精算实务第二节.pptVIP

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 例：用X表示保险标的的损失额，a表示合同规定的免赔额，则保险公司承担保险责任的概率为 P（Xa）=1－F(a)。又损失不超过b（ba）且保险公司承担保险责任的概率 P(aX≤b)= F(b) － F(a) 。 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。 其分布函数为： 这种分布我们称为两点分布，或0—1分布。 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 2.1.4 随机变量的特征函数与矩母函数 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： 例：以λ为参数指数分布函数为 矩母函数？ 2.1.5 条件分布、条件期望和条件方差 类似地，可定义 时Y的条件分布列。 类似地，可定义X = x时Y的条件分布密度函数。 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 §2.2 损失的理论分布 非寿险公司建立适当的数学模型并用理论的统计分布来进行计算的主要原因：第一，在多数情况下能得到的经验数据都是不充分的，难以用构造经验分布的方法进行计算。第二，用理论分布对损失进行数量分析具有明显的优越性 。 非寿险精算中的赔款额X是个非负连续型随机变量，它的分布一般是正偏斜，它的密度函数在右边有长的“尾巴”。常用对数正态分布、帕累托(Pareto)分布和伽玛(Gamma)分布等来表示赔款额的理论分布。赔款次数N是个取值为非负整数的离散型随机变量。常用泊松（Poisson）分布、二项分布、负二项分布来表示赔款次数的离散型分布。同时，由中心极限定理知，我们即使不知道某个特定的随机变量的分布，但当这些随机变量的数目相当大时，其和的分布近似地服从正态分布。 2.2.1 正态分布和中心极限定理 任意一个正态分布随机变量X, 都可以通过线性变换化为标准正态分布随机变量,即: 若 X ~ N ( ) , 则 Z = ~ N (0,1) . 标准正态分布具有性质： 而且一般概率统计著作和教材都附有标准正态分布函数值 的表供查用. 2.2.2 赔款额的理论分布 例2.2.3 设某险种的赔款额X（千元）服从以 ， β=2 为参数的帕累托分布。如果有个该险种的超赔再保险合同，自留额为4千元，那么，涉及再保险接受人的那些赔案的平均赔款为多少？ 解： P (X4) = 1－F(4) = 0.125 = 2 (千元) 2.2.3 赔款次数的理