§3.3 集体风险模型.ppt

§3.3 集体风险模型 前言 模型 N保单组合中的理赔次数 Xi第i次理赔的理赔额 相互独立 同分布 §3.3.1 S的数字特征（期望，方差） 期望 方差 例3.6 §3.3.2 S分布的精确求法 （一）、直接收集信息，建模拟合S的分布 （二）、分开研究个体理赔额X和理赔次数N的分布，再研究S的分布。 1、该方法的优点 2、常见三种方法：卷积法、矩母函数法、拟合法 一、卷积法 例3.7 假设有一组保单组合，在单位时间内可能发生的理赔次数为0，1，2和3，相应的概率为0.1，0.3，0.4，0.2，每一张保单可能发生的理赔额为1，2，3，相应的概率为0.5，0.4，0.1，试计算理赔总量S的概率分布。 例3.7 例3.8 设个体理赔额分布X服从指数分布上，均值为Θ，理赔次数N服从二项分布，求S的分布。 例3.8 二、矩母函数法 母函数 矩母函数 特征函数 例3.9 例3.10 §3.3.3 S的常见分布：复合泊松分布 1、DEF ① ② 相互独立，同分布 ③ 相互独立 2、数字特征 3、分布 4、矩母函数 5、复合泊松分布满足可加性和可分解性 ⑴ 可加性 证明： 例3.11 ⑵可分解性 例3.12 例3.13 设某保险公司承保医疗保险，X表示一次医疗费用，N表示看病的次数，N服从泊松分布，λ=100，S表示该医疗保险的总损失费用，设X的分布密度为 试分析加入免赔额d=50后，保险公司总理赔额的变化。 利用可分解性 计算离散型复合泊松分布方法 理赔额为 类 例3.14 设理赔次数N服从λ=2的泊松分布，个体理赔额的分布f(x)=0.1x,x=1,2,3,4, 计算总理赔额S等于1，2，3，4时的概率。 §3.3.4 S的近似分布 1、S分布呈对称性，则近似正态分布 ①复合泊松分布 ②复合负二次分布 ① ② 例3.15 在过去的10个月里，某险种保单组合的理赔次数和个体理赔额的样本均值(和标准差)分别为6.7（2.3），179247（52141） （1）计算每个月总理赔额的样本均值和方差； （2）分别用正态近似和对数正态近似计算理赔额超过期望的140%的概率，即P（S140ES）. 例3.16 设S为复合泊松分布，λ=6，当个体理赔额分布为[0,1]上的均匀分布时，试分别用 （1）正态分布 （2）平移Gamma近似 计算P(S10) 2、分布呈正偏（右偏）性，则近似平移Gamma分布 * * 0.2 0.8 0.2 =0.2/0.2=1 0 3 0.3 0 =0.3/0.8 =0.375 2 0.5 0 =0.5/0.8 =0.625 1 f(x) f(2) f(1) * 例3.6 设理赔次数N服从负二项分布：，已知参数，个体理赔额，求总理赔额S的均值与方差之和。 解： 若S服参数为，个体理赔分布为的复合泊松分布，则 服从参数为，且个体理赔分布的复合泊松分布。 且个体理赔分布为的复合泊松分布。 若S是复合泊松分布，且个体理赔分布为. 假设理赔类型，对应理赔次数，对应理赔额为 则 ， ； 服从，个体理赔为的复合泊松分布。 Sheet3 Sheet2 Sheet1 f*0 f*1 f*2 f*3 N fs Fs .00 1.00 .10 .10 1.00 .50 .50 .15 .10 .30 .40 .20 .25 2.00 .40 .40 .25 .22 .10 .30 .40 .20 .47 3.00 .10 .10 .40 .13 .22 .10 .30 .40 .20 .69 4.00 .26 .30 .16 .10 .30 .40 .20 .85 5.00 .08 .32 .10 .10 .30 .40 .20 .94 6.00 .01 .18 .04 .10 .30 .40 .20 .98 7.00 .06 .01 .10 .30 .40 .20 1.00 8.00 .01 2.40E-03 .10 .30 .40 .20 1.00 9.00 1.00E-03 2.00E-04 .10 .30 .40 .20 1.00 .10 .30 .40 .20 设服从复合泊松分布，也是复合泊松分布，若和相互独立，求的分布 设服从复合泊松分布， Sheet1 x 1*N1 2*N2 3*N3 4*N4 fs(x) .00 .82 .20 .