双参数指数分布环境因子的Bayes估计

讨论了定数截尾样本下双参数指数分布环境因子的极大似然估计、区间估计和Bayes估计.以参数后验密度的商密度作为环境因子的后验密度,并结合专家经验运用Bayes方法给出了环境因子在平方损失下和LINEX损失下的Bayes估计.最后运用Monte Carlo方法对各估计结果的均方误差(MSE),进行了模拟比较.结果表明LINEX损失下环境因子的估计较好.     

逐步增加Ⅱ型截尾下Pareto分布的Bayes估计

基于逐步增加的Ⅱ型截尾样本,当Pareto分布的尺度参数已知时,分别在平方损失和LINEX损失下讨论了其形状参数和可靠性指标(失效率和可靠度)的Bayes估计,并用Monte-Carlo方法对估计结果的MSE,进行了模拟比较.结果表明了在LINEX损失下的估计结果更有效.     

定数截尾两参数指数——威布尔分布形状参数的Bayes估计

在不同的损失函数下,本文研究了两参数指数—威布尔分布(EWD)形状参数的Bayes估计问题.基于定数截尾试验,当其中一个形状参数α已知时,给出了另一个形状参数θ在三种不同损失函数下的Bayes估计表达式,并求得了可靠度函数的Bayes点估计.最后运用随机模拟方法,将Bayes估计和极大似然估计进行了比较.结果表明,LINEX损失下Bayes估计的精度比极大似然估计高.     

截断型分布族参数的估计之损失的可容许估计

估计损失方法已经有很多文章论述,近期有[1]、[2]、[3]等。在传统的判决理论中,通常的做法是,在损失函数L(θ,d)下,基于样本选择判决函数δ(X),用风险函数R(θ,δ(x))=E_θL(θ,δ(X))作为衡量δ(X)的性能的量度或精度。估计损失方法认为(参见[1]),如果L(θ,δ(X))可获得,则精度的理想的量度应是L(θ,δ(X))本身,并利用样本给出这个实际损失的估计L_δ(X)。在估计损失L(θ,δ(X))时,采用的损失函数     

带有结构变化的线性模型中参数估计的一些结果

本文在一些纯量损失和矩阵损失下研究带有结构变化的正态线性模型中参数的估计问题.分别给出了存在回归系数的一致最小风险无偏(UMRU)估计和一致最小风险同变(UMRE)估计的充要条件.证明了不存在误差方差在仿射变换群下的UMRE估计.导出了回归系数的最小二乘估计的可容许性和极小极大性.     

双边定数截尾下Pareto分布的可靠性分析

基于双边定数截尾样本,选取未知参数的先验分布为无信息先验和Gamma分布,分别在平方损失和LINEX损失下,研究了Pareto分布的形状参数和可靠性指标(可靠度和失效率)的Bayes估计.为了研究估计的精度,采用Monte-Carlo模拟的方法给出了数值检验的例子.结果表明在LINEX损失下并选用Gamma先验分布时,参数的Bayes估计是最优的.     

平衡损失下一般Gauss-Markov模型中回归系数的最优估计（英文）

在平衡损失下,我们研究了一般Gauss-Markov模型中回归系数的最优估计,首先我们得到了线性估计为最佳线性无偏估计的充分必要条件;其次证明了平衡损失下的最佳线性无偏估计在几乎处处意义下是唯一的,并且是普通最小二乘估计和二次损失下最优估计的平衡;最后,我们讨论了最优估计关于损失函数和模型设定的稳健性,并得到了该最优估计在模型误定下具有稳健性的充分必要条件.     

方差分量模型中回归系数估计的可容许性

本文考虑方差分量模型中回归系数函数g(β)的估计的可容许性问题. §2中给出了β的线性函数p′β的估计在平方损失之下,在线性估计类中为可容许估计的充要条件. §3中给出了β的估计在平方和损失之下,在线性估计类中为可容许估计的充分条件和必要条件.     

熵损失函数下两参数Lomax分布形状参数的Bayes估计

在熵损失函数下,讨论了两参数Lomax分布形状参数的Bayes估计和可容许估计.并讨论了一类(cT+d)~(-1)形式估计的可容许性和不可容许性.     

非对称损失函数下Burr Ⅻ型分布可靠性指标的Bayes估计

本文研究了R=P(Y＜X)在两种非对称损失函数下的Bayes估计问题,其中随机变量X和Y相互独立且服从不同的Burr XII型分布.利用Lindley近似方法,获得了Bayes估计的显式近似表达式,通过随机模拟比较了不同损失函数下的Bayes估计的性质.     

尖峰厚尾保险损失数据的统计建模

保险损失数据的一个重要特点是尖峰厚尾性,即既有大量的小额损失,又有少量的高额损失,使得通常的损失分布模型很难拟合此类数据,从而出现了对各种损失分布模型进行改进的尝试.改进后的模型一方面要有较高的峰度,另一方面又要有较厚的尾部.最近几年文献中出现的改进模型主要是组合模型,即把一个具有非零众数的模型(如对数正态分布或威布尔分布)与一个厚尾分布模型(如帕累托分布或广义帕累托分布)进行组合.讨论了这些组合模型的性质和特点,并与偏t正态分布和偏t分布进行了比较分析,最后应用MCMC方法估计模型参数,并通过一个实际损失数据的拟合分析,表明偏t分布对尖峰厚尾损失数据的拟合要优于目前已经提出的各种组合模型.     

汽车交通事故损失分布的尾部估计

由于巨额损失对保险公司的影响非常大,费率厘定过程中对极值分布的研究非常重视。本文从极值理论的角度出发,以上海市虹口区2003年的汽车交通事故损失数据为样本,探讨了损失分布的尾部估计方法,并利用该地区2006年的汽车交通事故损失对结论进行了验证。研究结果发现,广义帕雷托分布确实对损失额的尾部提供了较好的拟合,但这依赖于门槛值的恰当选择。传统的门槛值选择方法主观性较强,而通过重复多次的交叉验证技巧,我们可以估计广义帕雷托分布的最合适门槛值位置。     

基于左截尾g-h分布的船舶溢油损失分布拟合研究

由于船舶溢油损失对保险公司的影响非常大,保险费率厘定过程中对损失分布拟合的研究非常重视.以全国船舶溢油事故损失数据为样本,对船舶溢油损失序列的分布特征进行研究.通过实证研究发现,船舶溢油损失数据不服从正态分布,具有"右偏、尖峰、厚尾"的特性.考虑船舶溢油损失数据的左截尾特性,将左截尾g-h分布引入船舶溢油损失序列的分布拟合中,结果表明,这种分布对船舶溢油损失数据的拟合效果与传统分布相比更好.     

封闭型保单组未来损失现值向量的联合分布及渐近分布

本文针对封闭型保单组,利用历年死亡人数随机向量D,将保单组的未来给付现值随机变量和未来损失现值随机变量表达为某个满秩矩阵和D的乘积,根据D服从多项分布的性质,得到未来损失现值随机向量渐近服从多元正态分布的结果,为分析责任准备金提供了一个新的框架.     

Modelling losses and locating the tail with the Pareto Positive Stable distribution

This paper focuses on modelling the severity distribution. We directly model the small, moderate and large losses with the Pareto Positive Stable (PPS) distribution and thus it is not necessary to fix a threshold for the tail behaviour. Estimation with the method of moments is straightforward. Properties, graphical tests and expressions for value-at risk and tail value-at-risk are presented. Furthermore, we show that the PPS distribution can be used to construct a statistical test for the Pareto distribution and to determine the threshold for the Pareto shape if required. An application to loss data is presented. We conclude that the PPS distribution can perform better than commonly used distributions when modelling a single loss distribution for moderate and large losses. This approach avoids the pitfalls of cut-off selection and it is very simple to implement for quantitative risk analysis.     

不完全信息下损失风险的研究

在获得损失分布不完全信息情况下,提出用方差和熵共同度量损失风险的方法.在不完全信息条件下,通过最大熵原理在最不确定的情况下得到最大熵损失分布,并获得了损失分布的熵函数值.用熵值度量损失分布对于均匀分布的离散程度,从而度量概率波动带来的风险;用方差度量损失对于均值的离散程度,从而度量状态波动带来的风险.由于熵是与损失变量更高阶矩信息相联系的,所以新方法是从更全面的角度对损失风险的预测.通过算例,进一步看出在获得高阶矩信息下,熵参与风险度量的必要性.     

一般寿命分布和定时截尾的Bayes变量抽样方案

林（1994）研究了指数分布和定时截尾的变量抽样方案．本文将讨论一般寿命分布和定时截尾的一次抽样方案．在多项式损失函数的假设下,我们讨论了Weibull分布、双参数指数分布和-分布三种情形,并着重讨论Weibull分布的情形．本文还提出了一个可用于近似地确定最优抽样方案的有报算法,并且进行了灵敏度分析,还同林较早的模型（1990,1994）做了比较．     

离散寿命分布类的统计封闭性

由于几何分布的无记忆性,使得几何分布在离散型寿命分布研究中起着极其重要的作用.文章给出几何分布的一个重要特性———其第一个次序统计量仍服从几何分布(称其满足统计封闭特性).针对不同的离散型寿命分布类研究其是否具有统计封闭性.     

保险损失费分布研究

对保险公司关注的保险总损失费的分布和平均总损失费的置信上限进行了初步研究.基于危险事故的保险损失费为服从指数分布的随机变量,在投保人数为泊松随机变量的条件下,根据各投保个体损失费分布参数的不同情况,导出某一时间内总损失费的分布密度和均值.在投保人数确定的条件下,研究了给定置信度下平均总损失费的置信上限,并给出了数字例.     

非寿险中巨额损失数据的拟合与精算

利用极值理论给出了一种新的解决非寿险精算中巨额损失保费厘定问题的方法。在建模过程首先给出了极值理论的最大吸引域检验问题,然后利用不同方法讨论了最优门限值的选取问题,并在POT模型下利用广义帕累托分布对巨额损失分布进行拟合。然后在假设损失次数服从泊松分布的条件下,在复合泊松分布的框架下讨论了险位超赔再保险的纯保费计算问题。