sinistros ocorridos em 1 ano é igual a 300:
– O carregamento de segurança é de 4%.
Considere que a experiência adicional conduziu a um prêmio 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. CRAMÉR, 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 Aplicação do Método de Panjer à Experiência
Brasileira de Sinistros do Ramo de Seguros de Automóveis. Tese
submetida ao Instituto de Matemática 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 Tarifação de Segu-
ros: Uso de Modelos de Credibilidade. Tese submetida a COPPE
da UFRJ, Rio de Janeiro, 1996.
15. MENDES, J. J. SOUZA. Bases Técnicas do Seguro. Manuais Técnicos
de Seguros. São Paulo. Editora Manuais Técnicos de Seguros, 1977.
16. PANJER, H.H., Recursive Evaluation of a Family of Compound Dis-
tributions. Astin Bulletin, 1981
17. TEIXEIRA, C.E.S., Índices Estatístico-Atuariais para o Acompan-
hamento da Experiência em uma Carteira de Automóveis. Tese
submetida ao Instituto de Matemática 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 à Gestão para a Carteira de Seguros
de Automóveis. Rio de Janeiro. Funenseg - Revista Caderno de Se-
guros no 63, agosto/setembro 1992.
20. WESTENBERGER, R. Tarifação de Seguros de Automóveis. COP-
PEAD, UFRJ , Rio De Janeiro, Dezembro 1989.
Apêndice 1
Exposição ao Risco
O cálculo da exposição ao risco é uma etapa fundamental nos processos de pre-

cificação, cálculo de reservas de prêmios, cálculo da probabilidade de ruína, etc.
O modelo de cálculo da exposição ao risco que será apresentado a seguir serve
tanto para o cálculo do número de apólices expostas ao risco, importância segurada
exposta ao risco ou prêmio ganho.
CÁLCULO DA EXPOSIÇÃO INDIVIDUAL
Podemos medir a exposição individual de cada risco pela relação entre o tempo
em que o risco ficou exposto no período de análise e o tempo total do período de
análise. Mesmo que o risco tenha iniciado antes do período de análise, ele é consi-
derado no cálculo da exposição individual, desde que ele tenha alguma interseção de
vigência no período de análise.
Se considerarmos 1 dia como a unidade mínima de contagem de tempo, teremos:
Exposição Individual =
Sendo:
- Número de dias da vigência com interseção com o período de análise;

- Número de dias do período de análise.
Somente as apólices com pelo menos 1 dia de vigência no período de análise es-
tão sujeitas ao cálculo da exposição individual. Com isso, a apólice precisa ter início
199
de vigência ou término de vigência dentro do período de análise, podendo conter am-

bas as datas. A visão esquemática, apresentada por WESTENBERGER20 no Gráfico
Apêndice 1.1 ajuda a ilustrar o conceito de exposição individual.
Gráfico Apêndice 1.1
TEIXEIRA17 ilustra o cálculo da exposição individual em caso de endosso, onde,

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

Inclusão em apólice Início de um novo risco
Término do risco anterior e início de um
Alteração novo risco
Cancelamento de apólice Término do risco anterior
Término do risco anterior e reconsideração
Cancelamento de endosso do risco anterior ao endosso cancelado.
Reativação da apólice Reinício da vigência do risco cancelado
Tabela Apêndice 1.1
Vejamos a seguir um exemplo de cálculo da exposição individual de uma apólice

e seus respectivos endossos (vide a tabela apêndice 1.2) no período de análise anual
do ano t.
Apêndice 1 – Exposição ao Risco • 201
Início de Término de
Tipo de Documento Risco Vigência Vigência
Apólice A 01/10/t-1 30/09/t
Endosso de Alteração B 02/03/t 30/09/t
Endosso de Cancelamento da ----- 01/05/t 30/09/t
Apólice
Reativação da Apólice B 02/05/t 30/09/t
Tabela apêndice 1.2
Veja que o risco A, subscrito em 1 de Outubro do ano t-1, foi substituído 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 até o término de vigência da apólice em 30 de
Setembro do ano t.
Neste caso, a visão esquemática é apresentada no Gráfico Apêndice 1.2.
Gráfico Apêndice 1.2
Desta forma, para os riscos A e B, temos as seguintes exposições individuais:
a) Risco A
O risco A ficou em vigor no ano t de 01/01/t até 01/03/t, ou seja, durante 60 dias
(supondo Fevereiro com 28 dias).
Logo,
Exposição Individual =
b) Risco B
O risco B ficou em vigor no ano t de 02/03/t até 30/04/t, e de 02/05/t até 30/09/t,
ou seja, durante 60 dias no primeiro período mais 152 dias no segundo período, to-
talizando 212 dias.
Logo,
212
Exposição Individual = = 0,5808
365
ENDOSSO DE CANCELAMENTO POR SINISTRO
Conforme já abordado neste apêndice, o endosso de cancelamento da apólice

interrompe a contagem da exposição em função do risco cessar naquele momento.
No caso de cancelamento por sinistro, entretanto, deve-se estender a contagem da
exposição até o final de vigência original da apólice.
Esse procedimento fica mais fácil de ser entendido quando se calcula a freqüên-
cia anual de sinistros, onde fica claro que a apólice sinistrada deve ter sua exposição
considerada como 1, pois, caso contrário, tomaríamos somente uma proporção do
risco, deturpando, assim, o conceito de freqüência de sinistros.
CÁLCULO SIMPLIFICADO DA EXPOSIÇÃO AGREGADA
A exposição agregada de um risco é definida como a soma de todas as exposições

individuais.
Conforme abordado neste apêndice, o cálculo da exposição individual deve ser
elaborado considerando-se todas as possíveis alterações na apólice, o que requer o
uso de dados individualizados para o cálculo da exposição agregada.
Uma forma mais simples de calcular a exposição agregada parte do número
de apólices em vigor ( Ri ) para um determinado risco, para cada dia do período de
análise ( n ), sendo , então, a exposição agregada igual a média do número de apólices
em vigor no período n , ou seja,
n
∑R i
Exposição Agregada = i =1
n
Esta forma de cálculo vale também para o cálculo de importâncias seguradas
expostas, prêmios ganhos, etc.
Além de simples, esta forma de cálculo é exata, pois, todas as alterações nas
apólices são automaticamente incluídas na movimentação do saldo de riscos em vi-
Apêndice 1 – Exposição ao Risco • 203
gor em cada dia ( Ri ). Deve-se tomar cuidado, entretanto, para considerar as apólices
sinistradas como se estivessem em vigor até o final de vigência originalmente con-
tratado.
Na prática é comum se calcular a média do saldo mensal dos riscos em vigor,
como conseqüência da maioria dos relatórios gerenciais das seguradoras serem emiti-
dos mensalmente. Nesse caso, entretanto, não se tem o mesmo grau de precisão, pois,
perde-se a informação das movimentações de risco ocorridas dentro de cada mês.
Apêndice 2
Tabela Distribuição 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 Exercíos
Capítulo 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
Capítulo 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
Capítulo 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
Capítulo 4
1) 0,000822
2) $503,41
3) α = 2,037
4) a) $50 b) $37,5
Capítulo 5
1) Poisson com parâmetro
2) 6,76%
3) 4,16%
Capítulo 6
2) Distribuição de Poisson Composta com λ =8 e ;

; P ( X = 3) = 0,425 ; P ( X = 4 ) = 0,375 .
4) β = α e x0 = − α
Respostas dos Exercíos • 209
5) 21,5%
6) 11,9%
Capítulo 7
1) 68,22%
2) 66,44%
−p p
3) a = b = (N + 1)
1− p 1− p
Capítulo 8
1) $9.826
2) 3.666 ou 1.745.954
3) 8,74%
4) -$6.698
⎛ rq rq ⎞
5) μ = K ⎜ Z 1−δ − θ ⎟⎟
⎜ p2 p ⎠
⎝
Capítulo 9
1) $1.785.819
2) 92,6%
3) 0,37%
4) $1.287
5) 35,7%
Capítulo 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%
Capítulo 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
Capítulo 12
1) 515
2) 0,9855
3) $10,98

Livro Modelos de Precificação e Ruina PDF

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Livro Modelos de Precificação e Ruina PDF

Enviado por

Direitos autorais:

Formatos disponíveis

Modelos de Precificação

e Ruína para Seguros

Impresso no Brasil/Printed in Brazil

F443m Ferreira, Paulo Pereira

1. Teoria do risco. 2. Tarifação (Seguro). 3. Atuária. 4. Precificação.

05-0498 CDU 368.01

2 Modelo do Risco Individual Anual, 19

7 Pela Função Geratriz de Momentos ..................................................... 22

Interpretação Tradicional ............................................................. 68

6 Distribuições para o Sinistro Agregado, 73

7 Fórmula Recursiva de Panjer, 95

8 Processo de Ruína – Período Finito, 103

Carregamento de Segurança não Positivo ...................................... 112

9 Processo de Ruína – Período Infinito, 127

10 Aplicações em Resseguro, 143

11 Aplicações Diversas, 163

Quando X Possui Distribuição Paramétrica Conhecida ............. 164

12 Teoria da Credibilidade, 185

Apêndice 2 – Tabela Distribuição Normal Padronizada Acumulada, 205

Parafraseando o autor desta obra, saudações atuariais!

Rio 12 de Abril de 2010

O capítulo 1 trata do processo de tarifação, apresentando os tipos de prêmios e métodos de

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

Nos capítulos 4 e 5 são apresentadas as principais distribuições de probabilidades para as

Devido à complexidade na obtenção da distribuição de probabilidade do valor total de sinis-

Os capítulos 8 e 9 tratam do processo de ruína em um período finito e infinito, respectivamen-

O capítulo 10 mostra algumas aplicações da Teoria do Risco na área de resseguro, apresentan-

No capítulo 11 são apresentadas diversas aplicações práticas no processo de precificação,

A distribuição de probabilidade da variável aleatória “valor total dos sinistros em 1 ano”

Gostaria, também, de agradecer aos professores do Instituto de Matemática da Universidade

Diversos são os conceitos e metodologias envolvidos no cálculo do preço pago

Os conceitos desenvolvidos neste capítulo podem ser classificados como básicos

No processo de precificação do custo de um seguro existem 3 tipos de prêmios:

O prêmio de risco cobre o risco médio ( E [S ] ).

Onde, S representa a variável aleatória “valor total das indenizações ocorridas

O prêmio puro é igual ao prêmio de risco mais um carregamento de segurança

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

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

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

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

Sobre o prêmio comercial

Sobre o prêmio puro

Após calcularmos o prêmio comercial ( π ) suficiente para cobrir todos os sinis-

onde F é o total de exposição ao risco.

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

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

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

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

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

As 1000 apólices com vigência anual, iniciando-se a vigência em 1 de outubro

Logo, o número de riscos expostos no ano t será de:

916,67 × $50.000 = $45.833.333,34

Prêmio de risco individual anual

Taxa de risco anual

Prêmio puro individual anual

Taxa pura anual

Prêmio comercial individual anual

Taxa comercial anual

Podemos citar 4 métodos de tarifação:

Esse método é utilizado quando não se tem informação suficiente no processo de

A tarifa é atualizada em função da análise da sinistralidade.

Devemos tomar muito cuidado na utilização deste método em função de even-

Este método começa com a estimativa do prêmio de risco, passando por um