CICLO IV

UNIVERSIDAD NACIONAL DE TUMBES

FACULTAD DE CIENCIAS ECONOMICAS
ESCUELA ACADMICO PROFESIONAL DE CONTABILIDAD
RUMBO A LA ACREDITACIN

CURSO: MATEMTICAS FINANCIERAS Y ACTUARIALES

TRABAJO DE UNIDAD

Presentado por:
FRANKLIN A. GUERRA PERZ
ELLIANA B. RIOFRIO MARTINEZ
LESLI K. VELASQUEZ SILVA
Docente Coordinador:
Apolinar Risco Zapata.
SEMESTRE 2015 II
Tumbes Per
2015

1. PROBABILIDADES

La probabilidad y la estadstica son, sin duda, las ramas de las Matemticas

que estn en mayor auge en este siglo, y tienen una tremenda aplicabilidad en
todos los aspectos y ciencias, especialmente en las Ciencias Sociales, puesto que
aquellas variables que influyen en dichas ciencias, econmicas, demogrficas,
suelen tener carcter aleatorio, es decir, no son deterministas, y se fundamentan
en predicciones a partir de datos conocidos. Todo aquello que implique
prediccin nos lleva al terreno de la probabilidad.
1.1. Experimentos aleatorios

En todos los aspectos de la vida a veces nos encontramos con acontecimientos

predeterminados, es decir, tales que podemos decir el resultado de dichos
acontecimientos antes de que finalice o incluso de que comience. Tal es el caso
de:
1.

Tirar una piedra desde un edificio (sabemos que se caer).

2.

Calentar un cazo de agua (sabemos que la temperatura sube).

3.

Golpear una pelota (sabemos que se va a mover, e incluso conociendo

fuerzas que actan etc., podemos conocer precisamente donde caer).

Tales acontecimientos o experimentos de los que podemos predecir el resultado
antes de que se realicen se denominan experimentos deterministas.
Sin embargo, analicemos otro tipo de experimentos, mucho ms interesantes
desde el punto de vista matemtico:
Imaginemos que lanzamos un dado al aire (normal, de 6 caras y no trucado).
Podemos predecir el resultado que vamos a obtener?. Evidentemente no. Este
es un experimento que no es determinista. A este tipo de experimentos, en los

cuales no se puede predecir el resultado antes de realizar el experimento se les

denomina experimentos aleatorios.
Otros ejemplos de experimentos aleatorios pueden ser:
Tirar una moneda al aire y observar qu lado cae hacia arriba, rellenar una
quiniela de ftbol, jugar una partida de pker y, en general, cualquier juego en el
que intervenga el azar.
1.2. Definiciones bsicas

La teora de probabilidades se ocupa de asignar un cierto nmero a cada posible

resultado que pueda ocurrir en un experimento aleatorio, con el fin de
cuantificar dichos resultados y saber si un suceso es ms probable que otro o
relaciones parecidas. Con este fin, introduciremos algunas definiciones.

EXPERIMENTO AL AZAR

Se dice que un experimento aleatorio (al azar) cuando se cumplen las siguientes
condiciones:
a) El experimento se puede repetir indefinidamente bajo anlogas
condiciones, pudindose obtener resultados distintos en cada prueba.
b) En cada prueba se obtiene un resultado que pertenece al conjunto de todos
los resultados posibles del experimento.
c) Antes de realizar una nueva prueba del experimento no se puede predecir
el resultado que se obtendr.
d) La frecuencia relativa de cada resultado de un experimento aleatorio
tiende experimentalmente a aproximarse a un valor fijo, es decir, aparece
un modelo de regularidad estadstica.
Ejemplos:

 Lanzar una moneda al aire.

Abrir un libro al azar y anotar la pgina de la izquierda.

ESPACIO MUESTRAL

Se llama espacio muestral al conjunto de todos los resultados simples posibles

de un experimento aleatorio. El espacio muestral lo designaremos por E (o bien
por la letra griega ). Cada elemento del espacio muestral E lo llamaremos
punto muestral.
Ejemplos:
1.- Lanzar una moneda al aire y anotar los resultados.
E= {cara(c), cruz (x)}
2.- Lanzar dos monedas al aire:
E= {cc, cx, xc, xx}
3.- Lanzar dos dados al aire y sumar los nmeros que salen:
E= {2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}
SUCESO ALEATORIO

SUCESO ALEATORIO

Es cualquier subconjunto del espacio muestral.

Ejemplo:
Tirar un dado un suceso sera que saliera par, otro, obtener mltiplo de 3, y
otro, sacar 5.
UN 1ER EJEMPLO COMPLETO

Una bolsa contiene 6 bolas, las cuales 3 son blancas y 3 negras. Se extraen
sucesivamente tres bolas. Calcular:
1. El espacio muestral.
E = {(b, b, b); (b, b, n); (b, n, b); (n, b, b); (b, n, n); (n, b, n); (n, n, b); (n, n, n)}
2. El suceso A = {extraer tres bolas del mismo color}.
A = {(b, b, b); (n, n, n)}
3. El suceso B = {extraer al menos una bola blanca}.
B= {(b, b, b); (b, b, n); (b, n, b); (n, b, b); (b, n, n); (n, b, n); (n, n,b)}
4. El suceso C = {extraer una sola bola negra}.
C = {(b, b, n); (b, n, b); (n, b, b)}
UN 2DO EJEMPLO
El departamento de seleccin de personal de una multinacional entrevista a 65
candidatos para un puesto de la empresa: 35 de ellos poseen experiencia laboral
y 40 disponen de un ttulo universitario.
Cul es la probabilidad de que se elija a una persona que tenga experiencia
laboral y un ttulo universitario?
A = experiencia laboral
B = ttulo universitario
A B = 10 (ya que 40 + 35 = 75 que sobre pasan en 10 a los 65 entrevistados)
Probabilidad (A B) = 10/ 65 = 0.1538

1.3. Tambin tenemos algunas reglas:

1. REGLA GENERAL DE LA ADICIN DE PROBABILIDADES PARA
EVENTOS NO MUTUAMENTE EXCLUYENTES

Si A y B son dos eventos no mutuamente excluyentes (eventos intersecantes), es

decir, de modo que ocurra A o bien B o ambos a la vez (al mismo tiempo),
entonces se aplica la siguiente regla para calcular dicha probabilidad:

En donde:
El conectivo lgico o corresponde a la unin en la teora de conjuntos (o =
).
El conectivo y corresponde a la interseccin en la teora de conjuntos (y =
).
El espacio muestral (S) corresponde al conjunto universo en la teora de
conjuntos.
Ejemplo: Sea A el suceso de sacar un As de una baraja estndar de 52 cartas y
B sacar una carta con corazn rojo. Calcular la probabilidad de sacar un As o
un corazn rojo o ambos en una sola extraccin.
Solucin:

A y B son sucesos no mutuamente excluyentes porque puede sacarse el as de

corazn rojo. Las probabilidades son:

Reemplazando los anteriores valores en la regla general de la adicin de

probabilidades para eventos no mutuamente excluyentes se obtiene:

REGLA

PARTICULAR

ESPECIAL

DE

LA

ADICIN

DE

PROBABILIDADES PARA EVENTOS MUTUAMENTE EXCLUYENTES

Si A y B son dos eventos mutuamente excluyentes (eventos no intersecantes), es

decir, si la ocurrencia de cualquiera de ellos excluye la del otro, no pueden
ocurrir a la vez, o cuando no tienen ningn punto muestral en comn A B = ,
entonces se aplica la siguiente regla para calcular dicha probabilidad:

En donde:
El conectivo lgico o corresponde a la unin en la teora de conjuntos (o =
).
El espacio muestral (S) corresponde al conjunto universo en la teora de
conjuntos.

Ejemplo: En una urna existe 10 bolas numeradas del 1 al 10. Qu

probabilidad existe de sacar en una sola extraccin una bola enumerada con un
nmero impar o con un nmero mltiplo de 4?
Solucin:
Espacio muestral = S = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10} n(S) = 10
A = nmero impar = {1, 3, 5, 7, 9};

B = numero mltiplo de 4 = {4, 8}

Resultados favorables = A B = {1, 3, 4, 5, 7, 8, 9}

Aplicando la frmula de la probabilidad terica:

Aplicando la regla particular o especial de la adicin de probabilidades para

eventos mutuamente excluyentes:

EJEMPLOS CON RESPECTO A LA CONTABILIDAD

1. En el colegio de contadores se escogido al azar a 60 de ellos. De los que

28 tiene maestra, 18 tienen doctorado, 25 diplomados. Tambin se
encontr que 10 tiene doctorado y maestra, 6 tienen diplomado y
doctorado y 14 tiene diplomado y maestra. Adems 5 tienen las 3
especialidades.
a) Cul es la probabilidad de elegir al azar un CPC con maestra o
diplomado?

b) Cul es la probabilidad de elegir al azar un CPC con doctorado o

diplomado?
c) Cul es la probabilidad de elegir al azar un CPC con maestra o
doctorado?
d) Cul es la probabilidad de elegir al azar un CPC con alguna de las 3
especialidades?
Solucin:
Diplomado
10

1
5

Doctorado

5
9

Maestra

60

A = {x/x CPC con Diplomado};

n (A) = 25

B = {x/x CPC con Doctorado};

n (B) = 18

C = {x/x CPC con Maestra};

n (C)= 28

a) AC = {x/x / x A ^ x C}; n(AC) = 14

P (AC) = 25/60 + 28/60 14/60
P (AC) = 13/20 = 0.65 65%
b) AB = {x/x / x A ^ x B}; n(AB) = 6
P (AB) = 25/60 + 18/60 6/60
P (AB) = 37/60 = 0.62 62%

c) BC = {x/x / x B ^ x C}; n(BC) = 10

P (BC) = 28/60 + 18/60 10/60
P (BC) = 3/5 = 0.60 60%
d) ABC = {x/x / x A ^ x B ^ x C}; n(ABC) = 5
P(ABC) = 25/60 + 18/60 + 28/60 + 5/60 14/60 6/60 10/60
P(ABC) = 23/20 = 0.77 77%
2. En un grupo de 50 CPC, 20 laboran en el sector pblico, 25 en el sector
privado, 18 de manera independiente. Adems 10 laboran en el sector
pblico y privado, 8 laboran en el sector pblico y de manera
independiente, 6 laboran en el sector privado y de manera independiente.
Y 2 laboran en el sector pblico, en el sector privado y de manera
independiente.
e) Cul es la probabilidad de elegir al azar un CPC del sector pblico o
privado?
f) Cul es la probabilidad de elegir al azar un CPC del sector pblico o
labora de manera independiente?
g) Cul es la probabilidad de elegir al azar un CPC del sector privado o
labora de manera independiente?
h) Cul es la probabilidad de elegir al azar un CPC del sector pblico,
sector privado y labora de manera independiente?

Solucin:
Independiente 6

4
2

11

Privado

8
4

Publico

50

A = {x/x CPC del sector pblico};

n (A) = 20

B = {x/x CPC del sector privado};

n (B) = 25

C = {x/x CPC independiente};

n (C)= 18

e) AB = {x/x / x A ^ x B}; n(AC) = 10

P(AC) = 20/50 + 25/50 10/50
P(AC) = 7/10 = 0.7 70%
f) AC = {x/x / x A ^ x C}; n(AC) = 8
P(AC) = 20/50 + 18/50 8/50
P(AC) = 3/5 = 0.6 60%
g) BC = {x/x / x B ^ x C}; n(AC) = 6
P(AC) = 25/50 + 18/50 16/50
P(AC) = 37/50 = 0.74 74%
h) ABC = {x/x / x A ^ x B ^ x C}; n(ABC) = 2

P(ABC) = 20/50 + 25/50 + 18/50 + 2/50 10/50 8/50 6/50

P(ABC) = 41/50 = 0.82 82%
3. En una empresa se presentaron 30 personas para ocupar las vacantes de
empleo disponibles, de las personas 10 son contadores, 12 son
economistas, 18 son administradores. Adems 5 son contadores y
economistas, 6 son economistas y administradores, 6 son contadores y
administradores. Y 4 son contadores, economistas y administradores.
i) Cul es la probabilidad de elegir al azar un contador o economista?
j) Cul es la probabilidad de elegir al azar un contador o administrador?
k) Cul es la probabilidad de elegir al azar un economista o administrador?
l) Cul es la probabilidad de elegir al azar un contador o economista o
administrador?

Solucin:

Contadores: 10 3

Economistas: 12

1
4
2

2
10

Administradores: 18

30

A = {x/x contadores};

n (A) = 10

B = {x/x economistas};

n (B) = 12

C = {x/x administradores};

n (C)= 18

a) AB = {x/x / x A ^ x B}; n(AC) = 5

P(AC) = 10/30 + 12/30 5/50
P(AC) = 17/30 = 0.57 57%
b) AC = {x/x / x A ^ x C}; n(AC) = 6
P(AC) = 10/30 + 18/30 6/30
P(AC) = 11/15 = 0.73 73%
c) BC = {x/x / x B ^ x C}; n(AC) = 6
P(AC) = 12/30 + 18/30 6/30
P(AC) = 4/5 = 0.8 80%
d) ABC = {x/x / x A ^ x B ^ x C}; n(ABC) = 4
P(ABC) = 10/30 + 12/30 + 18/30 5/30 6/30 6/30 + 4/30
P(ABC) = 9/10 = 0.90 90%

2. PROBABILIDAD CONDICIONAL

1. En una empresa, el 20 % de los trabajadores son mayores de 45 aos, el 8

% desempea algn puesto directivo y el 6 % es mayor de 45 aos y
desempea algn puesto directivo.
a) Qu porcentaje de trabajadores tiene ms de 45 aos y no desempea
ningn cargo directivo?
b) Qu porcentaje de trabajadores no es directivo ni mayor de 45 aos?
c) Si la empresa tiene 150 trabajadores, cuntos son directivos y no tiene ms
de 45 aos?
Solucin:
Se tienen las siguientes probabilidades:
P (mayor de 45 aos) = P(+45) = 0,20

P(-45) = 0,80

P (ser directivo) = P(D) = 0,08

P (ser directivo y mayor de 45 aos) = P (D+45) = 0,06 P(D-45) = 0,02
a) Por la probabilidad condicionada se tiene:
P (Directivo en el supuesto de ser mayor de 45 aos) = P (D/45) = (P (D/45))/P
(45) = 0.06/0.20 = 0.30
En consecuencia:
P(no ser directivo en el supuesto de ser mayor de 45 aos) = P(No D/+45) = 1 P(D/+45) = 1 - 0,30 = 0,70
Por otra parte:
P (+45No D) = P(+45) P(No D/+45) = 0,20 0,70 = 0,14

El 14 % de los trabajadores de esa empresa tiene ms de 45 aos y no es

directivo.
b) Como antes:
P(Directivo en el supuesto de ser menor de 45 aos) = P(D/-45 = (P(D/-45)/P(45) = 0.02/0.80 = 0.025
Luego:
P(No ser directivo en el supuesto de ser menor de 45 aos) = P(No D/-45) = 1 0,025 = 0,975
Por tanto:
P(No D45) = P(-45No D) = P(-45) P(No D/-45) = 0,80 0,975 = 0,78
El 78 % de los trabajadores de esa empresa tiene menos de 45 aos y no es
directivo.
c)

Si la empresa tiene 150 trabajadores, como P(D-45) = 0,02, habra

150 0,02 = 3 directivos con no ms de 45 aos.

2. En el departamento de lcteos de un supermercado se encuentran

mezclados y a la venta 100 yogures de la marca A, 60 de la marca B y 40
de la marca C. La probabilidad de que un yogur est caducado es 0,01
para la marca A; 0,02 para la marca B y 0,03 para la marca C. Un
comprador elige un yogur al azar.
a) Calcular la probabilidad de que el yogur est caducado.

b) Sabiendo que el yogur elegido est caducado, cul es la probabilidad de

que sea de la marca B?
Solucin:
Con los datos del problema se puede construir la siguiente tabla.

Nmero
Probabilidad de estar

Marca A
100

caducado
0,01
Nmero esperado de
yogures

en

Marca B
60

Marca C
40

0,02

0,03

Total
200

mal100 0,01 = 1 60 0,02 = 1,2 40 0,03 = 1,2 3,6

Con esto, y como puede leerse directamente en la tabla:

a) P(un yogur est caducado) = P(marca A)*P(caducado/marca A) +
P(marca B)*P(caducado/marca B) + P(marca C)*P(caducado/marca C)
P(un yogur est caducado) = 100/200*0.01 + 60/200*0.02 + 40/200*0.03 =
3.6/200 = 0.018
b) P(marcaB/cadudado) = (P(marcaB)*P(caducado/marcaB))/P(caducado) =
(60/200*0.02)/(3.6/200) = 1.2/3.6 = 1/3 = 0.33
3. El estudio sobre los crditos concedidos por un banco multinacional el
pasado ao revela que el 42 % de dichos crditos se ha concedido a
clientes espaoles, el 33% a clientes del resto de la Unin Europea y el 25
% a clientes del resto del mundo. De esos crditos, los crditos
hipotecarios suponen, respectivamente, el 30 %, el 24 % y el 14 %.
Elegido un cliente al azar que ha recibido un crdito, cul es la
probabilidad de que el crdito concedido no sea hipotecario?

Solucin:
Si se denota por ES, UE y RM los sucesos cliente espaol, del resto de la
Unin Europea
y del resto del mundo, respectivamente; y por H el suceso el crdito es
hipotecario se tiene:
P(ES) = 0,42; P(UE) = 0,33; P(RM) = 0,25
Tenemos tambin las siguientes probabilidades condicionadas:
P(H/ES) = 0,30; P(H/UE) = 0,24; P(H/RM) = 0,14
Con esto:
P(H) = P(ES) P(H/ES) + P(UE) P(H/UE) + P(RM) P(H/RM) = 0,42 0,30 +
0,33 0,24 + 0,25 0,14 = 0,2402
En consecuencia, la probabilidad de que el crdito concedido no sea hipotecario
es:
P(No H) = 1 - P(H) = 1 - 0,2402 = 0,7598
Nota: Puede convenir hacer un diagrama de rbol como el siguiente.

P(no H) = 0,42 0,70 + 0,33 0,76 + 0,25 0,86 = 0,7598

3. LEY DE MULTIPILCACION

1. Un lote contiene 20 artculos de los cuales 12 son defectuosos y 8

no defectuosos son inspeccionados uno por uno. Si los artculos
son seleccionados al azar sin reemplazamiento, calcular la
probabilidad de que:
a) Los primeros dos artculos sean defectuosos
b) Entre los tres primeros artculos, dos sean buenos
c) El tercer artculo es defectuoso
d) Si se tiene la siguiente regla: se acepta el lote de 20 artculos si al
observar 4 artculos mximo uno es defectuoso, calcular la probabilidad
de rechazar el lote.
Solucin:
Sean los eventos:

a ) El evento de inters es

b) El evento de inters es
probabilidad es

y su probabilidad es

y su

c.

El

evento

es

de

inters
y su probabilidad es

d. Como no se rechaza el lote cuando esxista

defectuoso y

defectuoso,

entonces

Luego
Rechazar

Aceptar

4. PROBABILIDAD TOTAL

1. Una compaa de transporte pblico tiene tres lneas en una ciudad,

de forma que el 45% de los autobuses cubre el servicio de la lnea 1, el 25%
cubre la lnea 2 y el 30% cubre el servicio de la

lnea 3. Se sabe que la

probabilidad de que, diariamente, un autobs se avere es del 2%, 3% y 1%

respectivamente, para cada lnea.
a) Calcular la probabilidad de que, en un da, un autobs sufra una avera
b) Calcular la probabilidad de que, en un da, un autobs no sufra una avera
c) De qu lnea de transporte es ms probable que un autobs sufra una avera?

Solucin:

a) Calcular la probabilidad de que, en un da, un autobs sufra una avera

Empleando la frmula de probabilidad total se obtiene:

b) Calcular la probabilidad de que, en un da, un autobs no sufra una avera

Empleando la frmula de probabilidad total se obtiene:

c) De qu lnea de transporte es ms probable que un autobs sufra una avera?

Se debe calcular las tres probabilidades posteriores empleando el Teorema de
Bayes

La probabilidad de que sea de la lnea 1, sabiendo que sufre una avera es:

La probabilidad de que sea de la lnea 2, sabiendo que sufre una avera es:

La probabilidad de que sea de la lnea 3, sabiendo que sufre una avera es:

Entonces, sabiendo que el autobs sufre una avera, lo ms probable es que sea
de la lnea 1, ya que esta probabilidad

2. En un saquito hay papeletas de tres colores, con las siguientes

probabilidades de ser elegidas:
a) Amarilla: probabilidad del 50%.
b) Verde: probabilidad del 30%
c) Roja: probabilidad del 20%.
Segn el color de la papeleta elegida, podrs participar en diferentes sorteos.
As, si la papeleta elegida es:
a) Amarilla: participas en un sorteo con una probabilidad de ganar del 40%.
b) Verde: participas en otro sorteo con una probabilidad de ganar del 60%
c) Roja: participas en un tercer sorteo con una probabilidad de ganar del 80%.
Con esta informacin, qu probabilidad tienes de ganar el sorteo en el que
participes?:

1.- Las tres papeletas forman un sistema completo: sus probabilidades suman
100%
2.- Aplicamos la frmula:

Luego,
P (B) = (0,50 * 0,40) + (0,30 * 0,60) + (0,20 * 0,80) = 0,54
Por tanto, la probabilidad de que ganes el sorteo es del 54%.
3. Van a cambiar a tu jefe y se barajan diversos candidatos:
a) Carlos, con una probabilidad del 60%
b) Juan, con una probabilidad del 30%
c) Luis, con una probabilidad del 10%
En funcin de quien sea tu prximo jefe, la probabilidad de que te suban el
sueldo es la siguiente:
a) Si sale Carlos: la probabilidad de que te suban el sueldo es del 5%.
b) Si sale Juan: la probabilidad de que te suban el sueldo es del 20%.
c) Si sale Luis: la probabilidad de que te suban el sueldo es del 60%.

En definitiva, cul es la probabilidad de que te suban el sueldo?:

1.- Los tres candidatos forman un sistema completo
2.- Aplicamos la frmula:

P (B) = (0,60

* 0,05) + (0,30 * 0,20)

Datos
+ (0,10 * N: nmero de ensayos
0,60) = 0,15
P: probabilidad de aprobados
Q: desaprobados, complemento = (1Por tanto, la
probabilidad de que te
p)
suban
el
sueldo es del 15%.
1.4 DISTRIBUCIONES PROBABILSTICAS
A. DISTRIBUCION BINOMIAL

o Segn el informe del profesor Augusto Burneo el 30% de los alumnos

del 4to ciclo de contabilidad desaprueban su curso despus de
haberlo llevado con l.
Para una muestra aleatoria de 15 alumnos:

Cul es la probabilidad de que ninguno salga desaprobado?

Cul es la probabilidad de que 6 salgan desaprobados?
Cul es la probabilidad de que a lo ms sean 2 desaprobados?
Cul es la probabilidad de que salgan desaprobados entre 1 y 3
(Inclusive)?

Frmulas a utilizar:

P(X) = C Nx P X QN X

N!
N
DONDE C x = X ! (N X)!

Cul es la probabilidad de que ninguno salga desaprobado?

0
150
P (0) = C15
0 0.3 0.7
15

C0 =

15 !
=1
0 !( 150) !

P (0) = 110.715=0.0047476

= 0.47%

- Interpretacin: Probabilidad de que ninguno salga desaprobado es del

0.47%

Cul es la probabilidad de que 6 salgan desaprobados?

6
156
P(4) = C15
6 0.3 0.7
15

C6 =

15 !
= 5005
6 ! (156) !

P (4) = 50050.36 0.79= 0.1472 = 14.72%

- Interpretacin: Probabilidad de que 6 salgan desaprobado es del
14.72%

Cul es la probabilidad de que a lo ms sean 2 desaprobados?

Para x=0
0
150
P (0) = C15
0 0.3 0.7

C15
0 =

15 !
=1
0 !( 150) !

P (0) = 110.715=0.0047476

= 0.47%

Para x=1
1
151
P (1) = C15
1 0.3 0.7

C15
1 =

15!
=15
1 !(151) !

P (1) = 150.310.7 14= 0.0305 = 3.05%

Para x=2
15
2
152
P (2) = C( 2 )0.3 0.7

C15
2 =

15!
= 105
2 !(152)!

P (2) = 1050.320.7 13= 0.0915 = 9.15%

Entonces: P(0) + P(1) + P(2) = 0.47 + 3.05 + 9.15 = 12.67% aprox.
- Interpretacin: Probabilidad de que a lo ms 2 salgan desaprobado es
del 12.67%

Cul es la probabilidad de que salgan desaprobados entre 1 y 2

(Inclusive)?
Ya tenemos los datos de P (1), P (2), solo basta sumarlos:
P (1) = 150.310.7 14= 0.0305 = 3.05%

P (2) = 1050.320.7 13= 0.0915 = 9.15%

Entonces: P (1) + P (2) = 3.05 + 9.15 = 12.2%
- Interpretacin: Probabilidad de que salgan desaprobado entre 1 y 2 es
del 12.2%
B. DISTRIBUCION DE POISSON

o La probabilidad de que el seor Ricardo Flores gane las elecciones

regionales ha disminuido debido a que no sale a dialogar y relacionarse
con el pueblo y se estima que la probabilidad de que gane votos es del
0.003.

Cul es la probabilidad de que gane 5 votos al encuestar 3000

personas?

Cul es la probabilidad de que gane 2 votos?

X=5
=9
P = 0.003

Solucin:

Frmula:

F(X)=

x
x!

=E(X)=N (P) = 3000(0.003) = 9

Cul es la probabilidad de que gane 5 votos al encuestar 3000

personas?

F (5)=

e995
= 0.0607 = 6.07%
5!

- Interpretacin: La probabilidad de que gane 5 votos al encuestar a 3000

personas es del 6.97%

Cul es la probabilidad de que gane 2 votos?

9

e 9
= 0.0049 = 0.49%
2!

F (2)=

- Interpretacin: La probabilidad de que gane 2 votos es del 0.47%

C. DISTRIBUCION NORMAL

o En el examen de Contabilidad Superior la nota promedio fue 10 y la

varianza 25. ( = 5)

Cul es la probabilidad de seleccionar al azar un alumno cuya nota

sea que

11?

Cul es la probabilidad de seleccionar al azar un alumno cuya nota sea

que 13.5?

Solucin:

Cul es la probabilidad de seleccionar al azar un alumno cuya nota

sea que

11?

11

P ( x 11 )=P
P ( x 11 )=P( Z

1110
)
5

P ( x 11 )=P( Z

1110
)
5

1
P ( x 11 )=P( Z )
5
P ( x 11 )=P( Z 0.2)

P ( x 11 )=0.5793

- Interpretacin: la probabilidad de seleccionar al azar un alumno cuya

nota sea que 11 es del 57.93%

Cul es la probabilidad de seleccionar al azar un alumno cuya nota

sea que 10.5?
10.5

P ( x 10.5 )=P

P ( x 10.5 )=P( Z

10.510
)
6

P ( x 10.5 )=P( Z

10.510
)
6

P ( x 10.5 )=P( Z

0.5
)
5

P ( x 10.5 )=P( Z 0.1)

P ( x 10.5 )=0.5398

P ( x 10.5 )=1P(Z 0.1)

P ( x 10.5 )=10.5398
P ( x 10.5 )=0.4602

- Interpretacin: la probabilidad de seleccionar al azar un alumno cuya

nota sea que 10.5 es del 46.02%
TABLAS DE MORTALIDAD
Tablas de Mortalidad: Antecedentes Histricos
En 1662, John Graunt public sus Observations upon the Bills of Mortality
trabajo que ha sido

posteriormente reconocido

como el

precursor de la

Estadstica Demogrfica. En l, Graunt incluy la primera tabla de mortalidad

de la historia, relativa a la poblacin de Londres. a continuacin su famosa tabla:

lx

10

0
64

16

40

26

25

36

16

46

10

56

66

76

Los registros de mortalidad a los que tena acceso Graunt indicaban la causa de
la muerte y el sexo de los difuntos, pero no su edad. Graunt registr la
proporcin de personas que moran de enfermedades infantiles, aadiendo la
mitad de las que moran de enfermedades como sarampin o viruela, y
concluyendo que 36 de cada 100 personas moran antes de los 6 aos. Esto
proporciona la segunda fila de su tabla de mortalidad. La hiptesis de que casi
nadie sobreviva a los 76 aos lo proporciona su ltima fila.
Graunt no explica de donde obtuvo las filas intermedias. Un gran nmero de
investigadores de han planteado este problema, y algunos han llegado a la
conclusin que invent los datos. Otros (Hacking, 1995) aventuran la hiptesis
de que Graunt llevo a cabo una interpolacin entre los 6 y los 76 aos siguiendo
una ley exponencial
El supuesto de una fuerza de mortalidad constante fue asumido por otros
famosos cientficos, como Jan de Witt y Jan Hudde, quienes construyeron tablas
de mortalidad despus de Graunt. Este supuesto tuvo gran importancia en los
comienzos de la Matemtica Actuarial.
La primera tabla de mortalidad desarrollada de una manera lgica, la tabla de
mortalidad de Halley, se public en 1693 y estaba basada en los registros de
muerte y nacimiento de la ciudad de Breslau durante los aos de 1687 a 1691.
Para la preparacin de esta tabla se asumi que la poblacin de Breslau haba
permanecido estable (por ejemplo, que el nmero completo de la poblacin al
igual que la edad y el gnero no cambiaban en muchas

dcadas) y esta suposicin no era del todo correcta, por lo tanto, la tabla de
mortalidad resultante era imprecisa.
La primera tabla de mortalidad elaborada cientficamente y considerada correcta se
bas tanto en la informacin de la poblacin como en la muerte clasificada por edad
siendo elaborada por Milne y publicada en 1815. Esta tabla de mortalidad se
sustentaba en la experiencia de mortalidad de dos parcelas en la ciudad de Calisle,
Inglaterra, durante el perodo de 1779 a 1787.
Un gran nmero de tablas de mortalidad han sido publicadas desde entonces. En los
primeros aos la mayora de stas pertenecan a pases europeos, en particular los
escandinavos, pero hoy en da las tablas de mortalidad estn disponibles para casi
todos los pases del mundo y cada continente es igualmente representado
Naturaleza y Uso de las Tablas de Mortalidad.
Una tabla de mortalidad est diseada esencialmente para medir la mortalidad, pero
es empleada por una gran variedad de especialistas de distintas maneras. Es utiliza
por proveedores de la salud, demgrafos, actuarios y en muchos estudios de
longevidad, fertilidad, migracin y crecimiento de la poblacin, as como en la
realizacin de proyecciones del tamao y caractersticas de la poblacin y estudios
de la viudez, orfandad, entre otras.

El mtodo ms comnmente utilizado para la construccin de una Tabla de

Mortalidad es aquella que es generada a travs de las tasas de mortalidad especficas
y los valores resultantes son utilizados para la medicin de la mortalidad,
supervivencia y expectativa de vida. Dicho mtodo es el que utilizaremos en el
presente trabajo.

Las tablas de vida son, en esencia, una forma de combinar las tasas de mortalidad en
una poblacin a diferentes edades y son utilizadas principalmente para el medir el
nivel de mortalidad de una determinada poblacin. Una de las ventajas ms
importantes en comparacin con otros mtodos para la medicin de la mortalidad es
que las tablas de vida no reflejan los efectos de la distribucin de edad de cierta
poblacin y que no requieren la adopcin de una poblacin estndar. Otra ventaja de
estas tablas es que permiten la realizacin de cohortes de edad, eliminando la tediosa
tarea de recompilar estadsticas de muerte anuales para las cohortes de edad an
cuando estas ltimas son variables.
Tipos de Tablas de Mortalidad
Las tablas de mortalidad difieren entre s de acuerdo a su ao de referencia, la edad y
el nmero de factores comprendidos en la tabla. Se pueden distinguir dos tipos de
tablas de mortalidad en base al ao de referencia de la tabla:
1) Tabla de Mortalidad Actual;
2) Tabla de Mortalidad Generada o de Cohorte.
El primer tipo de tabla se basa en la experiencia sobre un perodo corto de tiempo,
por ejemplo, un ao, tres aos o un perodo nter censal, en el cual la mortalidad ha
permanecido ms o menos igual. A menudo, las estadsticas de muerte utilizadas para
una tabla de mortalidad actual se relacionan con los periodos de uno a tres aos, y
los datos de poblacin utilizados se relacionan al punto medio de este perodo. Este
tipo de tabla, por lo tanto, representa la experiencia de mortalidad de una poblacin
en un breve periodo de tiempo y no representa la experiencia de mortalidad de una
cohorte actual. En cambio, asume una cohorte hipottico que se somete a las tasas de
muerte relacionadas con la edad que son observadas en este perodo. Por lo tanto,

una tabla de mortalidad actual se puede ver como un retrato de la mortalidad

reciente. Esto representa una excelente descripcin resumida sobre la mortalidad en
un ao o en un perodo corto.
El segundo tipo de tabla de mortalidad, la tabla de mortalidad generada o de cohorte,
se basa en las tasas de mortalidad experimentadas por una cohorte relacionada con el
nacimiento. Por ejemplo, las personas nacidas en 1900. De acuerdo a este tipo de
tabla, la experiencia de mortalidad de las personas en este cohorte se observa desde
el momento de en qu nacen cada una de las personas de esta cohorte hasta que cada
miembro del grupo muera. Obviamente, los datos observados en largos perodos de
aos se necesitan para completar una sola tabla y no es posible construir tablas de
mortalidad generadas

a partir

de las cohortes de nacimientos en este siglo

basndose en los datos actuales.

Este tipo de tabla es muy til para las proyecciones de mortalidad, para los estudios
sobre las tendencias de mortalidad, y para la medicin de fertilidad y reproduccin.
Las tablas de vida se clasifican de dos maneras de acuerdo al intervalo en el cual los
datos son presentados:
Tabla de Vida Completa;
Tabla de Vida Abreviada.
Una tabla de vida completa contiene la informacin de cada ao desde la edad de
nacimiento hasta el ltimo ao de edad aplicable. En algunas ocasiones, los valores
bsicos de una tabla de mortalidad completa se presentan nicamente en perodos de
5 aos para poder economizar espacio.

Por otro lado, una tabla abreviada, contiene la informacin en intervalos de 5 o 10

aos de edad. Estos valores son lo suficientemente precisos para la mayora de los
propsitos y, por lo tanto, la tabla abreviada es menos complicada de elaborar.
Tambin se puede distinguir una tabla de mortalidad estndar que concierne
exclusivamente la experiencia general de mortalidad de una cohorte de edad y una
tabla de decrementos mltiples, que describe los efectos separados y combinados de
ms de un factor. Estas tablas de decrementos mltiples se presentan de varias
formas. El factor de mortalidad puede aplicarse en trminos de las tasas del
componente de muerte, por

ejemplo, la causa de muerte, o tambin puede

combinarse con cambios de una o ms caractersticas socioeconmicas de la

poblacin. se subdivide dentro de las diferentes causas o grupos de causas de
muerte.
En Per (al igual que en varios pases de la regin), una aplicacin importante de la
tabla de vida se da en los sistemas de pensiones (tanto pblicos como privados) y en
el sistema asegurador. Por ejemplo, las tablas de mortalidad son utilizadas para:
i)

estimar las reservas actuariales que garantizan el pago de las obligaciones

previsionales del Sistema Pblico de Pensiones (DL N 19990 y DL N
20530),

ii)

ii) efectuar los clculos del otorgamiento de pensiones y del capital

asegurado que administran los seguros de rentas vitalicias y los seguros de
invalidez y sobrevivencia en el caso del Sistema Privado de Pensiones
(SPP) y,

iii)

iii) determinar las primas de seguros de vida y la constitucin de las

reservas tcnicas en el caso del sistema asegurador.

Actualmente, sin embargo no existen tablas de mortalidad que reflejen el verdadero

comportamiento demogrfico de la poblacin peruana que pertenece al sistema

previsional ni de los asegurados de vida. Debido a ello, la regulacin contempla, en

todos los casos, la utilizacin de tablas alternativas de otros pases1.
En el caso del SPP, la Superintendencia de Banca Seguros y Administradoras
Privadas de Fondos de Pensiones (SBS), desde 1993, exige la utilizacin de las
mismas tablas de mortalidad que son utilizadas para el sistema previsional chileno
como respuesta a la falta de informacin propia2. En el caso del Sistema Pblico de
Pensiones, la Oficina de Normalizacin Previsional (ONP) tambin ha venido
trabajando en base a dichas tablas para desarrollar y actualizar las valuaciones
actuariales de los compromisos que tiene el Estado con los pensionistas y personal
activo del Sistema Nacional de Pensiones SNP (DL N 19990) y del DL N 205303.
Por su parte, en el caso del mercado asegurador, la regulacin posibilita a las
compaas de seguros de vida determinar sus tarifas y reservas tcnicas sobre la base
de tablas de mortalidad de otros pases elegidas discrecionalmente por ellas,
realizando -en algunos casos- ajustes a dichas tablas de acuerdo a lo que ellas
consideran se adecua mejor a la experiencia de su cartera asegurada.
1 En Argentina se utiliza la GAM71 desarrollada sobre la base de experiencia de
rentistas de Estados Unidos; en Colombia se utiliza la ISS90 preparada usando
la informacin acumulada por el sistema pblico de pensiones; finalmente en
Mxico se utiliza la EMSSA-97 con informacin del Instituto Mexicano de
Seguridad Social.
2 Tablas de Mortalidad Chilenas RV-85, MI-85 y B-85 de 1985 aprobadas por la
Superintendencia de Banca y Seguros y Administradoras Privadas de Fondos de
Pensiones mediante Resolucin SBS N 309-93-SBS del 18 de junio de 1993.
Recientemente, mediante Resolucin SBS N 354-2006-SBS del 21 de marzo de
2006, se ha aprobado el uso obligatorio de tablas de mortalidad actualizadas al

2004 de rentistas vitalicios obtenidas con base a las tablas de mortalidad

chilenas RV-2004.
Las tablas de mortalidad se clasifican de acuerdo al periodo de tiempo que
comprenden y segn el intervalo de edades en la presentacin de los datos. Segn el
primer criterio, se tendra:
Tablas de generaciones.
Se observa a una generacin a travs del tiempo hasta la desaparicin de su ltimo
miembro, con lo cual se sabe el nmero exacto de defunciones que ocurre a cada
edad y as la probabilidad de muerte. As, los miembros de la generacin estn
expuestos a las condiciones de mortalidad que hay en cada ao de sus vidas. Si bien
este tipo de tabla seala los verdaderos valores de la mortalidad de una generacin,
su utilizacin es escasa dado que demanda el seguimiento de toda una generacin a
travs del tiempo, un hecho poco prctico.
Tablas de contemporneos.
Estas tablas son las ms populares. Se construyen sobre la base de la experiencia de
mortalidad observada para toda la poblacin real durante un ao o un periodo corto
de aos, generalmente de dos o tres aos. En este sentido, se crea una generacin
hipottica asumindose que sta vive en las condiciones de mortalidad de la
poblacin del periodo de estudio. En una tabla de contemporneos se castiga con una
mayor mortalidad a los miembros de la generacin en vista que la tabla se construy
alrededor del ao de inicio de la generacin y no se pueden incorporar las mejoras en
la mortalidad de los individuos a travs del tiempo (Dubln y Spiegelman, 1970).
De acuerdo al intervalo de edades, las tablas se clasifican en:

Tablas completas.
Son tablas con informacin para cada una de las edades puntuales.
Tablas abreviadas.
Muestran los datos slo para ciertas edades, por lo general quinquenales aunque
distinguiendo por edades simples durante los primeros 5 aos de vida de las
personas, dado que en este periodo se producen cambios importantes en la
mortalidad.
PRINCIPALES FUNCIONES DE LA TABLA DE MORTALIDAD
Columna x Edad x
Esta columna contiene las edades desde 1 hasta 99 aos. La edad x se refiere a las
personas nacidas hace x aos. Al decir que una persona est viva en su x-simo
aniversario, esto significa que est viva en el perodo de 12 meses, al principio de los
cuales tena x-1 aos.
Columna lx Nmero de vivos lx
En esta columna aparece el nmero de personas que estn viva, al comienzo del aos
en que cumplan la edad sealada en la columna. El subndice del smbolo especifica
la edad. As l27=933 692, significa que a la edad de 27 aos estn vivas 933 692
personas del 1000 000 que iniciaron la tabla.
Columna dx Nmero de muertos dx
En esta columna se indica el nmero de personas que han puerto, entre la edad x y la
edad x+1. As d15=2 069, indica que 2 069 personas mueren entre 15 y 16 aos.
Obsrvese que dx= lx - lx+1

Columna qx Probabilidad anual de morir

En esta columna se indican los valores de qx que es la probabilidad de que una
persona de edad x muera antes de cumplir la edad x+1. as q30=0,00356, indica la
probabilidad que tiene una persona de 30 aos, de morir antes de cumplir 31 aos de
edad.
Columna px Probabilidad anual de vivir
En esta columna se indican los valores de px que es la probabilidad de que una
persona de edad x viva hasta la edad x+1. As, p30=0.99644 indica la probabilidad
que tiene una persona de 30 aos de vivir hasta cumplir 31 aos. De acuerdo con lo
dicho en 15.2, px+qx=1.
As, p30+q30=0,99644+0,00356=1.
De acuerdo con la definicin de probabilidad, se tiene:

q
x

px

dx
lx

lx...lx1
lx

lx1
lx

EJEMPLO
Cuntas personas entre 1 000 000 que tienen 1 ao llegarn vivas a la edad de 50
aos?
Para evaluar la respuesta utilizaremos la tabla de mortalidad descrita en el anexo I
ubicndonos en la columna nmero de vivos Ix , interceptndolo con la columna
edad (50) solicitada:

l50

 810 900

PROBABILIDAD DE VIDAY MUERTE PARA PERODOS MAYORES A UN

AO
Para expresar estos valores se utilizan los siguientes smbolos:
np = Probabilidad de que una persona de edad x viva por lo menos n aos; o sea, o
x que
est viva a la edad x+n
nqx = Probabilidad de que una persona de edad x muera, antes de cumplir x+n aos.
n/1 = Probabilidad de que una persona de edad x muera, entre las edades (x+n) y
qx (x+n+k)
De ah por la frmula de probabilidad se tiene:

nx

lx n
lx

EJEMPLO:
Hallar la probabilidad de que un hombre de 50 aos viva, por lo menos, 53 aos:

p50 778 981 0,9060637

810 900

Probabilidad de que una persona de edad x muera entre las edades x+n y x+n+k, por
la definicin de probabilidad se tiene:

= qx+n

n/1x

lx

EJEMPLO:
Cul es la probabilidad de que una persona de 40 aos muera, entre los 50 y los 55
aos?

10/50 40

10 / 50

q40

l50 l55
l
40

810 900 1 754 191

0,064198
883 342

MATEMATICAS FINANCIERAS Y ACTUARIALES

UNT

2015