Sachversicherungsmathematik 1. Übungsblatt 2017 Man bestimme in 1. - 4. E(X), V(X), V KO(X) 1. X ∼ P (λ) - Poissonverteilung mit 2. X ∼ B(n, p) - Binomialverteilung mit 3. X ∼ Ga(α, β) X ∼ F (x) , P(X = k) = e−λ λk /k! , : k ∈ N0 . n ∈ N, p ∈ (0, 1) : ( ) n k P(X = k) = p (1 − p)n−k , 0 ≤ k ≤ n . k Gammaverteilung mit { βα Γ(α) f (x) = 4. λ>0 durch Summation bzw. Integration: α, β > 0: xα−1 e−βx , 0 , x≥0 x < 0. mit der Verteilungsfunktion 5. Man berechne 0 2 x F (x) = x 1 , , , , x<0 0 ≤ x < 12 1 ≤x<1 2 x > 1. E(X), V(X), SCH(X), M (t) = E(etX ) und skizziere die Punktwahr- scheinlichkeiten: xi −1 0 2 3.5 6. X ∼ Ex(λ) - Exponentialverteilung mit Parameter { F (x) = Man berechne pi 0.1 0.5 0.3 0.1 1 − e−λx , 0 , λ>0 und Verteilungsfunktion x≥0 x < 0. f (x), E(X), V(X), V KO(X), E(X n ), SCH(X). 7. Für die Kumulantenerzeugende Funktion ′ L (0) = E(X), ′′ L(t) := ln M (t) = ln E(etX ) L (0) = V(X), zeige man: ′′′ L (0) = E(X − E(X))3 . 8. Wie Beispiel 6, mit Verwendung der erzeugenden Funktionen M (t) und L(t). Sachversicherungsmathematik 2. Übungsblatt X , die ein 3. Moment besitzt. Die Dichte einer Zufallsvariable Xβ sei gβ (x) := βf (βx). (β > 0 wird oft als Skalenparameter bezeichnet.) Zeigen Sie: V KO und Schiefe von Xβ sind unabhaengig von β . 9. Sei 10. Sei f (x) 2017 die Dichte einer Zufallsvariable X ∼ N (µ, σ 2 ) - Normalverteilung mit Parameter f (x) = √ (µ, σ) ∈ R × R+ und Dichte (x−µ)2 1 e− 2σ2 . 2πσ M (t), E(X), V(X), SCH(X). √ Es sei X ∼ Ex(1) und Y = X . Berechnen Sie die Dichte von Y , die Verteilungsfunktionen von X und Y , P(1 ≤ X ≤ 4), P(1 ≤ Y ≤ 2), und skizzieren Sie die Dichten mit Man berechne 11. den beiden Wahrscheinlichkeiten. X ∼ N (µ, σ 2 ) und Y = eX (Y nennt man Berechnen Sie von Y die Dichte und alle Momente. 12. Es sei dann logarithmisch normalverteilt). Man bestimme in den Beispielen 13 und 14 die Verteilung von S= n ∑ Ri , Ri unabhängig . i=1 13. Ri ∼ N B(αi , p) - negative Binomialverteilung mit ( P(Ri = k) = 14. Ri ∼ N (µi , σi2 ). αi > 0, p ∈ (0, 1): ) αi + k − 1 αi p (1 − p)k , k k = 0, 1, . . . In den Beispielen 15 und 16 ist die Verteilung von S sowohl direkt über die Faltung als auch mithilfe von erzeugenden Funktionen zu berechnen. 15. Ri ∼ B(ni , p) . 16. Ri ∼ Ga(αi , β) − Man betrachte auch den Spezialfall αi = 1. Sachversicherungsmathematik 3. Übungsblatt 2017 17. Gegeben sei ein groÿer Versicherungsbestand, mit gleichverteilten, unabhängigen Risiken Ri , i = 1, . . . , n. Die Ri seien normalverteilt mit Parametern µ = 1 und σ 2 ∑ = 0.1. Pro n Risiko wird eine Prämie c ≥ E(R) eingehoben. Der Gesamtschaden sei Sn = i=1 Ri . Aus der Theorie der groÿen Abweichungen ist folgendes bekannt. Seien Xi i.i.d. Zufalls ∑n variable mit Erwartungswert gleich Null, sei Zn = i=1 Xi und sei M (t) die momentenerzeugende Funktion der Xi . Dann gilt P [Zn > na]1/n → e−Ψ(a) (n → ∞), ( ) Ψ(a) = − ln inf {e−at M (t)} wobei t>0 P(Sn > nc) (a) Berechnen Sie die Illiquidätswahrscheinlichkeit (b) Berechnen Sie für 18. Sei X n = 1000 die Einzelprämie c, sodaÿ für groÿes P(Sn > nc) = 0.001. eine positive Zufallsvariable mit endlichem Erwartungswert ∫ E(X) = ∞ n. E(X). Zeige P (X ≥ x) dx 0 19. Für einen Bestand von vier 1-jährigen Ablebensversicherungen (1 Axi , V Si ) gegeben durch VS in Mio. Alter/Geschlecht 1 2 4 68/w 67/m 1 - 1 - 2 - berechne man: (a) die Punktwahrscheinlichkeiten und die Verteilungsfunktion (sowohl durch die Betrachtung aller möglichen Szenarien als auch durch Verwendung der mgf.); (b) E(S) und V(S); (c) den kleinsten Sicherheitszuschlag für den Gesamtbestand, sodaÿ die Illiquiditätswahrscheinlichkeit unter 10 % ( 5 % ) liegt. 20. Die Struktur eines Bestandes B (n = 30) von 1-jährigen Risikoversicherungen sei durch folgende Bestandsmatrix gegeben: VS in Mio. Man berechne Alter/Geschlecht 0.5 1 1.25 2 3.75 64/w - - 1 - 2 78/w 1 2 - 2 - E(S), V(S) 90/w 3 - 3 - 2 68/m - - 1 2 1 84/m 1 1 1 - - 93/m - 2 - 3 2 und schätze mithilfe der Ungleichung von Tschebysche die Wahrscheinlichkeit, daÿ der Gesamtschaden um mindestens 100% von der Nettoprämie des Bestandes abweicht, nach oben ab. 21. Für eine Zufallsvariable X mit E(|X|p ) < ∞ P(|X| ≥ λ) ≤ (Für p=2 für ein 1 E(|X|p ) λp p > 0, für beweise man: λ > 0. ergibt sich die Ungleichung von Chebychev.) Bewerten Sie für p = 2 die Güte dieser oberen Schranke, indem Sie für und eine Standardnormalverteilung die Wahrscheinlichkeit P(|X| ≥ λ) λ = 1, 2, 3, 4 sowohl nach oben abschätzen als auch exakt berechnen. 22. Unter der Voraussetzung, daÿ M := E(ek|X| ) existiert für ein k>0 beweise man: P(|X| ≥ λ) ≤ M e−kλ . 23. Ein Bestand sei im 1. Jahr gegeben durch (1) Risiken Ri (i = 1, ..., 10) mit der Verteilung V1 = 10 unabhaengig identisch verteilten (1) P (R1 = 1) = 0.1 (1) P (R1 = 0) = 0.9 Im 2. Jahr bestehe er aus V2 = 30 (2) Ri Risiken Bekannt seien nur die Werte von Sj = Zj = Vj ∑Vj i=1 an, und vergleichen Sie mit der Varianz j = 1, 2 (j) µ̂ fuer µ = E(Ri ) von µ̄ = (Z1 + Z2 )/2. Geben Sie den erwartungstreuen Schaetzer die ebenso verteilt sind. (j) Ri Vj (i = 1, ..., 30), mit der kleinsten Varianz 24. X und Y haben eine gemeinsame Verteilung mit folgender Dichte f (x, y) = axy1{X>0,Y >0,X+Y ≤1} (1A bezeichnet die Indikatorfunktion der Menge (a) Bestimmen Sie a. (b) Bestimmen Sie E(X), E(Y ), E(X|Y ). A) Sachversicherungsmathematik 4. Übungsblatt 25. X µ. und Y 2017 seien unabhaengig voneinander und exponentialverteilt mit Parametern Bestimmen Sie die Verteilung von Bestimmen Sie K N und und min(X, Y ). K . N sei poissonverteilt mit Parameter λ. Weiters N gegeben durch ( ) n k fK|N (k|n) = p (1 − p)n−k k 26. Gegeben seien 2 Zufallsvariable sei die Verteilung von max(X, Y ) λ und bedingt auf E(K|N ), E(K) und E(N |K). 27. Eine Versicherung habe einen homogenen Bestand von 100 5-jaehrigen Ablebensversicherungen von 65-jaehrigen Frauen mit identischer Versicherungssumme. Geben Sie die Verteilung der Schadenzahl N im kollektiven Modell an. 28. Eine Versicherung habe einen Bestand von 100 1-jaehrigen Ablebensversicherungen von 65-jaehrigen Frauen mit Versicherungssumme V S = 700.000 sowie 100 1-jaehrigen Able- bensversicherungen von 50-jaehrigen Maennern mit Versicherungssumme V S = 1.000.000. Modellieren Sie diesen Sachverhalt im kollektiven Modell, indem sie jeweils eine Frau und einen Mann zu einem Einzelschaden zusammenfassen. 29. Die Schadenhöhe X sei Pareto verteilt und der Verteilungsfunktion { F (x) = Bestimmen Sie (X ∼ P a(α, β)), mit den Parametern α > 0, β > 0 1− ( β β+x )α x ≥ 0, x < 0. , 0 , E(X) und V(X) für jene Parameterwerte, für die sie deniert sind. Schät(α, β) für die gegebenen Daten. zen Sie mit der Momentenmethode den Parameter 30. Es sei (α̂, β̂) der MLE für den Parameter (α, β) aus Bsp. 29. (a) Zeigen Sie n ∑ i=1 α̂ = f1 (β̂) = ∑ n i=1 1 β̂+xi xi β̂(β̂+xi ) , α̂ = f2 (β̂) = ∑ n n ln(1 + i=1 (b) Benützen Sie die Beziehung β̂ . xi ) β̂ f (β̂) := f1 (β̂) − f2 (β̂) = 0, um für die gegebenen Daten auf 4 führende Stellen zu berechnen (zum Beispiel Intervallschachtelung mit Start- intervall [2000, 4394]). Schätzen Sie dann α̂ mithilfe von (a). Computerunterstützung ist zu empfehlen! 31. Es sei X ∼ LogN (µ, σ 2 ) ( Lognormalverteilung, siehe Bsp. 12 ). (a) Beweisen Sie, daÿ die Verteilungsfunktion von Φ(·) die Verteilungsfunktion einer N (0, 1) X durch ln X wobei h(·) (µ, σ 2 ), indem Sie die ML- anwenden. 32. Gegeben sei eine kontinuierliche Zufallsvariable Y = h(X), gegeben ist, wobei Zufallsvariablen sei. (b) Schätzen Sie für die gegebenen Daten den Parameter Methode für die Zufallsvariable Φ( ln x−µ ) σ X mit einer Dichte f (x; θ). Weiters sei eine strikt monotone dierenzierbare Funktion ist. Zeigen Sie, daÿ die ML-Methode für eine Stichprobe x1 , . . . , xN denselben h(x1 ), . . . , h(xN ). ML-Methode für die transformierten Daten Schätzer liefert wie die Sachversicherungsmathematik 5. Übungsblatt 33. Führen Sie den 2017 χ2 - Test für die Daten aus der Vorlesung mit einer Fehlerwahrscheinlich- keit 1. Art von 0.05 für die folgenden Verteilungsmodelle durch, und interpretieren Sie. Verwenden Sie dabei immer die empfohlene Klasseneinteilung : (a) X ∼ P a(α, β) mit Schätzwert (2.470, 4394) für (α, β). (b) X ∼ P a(α, β) mit Schätzwert (1.909, 2704) für (α, β). (c) X ∼ LogN (µ, σ 2 ) mit Schätzwert (7.021, 1.977) für (µ, σ 2 ). N |(Λ = λ) ∼ P (λ), und Λ habe eine Strukturverteilung Ga(α, β). β N ∼ N B(α, p) mit p = β+1 gilt. Verwenden Sie diese Beziehung, um 34. Es sei E(N ) = α(1 − p) , p V(N ) = Zeigen Sie, dass α(1 − p) p2 für eine negative Binomialverteilung herzuleiten. X|(Λ = λ) ∼ Ga(k, λ) Ga(α, β). Für k = 1 wurde in der VO gezeigt, dass X eine Paretoverteilung besitzt. Für beliebige k ergibt sich 35. Es sei und Λ habe eine Strukturverteilung die verallgemeinerte Paretoverteilung. Berechnen Sie für diese Verteilung die Dichte sowie den Erwartungswert. 36. Für den Bestand einer Haftpichtversicherung von 105 Policen ist in folgender Tabelle die Anzahl der Polizen gegeben, die 0, 1 ,2, 3, 4 , oder 5 Schadensfälle in einem Jahr gemeldet haben. Die Zufallsvariable Np sei die Schadenzahl einer durchschnittlichen Police pro Jahr. Anzahl der Schadensfälle (a) Modellieren Sie wenden). Np Anzahl der Polizen 0 81056 1 16174 2 2435 3 295 4 36 5 4 mithilfe einer Poissonverteilung P (λ) (ML- Schätzer für λ ver- (b) Modellieren Sie tenschätzer für Np mithilfe einer negativen (α, p) verwenden). Binomialverteilung (c) Führen Sie für beide Schadenszahlmodelle den lichkeit 1.Art von 37. N 0.05 χ2 -Test N B(α, p) (Momen- mit einer Fehlerwahrschein- durch. ist die Anzahl der Waldbrände im Monat Juli. Diese Schadenzahl ist Poissonverteilt, wobei der Parameter Um ein Modell für λ von den Wetterbedingungen abhängt: Wetterbedg. Poissonparameter P(Wetterbedg.) sehr trocken 300 0.05 trocken 175 0.20 normal 80 0.40 feucht 60 0.25 sehr feucht 30 0.10 N über längere Zeiträume zu bekommen, berechnen Sie Erwartungs- wert, Varianz und die Verteilungsfunktion (ausgewertet an 50, 70, 100, 150, 200 und 300) der zu obiger Tabelle gehörenden mixed-Poisson Verteilung. Vergleichen Sie dies mit der Verteilung von P (100). 38. Bestimmen Sie Erwartungswert und Varianz von lichkeiten und die Verteilungsfunktion von n P (N = n) 0 0.3 1 0.4 2 0.2 3 0.1 39. Zeigen Sie für S ∼ CP (λ; X) kumulantenerzeugenden 40. N, X und S , sowie die Punktwahrschein- S. x P (X = x) 1 0.6 2 0.3 3 0.1 E(X 3 ) > 0 gilt SCH(S) > 0. ( 3 3 Funktion E(S − E(S)) = λ E(X ) her.) mit Leiten Sie mithilfe der S ∼ CP (λ; X), X ∼ LogN (3.91202, 1.3862943). Bestimmen Sie E(S), V(S) und SCH(S) für λ = 100 bzw. 1000.