《风险模型》课件1 (a,b,0)分布类_第1页
《风险模型》课件1 (a,b,0)分布类_第2页
《风险模型》课件1 (a,b,0)分布类_第3页
《风险模型》课件1 (a,b,0)分布类_第4页
《风险模型》课件1 (a,b,0)分布类_第5页
已阅读5页,还剩27页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

损失次数分布模型孟生旺主要内容(a,b,0)分布类:泊松、二项、负二项(a,b,1)分布类:零截断、零调整混合分布:零膨胀分布,混合泊松分布复合分布:复合泊松分布免赔额对索赔次数模型的影响23损失次数:N母函数:损失次数分布:(a,b,0)分布类概率:4(a,b,0)分布类满足下述递推关系(从p0开始递推计算):

k=1,2,3,……其中a和b为已知的常数。5(a,b,0)分布类仅包括[1]:泊松分布二项分布负二项分布(特例:几何分布)[1]Panjer,H.andWillmot,G.(1992),“ComputationalAspectsofRecursiveEvaluationofCompoundDistribution,”Insurnace:MathamaticsandEconomics,5,113-116。6(a,b,0)分布类的参数abp0泊松0

e−l二项(1‒q)m负二项(1+b)−r7(a,b,0)分布类的均值和方差:8泊松分布k=0,1,2,……

>09泊松分布的正态近似泊松分布逼近正态分布的证明(10)(泊松的矩母函数)(标准正态的矩母函数)11lam=3x=0:8plot(x,dpois(x,lambda=lam),type='h',col='red')curve(dnorm(x,mean=lam,sd=sqrt(lam)),add=TRUE)绘图的R代码12泊松分布的几个重要性质可加性:若干个独立的泊松分布之和仍然服从泊松分布。可分解性。参数的极大似然估计等于矩估计13泊松分布的可加性可加性:如果N1和N2服从泊松分布,相互独立,参数为l1和l2,则

N=N1+N2

服从参数为(l1+l2)的泊松分布。证明:(独立性)(参数为l1和l2的泊松)14泊松分布的可分解性假设:总损失次数N服从参数为

的泊松分布且可以分解为两种相互独立的损失,各自发生的概率分别为p1和p2

例:厂区A的火灾损失、厂区B的火灾损失结论:N1和N2服从相互独立的泊松分布,参数分别为lp1和lp2。15例:假设某险种的索赔次数服从参数为2的泊松分布,如果将保险责任减少一项(假设此项责任的索赔次数占总索赔次数的10%),那么剩余责任的索赔次数仍将服从泊松分布,泊松参数成为0.9

2=1.8。

注意:赔付额会发生变化16例:假设某险种的索赔次数服从泊松分布,引入免赔额d后,剩余的索赔次数近似服从泊松分布,泊松参数l变为[1-F(d)]l泊松分布的可分解性:证明首先证明N1和N2

分别服从参数为lp1和lp2泊松分布:其次证明N1和N2相互独立:1718证明N1是参数为lp1的泊松随机变量:19证明N1与N2相互独立:20

21##索赔次数等于3的概率

dpois(3,lambda=

2)##[1]0.180447##索赔次数小于等于4的概率为

ppois(4,lambda=

2)##[1]0.947347##索赔次数大于等于3小于等于5的概率

ppois(5,2)-

ppois(2,2)##[1]0.3067622##模拟20个索赔次数观察值

set.seed(111)

sim=

rpois(20,2)

sim##[1]23121202202200121512##对模拟的索赔次数进行列表

table(sim)##sim

##01235

##45911负二项分布第一种表达式(r,p):第二种表达式(r,

):R中的负二项概率函数:dnbinom(x,size,prob,mu)注:size表示r,prob表示p,mu表示

。prob和mu只能选其一。dnbinom(x,size,prob)dnbinom(x,size,mu)第三种表达式(r,b):23例:R中的负二项分布函数dnbinom(x,size,prob,mu)pnbinom(q,size,prob,mu)qnbinom(p,size,prob,mu)rnbinom(n,size,prob,mu)24例:参数为r=10,p=0.5的负二项分布的概率函数和分布函数。25r=10p=0.5x=0:20par(mfrow=c(1,2))plot(x,dnbinom(x,size=r,prob=p),type='h',col=2,main='概率函数')plot(x,pnbinom(x,size=r,prob=p),type='s',col=2,main='分布函数')26负二项分布的母函数证明:27负二项分布的极限:泊松分布令r→∞,b→0,且

rb=l为常数,则此即泊松分布的概率母函数令b=l/r28负二项分布的极限:泊松分布令r→∞,b→0,且rb=l为常数负二项分布的均值和方差泊松分布的均值和方差l29二项分布个体风险发生1次索赔的概率为p,不发生索赔的概率为(1−p),则索赔次数分布的母函数为对m个独立同分布的个体风险,其索赔次数分布的母函数为这m个风险发生k次索赔的概率为二项分布注:最多发生m次。30二项(m,p)与负二项(r,b)的比较分布母函数均值方差关系二项分布[1+p(z

−1)]mmpmp(1−p)方差<均值负二项分布[1−

b(z

−1)]-rrbrb

(1+b)方差>均值注:在二项分布中,令m=−r,p=−b,即得负二项分布例:参数为m=10,p=0.5的二项分布的概率函数和分布函数。31m=10p=0.5x=0:10par(mfrow=c(1,2))plot(x,dbinom(x,size=m,prob=p),type='h',col=2,main='概率函数')plot(x,pbinom(x,size=m,prob=p),type='s',col=2,main='分布函数')32(a,b,0)分布类之间的关系泊松分布(l

)方差

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论