A finalidade deste trabalho e calcular a composição de modelos no FBST (the Full Bayesian Signicance Test) descrito por Borges e Stern [6]. Nosso objetivo foi encontrar um método de aproximação numérica mais eficiente que consiga substituir o método de condensação descrita por Kaplan. Três técnicas foram comparadas: a primeira é a aproximação da convolução de Mellin usando discretização e condensação descrita por Kaplan [11], a segunda é a aproximação da convolução de Mellin usando mistura de exponenciais, descrita por Dufresne [8], para calcular a convolução de Fourier mediante a aproximação de mistura de convoluções exponenciais, usando a estrutura algébrica descrita por Hogg [10], mais a aplicação do operador descrito por Collins [7], para transformar a convolução de Fourier para a convolução de Mellin, a terceira é a aproximação da convolução de Mellin usando mistura de exponenciais, descrita por Dufresne [8], para aproximar diretamente via mistura de exponenciais a convolução de Fourier, mais a aplicação do operador descrito por Collins [7], para transformar a convolução de Fourier para a convolução de Mellin. / The purpose of this work is to calculate the compositional models of FBST (the Full Bayesian Signicance Test) studied by Borges and Stern [6]. The objective of this work was to find an approximation method numerically eficient that can replace the condensation methods described by Kaplan. Three techniques were compared: First, the approximation of Mellin convolution using discretization and condensation described by Kaplan [11], second, the approximation of Mellin convolution using mixtures of exponentials, described by Dufresne [8], to calculate the Fourier convolution by approximation of mixtures of exponential convolutions, using the algebraic structure described by Hogg [10], and then to apply the operator described by Collins [7], to transform the usual convolution to Mellin convolution, third, the approximation of Mellin convolution using mixtures of exponentials, described by Dufresne [8], to calculate the Fourier convolution by direct approximation of mixtures of exponentials, and then to apply the operator described by Collins [7], to transform the usual convolution to Mellin convolution.

A finalidade deste trabalho e calcular a composição de modelos no FBST (the Full Bayesian Signicance Test) descrito por Borges e Stern [6]. Nosso objetivo foi encontrar um método de aproximação numérica mais eficiente que consiga substituir o método de condensação descrita por Kaplan. Três técnicas foram comparadas: a primeira é a aproximação da convolução de Mellin usando discretização e condensação descrita por Kaplan [11], a segunda é a aproximação da convolução de Mellin usando mistura de exponenciais, descrita por Dufresne [8], para calcular a convolução de Fourier mediante a aproximação de mistura de convoluções exponenciais, usando a estrutura algébrica descrita por Hogg [10], mais a aplicação do operador descrito por Collins [7], para transformar a convolução de Fourier para a convolução de Mellin, a terceira é a aproximação da convolução de Mellin usando mistura de exponenciais, descrita por Dufresne [8], para aproximar diretamente via mistura de exponenciais a convolução de Fourier, mais a aplicação do operador descrito por Collins [7], para transformar a convolução de Fourier para a convolução de Mellin. / The purpose of this work is to calculate the compositional models of FBST (the Full Bayesian Signicance Test) studied by Borges and Stern [6]. The objective of this work was to find an approximation method numerically eficient that can replace the condensation methods described by Kaplan. Three techniques were compared: First, the approximation of Mellin convolution using discretization and condensation described by Kaplan [11], second, the approximation of Mellin convolution using mixtures of exponentials, described by Dufresne [8], to calculate the Fourier convolution by approximation of mixtures of exponential convolutions, using the algebraic structure described by Hogg [10], and then to apply the operator described by Collins [7], to transform the usual convolution to Mellin convolution, third, the approximation of Mellin convolution using mixtures of exponentials, described by Dufresne [8], to calculate the Fourier convolution by direct approximation of mixtures of exponentials, and then to apply the operator described by Collins [7], to transform the usual convolution to Mellin convolution.

[pt] A reserva IBNR é uma reserva de suma importância para as seguradoras. Seu cálculo tem sido realizado por métodos, em sua grande maioria, determinísticos, tradicionalmente aplicados a informações de sinistros agrupadas num formato particular intitulado triangulo de run-off. Esta forma de cálculo foi muito usada por décadas por sua simplicidade e pela limitação da capacidade de processamento computacional existente. Hoje, com o grande avanço dessa capacidade, não haveria necessidade de deixar de investigar informações relevantes que podem ser perdidas com agrupamento dos dados. Muitas são as deficiências dos métodos tradicionais apontadas na literatura e o uso de informação detalhada tem sido apontado por alguns artigos como a fonte para superação dessas deficiências. Outra busca constante nas metodologias propostas para cálculo da IBNR é pela obtenção de boas medidas de precisão das estimativas obtidas por eles. Neste ponto, sobre o uso de dados detalhados, há a expectativa de obtenção de medidas de precisão mais justas, já que se tem mais dados. Inspirada em alguns artigos já divulgados com propostas para modelagem desses dados não agrupados esta dissertação propõe um novo modelo, avaliando sua capacidade de predição e ganho de conhecimento a respeito do processo de ocorrência e aviso de sinistros frente ao que se pode obter a partir dos métodos tradicionais aplicados à dados de quantidade para obtenção da quantidade de sinistros IBNR e sua distribuição. / [en] The IBNR reserve is a reserve of paramount importance for insurers. Its calculation has been accomplished by methods, mostly, deterministic, traditionally applied to claims grouped information in a particular format called run-off triangle . This method of calculation was very adequate for decades because of its simplicity and the limited computational processing capacity existing in the past. Today, with the breakthrough of this capacity, no waiver to investigating relevant information that may be lost with grouping data would be need. Many flaws of the traditional methods has been mentioned in the literature and the use of detailed information has been pointed as a form of overcoming these deficiencies. Another frequent aim in methodologies proposed for the calculation of IBNR is get a good measure of the accuracy of the estimates obtained by them and that is another expectation about the use of detailed data, since if you got more data you could get better measures. Inspired by some articles already published with proposals for modeling such not grouped data, this dissertation proposes a new model and evaluate its predictive ability and gain of knowledge about the process of occurrence and notice of the claim against that one can get from the traditional methods applied to data of amount of claims for obtain the amount of IBNR claims and their distribution.