中国精算师资格考试辅导《非寿险精算》第2章统计方法.pptx

第二章 非寿险精算中的统计方法 主讲教师：赵 明;学习目的 口掌握常用的损失理论分布及其数字特征， 学会根据损失数据，运用各种统计推断方法， 拟合损失分布 口掌握贝叶斯估计的基本方法，学会根据 损失数据，对先验信息作修正，得到损失后验 分布;口掌握随机模拟基本方法，学会对损失理 论分布作随机模拟，以取得满足精算需要的损 失模拟数据 口掌握信度理论的基本方法，学会对风险 非同质的识别，了解信度理论与贝叶斯估计的 关系，为第四章学习作必要的知识准备;主要内容;§2．3;§2．1;由于非寿险精算师讨论和研究损失，归根 结底是为了根据损失去厘定保费、提取准备金 和安排再保险，这里的损失应该是指保险人的 最终损失，所以我们更倾向于对损失概念的第 三种理解。本教材除非特别说明，所称损失都 是指保险人的赔款。 决定损失大小的，有两个要素：一是损失 次数，即赔款次数；二是损失金额，即赔款额。 这两个量都是随机变量。讨论这两个随机变量 的分布和特征，是这个小节的主要任务。;1．常用的损失次数理论分布。损失次数是 个离散型随机变量，常用来作为损失次数的理 论分布有：泊松分布、二项分布、负二项分布。 (1)泊松(Poisson)分布。泊松分布是一个 取非负整数值的离散型随机变量的分布，常用 来描述小概率发生事件的次数。在非寿险精算 中，泊松分布是赔款发生次数概率分析最常用 的一种分布。;泊松分布的分布列为：;(2)二项分布。二项分布又称贝努利分布， 也是用来描述赔款次数的一个重要分布。 设某一险种承保n个保险标的，且每一标的 在保险期内只有发生赔款或不发生赔款两种结 果。令Xi表示取值0或1的随机变量。当Xi=1时， 表示第i个标的发生赔款，当Xi=0时，表示第i 个标的不发生赔款，则表示n个保险标的在保险 期限内发生赔款的次数。;如果各标的发生赔款的事件是相互独立的， 且每一标的发生赔款的概率是相同的，即 P(Xi=1)=P(i=1，2，…， n)，则n个标的中有k 个发生赔款的概率为：;二项分布是个双参数的分布，它的极限分 布则是单参数的泊松分布。 二项分布的概率可用其极限分布—泊松分 布来近似计算。当n很大，而P很小时(一般 n≥10，P≤O.1时)，泊松分布能以较高的精度 近似二项分布。 另外，也可把二项分布随机变量看作相互 独立，而且是服从二点分布随机变量的和，利 用中心极限定理可得：当n充分大时，近似服从 标准正态分布。一般来说，在np和np(1-P)都大 于10时，近似程度也不错。;(3)负二项分布。负二项分布常用于灾害事 故和发病情形的统计问题，在非寿险精算中经 常用来描述在风险不同质情况下赔款发生次数 的分布。 在一组贝努利试验(试验只有两个结果成功 或不成功)里，当第k次试验成功时，试验不成 功次数X的分布，称为负二项分布。 其分布为： x;特别地，当k=1时的负二项分布就是几何分 布，即贝努利试验中首次成功前，失败次数的 分布。几何分布的分布列为： P(X=x)=P(1-p)x (x=0，1，2…) 几何分布的数学期望和方差分别为：;【例2-1】设某险种的个别保单在保险期内 的赔款次数N服从参数为Λ的泊松分布，但由于 每张保单的风险状况不同，所以Λ也是一个随 机变量，且服从Gamma(α，β)，试求N的分布。 解：由连续型随机变量的全概率公式，;2．常用的损失额理论分布。损失额是连续 型随机变量，其分布一般具有非负、右偏、长 尾巴的特点。具备这些特点的连续型分布如对 数正态分布、帕累托分布、伽玛分布等常用来 作为损失额的理论分布。;(1)对数正态分布。非寿险的许多险种中的 赔款额分布可用对数正态分布来描述，如汽车 保险、工程保险、火灾保险等。 若随机变量X的对数函数Y=lnX～N(μ，σ 2)，则称X服从以μ，σ2为参数的对数正态分布， 记作X～ln(μ，σ2)。 对数正态分布的密度函数为：;X的数学期望和方差分别为：;解：由题知;(2)帕累托(Pareto)分布。帕累托分布也常 用来反映非寿险公司遭受损失的分布。帕累托 分布的概率密度曲线呈右偏斜。但其尾部趋于 零的速度要比对数正态分布慢得多，因此可以 用帕累托分布估计特大赔付的再保险费率。;所以当α1时，简单参数帕累托分布的数;所以当α1时，一般帕累托分布的数学期;X的r阶矩为：;【例2-3】设某项业务的赔款额服从均值为;;再保险人承担的平均损失额为：;г(α)称为伽玛函数，有以下性质： (1)г(2)=г(1)=1；;伽玛分布的k阶矩为：;因为，;所以伽玛分布的偏度系数是变异系数的2 倍。 特别地，当α=1时，伽玛分布就是以β为 参数的指数分布，这时它的密度函数f(x)从0处 的最大值开始单调递减。 当α1时，f(x)从0单调递增至极大值，然 后再单调递减。 当α1时，f