2. Teil
Prof.ErikaHausenblas
MontanuniversitätLeoben,Österreih
25.April 2018
1
Bayes'hesFiltern
Zwei Kategorien vonRisiken:
denobjektivenRisiken:z.B.diePSzahleinesAutos,der Hubraum,das
Gewiht,et..;
unddensubjektivenRisiken(nihtobjektivmessbareRisiken):
Risikobereitshaft,dasKönnen,dasFahrverhaltendesFahrers,
Temperament,diegenaueKilometeranzahl,et....
JederAutofahrer
a
hat seinindividuellesRisikoprol,dasdurhden Parameterϑ a
beshriebenwird.DieserParameterkannWerteausD Θ
annehmen,wobei
D Θ
dieMengeallermöglihenWertefürϑ a
darstellt.JederAutofahrer
a
hat seinindividuellesRisikoprol,dasdurhden Parameterϑ a
beshriebenwird.DieserParameterkannWerteausD Θ
annehmen,wobei
D Θ
dieMengeallermöglihenWertefürϑ a
darstellt.FüreinenbestimmtenAutofahreristder genaueWert von
ϑ a
zumeistunbekannt.Aus StatistikenkannmanaberRükshlüsseauf dieVerteilung
von
ϑ a
mahen,sosinddiemeistenAutofahrervorsihtig,allerdingsgibteseinigeAusreiÿer,dieimmerwiederUnfälleverursahen.
JederAutofahrer
a
hat seinindividuellesRisikoprol,dasdurhden Parameterϑ a
beshriebenwird.DieserParameterkannWerteausD Θ
annehmen,wobei
D Θ
dieMengeallermöglihenWertefürϑ a
darstellt.FüreinenbestimmtenAutofahreristder genaueWert von
ϑ a
zumeistunbekannt.Aus StatistikenkannmanaberRükshlüsseauf dieVerteilung
von
ϑ a
mahen,sosinddiemeistenAutofahrervorsihtig,allerdingsgibteseinigeAusreiÿer,dieimmerwiederUnfälleverursahen.
A'prioriVerteilungdesParameters
ϑ a
JederAutofahrer
a
hat seinindividuellesRisikoprol,dasdurhden Parameterϑ a
beshriebenwird.DieserParameterkannWerteausD Θ
annehmen,wobei
D Θ
dieMengeallermöglihenWertefürϑ a
darstellt.FüreinenbestimmtenAutofahreristder genaueWert von
ϑ a
zumeistunbekannt.Aus StatistikenkannmanaberRükshlüsseauf dieVerteilung
von
ϑ a
mahen,sosinddiemeistenAutofahrervorsihtig,allerdingsgibteseinigeAusreiÿer,dieimmerwiederUnfälleverursahen.
A'prioriVerteilungdesParameters
ϑ a
A'prioriistdieRisikobereitshaftimFahrverhaltenbei Abshlusseines
Vertrageshoh.FahrenSiejetzteinigeZeitUnfallfrei,werdendieDaten
miteinbezogenunddieAutohaftpihtversiherungordnetIhre
Risikobereitshaftgeringerein.DieWahrsheinlihkeitimnähstenJahr
einenUnfallzuverursahenist(statistishgesehen)geringerundIhre
Prämiesinkt.
Variablen
JederAutofahrerhateineRisikobereitshaft
Θ
,dieseRisikobereitshaftist wirdalsZufallsvariableinterpretiert;Für
j =
1, . . . , n
istX j
dieForderungeinesVersihertenimJahrj
miteinerVerteilung
F ϑ
dievomParameterϑ = Θ
abhängt.Variablen
JederAutofahrerhateineRisikobereitshaft
Θ
,dieseRisikobereitshaftist wirdalsZufallsvariableinterpretiert;Für
j =
1, . . . , n
istX j
dieForderungeinesVersihertenimJahrj
miteinerVerteilung
F ϑ
dievomParameterϑ = Θ
abhängt.GegebenimJahre
n
:ForderungvondenletztenJahren,d.h.X
= (X
1, . . . , X n ) ′
Variablen
JederAutofahrerhateineRisikobereitshaft
Θ
,dieseRisikobereitshaftist wirdalsZufallsvariableinterpretiert;Für
j =
1, . . . , n
istX j
dieForderungeinesVersihertenimJahrj
miteinerVerteilung
F ϑ
dievomParameterϑ = Θ
abhängt.GegebenimJahre
n
:ForderungvondenletztenJahren,d.h.X
= (X
1, . . . , X n ) ′
Aufgabe:
DieindividuellePrämienfürdasnähsteJahrallerAutofahrerberehnen.
Variablen
JederAutofahrerhateineRisikobereitshaft
Θ
,dieseRisikobereitshaftist wirdalsZufallsvariableinterpretiert;Für
j =
1, . . . , n
istX j
dieForderungeinesVersihertenimJahrj
miteinerVerteilung
F ϑ
dievomParameterϑ = Θ
abhängt.GegebenimJahre
n
:ForderungvondenletztenJahren,d.h.X
= (X
1, . . . , X n ) ′
Aufgabe:
DieindividuellePrämienfürdasnähsteJahrallerAutofahrerberehnen.
DazuistdieVerteilungvon
X n+
1 zushätzen.DaunterderBedingungdassϑ
bekanntist,derTypderVerteilung
F ϑ
bekanntist,heiÿtdiesdass derParameterϑ
geshätztwerdensoll.Umϑ
zushätzen,könnenwirnurauf dieDatenXzurükgreifen.
Variablen
JederAutofahrerhateineRisikobereitshaft
Θ
,dieseRisikobereitshaftist wirdalsZufallsvariableinterpretiert;Für
j =
1, . . . , n
istX j
dieForderungeinesVersihertenimJahrj
miteinerVerteilung
F ϑ
dievomParameterϑ = Θ
abhängt.GegebenimJahre
n
:ForderungvondenletztenJahren,d.h.X
= (X
1, . . . , X n ) ′
Aufgabe:
DieindividuellePrämienfürdasnähsteJahrallerAutofahrerberehnen.
DazuistdieVerteilungvon
X n+
zushätzen.DaunterderBedingungdassϑ
UmdasModellmathematishformulierenzukönnenwerdenfolgendeAnnahmen
gemaht:
Ist
Θ = ϑ
gegeben,dann sindX
1, X
2, . . .
unabhängig,identishverteilt undX
1∼ F ϑ
.Identisheverteiltistgleihzu setztenmitstationärität-damitkannman
aufhistorisheDatenzurükgreifen-InationundandereEinussfaktoren
müssendabei herausgerehnetwerden.
UmdasModellmathematishformulierenzukönnenwerdenfolgendeAnnahmen
gemaht:
Ist
Θ = ϑ
gegeben,dann sindX
1, X
2, . . .
unabhängig,identishverteilt undX
1∼ F ϑ
.Identisheverteiltistgleihzu setztenmitstationärität-damitkannman
aufhistorisheDatenzurükgreifen-InationundandereEinussfaktoren
müssendabei herausgerehnetwerden.
Θ
isteineZufallsvariablemitVerteilungsfunktionU
undDihtefunktionu
undVerteilungsfunktion
U
.Diese VerteilungsfunktionheiÿtStruktur FunktiondesKollektives (struturalfuntionoftheolletive).Problem:
Gegeben X
= (X
1, . . . , X n ) ′
,zushätzenistdiePrämiefürdasnähsteJahr.DiePrämiehängtvomParameter
ϑ
ab, aberdieserParameterhängtvon(X , . . . , X n ) ′ T
Allgemein gibtesbestimmte MöglihkeitenPrämien(oderRüklagen) zu
berehnen. Dabeihat maneineZufallsvariable
X
,die denmöglihenVerlust (Risiko,Forderungen) bezeihnet.In unserenFall,gilt
X = X n+1 ist
die Forderung im Jahre
n +
1:Allgemein gibtesbestimmte MöglihkeitenPrämien(oderRüklagen) zu
berehnen. Dabeihat maneineZufallsvariable
X
,die denmöglihenVerlust (Risiko,Forderungen) bezeihnet.In unserenFall,gilt
X = X n+1 ist
die Forderung im Jahre
n +
1:Möglihkeiteneine Prämien festzusetzten
X 7→ (
1+ α) E X , α >
0( expetation priniple )X 7→ E X + β
Std(X ), β >
0( Standard Deviation Priniple)X 7→ E X + γ
Var(X ), γ >
0 ( Variane Priniple)X 7→
1δ
ln( E e δ X ), δ >
0 (Exponential Priniple)Aufgrundder Daten X
= (X
1, . . . , X n ) ′,istder WertE [X n+1| ϑ]
,bzw.
| ϑ]
,bzw.E [µ(Θ) | Θ| = µ(ϑ)
zu Shätzen.Denition
DieKorrekte individuellePrämieistgegeben durh
P ind = E [X n+1 | ϑ] = Z ∞
0
x dF ϑ (x) =: µ(ϑ).
Denition
DieKollektivePrämieistgegeben durh
P coll = Z
D Θ
µ(ϑ) dU(ϑ) =: µ
0.
Hier bezeihnet
D Θ die Menge allerzulässigen (undmöglihen ) Parameter
Θ
,i.e.D Θ := {ϑ | ϑ
istalsParametermöglih}
.
MinimierungderAbweihung:
Sei
L(ϑ, T (
x))
der Verlust,diesihergibt,fallsϑ
der rihtigeParameteristundT (
x)
derausderBeobahtungx= (x
1, . . . , x n ) ∈ R n
geshätzteWert vonµ(ϑ)
ist.EinemögliheVerlustfunktionwärez.B.diequadratisheFunktion
L(ϑ, T (
x)) = (µ(ϑ) − T (
x))
2.
MinimierungderAbweihung:
Sei
L(ϑ, T (
x))
der Verlust,diesihergibt,fallsϑ
der rihtigeParameteristundT (
x)
derausderBeobahtungx= (x
1, . . . , x n ) ∈ R n
geshätzteWert vonµ(ϑ)
ist.EinemögliheVerlustfunktionwärez.B.diequadratisheFunktion
L(ϑ, T (
x)) = (µ(ϑ) − T (
x))
2.
Risikofunktion
R T (ϑ,
x) := E ϑ [L(ϑ, T (
x))] = L(ϑ, T (
x)) dF ϑ (x
1) · · · dF ϑ (x n ).
Risikofunktion
R T (ϑ,
x) := E ϑ [L(ϑ, T (
x))] = L(ϑ, T (
x)) dF ϑ (x
1) · · · dF ϑ (x n ).
Risikofunktion
R T (ϑ,
x) := E ϑ [L(ϑ, T (
x))] = L(ϑ, T (
x)) dF ϑ (x
1) · · · dF ϑ (x n ).
Denition
Bayes'sher Riskoshätzervon
T
mitAnfangsverteilungU (ϑ)
:R T (
x) := R
D R T (ϑ,
x) dU(ϑ).
Risikofunktion
R T (ϑ,
x) := E ϑ [L(ϑ, T (
x))] = L(ϑ, T (
x)) dF ϑ (x
1) · · · dF ϑ (x n ).
Denition
Bayes'sher Riskoshätzervon
T
mitAnfangsverteilungU (ϑ)
:R T (
x) := R
D R T (ϑ,
x) dU(ϑ).
Denition
DerBayes'sherShätzer von
T
istgegebendurhT (
x) :=
argmint: R n →D R t (
x),
T : R n → R
Verteilungsfunktion:
P (K = k
imZeitintervall(
0, t) )
= p(k; (
0, t), λ) = (λt ) k
k ! e − kλt , k =
1,
2, . . . .
DerErwartungswertlautet
EX = λt.
DieVarianzlautet
Var
[X ] = λt .
0 5 10 15 20 25
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7
k
p(k;(0,1),λ)
Poisson Verteilung, λ=0.5
0 5 10 15 20 25
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4
k
p(k;(0,1),λ)
Poisson Verteilung, λ=1
0 5 10 15 20 25
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35
k
p(k;(0,1),λ)
Poisson Verteilung, λ=2
0 5 10 15 20 25
0 0.02 0.04 0.06 0.08 0.1 0.12 0.14 0.16 0.18
k
p(k;(0,1),λ)
Poisson Verteilung, λ=5
DieDihtefunktioneinerGamma-verteiltenZustandsvariable
X ∼ Γ(k ; λ)
mitreellwertigenParametern
k >
0undλ >
0hatfürx >
0dieGestaltf (x) = Γ(k λ k ) · x k −
1· e − λx .
Dabei ist
Γ(x) = R ∞
0
t x −
1e − t dt
diesogenannteGammaFunktion.
Erwartungswert:
EX = k λ ,
dieVarianz:Var[X ] = λ k
2.
DieSummezweierunabhängig
Γ
-verteilterZufallsvariablenX
1∼ Γ(k
1, λ)
,X
2∼ Γ(k
2, λ) (k
1, k
2>
0)mitdemselbenVerteilungsparameter
λ >
0istselbstauhΓ
verteiltmitParameterλ
undesgiltX
1+ X
2∼ Γ(k
1+ k
2, λ)
.Insbesonderelässtsihfürk
ganzzahligeineΓ
-verteilteZufallsvariablealsk
faheSummevon
k
unabhängigenexponentialverteilterZufallsvariableninterpretieren.1.5 2 2.5
f X(x)
Γ−Verteilung, λ=0.25
k=0.5 k=0 k=1.5 k=2.0
1.5 2 2.5
f X(x)
Γ−Verteilung, λ=0.5
k=0.5 k=0 k=1.5 k=2.0
1.5 2 2.5
f X(x)
Γ−Verteilung, λ=1
k=0.5 k=1 k=1.5 k=2.0
0.8 1 1.2 1.4 1.6 1.8
f X(x)
Γ−Verteilung, λ=2
k=0.5
k=0
k=1.5
k=2.0
1
GegebenseidasRisikoprol
ϑ
desAutofahrers.DanngiltE [X j | Θ = ϑ] = C · E [N j | Θ = ϑ]
wobei
C
nurvonder PS-ZahldesAutos abhängtundE [N j | Θ = ϑ]
vomFahrer(bzw.dessenRisikobereitshaft)anhängt.
2
Gegebenist
Θ = ϑ
,dann sinddie{N j : j =
1, . . . , n, n +
1}
unabhängigundPoissonverteiltmitParameter
ϑ
, i.e.f ϑ (N j ) = P (N j = k | Θ = ϑ) = e − ϑ ϑ k k ! .
3
DieZufallsvariable
Θ
istGammaverteiltmitParameternγ
undβ
.Genauer,dieDihtefunktionlautet
u(ϑ) = ( β γ
Γ(γ) ϑ γ −
1e − β ϑ , ϑ >
0,
0 sonst
.
Bemerkung
Esgilt
E[Θ] = γ
β
und Var[Θ] = γ β
2.
DurheinekurzeRehnunglässtsihfolgendeszeigen
E[N n+
1| Θ = ϑ] =
∞
X
k=
0P(N n+
1= k | Θ = ϑ) · k =
∞
X
k =
0e − ϑ ϑ k k ! · k
= ϑe − ϑ
∞
X
k =
1ϑ k−
1(k −
1)! = ϑe − ϑ e ϑ = ϑ.
Proposition
Unterdenobengenannten Annahmengilt
P ind = E [N n+
1| Θ] = Θ, P coll = E[Θ] = γ
β , P bayes = γ + P n
j=
1N j
β + n = α
N¯ + (
1− α) γ β ,
wobei
α = n/(n + β)
undN¯ =
1n P n
j=
1N j
. Weitersgiltfür dieAbweihungdergeshätztenPrämiezureigentlihenPrämie
E h
P Bayes − Θ
2i
= (
1− α) E h
P coll − Θ
2i
= αE
( ¯ N − Θ)
2.
k 0 1 2 3 4 5 6 Total
N(k ) = #
PolizenmitkForderungen 103704 14075 1766 255 45 6 2 119853
Poisson Negative Binomial
k beobahtete (
λ =
0.
1555) (γ =
1.
001, β =
6.
458)0 103 704 102 629 103 757
1 14 075 15 922 13 934
2 1 766 1 234 1 871
3 255 64 251
4 45 3 34
4 6 0 5
6 2 0 1