当前课程知识点:概率论与数理统计 > 第7章 参数估计 > 区间估计 > 拓展知识
设某种机动车一年里发生碰撞的损失额度 \( X \) (单位:元/辆)服从对数正态分布,其密度函数为
\[
f(x;\mu ,\sigma ^2)=\left\{ {\begin{array}{ll}
\frac{1}{\sigma x\sqrt {2\pi } }e^{-\frac{\left( {\ln x-\mu }
\right)^2}{2\sigma ^2}},& x>0 \\
0,&x\le 0 \\
\end{array}} \right.
\]其中 \( -\infty <\mu \;<\mbox{+}\infty \mbox{,}\;\;\;\;\sigma >0 \)。
某保险公司售出了这种有关机动车碰撞损失的一年期同质保单3000张。表1是该保险公司在一年内40辆这种机动车发生碰撞的损失额度的记录。
\[\mbox{表1 某种机动车发生碰撞的损失额度记录数据(单位:元/辆)}\]\[\begin{array}{|c|c|c|c|c|c|c|c|}
\hline
223&
3468&
202&
2721&
1948&
3813&
731&
1359 \\
\hline
1208 &
2904 &
428 &
4943 &
690 &
2579 &
305 &
441 \\
\hline
1916 &
1332 &
187 &
220 &
284 &
397 &
261 &
9121 \\
\hline
281 &
489 &
699 &
1031 &
3239 &
222 &
110 &
943 \\
\hline
342 &
830 &
1044 &
3638 &
1990 &
505 &
499 &
93 \\
\hline
\end{array}
\]
在进行理赔分析中,为了确定一个组合保单收取的保险总额 \( s \),一般会考虑 \( s \) 为总的理赔额度 \( S \) 的均值的某个倍数,如
\[s=(1+\theta
)ES=ES+\theta \cdot ES\]这时称 \( \theta \cdot
ES \) 为该保单组合的安全附加保费,\( \theta
\) 就是安全附加保费率。假设保险公司是按机动车辆的实际损失量进行全额赔付,要求收取的保险总额低于理赔总额的概率不超过5{\%},试确定最低安全附加保费率 \( \theta
_{\min } \) 的极大似然估计量,以及置信水平是0.90的置信区间。
分析与计算如下:
假设 \( X_i,i=1,2,\cdots
,m \) 表示第 \( i \) 份保单对应的机动车辆的损失额度,则这组保单的理赔总额 \( S=\sum\limits_{i=1}^m
{X_i } \;(m=3000) \),且由中心极限定理知近似有 \( \frac{S-ES}{\sqrt {DS} }\mathop
\sim N(0,1) \)。那么,在收取的保险总额 \( s=(1+\theta
)ES \) 低于理赔总额 \( S \) 的概率不超过5{\%}时,安全附加保费率 \( \theta \) 应满足
\[
P\left\{ {S>s} \right\}=P\left\{ {S>(1+\theta )ES} \right\}\le 0.05
\]
即 \( P\left\{ {S\le s} \right\}=P\left\{ {S\le (1+\theta )ES} \right\}\ge
0.95 \)。
于是有
\[
P\left\{ {\frac{S-ES}{\sqrt {DS} }\le \frac{\theta \cdot ES}{\sqrt {DS} }}
\right\}\ge 0.95
\]
从而 \( \Phi \left( {\frac{\theta \cdot ES}{\sqrt {DS} }} \right)\ge
0.95 \),最低安全附加保费率为
\[\theta _{\min } =\frac{\sqrt {DS} }{ES}u_{0.95} =\frac{u_{0.95} \sqrt {DX}
}{EX\sqrt m }\tag{1}\]
因为 \( X \) 服从对数正态分布,所以 \( EX=e^{\mu +\frac{\sigma ^2}{2}} \),\( DX=e^{2\mu
+\sigma ^2}\left( {e^{\sigma ^2}-1} \right) \),将它们代入(1)式,可化简得
\[\theta _{\min } =\frac{u_{0.95} }{\sqrt m }\left( {e^{\sigma ^2}-1}
\right)^{\frac{1}{2}}\tag{2}\]
由最大似然估计的不变性和式(2),得到 \( \theta _{\min } \) 的最大似然估计量为
\[\hat {\theta }_{\min } =\frac{u_{0.95} }{\sqrt m }\left( {e^{\hat {\sigma
}^2 }-1} \right)^{\frac{1}{2}}\tag{3}\]
如何确定 \( \theta _{\min } \) 的置信度为0.9的置信区间呢?可先求参数 \( \sigma
^2 \) 的置信区间 \( [\hat {\sigma }_1^2 ,\hat {\sigma }_2^2 ] \),由于函数 \( e^{\hat
{\sigma }^2 } \) 具有单增性,则由式(3)可确定 \( \theta _{\min }
\) 的置信区间应该为:
\[\left[ {\frac{u_{0.95} }{\sqrt m }\left( {e^{\hat {\sigma }_1^2 }-1}
\right)^{\frac{1}{2}},\quad \frac{u_{0.95} }{\sqrt m }\left( {e^{\hat
{\sigma }_2^2 }-1} \right)^{\frac{1}{2}}} \right]\tag{4}\]
因为正态总体参数 \( \sigma ^2 \) 的置信水平为 \( 1-\alpha \) 的置信区间是
\[
\left[ {\hat {\sigma }_1^2 ,\quad \hat {\sigma }_2^2 } \right]=\left[
{\frac{n\hat {\sigma }^2 }{\chi _{1-\textstyle{\alpha \over 2}}^2
(n-1)},\quad \frac{n\hat {\sigma }^2 }{\chi _{\textstyle{\alpha \over 2}}^2
(n-1)}} \right]
\]
由表1中的数据,已知 \( n=40,\;m=3000,\;\alpha =0.1,\ \hat {\sigma }^2=m_2^\ast
\approx 1.26\), \(\chi _{0.05}^2 (39)=25.70 \), \( \chi _{0.95}^2
(39)=54.572 \) (注意: \( m_2^\ast =\frac{1}{n}\sum\limits_{i=1}^n {\left( {\ln
x_i -\frac{1}{n}\sum\limits_{j=1}^n {\ln x_j } } \right)^2}
\) ),计算得 \( \left[ {\hat {\sigma }_1^2 , \hat {\sigma }_2^2 }
\right]=[0.92,\;1.96] \),代入式(4)计算得到 \( \theta _{\min }
\) 的置信区间为 \( [0.04,\;0.07] \)。
-课程发展概况及概率的三要素
--讲义下载
--拓展知识
-第一章第一节测试题
-古典概率
--讲义下载
--拓展知识
-第一章第二节测试题
-几何概率
--讲义下载
--拓展知识
-第一章第三节测试题
-条件概率与乘法公式
--讲义下载
--拓展知识
-第一章第四节测试题
-全概率公式
--讲义下载
--拓展知识
-第一章第五节测试题
-贝叶斯公式
--讲义下载
--拓展知识
-第一章第六节测试题
-事件的独立性及应用
--讲义下载
--拓展知识
-第一章第七节测试题
-讨论
--“三门”问题
-第一章测试题
-随机变量及其分布
--讲义下载
--拓展知识
-第二章第一节测试题
-一类离散型随机变量的分布
--讲义下载
--拓展知识
-第二章第二节测试题
-泊松分布及泊松定理
--讲义下载
--拓展知识
-第二章第三节测试题
-均匀分布与指数分布
--讲义下载
--拓展知识
-第二章第四节测试题
-正态分布
--讲义下载
--拓展知识
-第二章第五节测试题
-连续型随机变量函数的分布
--讲义下载
--拓展知识
-第二章第六节测试题
-讨论
--分布之间关系
-第二章测试题
-多维随机变量及分布(一)
--讲义下载
--拓展知识
-第三章第一节测试题
-多维随机变量及分布(二)
--讲义下载
--拓展知识
-第三章第二节测试题
-边缘分布律和边缘密度
--讲义下载
--拓展知识
-第三章第三节测试题
-条件分布与随机变量的独立性
--讲义下载
--拓展知识
-第三章第四节测试题
-随机变量极值的分布
--讲义下载
--拓展知识
-第三章第五节测试题
-随机变量和的分布
--讲义下载
--拓展知识
-第三章第六节测试题
-数形结合求解函数的分布
--讲义下载
--拓展知识
-第三章第七节测试题
-讨论
--分布类的和不变性
-第三章测试题
-数学期望和方差的定义
--讲义下载
--拓展知识
-第四章第一节测试题
-数学期望和方差的应用
--讲义下载
--拓展知识
-第四章第二节测试题
-数学期望的线性性质及应用
--讲义下载
--拓展知识
-第四章第三节测试题
-方差的性质与协方差
--讲义下载
--拓展知识
-第四章第四节测试题
-标准化与相关系数
--讲义下载
--拓展知识
-第四章第五节测试题
-讨论
-第四章测试题
-大数定律
--课程讲义下载
--拓展知识
-第五章第一节测试题
-中心极限定理
--讲义下载
--拓展知识
-第五章第二节测试题
-讨论
--用电量的正态假设
-第五章测试题
-数理统计的基本概念
--讲义下载
--拓展知识
-第六章第一节测试题
-单样本均值统计量的分布
--讲义下载
--拓展知识
-第六章第二节测试题
-单样本方差统计量的分布
--讲义下载
--拓展知识
-第六章第三节测试题
-讨论
--保险损失分布
-第六章测试题
-什么是参数估计
--讲义下载
--拓展知识
-第七章第一节测试题
-矩估计
--讲义下载
--拓展知识
-第七章第二节测试题
-似然原理与似然函数
--讲义下载
--拓展知识
-第七章第三节测试题
-连续型分布的似然估计
--讲义下载
--拓展知识
-第七章第四节测试题
-一类离散总体的似然估计
--讲义下载
--拓展知识
-第七章第五节测试题
-区间估计
--讲义下载
--拓展知识
-第七章第六节测试题
-讨论
--湖中有多少条鱼?
-第七章测试题
-假设检验的基本原理
--讲义下载
--拓展知识
-第八章第一节测试题
-两类错误
--讲义下载
--拓展知识
-第八章第二节测试题
-正态总体均值的检验
--讲义下载
--拓展知识
-第八章第三节测试题
-正态总体方差的检验
--讲义下载
--拓展知识
-第八章第四节测试题
-卡方拟合检验
--讲义加载
--拓展知识
-第八章第五节测试题
-讨论
-第八章测试题
-一元线性回归(最小二乘估计)
--讲义下载
--拓展知识
-第九章第一节测试题
-一元线性回归(相关系数检验)
--讲义下载
--拓展知识
-第九章第二节测试题
-讨论
--火灾损失的因素
-第九章测试题