双参数指数分布尺度参数的近似贝叶斯估计_张良超.pdfVIP

DOI:10.13546/j.cnki.tjyjc.2022.13.010 理论 探讨 双参数指数分布尺度参数的近似贝叶斯估计 张良超，温利民 （江西师范大学 数学与统计学院，南昌 330022） 摘 要：文章针对双参数指数分布，讨论了其尺度参数的参数估计问题：建立了尺度参数的贝叶斯模型，定 义了尺度参数的信度估计、二次贝叶斯估计与贝叶斯估计，并证明了这些估计的大样本性质。两种近似贝叶斯 估计都具有解析解的形式，在均方误差准则下，二次贝叶斯估计优于经典的信度估计，更优于极大似然估计。 最后，通过MCMC方法比较了这些估计的均方误差，并验证了估计的收敛速度。 关键词：双参数指数分布；近似贝叶斯估计；信度估计；MCMC方法 中图分类号：O212.8 文献标识码：A 文章编号：1002-6487（2022）13-0052-05 在平方损失函数L(θ,θ) (θ-θ)2 下，θ 的贝叶斯估 0 引言 计为后验期望值。如果先验分布不是共轭先验分布，这在 许多问题中经常遇到，那么后验分布往往不再是标准的分 在保险精算实际情况中，保险事故发生后，通常会造 布。此时贝叶斯估计不具有解析形式，这会带来使用上的 成经济损失。根据保险合同的约定，保险公司需要对保险 困难。因此需要一些贝叶斯计算方法，例如EM算法、分 事故所造成的经济损失进行赔偿。损失金额就是保险公 析逼近方法、MCMC方法。然而这些计算方法依赖于先验 司根据保险合同向被保险人支付的赔款。对于设有免赔 分布的具体分布形式，在实际应用中，先验分布的具体分 额的保单，当损失小于免赔额时，保险公司的赔款为0；当 [1] 布形式是很难获得的。针对这一缺点，Bühlmann（1967） 损失大于免赔额时，保险公司须赔付一定金额。所以保险 将风险保费的估计限定在样本的线性函数中，在平方损失 公司对于超过免赔额的损失十分重视。为了设计出更有 函数下，最小化期望损失得到的估计恰能表达为样本均值 市场竞争力的保费收取准则，精算师需要对该保单超过免 和先验均值的加权平均。这一估计形式被称为信度估计， 赔额的损失的分布有足够的认识。若使用双参数指数分 该方法被称为信度理论。在非寿险的保费厘定中有重要 布来描述超过免赔额的损失，此时精算师需要对风险参数 [2] [3] 的应用 ，在参数估计中也有较多的应用 。 （尺度参数） 进行估计。由于风险的非齐次性，不同保单θ Q T H :H aT2 +bT +c ,a ,b ,c ∈R （4） ( ) { } 的风险参数是不一样的，因此常假设 为随机变量，具有θ