非寿险第二章-复习.ppt

3、已发生的1500次赔款表明其平均赔款额为960元，标准差为120元。若赔款额服从正态分布，试计算 的值，使1500次赔款中有800次的赔款额小于它，而有700次的赔款额大于它，并计算1500次赔款中赔款额小于800元的次数。 * * 第二章 损失分布 损失和赔款 损失指的是保险标的在保险事故中遭到的实际损失额。常用一个随机变量来描述。 保险公司的赔款额是由保险标的的实际损失所决定的，但又并不总等于保险标的的损失额。 §2.1 研究损失分布的数学工具  2.1.1 随机变量及其分布 随机变量及其分布 : 用X、Y、Z等大写字母表示随机变量;随机变量X的分布函数，记作F（x）= P (X x) ，x R . 2.1.2 离散型随机变量和连续型随机变量 保险期限内，保险标的发生保险事故的次数N的取值只能是0、1、2、…，这种只能取有限个值或可列个值的随机变量，我们称之为离散型随机变量。离散型随机变量除了用分布函数刻划其规律以外，还可以用分布列来反映其分布规律。 离散型随机变量的分布列和分布函数的关系可用下式表示： 离散型随机变量的分布函数是一个右连续的阶梯函数。 在非寿险精算中，一次事故的损失额或者保险期限内的全部损失额X的取值范围是一个区间（0，+∞ ），象这种取值布满某个区间，并且有密度函数的随机变量，我们称为连续型随机变量。与离散型随机变量的分布列相对应，连续型随机变量可用密度函数来描述其概率分布。 2.1.3 随机变量的数字特征 记 为随机变量X的k阶原点矩 ； 记 为随机变量X的k阶中心矩 。 随机变量X分布的偏度系数 可以度量分布的对称性，当分布对称时，偏度等于0。所以在偏度不等于0时，分布是不对称的。 2.1.4 随机变量的特征函数与矩母函数 称 和 为r.v.X的特征函数和矩母函数。 随机变量的分布函数和特征函数是相互唯一确定的 。 矩母函数具有的性质： 设X的矩母函数 在原点的某邻域 有定义（因为 在原点总有定义）,则 ??????（1）X的分布函数由其矩母函数唯一确定； （2）X的k阶原点矩 ，k=1、2、… ,由此得 到矩母函数 的Taylor展开式为： ?????? （3）若 为相互独立的随机变量， 分别为它们的矩母函数，则它们的和 的矩母函数 (4)若Y = aX+b, 其中 a、b为常数，则随机变量Y的矩母函 数为： 2.1.5 条件分布、条件期望和条件方差 定义 设（X，Y）是二维离散型随机变量， , i = 1、2、… , j = 1、2、… 为它们的联合分布列，则称 , i = 1、2、… 为 时X的条件分布列。 类似地，可定义 时Y的条件分布列。 定义 设（X，Y）是二维连续型随机变量，f (x, y) , ,为它们的联合密度函数，则称 , x R , 为Y = y时X的条件分布密度函数。 类似地，可定义X = x时Y的条件分布密度函数。 条件期望的计算公式： 离散型： (2.1.13) 连续型： (2.1.14) 条件方差 ： 如果在条件期望和条件方差中Y不取定,那么 和 都是随机变量Y的函数，因而也是随机变量。关于这两个随机变量有如下重要性质： 这两个性质是非寿险精算和风险理论中常用的。 2.1.6 相互独立随机变量和的分布与卷积 如果X、Y是相互独立的两个连续型随机变量，它们的概率密度函数分别为 、 那么，X+Y的分布函数为： X+Y的概率密度函数为： 由对称性，还可以有: 我们可以用简单的记号： 表示上述两式。这里，运算符号*称为卷积。卷积运算可以推广到n个相互独立随机变量的情况和离散型随机变量的情况。卷积同样可运用于分布函数。事实上，卷积运算还可以推广到随机变量不相互独立的情况。 2.2.1 正态分