Teoria riscului curs 7

Modele heterogene si Bayes empirice
1. Portofolii heterogene Notiunea lui Whitney de heterogenitate a fost precizata in termeni exacti de Bailey si Bulhlmann: portofoliul consta in N riscuri independente, caracteristicile neobservate ale riscului numarul i sunt notate prin θi , unde θi este o selectie dintr-o distributie G numita distributie structurala de riscuri independente. Aceasta cale clarifica ideea ca riscurile sunt diferite dar au ceva in comun care ne motiveaza sa le incadram intr-o anumita clasa de riscuri sau portofoliu. Modelul neparametric al lui Bulhmann specifica numai daca marimile cererilor anuale X1,X2…. Xn conditionate de Θ sunt independente, cu media m(
i)

si varianta s 2 ( ) .

ˆ Considerand m

ˆ X

1 n

n

X j a obtinut formula de credibilitate:
j 1

M(X j ), z

n n

,

Var(m( )), (1 z)

M(s 2 ( )) ,

z

fiind

factorul

de

credibilitate. Riscul LB devine : Modelul Buhlmann-Straub

n

care depinde de n si de parametri.

In acest model se considera ca Xj , pierderea din anul j, este data de marimea totala a cererii raportata la marimea riscului expus, pj, astfel Var(X j )

s2 (

i ) / p j,

j 1, n . Marimile p1,…pn,

sunt precizate in diagrama observationala. Estimatorii considerati sunt de tip liniar:  m g 0 g1X1 ..... g n X n , g i cons tan t Folosind metoda celor mai mici patrate se obtine estimatorul LB. Formula de credibilitate
n

p jX j ˆ are acum forma m
j 1 n

.

pj
j 1

Astfel in modelul Bulhmann-Straub rata pierderilor anuale a riscului i Xi1, Xi2…. Xin sunt independent conditionate cu : M(X ij )

m(

i ),

Var(X ij )

s2 (

i ) / p ij .

Datorita independentei estimatorului bayes si estimatorul liniar al lui Bayes pentru fiecare prima de risc individual m(
i)

aceiasi cu cei definiti anterior. Parametri ce descriu factorul de

credibilitate sunt necunoscuti si se vor estima dupa studiul statistic al portofoliului.
1

Deoarece θ variaza exista o distributie de probabilitate cu densitatea П(θ). ) ( x. Prima pentru anul urmator se va baza pe o combinatie de X si M(X). X2... X2.n si ca M(Xj)=ξ.. unde θ este o variabila aleatoare cu densitatea apriorica П(θ) (aceasta reprezinta densitatea apriorica pentru θ). *. adica media s-a stabilizat in timp. Fluctuatii limitate in teoria credibilitatii Presupunem ca un detinator de polite a avut Xj evenimente independente intr-o perioada de j ani unde j=1.. 2.... Aceasta marime sau valoare ar trebui sa fie prima ce urmeaza sa fie stabilita in anul urmator.. n f ( X.Procedura Bayes liniara empirica implica introducerea estimatorilor determina estimatorul LB: m * * .. In fapt problema estimarii parametrilor se reduce la estimarea mediei si variatiei componentelor din modele liniare... f X j ( x j ) ( )d x( f ( X . Risc Bayes Fie X1.. * pentru a ˆ (1 z * ) z*m * .. f X ( x ) f X j (x j ) ( ) .. Nivelul de risc a fiecarui detinator de polite in clasa respectiva poate fi caracterizat de un parametru de risc θ (car e difera de la un detinator de polita la altul). Presupunem Var (Xj)=σ2 pentru orice j..Xn in trecut.. ) j 1 n f X j ( x j ) ( ). )d x( x) j 1 n j 1 M( X x) x )d Aceasta este media lui θ in raport cu densitatea posterioara si cu functia de pierdere patratica.Xn variabile aleatoare cu fX│θ(x│θ). i 1 . Θ este o variabila aleatoare cu functia de repartitie П(θ)=P(Θ≤θ)... Experienta trecuta va fi reprezentata prin: X 2 1 n n xi .. Problema de baza Pentru un detinator de polita s-au observat n cereri X1.. ) ( x . Astfel daca θ este un parametru scalar... De exemplu θ poate indica tendinta (posibilitatea) ca un conducator auto sa aiba un accident iar П(θ) poate descrie cum este distribuita aceastei tendinte in intreaga populatie a conducatorilor auto.2.

05. O metoda de a cuantifica stabilitatea lui X este sa vedem daca X are valori mici cu o probabilitate mare. adica: P( r X r ) p unde r>0 si 0<p<1 (r=0. Deci credibilitatea este pe deplin asigurata daca coeficientul de variatie 2 2 2 n 0 . o r . Exemplul supus studiului nostru constituie în acelaşi timp. din perspectiva practicii asigurărilor non-viaţă. / n Fie yp definit ca: y p inf P y X / n y p . realizăm o descriere a unui model de portofoliu eterogen. Asiguratorul trebuie să decida asupra valorilor lui ξ. yp este cuantila si se poate determina din tabel. Exemplul Norberg ca mod de ilustrare a aplicării teoriei credibilităţii în practică In cadrul acestei secţiuni.9) Se poate rescrie inegalitatea sub forma: P X r n p. analizându-l din punct de vedere al teoriei credibilităţii.2 Avem că M(X) si în cazul în care (Xj)j sunt independente varianţa este: Var( X) n . pentru n 0 0 2 . Exemplul datorat lui Norberg prezintă cazul concret al unui portofoliu eterogen de 3 . inferioara conduce la conditia r yp de n credibilitate n 0 deplina yp 2 margine . cu ajutorul instrumentului matematic pus la dispoziţie de teoria probabilităţilor. adica yp este cea mai mica valoare a lui y care verifica probabilitatea din paranteza. Atunci Var( X) n . Presupunem cunoscută noţiunea de eterogenitate. Daca X este variabila aleatoare continua putem inlocui ≥ cu = si yp verifica atunci egaliatatea: P Atunci r n yp X / n yp yp p. o ilustrare a modului în care statistica clasică poate verifica eterogenitatea unui portofoliu (colectiv) de contracte (poliţe) de asigurare non-viaţă. p=0. mai precis realizăm o descriere a exemplului elaborat de actuarul Norberg.

în al cincilea an s-au produs riscurile: 11 şi 17..l}. 0<θ<1.1 1 . unde parametrii " θ " sunt egali cu: θ1 relativ la contractul l..2 ..0 . θ20 diferiţi între ei.0 .6 . se consideră 20 de poliţe. dată prin funcţia de probabilitate f(x.0 .0 Diagrama 1: Trecutul statistic înregistrat pe parcursul a zece ani de observaţie asupra riscurilor implicate de cele 20 contracte.2 .20 au fost presupuse de tip Bernoulli standard...d. deci în total au apărut patru pagube.1 .θ)= x (1 )1 X . .. j=l.20 constituie parametrii reali ai celor 20 de riscuri). Riscurile implicate de cele 20 contracte s-au aflat sub observaţie statistică un număr de zece ani. θ2 . 17 şi 18.a. .. θ2 relativ la contractul 2.5 . în al patrulea an nu s-a produs nici un risc ( pagubă). In acest sens.1 . i=l..0 . x Є {0.3 .2 ..4 1 1 . θ1 ..1 . ale căror riscuri urmează o repartiţie de tip Bernoulli standard..) Poliţa nr.1 .contracte de asigurare non-viaţă.m. acum (după cei zece ani) dispunem de un trecut statistic pentru ele de forma celui din diagrama care urmează (vezi diagrama 1. 11. se interpretează astfel: în primul an s-au produs riscurile: 3. Riscurile j. Diagrama 1. deci în total au apărut două pagube. astfel încât...0 .1 .0 1 1 1 1 1 1 1 . ş. ceea ce înseamnă că riscul implicat de contractul j s-a considerat o variabilă aleatoare Xj căreia i-am atribuit numai valori 4 .θ20 relativ la contractul 20 (de fapt θi .. An 1 2 3 4 5 6 7 8 9 10 ^ j 1 2 3 1 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 1 1 1 1 1 l 1 1 1 1 1 1 1 1 1 1 1 1 1 .

.20). j=l. deci Xj ia valoarea l.. poliţe de asigurare contra avariilor auto cu tip de maşina necunoscut.. Astfel.. acum dispunem de un trecut statistic referitor la Xj constând din variabilele aleatoare observabile: Xjl. cele 20 de contracte pot fi grupate împreună într-un portofoliu omogen. pentru cazul particular considerat aceste caracteristici sunt legate de tipul maşinii.20..=θ20. Intrebarea care se pune în legătură cu exemplul lui Norberg este următoarea: sunt cele 20 de riscuri omogene sau nu? Ipoteza omogenităţii riscurilor se formulează astfel: θ1=θ2 =. unde j=l. H1). Notăm ipoteza pe care o avem de verificat cu H0 şi o numim ipoteză nulă sau fundamentală.. pentru fiecare risc j.20 fixat. astfel încât... .20 astfel încât θi≠θj.. (adică exista cel putin 2 parametrii reali θj ce diferă semnificativ din punct de vedere statistic) şi . variabila aleatoare Xj are repartiţia: Xj : 0 1 j 1 j (1). xjl0 din diagrama l (j=l. cu alte cuvinte. xj2. cu j=l. dacă nu apare riscul j pentru bunul supus asigurării într-unul din anii de valabilitate ai contractului j.20 sunt aceiaşi..20 reprezintă caracteristicile de risc necunoscute ale poliţelor. de exemplu.=θ20 (adică parametrii abstracţi θj.20. Xjl.. avem de testat cuplul de ipoteze (H0. .. j 1. Riscul j s-a aflat sub cercetare statistică zece ani.. 5 i. Respingerea ipotezei nule. care au condus la valorile numerice concrete: xjl. cu θj (unde j=1. Observaţie: Contractele din exemplul lui Norberg ar putea fi. atunci această probabilitate este egală cu θj (la rândul ei necunoscută) unde j=l. Xjl0 sunt variabile aleatoare independente şi identic distribuite cu Xj. Ipoteza contrară ipotezei H0 se formulează astfel: se notează cu H1. respectiv valoarea 0.. Parametrii de risc θj. s-a notat probabilitatea cu care Xj ia valoarea l.20 astfel încât θi≠θj.. dacă maşina este de tipul j (necunoscut)... înseamnă că riscurile implicate de cele 20 contracte nu sunt omogene sau că parametrii abstracţi θj pentru fiecare risc j. Xjl0. unde H0: θ1=θ2 = .20).. j=l... numindu-se ipoteza alternativă ipotezei H0.20 nu sunt aceiaşi. ei nu diferă semnificativ din punct de vedere statistic). Prin urmare. dacă apare riscul j pentru bunul supus asigurării într-unul din anii de valabilitate ai contractului j. Xj2.. Probabilitatea ca (Xj =l) este diferită de la un tip de maşină la altul.. j 1. caz în care se poate presupune despre Xj că are repartiţie de tip Bernoulli standard. j=l.20 sunt aceiaşi.booleene. Acceptarea ipotezei nule H0 înseamnă ca riscurile implicate de cele 20 contracte sunt omogene sau că parametrii abstracţi θj ai fiecărui risc j. j=l. cu alte cuvinte. Xj2. iar H1: i.

. H1) se face la un prag de semnificaţie α>0 foarte mic. ne dă estimaţia ^ j not 1 n x jr f n (A j ) nr 1 (2). astfel încât funcţia de verosimilitate este: n n n L( j ) r 1 x jr j (1 j) 1 x jr x jr n x jr r 1 ... cât a durat studiul statistic efectuat asupra variabilei aleatoare Xj.. n deoarece în acest caz variabilele Xjr.. dat şi pe baza unui test statistic clasic. ..20). j=l. Intr-adevăr.portofoliul format din cele 20 contracte nu poate fi considerat omogen. xjn ce figurează în diagrama 1. anume "testul hi-pătrat". Xj2. datorită realizărilor diferite ale parametrului de risc θj pentru fiecare contract (unde. Xjn asupra variabilei aleatoare Xj cu repartiţia B (l. Conform teoriei probabilităţilor estimaţia probabilităţii θj din repartiţia (1) a lui Xj este frecvenţa relativă a evenimentului Aj=("apariţia riscului j pentru bunul supus asigurării într-unul din anii de valabilitate ai contractului j") în cei zece ani.20). θj) (vezi (1)) şi s-au obţinut rezultatele: xjl.n iau valorile 0 sau l. Verificarea perechii de ipoteze (H0. denumirea acestui criteriu decizional este justificată de faptul că statistica sa. cu ajutorul căreia verificăm (testăm) ipoteza H0 are o repartiţie hi-pătrat. r=l. (unde j=l. putem estima parametrul θj din repartiţia (1) (unde j=l. iar ( r 1 x jr ) este numărul de apariţii ale evenimentului Aj de probabilitate 6 . In cele ce urmează.xj2.. aplicând metoda verosimilităţii maxime..20). Estimaţia ^ j a lui θj prin metoda menţionată rezultă astfel: în cazul de faţă s-au efectuat n(=10) observaţii independente: Xjl. j care rezolvată în raport cu θj. ne ocupăm cu determinarea statisticii testului. adică este eterogen. adică: L( j ) ( j) r 1 (1 j) iar logaritmul său natural: n n ln L( j ) r 1 x jr ln j n r 1 x jr ln(1 j) Ecuaţia verosimilităţii este: n n d ln L( j ) d j x jr r 1 j n r 1 x jr 1 0.

. în cei n(=10) ani. 7 . adică (3) Variabila aleatoare fn(Aj) desemnează frecvenţa relativă a evenimentului Aj în cei n(=10) ani.. deoarece: n n d 2 ln L( j ) d 2 j x jr r 1 2 j n r 1 x jr 2 j) n (1 0.20 fixat). θj) (n=10.n (n=10) sau încă: k K(A j ) : Ck n k j [1 n j] k k=0. scriem acest lucru astfel: K(Aj) Є B(n.1.. j=l. In consecinţă. notată cu K(Aj)... In continuare. K(Aj) are o repartiţie binomiala de parametrii n(=10) şi θj . Frecvenţa absolută a evenimentului Aj în cei n(=10) ani este variabila aleatoare notată cu n K(Aj) si egală cu r 1 x jr . ea are semnificaţia numărului de realizări ale evenimentului Aj în cei zece ani. adică: fn(A):=K(A)/n se constată că L are un maxim. se ştie că "frecvenţa relativă fn(A) în n probe independente a unui eveniment A de probabilitate p constantă în fiecare probă este numărul obţinut ca raportul dintre numărul K(A) al probelor în care s-a realizat evenimentul A şi numărul n al probelor independente efectuate. ori..1. K(Aj) are repartiţia următoare: K(A j ) : k P [K(A j ) k] k=0..θj. adică frecvenţa absolută a evenimentului Aj în cei n(=10) ani..2.n (n=10) sau (explicitând): k K(A j ) : k n Ck n [P(A j )] [1 P(A j )] k k=0.1. acordăm estimatorului se consideră: ^ j not 1 n x jr f n (A j ) nr 1 ^ j din (2) interpretarea de variabilă aleatoare.n (n=10) In concluzie. iar n r 1 x jr .....

ponderile fiind volumele celor 20 serii de observaţii. unde θ este valoarea comună necunoscută a celor 20 de probabilităţi: θ1. n n n.. (1 ) ... n (1 ).. npq ) . de asemenea... numărul total al anilor de observaţie pentru un grup de contract.. numărul de ani în care contractul j a fost observat... In aceste condiţii... 10 .20 (vezi(2)).. atunci: θ1=θ2 = . n ^ j=1. fapt ce justifică notarea 8 ..Observaţie: Atragem atenţia asupra faptului că n nu reprezintă. ceea ce înseamnă că: "B(n.. adica: ^ ^ 1 10 ^ 2 10 ^ ^ 20 10 1 ^ 2 ^ 10 10 .20 fixat ( dat de (4)) 20 ^ ^ j ^ ( astfel încât variabila aleatoare: 2 )2 (5) : j 1 ^ (1 ) 10 are o repartiţie hi-pătrat cu (20-1)=19 grade de libertate..=θ20 şi putem considera în baza afirmaţiei anterioare că numărul observaţiilor efectuate asupra contractului j este suficient de mare (adică dispunem de un număr foarte mare de observaţii pentru contractul j). ^ ^ ^ Deoarece: K ( A j ) N (n . Aşadar. toate având θj drept parametru.. n     delori cu n=10 si l=20.. ) n N (n .2.. daca n→∞. iar q=1-p”...θ2 .. teorema Moivre-Laplace ne permite să aproximăm repartiţia binomiala cu repartiţia normală..θ20 din ipoteza H0 (când aceasta este adevărată).2.... pe care o estimăm prin mărimea: ^ f n ( A1 )n f n ( A2 )n . p) N(np. rezultă că: ^ ^ n N . f n ( Al )n .. Deci. 20 20 (3) 20ori Observaţie: Estimaţia ^ j ^ se determină ca o medie aritmetică ponderată a frecvenţelor relative . în mod necesar... daca ipoteza H0 este adevărată... .... conform teoremei Moivre-Laplace: K(Aj ) B(n.. n (1 (2) K(A ) ^ (2) j f n (A j ) j ^ ) )..... ..... ci poate reprezenta.... j=l.

.. 20 20 (6) ^ ^ cu j . unde: ^ ^ 1 2 ^ ^ ..20 date de dat de (6). X2.19 2 0... limită) c (χ2calc>c)... depăşeşte un anumit nivel (prag. Observaţie: Afirmaţia făcută în legătură cu repartiţia variabilei aleatoare definite de (5) are la bază următorul rezultat din statistica matematică: "Dacă: X1. ceea ce înseamnă că acceptă H1.2. j=l.. ∞). j=l.. statistica pe baza căreia testăm ipoteza nulă H0 este χ2. dacă: 20 ^ ^ j ^ ( 2 calc )2 : j 1 ^ (7) (1 10 ) unde θj.1 ..19 30. astfel: PH 0 ( 2 c).2.. iar ^ .20 sunt daţi de (2). iar la numitor este vorba despre . j=l. ipoteza nulă H0 se respinge.2.. σ >0 arbitrari. unde: ^ j n not Xi i 1 X n facem menţiunea că în (5). numărul dat de (4). 2 calc 2 0...19 (8) Pentru valorile lui χ2calc din intervalul [c.atât de la numărătorul cât si de la numitorul lui (7) - este dat de (4). ..95. j=l. la numărător avem de a face cu variabilele aleatoare (3) şi ^ .20 pentru fiecare contract (vezi ipoteza H1). 1 1 PH1 ( 2 c).... dar fixaţi) atunci variabila aleatoare: n (X i i 1 2 X) 2 are o repartiţie hi-pătrat cu (n-1) grade de libertate.. In cazul exemplului lui Norberg..19 Intrucât: conchidem că ipoteza omogenităţii riscurilor este falsa.05 atunci 2 1 ... In concluzie.145) şi dacă luăm α=0. adică cea definită la (5).. χ2calc =49. Xn sunt variabile aleatoare independente şi identic distribuite cu repartiţie normală de parametrii m şi σ (mЄR. 1 P( ^ 2 c).20 date de (3)...2.95.. prin urmare este eterogen (datorită realizărilor diferite ale parametrului de risc θj. adică 9 . deci că portofoliul de 20 contracte nu poate fi considerat omogen. Numărul c se determină din definiţia pragului de semnificaţie α..acesteia cu litera "χ2". c 2 1 ...16 ( =0. Testul "hi-pătrat" respinge ipoteza nulă H0 a omogenităţii riscurilor.

1). Ө1) şi respectiv Bi(1. Ө 2) se pune problema să verificăm H0: Ө 1 = Ө 2 faţă de H1: Ө 1≠Ө2 sau Ө 1 > Ө 2 sau Ө 1 > Ө 2. i. dacă nu se respinge. s2. …. Ө j). X2. …. n n 1 2 1 1 pq n1 n 2 Pentru determinarea regiunii critice în cazul ipotezelor H0: Ө1 = Ө2 faţă de H1: Ө1 > Ө 2 se consideră eroarea de tipul I. n2. ….portofoliul (colectivul) de 20 contracte este eterogen. …. Decizia este: Dacă ˆ 1 ˆ 2 C se respinge H0. k1 k 2 1 2 k1 k 2 n n2 Statistica folosită: 1 are asimptotic o repartiţie N(0. j 1. Y2. k . Daca in urma acestui test se respinge ipoteza de omogenitate. Se mai poate folosi si urmatoarea metoda de testare a omogenitatii : H0: Ө1 = Ө 2 = …= Ө k faţă de H1: cel puţin două valori ale lui Ө diferă între ele. Statistica folosită este: 2 2 k s k n n jˆ sj nj 1 ˆ j j 2 X şi pentru eroarea de tip I avem: n ˆ n 1 ˆ j 1 j 1 j j P X2 C 1  k 1 F 2 k 1 C .Am notat p .20 folosind urmatoarea metoda: Dacă avem la dispoziţie două selecţii: X1. s1 s 2  s k În ipoteza H0: probabilitatea comună se estimează prin: ˆ unde n1 n 2  n k n1. j 1. iar s1. Xn şi Y1. nk sunt volumele selecţiilor. sk sunt respectiv numărul de realizări ale valorii 1 în fiecare dintre cele k selecţii. C se obţine din tabelele repartiţiei χ2. 10 . Pentru aceasta avem la dispoziţie k selecţii din populaţie Bi(1. k1 n1 pq 1 n1 k2 n2 1 n2 pq C 1 n1 1 n2 C pq 1 n1 1 n2 P ˆ1 ˆ 2 C 1 2 P 1 Rezultă C pq 1 n1 1 Z1 n2 . Ym ale căror variabile sunt repartizate Bi(1. atunci vom determina acei parametri pentru care i j . Decizia: dacă χ2 calculat este mai mic ca C se acceptă H0.

95.n. h= 1 1 1 1 1 1 1 1 0 1 0 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 0 1 0 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 1 0 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 0 1 0 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 1 0 1 1 1 1 1 0 1 1 1 0 0 1 0 0 1 1 0 1 0 1 1 0 0 0 0 1 0 0 0 1 1 1 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 0 0 1 0 0 1 1 0 1 1 1 1 1 1 0 0 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 1 0 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 0 1 0 1 1 1 1 1 0 1 1 1 0 0 1 0 0 1 1 0 1 1 1 1 1 1 0 0 1 1 1 0 1 1 1 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 1 0 1 1 1 1 1 0 1 1 1 Pentru cele 17 riscuri observate (ca fiind omogene.6667. având h(i.2926 . 11 şi 17) vom testa din nou omogenitatea. In condiţiile diagramei 1 calculam s.6612. Cele trei riscuri sunt heterogene Calcule efectuate in Excel. Pentru celelalte riscuri (9. C= 1 .95. Cazul portofoliilor heterogene. Pe baza acesteia testam ipoteza de omogenitate si determinam matricea h in care 0 reprezinta faptul ca cele doua riscuri nu sunt omogene si 1 daca sunt omogene.j) care reprezinta valoarea C corespunzatoare testarii daca doua riscuri i şi j sunt omogene. C 1 . 2 rezultă că se respinge H0 si se accepta H1.16 x2calc< 2 0. matricea C(i.N 1 0.j)=1) din matricea h ca fiind egale. calcule detaliate referitor la exemplul Norberg. x2calc = 15.16 rezulta ca se accepta ipoteza ca riscurile sunt omogene. Gasim 2 2 5.N 1 0. am testat din nou omogenitatea: 2 2 26. metoda descrisă în paragraful II.99 x2calc = 51.3: 11 .95. discuţie asupra exemplului Norberg Consideram problema propusa de exemplul lui Norberg.Aplicaţii Aplicaţia 1.

45 1.484483 1.139655 4.023684 0.55 8.45 1.45 n(1-p) 8.45 1.023684 0.421345 0.55 8.208621 1.45 42.55 8. 12 .128655 0 1 1 1 0 0 0 1 0 1 5 0 0 1 0 1 0 0 1 0 1 4 0 1 0 0 0 0 1 0 0 0 2 1 0 1 1 0 0 0 0 0 1 4 0 1 0 1 0 1 1 0 1 1 6 1 0 1 1 1 0 1 0 1 0 6 1 1 1 0 1 1 0 0 1 1 7 0 0 0 0 0 0 1 0 1 0 2 1 1 1 0 0 0 0 1 0 0 4 0 0 1 0 1 1 0 1 1 1 6 0 1 1 0 0 1 0 1 0 0 4 1 1 1 1 1 0 0 0 1 0 6 1 1 1 1 0 1 0 1 1 1 8 0 1 0 0 1 0 1 0 0 1 4 0 0 1 0 1 1 0 0 1 1 5 1 1 0 0 0 1 1 0 0 0 4 1 0 1 0 0 1 0 0 0 1 4 0 0 0 1 1 1 1 1 0 0 5 0 1 0 1 1 0 1 1 0 1 6 1 0 0 1 1 0 0 1 0 0 4 Pentru o matrice de riscuri generata aleator (care are putea reprezenta un portofoliu de polite de accidente datorate incendiilor) obţinem: -matricea h care ne descrie ce riscuri sunt omogene si ce nu comparate două câte două.03448 49.55 8.45 1.55 8.55 8.55 8.45 1.55 8.55 8.023684 0.245906 1.45 1.45 14.139655 0.03538 0.45 1.45 1.245906 0.245906 0.45 1.245906 0.245906 0.45 1.245906 0.139655 1.55 8.280994 0.55 8.45 1.55 8.55 sum x^2 (s-np)^2 1.245906 2.023684 0.55 8.45 0.03538 0.023684 0.245906 7.45 1.45 1.760526 0.45 1.473977 0.55 8.45 1.55 8.45 1.55 8.208621 0.45 1.16314 (s-nq)^2 0.45 0.208621 1.03538 0.45 1.55 8.139655 0.45 1.55 8.27759 0.656897 0.45 8.145 n*p 1.s 0 0 2 0 0 2 2 0 6 1 4 3 1 1 0 0 5 1 1 0 n 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 p 0.55 8.45 1.45 1.691379 0.139655 1.45 1.

05. Cazul portofoliilor omogene.05.05 2 1082 . nu sunt de acelasi tip.4 2 . 2 p=0.2.05. Aplicaţia 2. n 656 .645 0.645 şi yp o r 1.4 . p=0.05 2 656 . Riscurile 3 si 7. 13 .282 0.h= 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 De unde rezulta ca 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 nici 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 de data 1 1 1 1 1 1 1 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 aceasta cele 20 de riscuri 1 1 0 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 din 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 portofoliu nu 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 sunt omogene. respectiv 3 si 13 precum şi 7 cu 8.9 b) r=0.05. considerăm : a) r=0. (y p ) 2 1 p .282 şi r 1.4 yp o 2 . 2 b)Pentru r=0. 2 2 a) Pentru r=0. p=0. Dacă se cunoaşte M(Xj)=ξ şi Var (Xj)=σ2 putem spune că n 1082 .8 Pentru valori mari ale lui n se poate aproxima X cu o variabilă aleatoare normală şi atunci avem p P X / n yp (y p ) ( yp ) 2 ( y p ) 1.9 1.8 1.8 găsim yp y 0. p=0. deci sunt heterogene.4 .9 găsim y p y 0.(Risc Bayes) Conform cu notaţiile din paragraful II.

Aplicaţii”-Editura Printech 2005 [2] Heilmann. „Probabilităţi şi statistică.Revista „Informatică economică” nr.act. Pesonen. „Fundamentals of Risk Theory”.Pentikainen. W-R.VVW Karlsruhe 1988 [3] Virginia Atanasiu.71/1998.II. „Exemplul lui Norberg ca mod de ilustrare a teoriei credibilităţii în practică”. E. Beard. [4] Ragnar Norberg-„Credibility Theory”-London School of Economics. UK [5] R.Bibliografie [1] Mariana Craiu si Laura Pânzar.ku. vol. T.„Risk theory Stochastic Basis of Insurance” [6] http://www.E.dk/wop/ 14 .

Sign up to vote on this title
UsefulNot useful