原创力文档- 0
- 0
- 约3.25千字
- 约 6页
- 2026-01-23 发布于河北
- 举报
三、连续型随机变量的中位数和众数
设给定一个概率值，该总体的分布函数为，则方程的解即称为该分布的100p%分位数。中位数就是50%的分位数。当分布函数为连续型变量时，可以通过解方程求得任意点的分位数，该分布的密度函数取极大值时，解方程可求得众数。
求均值为100，方差为25的正态分布的中位数和众数。由，
中位数：，
众数：。
求帕累托分布的中位数和众数。由，
众数：
中位数：无解
四、参数估计
参数估计也称为分布拟合。它要解决三个主要问题：
判断所研究数据属于哪一种分布；
确定分布中的未知参数；
分析数据拟合效果，通常要做统计显著性检验。
现有经过统计整理的火灾损失金额数据经验分布数据如下：
表1-20火灾损失金额数据经验分布表
序号
序号
1
0.39
0.067
9
3.90
0.600
2
0.44
0.133
10
4.13
0.667
3
0.71
0.200
11
4.72
0.733
4
0.90
0.267
12
5.98
0.800
5
1.81
0.333
13
7.16
0.867
6
1.98
0.400
14
9.72
0.933
7
3.79
0.467
15
19.13
1.000
8
3.81
0.533
这里通过实例采用不同方法对表中数据进行拟合。
1、矩估计法
火灾损失金额数据经过计算得，、。
如果认为火灾损失金额数据服从伽玛分布，则，。即，
，。解得，、。所以，
如果认为火灾损失金额数据服从帕累托分布，则有，
、。
解得，、。所以，
如果认为火灾损失金额数据服从对数正态分布，则有，
、。
解得，、。所以，
、
2、变换的矩估计法
该方法对原始数据进行相应变换后采用矩估计法。例如，如果认为火灾损失金额数据服从对数正态分布，用变换的矩估计法求解如下：
对原始数据进行对数变换，即；
计算、；
正态分布密度函数为，。
3、分位点估计法
（1）样本分位数
设给定一个概率值，该总体的分布函数为，则方程的解即称为该分布的100p%分位数。中位数就是50%的分位数。当分布函数为连续型变量时，可以通过解方程求得任意点的分位数，但在用样本值计算分位数时，经验分布是跳跃的，无法用解方程的方法计算分位数。可采用插值方法处理。
给定一组数据；为不超过的最大整数，此时分位数在与之间；记表示的小数部分，则样本的100p%分位数为，
练习1：计算火灾损失金额数据的中位数和四分位数。
解、、
、
。
练习2：计算火灾损失金额数据的40%和80%分位数。
解、、
。
（2）、分位点估计
如果认为火灾损失金额数据服从威布尔分布，则有四分位点参数估计如下，
已知分布函数为：。由，
解得，，
练习：如果认为火灾损失金额数据服从威布尔分布和帕累托分布，试进行40%和80%分位点参数估计。
4、极大似然估计（略）
5、最小平方法估计（最小二乘法）
6、最小法（目标函数）
五、累积损失分布
累积损失模型是由损失次数和损失金额所合成的分布。累积损失分布有两种不同表现形式。一种是个体风险模型，另一种是集体风险模型。
在体风险模型中，其中第i份保单在保险期间的损失金额是一个随机变量，则n份保单组合在保险期间的累积损失S可以表示为：。
在集体风险模型中，将同类保单视为一个整体来考虑在保险期间的累积损失。集体风险模型假设保单组合在保险期间的累积损失次数是一个随机变量N，而第i次损失的金额是另一个随机变量，且每次损失金额独立同分布。则整个保单组合的累积损失S可以表示为：
。
在集体风险模型中，累积损失S的均值和方差分别为：
、。
在集体风险模型中，通常把S的分布称为复合分布，相应的复合分布名称采用损失次数的名称。例如，当损失次数为泊松分布时，相应的复合分布称作复合泊松分布。累积损失分布往往涉及大量计算，这里通过实例介绍一种卷积算法。
例、假设某保险人签发了两份保单A和B，每份保单可能发生的损失额及相应概率如下表：
表1-21个体保单的损失额及其概率
A
B
损失额
概率
损失额
概率
0
0.60
0
0.70
2000
0.30
200
0.20
20000
0.10
2000
0.06
20000
0.04
根据表1-21可以求出保险公司在这两份保单上的累积损失及其相应概率，见下表，
表1-22保险公司的累积损失及其概率
累积损失
概率
A
B
A+B
A
B
AB
0
0
0
0.6
0.70
0.42
0
200
200
0.6
0.20
0.12
0
2000
2000
0.6
0.06
0.036
0
20000
20000
0.6
0.04
0.024
2000
0
2000
0.3
0.70
0.21
2000
200
2200
0.3
0.20
0.060
2000
2000
文档评论（0）