风险理论第三章.pptVIP

三、损失变量的条件分布与边缘分布的某些结果单次损失量的边缘分布与条件分布损失次数的边缘分布与条件分布的结果。第30页，共42页，星期日，2025年，2月5日第1页，共42页，星期日，2025年，2月5日第一节损失分布的贝叶斯修正方法统计推断利用三种信息：总体信息、样本信息、先验信息。仅使用前两种的统计学是数理统计，三种信息都使用的是贝叶斯(Bayes)统计。贝叶斯假设、贝叶斯公式、相应的归纳推理方法构成了贝叶斯原理。在非寿险精算中，贝叶斯方法主要用于估计参数和修正损失分布、调整费率、校正责任准备金等。第2页，共42页，星期日，2025年，2月5日一、贝叶斯方法的步骤X的分布类型，密度函数族为贝叶斯方法与经典的数理统计方法的基本区别：把参数看做随机变量而不是普通变量。第3页，共42页，星期日，2025年，2月5日（1）选择先验分布设的（边缘）分布函数和密度函数分别为和，并称为先验分布和先验密度，他反应了评估者对参数的情况有一个初步的看法或信念。（过去经验、知识或主观判断）第4页，共42页，星期日，2025年，2月5日（2）确定似然函数评估人针对损失变量X进行一些试验或观察，以获的一些新的信息，假设所获得的观察值为x1,x2,….,xn,则在=0的假定下，可构造似然函数，并记为第5页，共42页，星期日，2025年，2月5日（3）确定参数的后验分布按照关于条件概率的贝叶斯公式，可以求得关于参数的后验分布，利用观察值x1,x2,….,xn之后的的分布函数和密度函数。对于密度而言，有第6页，共42页，星期日，2025年，2月5日（4）选择差异函数选择一个适当函数，如y=x2来刻画参数的真实值与估计值之间差距的严重程度，“差异函数”，本质上是评估人的“效用函数”第7页，共42页，星期日，2025年，2月5日（5）估计参数根据所选择的差异函数和参数的后验分布，求使差异函数的期望值最小的，作为参数的贝叶斯估计值。离散情况：概率分布密度函数变为概率分布。第8页，共42页，星期日，2025年，2月5日二、先验分布的确定（一）数理统计方法关于参数取值情况的历史数据或样本信息，则可利用第二章的方法，对参数在其取值范围上的先验概率进行估计。缺陷：要有足够样本信息。第9页，共42页，星期日，2025年，2月5日（二）主观判断法根据随机事件的客观条件或物理现象作出概率分布的判断。如：古典概型，根据每一个基本事件的客观物理条件，有理由推断每一基本事件是等可能的。几何概型，随机事件的客观条件爱你做出主观判断等。第10页，共42页，星期日，2025年，2月5日（三）贝叶斯假设应用下述公式，须知道参数的先验分布，才能求出条件分布（后验分布）。贝叶斯假设：参数无任何信息时，在其允许范围内机会均等，认为先验分布是它的取值域上的均匀分布。第11页，共42页，星期日，2025年，2月5日（三）贝叶斯假设贝叶斯假设存在问题：1.均匀分布的存在性问题，参数取值在一有限区间，均匀分布存在，反之不存在。（引入广义密度函数）2.均匀假设分布假设很难与客观实际相符，一般的，参数不一定服从均匀分布。（先验均匀，后验不一定均匀，但贝叶斯估计只需要后验分布）第12页，共42页，星期日，2025年，2月5日三、后验分布的确定先验概率到后验概率直接利用贝叶斯公式第13页，共42页，星期日，2025年，2月5日例，用X表示n重伯努利试验中的成功次数，设：每次成功的概率为p，即X~B(n,p).由于不知道p的大小，将其视为随机变量P并设其先验分布服从参数为的Beta分布，试求P的后验分布。解：由于p~Beta(),先验密度为又由于X~B(n,p)，其似然函数为所以，正比式知P的后验密度可表示为由此看出，P的后验分布仍是Beta分布，即分布为Beta()第14页，共42页，星期日，2025年，2月5日五、差异函数与贝叶斯估计量损失分布的未知参数的贝叶斯估计值记为，如何确定这个函数？贝叶斯估计法:度量与的差异程度记为被看做随机变量，不能直接求的最小值，转而求其期望最小的值，即求解：第15页，共42页，星期日，2025年，2月5日由于差异函数反映了评估者的价值判断，选择什么样的差异函数具有很强主观性。介绍三种最常用的差异函数及其贝叶斯估计结果。第16页，共