Baixe o app para aproveitar ainda mais
Prévia do material em texto
P2 - Resolução Fórmulas necessárias Prêmio Coletivo pCol = E[X] = E[E[X|Θ]] Prêmio de Bayes pBayes = E[Xn+1|x] = E[E[Xn+1|Θ]|x] Prêmio de Bühlmann pBuhlmann = E[Xn+1|x] = zx+ (1− z)pCol z = n n+ I I = E[V [X|Θ]] V [E[X|Θ]] Equação de falta de enviesamento E[E[Xn+1|Θ]] = α0 + n∑ i=1 αiE[Xi] Cov[Xj, Xn+1] = n∑ i=1 αiCov[Xi, Xj] E para Bühlmann-Straub: Prêmio de Bühlmann-Straub pBuhlmann−Straub = E[ Xn+1 mn+1 |x] = zx+ (1− z)pCol z = m m+ I I = E[V [Xn+1 mn+1 |Θ]] V [E[Xn+1 mn+1 |Θ]] a = vaj mj + n∑ i=1 αia 1 Questão 1 Enunciado: A distribuição condicional do número de reclamações por segu- rado segue uma distribuição de Poisson, com parâmetro λ. Considere-se que λ ∼ G(α, θ) de modo que E[λ] = αθ. Para os segurados com 1 reclamação no ano 1, a estimativo do prêmio de credibilidade para o número de segurados no ano 2 é 0,15. Para os segurados com uma média de reclamações de 2 no ano 1 e 2 no ano 2, a estimativa de credibilidade no ano 3 é 0,20. Determine α e θ. Resposta: Ni|Λ ∼ Poisson(λ) Λ ∼ Gama(α, 1 θ ) Pc = zX + (1− z)pCol z = n n+ I I = E[V [Ni|Λ]] V [E[Ni|Λ]] = E[λ] V [λ] = αθ αθ2 = 1 θ pCol = E[Ni] = E[E[Ni|Λ]] = E[Λ] = αθ z = n n+ 1 θ = nθ nθ + 1 Assim, Pc = nθ nθ + 1 X + 1 nθ + 1 pCol = nθX + αθ nθ + 1 E, para n=1 e x = 1: Pc = θ + αθ θ + 1 = 0, 15 = 3 20 20θ(1 + α) = 3(θ + 1) Para n=2 e x = 2: Pc = 4θ + αθ 2θ + 1 = 0, 2 = 1 5 5θ(4 + α) = 2θ + 1 Dessa forma, tem-se um sistema de duas equações e duas incógnitas: 20θ(1 + α) = 3(θ + 1) 2 5θ(4 + α) = 2θ + 1 Portanto, 1 + α = 3 20θ (θ + 1) α = 3θ + 3− 20θ 20θ = 3− 17θ 20θ 5θ(4 + 3− 17θ 20θ ) = 2θ + 1 = 20θ + 3− 17θ 4 = 63θ + 3 4 63θ + 3 = 8θ + 4 θ = 1 55 ≈ 0, 0181818 α = 3− 17 55 20 55 = 148 20 = 7, 4 Questão 2 Enunciado: Seja X1,...,Xn uma amostra aleatória, de modo que Xi ∼ Exp(λ) tal que E[Xi] = 1λ , i= 1,...,n. Assumindo λ ∼ G(a, b) tal que E[λ] = ab . • a) Determine a distribuição posterior de λ. • b) Determine o prêmio de Bayes para λ. • c) Determine o prêmio de Credibilidade de Bühlmann. Comente os resultados e compare com o item b). Respostas: • Dados: Xi|Λ ∼ Exp(λ) i = 1, ..., n Λ ∼ Gama(a, b) 3 • Item a): fΛ|x(λ|x) ∝ l(λ;x)fΛ(λ) l(λ;x) = n∏ i=1 fXi|Λ(xi|λ) = n∏ i=1 λe−λxi = λne−λ ∑n i=1 xi = λne−nλx fΛ(λ) ∝ λa−1e−bλ fΛ|x(λ|x) ∝ λne−nλxλa−1e−bλ = λa+n−1e−λ(b+nx) Logo, Λ|x ∼ Gama(a+ n, b+ nx) • Item b): pBayes = E[Xn+1|x] = E[E[Xn+1|Λ]|x] = E[ 1 Λ |x] = ∫ ∞ −∞ 1 λ (b+ nx)a+n Γ(a+ n) λa+n−1e−λ(b+nx)dλ = = (b+ nx)a+n Γ(a+ n) ∫ ∞ −∞ λa+n−2e−λ(b+nx)dλ = (b+ nx)a+n Γ(a+ n) Γ(a+ n− 1) (b+ nx)a+n−1 = b+ nx a+ n− 1 • Item c): pBuhlmann = E[Xn+1|x] = zx+ (1− z)pCol z = n n+ I I = E[V [X|Λ]] V [E[X|Λ]] = E[ 1 Λ2 ] V [ 1 Λ ] = E[ 1 Λ2 ] E[ 1 Λ2 ]− E2[ 1 Λ ] De forma análoga ao que foi feito no item anterior, pCol = E[X] = E[E[X|Λ]] = E[ 1 Λ ] = b a− 1 E[ 1 Λ2 ] = ∫ ∞ −∞ 1 λ2 ba Γ(a) λa−1e−bλdλ = ba Γ(a) ∫ ∞ −∞ λa−3e−bλdλ = ba Γ(a) Γ(a− 2) ba−2 = b2 (a− 1)(a− 2) I = b2 (a−1)(a−2) b2 (a−1)(a−2) − b 2 (a−1)2 = b2 (a−1)(a−2) b2(a−1)−b2(a−2) (a−1)2(a−2) = a− 1 z = n n+ a− 1 pBuhlmann = E[Xn+1|x] = n n+ a− 1x+ a− 1 n+ a− 1 b a− 1 = b+ nx n+ a− 1 Ou seja, pBayes = pBuhlmann 4 O que é esperado, visto que o prêmio de Bühlmann é uma aproximação perfeito do de Bayes, quando as distribuições dos dados e a priori do parâmetro são conjugadas - e da família exponencial -, o que ocorre nesse exemplo. Questão 3 Enunciado: Pequenas empresas numa área industrial tem seguros para danos nas construções. A experiência previa com as reclamações de tais empresas levaram à modelagem anual das reclamações agregadas através de uma dis- tribuição de Poisson composta. As empresas são divididas em três tipos- os do tipo θ1, θ2 e θ3 - onde as diferentes hipóteses sobre as distribuições de Poisson composta são dadas na tabela embaixo. Aproximadamente 50% das empresas são do tipo θ1, enquanto que 30% são do tipo θ2. Se a experiência de sinistros ao longo dos últimos três anos a partir de uma empresa relativa- mente nova é dada por S = (s1, s2, s3) = (1400,1200,500), Obter o prêmio Tabela 1: Tipos de seguros. Tipo de empresa p(θ) Taxa Severidade θ1 0,5 1 Pareto(4, 1200) θ2 0,3 1,5 Pareto(4, 1500) θ3 0,2 2 Pareto(4, 1800) de credibilidade para o próximo ano. Lembre que se X ∼ Pareto(a, b), E[X] = b a−1 e V [X] = ab2 (a¯1)2(a¯2) . Resposta: Ni|Λ ∼ Poisson(Λ) Yij|B ∼ Pareto(4, B) Θ = (Λ, B) θ1 = (1, 6 5 103) θ2 = ( 3 2 , 3 2 103) θ3 = (2, 9 5 103) 5 P (Θ = θ1) = 1 2 P (Θ = θ2) = 3 10 P (Θ = θ3) = 1 5 Xi = Ni∑ j=1 Yij x = (1400, 1200, 500) x = 3100 3 pBuhlmann = E[X4|x] = zx+ (1− z)pCol z = 3 3 + I I = E[V [Xi|Θ]] V [E[Xi|Θ]] E[Xi|Θ] = E[ Ni∑ j=1 Yij|Θ] = E[E[ Ni∑ j=1 Yij|Ni,Θ]] = E[NiE[Yij|Θ]|Θ] = = E[Ni|Θ]E[Yij|Θ] = λb 3 pCol = E[Xi] = E[E[Xi|Θ]] = E[ΛB 3 ] = 1 3 E[BΛ] V [E[Xi|Θ]] = V [BΛ 3 ] = 1 9 {E[B2Λ2]− E2[BΛ]} V [Xi|Θ] = V [ Ni∑ j=1 Yij|Θ] = E[V [ Ni∑ j=1 Yij|Ni,Θ]] + V [E[ Ni∑ j=1 Yij|Ni,Θ]] = = E[NiV [Yij|Θ]|Θ]+V [NiE[Yij|Θ]|Θ] = E[Ni|Θ]V [Yij|Θ]+V [Ni|Θ]E2[Yij|Θ] = λ2b 2 9 +λ b2 9 = λb2 3 E[V [Xi|Θ]] = 1 3 E[B2Λ] E[BΛ] = 3∑ i=1 biλiP (Θ = θi) = 6 5 103 1 2 + 3 2 3 2 103 3 10 + 2 9 5 103 1 5 = 1995 6 E[B2Λ] = 3∑ i=1 b2iλiP (Θ = θi) = 36 25 106 1 2 + 3 2 9 4 106 3 10 + 2 81 25 106 1 5 = 3028500 E[B2Λ2] = 3∑ i=1 b2iλ 2 iP (Θ = θi) = 36 25 106 1 2 + 9 4 9 4 106 3 10 + 4 81 25 106 1 5 = 4830750 Assim, I = 1 3 E[B2Λ] 1 9 {E[B2Λ2]− E2[BΛ]} = 1 3 3028500 1 9 (4830750− 3980025) = 3 3028500 850725 z = 3 3 + 33028500 850725 = 3 2552175+9085500 850725 = 2552175 11637675 pBuhlmann = 2552175 11637675 3100 3 + 9085500 11637675 1 3 1995 = 745, 7765 Questão 4 Enunciado: Sejam X1,...,Xn as perdas de n anos de uma apólice. Suponha- se que os Xi dependem do mesmo parâmetro de risco θ. Assumindo que os Xi|θ são independentes de modo que µ(θ) = E[Xj|θ] e V [Xj|θ] = ω(θ) + νθmj , j=1,..., n. Considerando que µ = E[µ(θ)], ν = E[ν(θ)], ω = E[ω(θ)] e a=V [µ(θ)]. • a) Prove que E[Xj] = µ, V [Xj] = ω + νmj + a e Cov[Xi, Xj] = a, i 6=j. • b) Seja αˆ0 + ∑n i=1 αˆjXj o prêmio de credibilidade. Usando as equações normais, mostre que αˆi = aαˆ0 µ ω + ν mi e αˆ0 = µ 1 + am∗ onde m∗= ∑n j=1 mj ν+ωmj • c) Verifique que αˆ0 + ∑n i=1 αˆjXj = ZX + (1− Z)µ, onde Z = am ∗ 1+am∗ e X = 1 m∗ ∑n j=1 mj νωmj Xj. Respostas: 7 • Dados: E[Xi|Θ] = µ(θ) V [Xi|Θ] = ω(θ) + ν(θ) mi i = 1, ..., n E[µ(θ)] = µ E[ω(θ)] = ω E[ν(θ)] = ν V [µ(θ)] = a • Item a): E[Xi] = E[E[Xi|θ]] = E[µ(θ)] = µ Cov[Xi, Xj] = E[XiXj]−E[Xi]E[Xj] = E[E[XiXj|θ]]−µ2 = E[E[Xi|θ]E[Xj|θ]]−µ2 = = E[µ2(θ)]− E2[µ(θ)] = V [µ(θ)] = a V [Xi] = E[V [Xi|Θ]]+V [E[Xi|Θ]] = E[ω(θ)+ν(θ) mi ]+V [µ(θ)] = ω+ ν mi +a • Item b): As equações normais são: E[Xn+1] = µ = α0 + µ n∑ i=1 αi Cov[Xn+1, Xi] = a = n∑ j=1 αjCov[Xi, Xj] = αi(ω+ ν mi +a)+a n∑ j=1,j 6=i αj = = αi(ω + ν mi + a)− aαi + aαi + a n∑ j=1,j 6=i αj = αi(ω + ν mi ) + a n∑ j=1 αj A partir da primeira, obtém-se: n∑ i=1 αi = µ− α0 µ 8 A partirda segunda, obtém-se: αi = a(1−∑nj=1 αj) ω + ν mi A partir disso, tem-se: αi = a(1− µ−α0 µ ) ω + ν mi = aα0 µ(ω + ν mi ) Assim, α0 µ = 1− n∑ i=1 aα0 µ(ω + ν mi ) = 1−aα0 µ n∑ i=1 1 (ωmi+ν mi ) = 1−aα0 µ n∑ i=1 mi ωmi + ν = 1−aα0m∗ µ α0 µ (1 + am∗) = 1 α0 = µ 1 + am∗ • Item c): Sabe-se: αi = aα0 µ(ω + ν mi ) α0 = µ 1 + am∗ Dessa forma, α0+ n∑ i=1 αiXi = µ 1 + am∗+ n∑ i=1 aα0 µ(ω + ν mi ) Xi = µ 1 + am∗+ a µ 1+am∗ µ n∑ i=1 1 (ωmi+ν mi ) Xi = = µ 1 + am∗+ a 1 + am∗ n∑ i=1 mi ωmi + ν Xi = µ 1 + am∗+ am ∗X 1 + am∗ = ( am∗ 1 + am∗)X+ +(1− am∗ 1 + am∗)µ 9
Compartilhar