精算模型第三版 第7章 参数模型.pptxVIP

第7章 参数模型;【例1】

考虑一个医疗保险，保险单规定免赔额为50元，随机抽取了十个理赔观察值如下:

1411646403512593171511107567

假设明年的通货膨胀率为10%，免赔额不变。试用经验法分布和模型法(假设损失额服从指数分布)对明年的理赔额期望进行估计。;7.1 参数估计方法;7.1.1 矩估计法;7.1.2 分位数估计法;【例4】

设下表中的理赔记录用weibull分布来拟合，用25％和75％分位数来估计参数的值。;【例6】

由10只实验老鼠组成的样本，其死亡时间（以天为单位）为3、4、5、7、7、8、10、10、10、12。假设适合的生存模型服从Gompertz分布，利用25％和65％分位点，估计参数B和c。;【例7】

某责任险保单规定了保单限额为300,000元，表中的第一至三列给出了该险种

217份保单的理赔额情况。假设理赔额服从对数正态分布。请用30％和70％分位数法估计参数。;22,500－32,500;7.1.3 极大似然估计法;7.1.3 极大似然估计法;【例8】假设某险种的理赔数据如表;【解】画图来帮助理解

20 2;27;27;【例15】

假设某险种的保单规定免赔额为100元，保单限额为1,000元。随机抽取了10个理赔额观察值如下：

307 376 900 346 900 900 900 567 17 900

假设原损失服从Weibull分布，若新保单的免赔额提高到了200元，保单限额提高到了2000元，试用unshift模型估计新保单下的理赔额的期望。;【例16】从某数据集中观察到下列5个在100左截断（truncatedfrombelow）的赔款额：

125 150 165 175 250

使用极大似然估计对分布进行指数分布的拟合。求拟合分布的均值。

73

100

125

156

173;（iii）右删失和左截断同时存在的数据

在大多数情况下，右删失和左截断是同时存在的，而且删失点和截断点不一致。例如保险责任包括免赔和赔偿限额的保单理赔额。又或，在特定观察期内，对某个观察对象的观测会分很多种不同情况；从初期开始观测，从期中开始观测，对象生存到观察期末，对象在观察期内死亡。对各种情况下的似然函数，需要分情况来考虑：;【例17】

考察以下6个接受人工心脏的病人的样本。其中4人在2006年12月31日之前死

亡（见表），观察期为日历年2006年。假设人工移植心脏病人的存活时间服从指数分布，由所给样本数据估计指数分布参数。

接受人工心脏的病人的生存情况;【例18】

已知观测到如下20例损失额（原始值）如下表：;理赔额范围;615;【例25】

一组分组数据如表所示，假设样本分布为指数分布,用极大似然法估计参数值。

(0,5] (5,10] (10,20] (20,∞);3 4 8 1012182235505050;【例27】

某医疗责任险的年理赔次数记录如表所示，运用极大似然法估计下

列分布的参数:(1)泊松分布;(2)负二项分布。;【解】

首先按照理赔次数的值将上表转化为频数表,结果如下表所示;发生年;7.2 区间估计与方差;7.2.1 极大似然函数;（1）;448;【例36】

已知：

对一组健康险保单的损失支付服从均值未知的指数分布。损失样本为：

10020040080014003100

使用delta方法估计S(1500)极大似然估计值的近似方差。

0.019

0.025

0.032

0.039

0.045;【例37】

已知：

一份保单在过去10年里的赔款次数分别为：

10240624542

每年的赔款次数相互独立。

使用极大似然法拟合泊松分布。

求该泊松分布参数估计量的变异系数。

0.10

0.16

0.22

0.26

1.00;7.2.2 减因概率的极大似然估计;【例39】

XYZ公司开展一项死亡率研究,观察期限从2012年1月1日到2012年12月31日,保险年龄是距离签订保单日最近的生日年龄。下表是4个被保险人的信息。

使用保险年龄,按确切风险暴露数和精算暴露数分别计算82岁的死亡率,并使用Delta方法估计这两种估计值的方差。;保单编号;7.3 最优模型选择;7.3 最优模型选择;7.3.1 直观选择;7.3.1.1 密度函数与分布函数的图像比较;图小鼠死亡时间的经验分布函数图像;由图看出，用指数分布来拟合小鼠的生存函数并不合适。在x较小时，拟合值大于样本值。当x较大时，拟合值小于样本值。

当模型的分布函数和经验分布函数很接近时，很难从图像上分辨出细微的差别。可以直接画出两个函数差值的图像。也就是说，如果实线和虚线分别表示经验分布函数和由模型得到的分布函数，画出实线和虚线差值的图像即可。;7