第四章节风险衡量1资料.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总损失金额的概率分布。 一、运用二项分布进行估测 假如某公司有5个车间，其中任何一个车间一年内发生火灾的概率是0.1，每个车间发生火灾的事故是互不影响、彼此独立的，计算一年内该公司车间发生火灾的次数。 运用二项分布的公式： 得出表4-9。 表4-9 发生火灾的次数 发生火灾的概率 0 P(x=0)=0.5905 1 P(x=1)=0.3281 2 P(x=2)=0.0729 3 P(x=3)=0.0081 4 P(x=4)=0.0004 5 P(x=5)=0.00001 可见：（1）一年内不发生火灾的概率为0.5905； （2）一年内发生两次以上火灾的概率为： 0.0729 + 0.0081 + 0.0004 = 0.0814 （3）一年内发生火灾次数的平均值以及标准差分别为： 二、运用泊松分布估测损失次数 例1：某车队有5辆车，平均每两年出事一次，现计算一年中出事次数的分布状况。 假设X为一年中发生事故的次数，由于每年出事的概率为0.5，而且0.5×5=2.55，因此，X可以看成近似服从λ=0.5的泊松分布。根据泊松分布公式： 得出 表4-10 表4-10 事故次数 概率 0 0.50e-0.5/0! = 0.6065 1 0.3033 2 0.0758 3 0.0126 4 0.0016 5 0.0002 从计算可看出，不发生事故的概率为0.6065，而发生两次以及两次以上事故的概率为 0.0758+0.0126+0.0016+0.0002 = 0.0902 例-2 某公司有同类型设备300台，各台工作是独立的，每台发生故障的概率均为0.01。为了保持设备发生故障又不能及时维修的概率小于0.01，问需要配备多少维修工人（假设一台设备的故障可由一人处理）？ 解: 需要维修工人N人，同一时刻发生故障的设备位X台，需要确定N，以使P(XN)≤0.01。 根据以上数据可知，这里N很大，P很小，若用二项分布计算，计算量很大，但np=300×0.01=3，故可根据泊松分布计算; 通过查表，可知最小的N为8，即至少需要8名工人。 4.3.2 损失程度的估计 一、每次事故损失金额的概率估计 每次风险事故所致损失金额是指在单一风险事故发生时，一次所造成的直接经济损失。 风险事故发生的次数是离散型随机变量，因为全部可能发生的次数与其相应的概率均可一一列举出来。但每次风险事故所致损失金额，却不可能全部列举出来，它可以在某一区间内取值，因此，它是连续性随机变量。在具体计算时，可以确定任意次数（如5次）事故发生的概率。而对损失金额来说，却只能确定其在某一区间内的概率。连续性随机变量取某个特定值的概率为零。 对于类似正态分布的密度函数图形的损失频率分布可用正态分布拟合，并估测损失额落在某区间上的概率，以及损失额超过某一数值时的概率。 李：某地因为自然灾害，每次所遭受损失的金额如表4-11所示。 损失金额 5~15 15~25 25~35 35~45 45~55 55~65 65~75 次数 2 9 28 30 21 5 1 表4-11 1．根据数据作频数直方图，发现与正态分布的密 度函数图形存在很强的相似性。 2．根据数据进行整理，计算期望之和标准差。 = 38.125 = 11.575