保险学课件-单原因减员模型及死亡率的确定.pptVIP

2.统计公式(1年的观测期间) 3.统计公式(T年观测期) 4.初始历险数的计算 单原因减员模型及死亡率的确定 第一节 单原因减员模型 一、二项型模型 (一)假设①人口总体最初的人数为P个，观测期为一年。 ②在这一年中任何一个人死亡的概率是q。 ③死亡的发生与否是独立的。 参数q叫做初始死亡率(initial rate mortality)，在此，我们假设q对所有的个人都是相同的。 (二)死亡人数的分布 设随机变量Θ表示一年中死亡的人数，则死亡人数为θ的概率为 其中，θ=0,1,2,……,P。 上式说明，表示死亡人数的随机变量Θ服从参数为(P,q)的二项分布Binomial(P,q) (三)初始死亡率q的极大似然估计 1.  2.初始死亡率的极大似然估计的性质 二、泊松型(固定人口)单原因减员模型 (一)泊松型模型(固定人口)单原因减员模型的假设 在这种最简单的形式中，我们做如下的假设： ①在T年中人数总是包括P个人，人口总是保持不变，死亡的人立刻被替换。 ②在任何短时间间隔中(t，t+h)： 第一，单个死亡发生的概率是μhP 即P［在(t，t+h)期间1人死亡］=μhP+第二，与仅发生一个死亡的事件相比，发生一个以上死亡的可以忽略，即P［在(t，t+h)期间1人以上死亡］=o(h) ③在各个不同的时间间隔中死亡的发生是独立的。 参数μ为死亡力，我们假设μ对所有的人是相同的。 (二)死亡人数的概率分布 对于给定期间的死亡人数θ，T年期间恰恰发生θ人死亡的概率是 即代表死亡数θ的随机变量服从(μPT)泊松分布 例1.2 某大公司总是保持5000名年轻工人的员工规模，离开的立刻补上，计算6个月内不超过3人死亡的概率，假设所有工人的死亡力为0.0008。 解：固定人数P=5000，死亡力为常数μ=0.0008，如果假设死亡是独立的，则泊松分布适用，6个月死亡人数服从泊松分布，其均值为0.0008×5000×6/12=2，于是 不超过3人死亡的概率是： 0.1353+0.2707+0.2707=0.6767 (三)灾害率的极大似然估计 2.灾害率的极大似然估计的性质 观测的死亡人数θ服从参数为(μPT)的泊松分布，其均值为μPT、方差为μPT，所以 三、泊松型(变动人口)单原因减员模型 (二)历险数(ETR) 前面探讨的固定人口模型，人口规模一直为初始人口水平，我们把这种情况下的初始人口规模用初始历险数 (initial exposed to risk)来描述 ，其缩写为IETR ，记为E，我们定义其值为初始人口总数P。为了使固定人口模型一般化，我们需要引入中心历险数这一概念。中心历险数(central exposed to risk)的缩写为CETR，记为， 它是衡量整个观测期间平均人口规模的指标，其数值定义如下： 其中和分别表示第i个被观测个体进入和离开群体的时间(从观测期间开始时进行计算)。 (三)死亡人数的概率分布 四、模型比较 (一)模型参数 我们所见的模型参数总结在下表中 所有模型都有一个相似之处，就是它们都包含两个参数： ——死亡率参数，二项型模型中初始死亡率和泊松模型中中心死亡率。 ——历险数参数，二项型模型中初始历险数ETR和泊松型模型中中心历险数CETR。 (二)初始历险数与中心历险数之间的关系 我们可推导出初始历险数与中心历险数之间的以下关系 当一人口总体接受为期一年的观测时 单原因减员率可用离散型二项模型或连续型泊松模型来测算。最简单的泊松模型假定死亡者立即被代替，因此历险数保持不变。更普遍的模型允许被观测者在观测期内进入或离开，因次，必须用每一个被观测个体的实际被观测时间来计算历险数。 第二节 死亡力的确定 首先，上一节的模型是以假定死亡率不发生变化为基础的，然而，实际中这些数据会随着年龄的变化而发生变化。 第二个问题是，在我们正在进行观测的人群中，在不同的年龄层次上，有些个体可能会离开这个被观测的群体，(在模型中只考虑到了由于死亡才的离开的情况)。 第三个问题关系到数据问题。寿险公司提供的数据常常不象我们喜欢的那样严格地按年龄分类。如果是这样，为了估计不同年龄的死亡率，我们就要根据死亡率观测区间进行分组。 一、基本模型 (一)给定年龄的历险数 2.初始历险数(IETR) 3.历险数的计算原则 对于年龄为x岁的人，其提供的中心历险数为在不同的时间A和B之间的差额，这就是我们计算历险数的原则，其中： 时间A是下列日期中的最后者：年龄