第四章风险完整衡量1.pptVIP

2、泊松分布 如果随机变量X的概率分布为 则称随机变量X服从参数位k的泊松分布。 式中，x——某一事件在某一空间或时间范围内发生的次数； e——常数，e=2.71828； λ——随机事件在单位空间或时间间隔内平均发生的次数。 泊松分布的数学期望与方差均为λ，即 在n重贝努里试验中，当A事件发生的概率很小（p趋向于0），而试验次数很大（n趋向于无穷大）时，二项分布以泊松分布为其极限形式，即二项分布趋于以λ=np为参数的泊松分布。 3、正态分布 正态分布是一种连续型随机变量的概率分布。事实证明，风险事故所造成的损失金额较好地服从于正态分布。 若随机变量X的概率密度函数为： 则称随机变量X服从正态分布。 式中，f(x)——随机变量X的概率密度函数； σ2——方差； μ——数学期望值。 由正态分布概率密度可以得出分布函数为： 标准正态分布（μ=0，σ=1）的分布函数为： 4.3 风险衡量中损失概率与损失程度估计 4.3.1 损失概率的估计 4.3.2 损失程度的估计 4.3.1 损失概率的估计 一定时期内风险事故发生的次数又称为事故发生频率。运用概率分布对它进行估测，不仅能计算出预测期内风险事故不同次数发生的概率和发生n次以上（或以下）的概率，而且还可以把损失期望值乘以发生的可能次数，即把发生次数的概率分布转换为一定时期内