第二章 损失分布课题.ppt

伽玛分布 伽玛分布特征 Gamma distribution: Probability density function 赔款次数的理论分布 Poisson distribution: Probability mass function In?probability theory?and?statistics, a?probability mass function?(pmf) is a function that gives the probability that a?discrete?random variable?is exactly equal to some value. 二项分布 n重贝努里试验中事件A(成功)发生x次的概率，可以用来作为同质风险等额保单赔款次数的概率分布 分布列： P(X=x)= p x (1－p)x , x = 1、2、…、n 参数为n和p, n 为非负整数，0p1. 数学期望和方差分别为：EX =np 和 VarX = np(1－p) . 矩母函数为 M(t) = (pet +1－p)n . Binomial distribution: Probability mass function 二项分布的两种近似方法 负二项分布 贝努里试验中，第k次发生事件A（成功）前，事件 (失败)发生的次数。 负二项分布常用于灾害事故和发病情形的统计问题，在非寿险精算中，常被用来描述风险不同质情况下赔款发生次数的分布。 负二项分布也称巴斯卡（Pascal）分布。 负二项分布 分布列为： P (X=x) = C pk (1－p)x , x=0、1、2、… 其中参数k=1、2、…, 0p1. 负二项分布的数学期望和方差分别为： EX= VarX= 特别，k=1时的负二项分布就是几何分布。 几何分布描述的是贝努里试验中首次发生事件A(成功)之前， （失败）发生的次数的分布。 几何分布的分布列： P（X= x）= , x = 0、1、2、… 几何分布随机变量X的数学期望和方差： EX= ， VarX= . Geometric distribution: Probability mass function Example 设某个险种的某个保单持有人在保险期限内的索赔次数服从参数为q的泊松分布。由于保单持有人的风险状况不同。所以q是一个随机变量，假设其服从伽玛分布，即： f(q)= e ( q) , q0 于是索赔次数X的条件分布为： P (X=x |q)= , x=0、1、2、… X的边际分布? X的边际分布为: P (X=x) = = =C ( ) ( ) , x=0,1,2,…… 这是一个以 ， 为参数的负二项分布 赔款总量的分布 对非寿险公司来说，某一特定险种在一定时期内的赔款总量就是它的总损失。如果在这一定时期内，这险种一共发生N次赔款，X i为其中第i次赔款额，那么相应的赔款总量为： N为取非负整数的离散型随机变量； X1 、X2 、…为具有相同分布的随机变量; N、 X1 、X2 … 相互独立。 赔款总量S的数学期望、方差以及矩母函数。 期望：E(S)=E[E(S|N)]=E[NE(X)]=E(N)E(X) 方差：Var(S)=Var[E(S|N)]+E[Var(S|N)] =Var[NE(X)]+E[N(VarX)] =(EX)2(VarN)+(EN)(VarX) 复合泊松分布 定义：随机变量S= 服从以 0为参数的复合泊松分布是指它满足： （1）随机变量N、X 1、X2 、…相互独立； （2） X 1、X2 、…具有相同的分布； （3）N服从泊松分布，参数为 0. 赔款总量的近似模型 第二章 损失分布 2.1研究损失分布的数学工具 2.1.1 随机变量及其分布 随机变量： 取值依赖于随机现象基本结果的变量，称为随机变量，常用X、Y、Z等大写字母表示。 Example：我们可以用X表示一个风险单位在一次事故中的损失，用N表示同类合同在保险期限内发生的保险事故次数等等。这里X、N都是随机变量。 分布函数：随机变量X取值不超过实数x的概率