made

En R con dplyr, ¿qué función equivale a GROUP BY de SQL?. filter(). group_by(). arrange(). mutate().

Tienes un data frame df con las columnas ramo y monto. Escribe el código en R (dplyr) para obtener el monto total por ramo.

¿Cuál es la fórmula del índice de siniestralidad?. Prima emitida ÷ siniestros ocurridos. Siniestros ocurridos ÷ prima devengada. Prima devengada ÷ siniestros pagados. Siniestros pagados ÷ prima emitida.

Una cartera tuvo 1,000 pólizas-año de exposición, 200 siniestros y un monto total de siniestros de $10,000,000. Calcula la frecuencia, la severidad y la prima de riesgo (prima pura) por póliza-año.

¿Qué hace este código en R? ggplot(mensual, aes(x = mes, y = siniestralidad, group = 1)) + geom_line() + geom_point(). Dibuja barras con la siniestralidad de cada mes. Dibuja una línea con puntos que muestra la siniestralidad mes a mes. Calcula el promedio de siniestralidad por mes. Filtra los meses con siniestralidad mayor a 1.

Tienes un data frame siniestros (columnas id_poliza, monto) y otro polizas (columnas id_poliza, ramo). Escribe el código en R (dplyr) para unirlos conservando todos los siniestros y calcular el monto total por ramo.

En un triángulo de desarrollo, el factor de desarrollo individual (link ratio) del Año 1 al Año 2 de una generación que pasó de 100 a 150 se calcula como. 100 ÷ 150 = 0.67. 150 − 100 = 50. 150 ÷ 100 = 1.5. (100 + 150) ÷ 2 = 125.

Un data frame df tiene la columna ramo, que puede venir escrita como "Autos", "AUTOS" o "autos " (con espacio al final). Escribe el código en R (dplyr) para contar cuántos siniestros son de Autos, sin importar mayúsculas ni espacios.

Una generación de siniestros es muy joven (solo 1 año de desarrollo) y sus datos son escasos y volátiles. ¿Qué método de reservas es preferible y por qué?. Chain Ladder, porque multiplica lo observado y es más preciso con pocos datos. Bornhuetter-Ferguson, porque combina lo observado con una siniestralidad esperada a priori y es más estable. Promedio simple de siniestros pagados, porque no requiere supuestos. Ninguno, porque una generación joven no necesita reserva.

Tienes un data frame df con las columnas ramo y monto. Escribe el código en R (dplyr + ggplot2) para dibujar una gráfica de barras con el monto total por ramo, con título "Siniestros por ramo" y el eje Y llamado "Monto".

En SQL, quieres mostrar solo los ramos cuyo monto total de siniestros sea mayor a $1,000,000. ¿Qué consulta es correcta?. SELECT ramo, SUM(monto) FROM siniestros WHERE SUM(monto) > 1000000 GROUP BY ramo;. SELECT ramo, SUM(monto) FROM siniestros GROUP BY ramo HAVING SUM(monto) > 1000000;. SELECT ramo, SUM(monto) FROM siniestros HAVING SUM(monto) > 1000000;. SELECT ramo FROM siniestros GROUP BY ramo WHERE monto > 1000000;.

Tienes este triángulo de siniestros pagados acumulados (miles de pesos): Año de ocurrencia | Año 1 | Año 2 | Año 3 2023 | 100 | 150 | 165 2024 | 110 | 160 | 2025 | 120 | | Calcula (a) los factores de desarrollo ponderados por volumen de cada columna, (b) el acumulado final proyectado de 2024 y 2025, y (c) la reserva total por Chain Ladder.

Una póliza anual se emitió el 1 de julio con una prima de $12,000. Al 31 de diciembre del mismo año, ¿cuánto es la prima emitida y cuánto la prima devengada?. Emitida $12,000 y devengada $12,000. Emitida $6,000 y devengada $12,000. Emitida $12,000 y devengada $6,000. Emitida $6,000 y devengada $6,000.

Tienes un data frame df con las columnas fecha (como texto, por ejemplo "2026-01-15") y monto. Escribe el código en R (dplyr + ggplot2) para convertir la fecha, extraer el mes, sumar el monto por mes y dibujar una gráfica de línea con puntos del monto mensual.

En la tarificación con GLM (modelos lineales generalizados), ¿qué distribución y función de enlace se usan comúnmente para modelar la frecuencia y la severidad de siniestros?. Frecuencia: Normal con enlace identidad. Severidad: Poisson con enlace logarítmico. Frecuencia: Poisson con enlace logarítmico. Severidad: Gamma con enlace logarítmico. Frecuencia: Gamma con enlace inverso. Severidad: Binomial con enlace logit. Frecuencia y severidad: Normal con enlace identidad.

Tienes las tablas siniestros (id_siniestro, id_poliza, monto) y polizas (id_poliza, ramo). Escribe la consulta en SQL para encontrar los siniestros cuya póliza no existe en la tabla polizas (para conciliar la información).

En el régimen de solvencia mexicano (LISF y CUSF), ¿qué es el RCS (Requerimiento de Capital de Solvencia)?. La reserva que se constituye para los siniestros ya reportados y pendientes de pago. El capital que la aseguradora debe mantener para cubrir pérdidas inesperadas, con un nivel de confianza de 99.5% a un horizonte de un año. La prima mínima que una aseguradora puede cobrar por un ramo. El porcentaje de la prima que se cede al reaseguro.

Tienes un DataFrame df en pandas con las columnas id_poliza, ramo y monto. Escribe el código en Python para: (a) quitar las filas duplicadas, (b) contar cuántos montos negativos hay, (c) contar cuántos ramos están vacíos y (d) calcular el monto total por ramo.

Ajustas un GLM de frecuencia en R con este código: modelo <- glm(num_siniestros ~ zona + edad_vehiculo + offset(log(exposicion)), family = poisson(link = "log"), data = df) ¿Para qué sirve offset(log(exposicion))?. Para eliminar las pólizas con exposición baja del modelo. Para que el modelo estime la frecuencia por unidad de exposición, y no cuente igual una póliza de 1 mes que una de 12 meses. Para convertir la variable de respuesta en una variable continua. Para calcular automáticamente la severidad promedio.

Te muestran este código en R en pantalla compartida. Detecta todos los errores, corrígelo y explica qué haría el código ya corregido. df %>% filter(ramo = "Autos") %>% group_by(ramo) summarise(total = sum(monto).

Estás construyendo una pirámide poblacional apilada en ggplot2 por derechohabiencia (IMSS, ISSSTE, Otras, Sin afiliación). Usas este código: df %>% mutate(poblacion = ifelse(sexo == "Hombre", -poblacion, poblacion)) %>% ggplot(aes(x = edad, y = poblacion, fill = derechohabiencia)) + geom_col() + coord_flip() ¿Para qué se multiplica por -1 la población de los hombres y se usa coord_flip()?. Para eliminar a los hombres del análisis. Para que los hombres se dibujen hacia la izquierda y las mujeres hacia la derecha, con la edad en el eje vertical. Para convertir la población en porcentajes. Para ordenar las instituciones de mayor a menor.

Con el paquete ChainLadder de R, escribe el código para: (a) crear el triángulo de pagados acumulados de las generaciones 2023-2025 (100, 150, 165 / 110, 160 / 120), (b) ajustar el modelo Chain Ladder, (c) obtener el triángulo completo proyectado y (d) calcular la reserva total.

Una aseguradora contrata un reaseguro de exceso de pérdida: paga el reasegurador la parte de cada siniestro que supere $1,000,000, hasta un límite de $4,000,000. Ocurre un siniestro de $1,800,000. ¿Cuánto paga la aseguradora (retención) y cuánto el reasegurador?. Aseguradora $900,000 y reasegurador $900,000. Aseguradora $1,000,000 y reasegurador $800,000. Aseguradora $800,000 y reasegurador $1,000,000. Aseguradora $1,800,000 y reasegurador $0.

Tienes un data frame df con las columnas num_siniestros, exposicion, zona y edad_vehiculo. Escribe el código en R para: (a) ajustar un GLM de frecuencia solo con zona (modelo 1) y otro con zona y edad_vehiculo (modelo 2), (b) compararlos con AIC y con una prueba de devianza, y (c) obtener la frecuencia esperada por póliza-año con el mejor modelo.

Comparas la severidad promedio de siniestros entre dos zonas con una prueba t y obtienes un valor p de 0.03. Con un nivel de significancia de 5%, ¿cuál es la interpretación correcta?. Hay 3% de probabilidad de que la hipótesis nula sea verdadera. Se rechaza la hipótesis nula: si no hubiera diferencia real entre las zonas, ver una diferencia tan grande o mayor ocurriría con una probabilidad de 3%. La diferencia entre las zonas es de 3%. No se rechaza la hipótesis nula, porque 0.03 es un número muy pequeño.

Tienes un data frame df con proyecciones de población, con las columnas anio (2020 a 2070), edad (0 a 100) y poblacion. Escribe el código en R (dplyr + ggplot2) para dibujar cómo cambia la estructura por edades: la proporción de población de 0-14, 15-64 y 65 años y más en cada año, como áreas apiladas, con título y eje Y en porcentaje.

La tabla siniestros tiene estas 5 filas: id_poliza | monto A1 | 100 A1 | NULL B2 | 200 B2 | 300 C3 | NULL ¿Qué devuelve esta consulta? SELECT COUNT(*), COUNT(monto), COUNT(DISTINCT id_poliza) FROM siniestros;. 5, 5, 5. 5, 3, 3. 3, 3, 5. 5, 3, 5.

Tienes un data frame df con proyecciones de población, con las columnas anio (2020 a 2070), edad (0 a 100) y poblacion. Define la velocidad de envejecimiento como el cambio anual en el porcentaje de población de 65 años y más (en puntos porcentuales por año). Escribe el código en R (dplyr + ggplot2) para calcularla y dibujarla como una línea, con título y nombres de ejes.

Tienes el mismo data frame df con proyecciones de población (columnas anio, edad y poblacion). Define la carga de cuidados como el número de personas dependientes por cada 100 personas de 15 a 64 años, separando la carga infantil (0-14 años) y la carga de vejez (65 años y más). Escribe el código en R (dplyr + tidyr + ggplot2) para calcularla y dibujarla como áreas apiladas por año, con título y nombres de ejes.

Tienes un data frame df con una fila por póliza-mes y las columnas mes (tipo fecha, un valor por mes durante 12 meses), monto_siniestros y prima_devengada. Escribe el código en R (dplyr + ggplot2) para: (a) calcular la siniestralidad mensual, (b) marcar como atípicos los meses que se alejen más de 2 desviaciones estándar del promedio y (c) dibujar una línea con puntos, con los atípicos en rojo y una línea punteada en el promedio.

¿Qué devuelve este código en R? sapply(list(a = c(1, 2, 3), b = c(10, 20)), mean). Una lista con dos elementos, a y b. Un vector con nombres: a = 2 y b = 15. Un solo número: 8.5. Un error, porque los vectores tienen distinta longitud.

Tienes dos archivos CSV: siniestros.csv (id_siniestro, id_poliza, fecha_ocurrencia como texto, monto) y polizas.csv (id_poliza, ramo). Escribe el código en Python (pandas) para: (a) leer los archivos, (b) convertir la fecha y contar cuántas son inválidas, (c) contar y quitar los siniestros duplicados por id_siniestro, (d) unir con las pólizas conservando todos los siniestros y contar cuántos quedaron sin ramo, (e) calcular el monto total por mes y ramo, y (f) guardar el resultado en un CSV y verificar que el total concilie.

¿Qué distribución se usa comúnmente para cada variable en seguros de daños?. Número de siniestros: Normal. Monto de cada siniestro: Poisson. Ocurrencia sí/no en el año: Gamma. Número de siniestros: Poisson. Monto de cada siniestro: Gamma o Lognormal. Ocurrencia sí/no en el año: Bernoulli (Binomial). Número de siniestros: Gamma. Monto de cada siniestro: Binomial. Ocurrencia sí/no en el año: Poisson. Las tres variables se modelan con la Normal.

Te muestran este código en R en pantalla compartida. La tabla siniestros tiene id_poliza y monto (una póliza puede tener varios siniestros); la tabla polizas tiene id_poliza, ramo y exposicion (una fila por póliza). Quieren la frecuencia y la severidad por ramo. Detecta todos los errores (hay 5, algunos no marcan aviso), corrígelo y explica qué haría el código corregido. siniestros <- read.csv("siniestros.csv") polizas <- read.csv("polizas.csv") df <- siniestros %>% inner_join(polizas, by = "id_poliza") %>% filter(monto > 0) %>% group_by(ramo) %>% summarise(total = sum(monto), frecuencia = n() / sum(exposicion)) mutate(severidad = total / n()).

Tienes un data frame pagos con los pagos incrementales de siniestros por año de ocurrencia (origen) y año de desarrollo (desarrollo): origen | desarrollo | monto 2023 | 1 | 100 2023 | 2 | 50 2023 | 3 | 15 2024 | 1 | 110 2024 | 2 | 50 2025 | 1 | 120 Escribe el código en R para: (a) armar el triángulo acumulado, (b) proyectarlo con Chain Ladder, (c) calcular la reserva de cada generación y la reserva total, y (d) dibujar una gráfica de barras de la reserva por generación con la cifra sobre cada barra. Explica cómo interpretarías el resultado y qué verificarías antes de entregarlo.

¿Cuál es la diferencia entre prima emitida y prima devengada?. La emitida es la prima ya cobrada en efectivo y la devengada es la prima que se pagará en siniestros. La emitida es el total de prima de las pólizas vendidas en el periodo, y la devengada es la parte que ya corresponde al riesgo cubierto (la vigencia transcurrida). La emitida es la prima de pólizas canceladas y la devengada es la de pólizas vigentes. Son lo mismo, solo cambia el nombre según el área de la aseguradora.

¿Qué es el IBNR (Incurred But Not Reported)?. Los siniestros que ya se reportaron y se pagaron por completo. Los siniestros que ya ocurrieron pero que la aseguradora todavía no conoce porque no se han reportado, y para los que se estima una reserva. Los siniestros que se rechazaron por no estar cubiertos por la póliza. Los siniestros que ocurrirán en el futuro, después del cierre del periodo.

¿Qué es una reserva técnica en una aseguradora y por qué está obligada a constituirla?. Es el dinero que la aseguradora guarda para pagar los sueldos y gastos de operación del año. Es el monto que la aseguradora debe mantener para cumplir con las obligaciones futuras derivadas de los contratos de seguro, porque cobra la prima antes de pagar los siniestros. Es la ganancia que la aseguradora obtiene después de pagar todos los siniestros. Es el capital que aportan los accionistas al iniciar la empresa.

¿Qué diferencia hay entre frecuencia y severidad en seguros?. La frecuencia es el monto promedio de cada siniestro y la severidad es el número de siniestros por póliza-año. La frecuencia es el número de siniestros entre la exposición (qué tan seguido ocurren) y la severidad es el monto total entre el número de siniestros (cuánto cuesta cada uno). La frecuencia es la prima cobrada y la severidad es la prima devengada. La frecuencia mide los siniestros pagados y la severidad mide los siniestros reportados.

Una aseguradora tiene una siniestralidad de 60%, gastos de adquisición (comisiones) de 25% y gastos de administración de 20%, todos sobre la prima devengada. ¿Cuál es su índice combinado y qué significa?. 60%; gana dinero porque solo importan los siniestros. 85%; gana dinero porque la suma de siniestralidad y adquisición es menor a 100%. 105%; tiene pérdida técnica porque el índice combinado es mayor a 100%. 45%; tiene utilidad porque se restan los gastos a la siniestralidad.