Joanna Sawicka Wydział Nauk Ekonomicznych, Uniwersytet Warszawski

Slides:



Advertisements
Podobne prezentacje
Przykład liczbowy Rozpatrzmy dwuwymiarową zmienną losową (X,Y), gdzie X jest liczbą osób w rodzinie, a Y liczbą izb w mieszkaniu. Niech f.r.p. tej zmiennej.
Advertisements

I część 1.
Olimpia Markiewicz Dominika Milczarek-Andrzejewska
Metody badania stabilności Lapunowa
Obserwowalność System ciągły System dyskretny
Równanie różniczkowe zupełne i równania do niego sprowadzalne
Rozdział XIV - Ubezpieczenia życiowe
Rozdział V - Wycena obligacji
ATOM WODORU, JONY WODOROPODOBNE; PEŁNY OPIS
WYKŁAD 6 ATOM WODORU W MECHANICE KWANTOWEJ (równanie Schrődingera dla atomu wodoru, separacja zmiennych, stan podstawowy 1s, stany wzbudzone 2s i 2p,
TERMO-SPRĘŻYSTO-PLASTYCZNY MODEL MATERIAŁU
1 mgr inż. Sylwester Laskowski Opiekun Naukowy: prof. dr hab. inż. Andrzej P. Wierzbicki.
Materiały pochodzą z Platformy Edukacyjnej Portalu
MS Access 2000 Normalizacja Paweł Górczyński 2005.
KONKURS WIEDZY O SZTUCE
ATOM WODORU, JONY WODOROPODOBNE; PEŁNY OPIS
WIELOMIANY HARALD KAJZER ZST NR 2 HARALD KAJZER ZST NR 2.
Metody Sztucznej Inteligencji w Sterowaniu 2009/2010 Metoda propagacji wstecznej Dr hab. inż. Kazimierz Duzinkiewicz, Katedra Inżynierii Systemów Sterowania.
Jan Iwanik Metody inżynierii finansowej w ubezpieczeniach
Proces analizy i rozpoznawania
Wstęp do geofizycznej dynamiki płynów. Semestr VI. Wykład
UKŁADY SZEREGOWO-RÓWNOLEGŁE
Przykładowe zastosowania równania Bernoulliego i równania ciągłości przepływu 1. Pomiar ciśnienia Oznaczając S - punkt spiętrzenia (stagnacji) strugi v=0,
RÓWNOWAGA WZGLĘDNA PŁYNU
Jaki jest następny wyraz ciągu: 1, 2, 4, 8, 16, …?
Dyskretny szereg Fouriera
Transformacja Z (13.6).
Vitalii Dugaev Katedra Fizyki Politechnika Rzeszowska Semestr I Rok 2012/2013.
Analiza współzależności cech statystycznych
RÓWNANIA Aleksandra Janes.
Wyrażenia algebraiczne
Metody Lapunowa badania stabilności
Własności funkcji liniowej.
Rozkłady wywodzące się z rozkładu normalnego standardowego
WYZWANIA STOJĄCE PRZED SYSTEMEM UBEZPIECZEŃ SPOŁECZNYCH
Obserwatory zredukowane
Rozwój mieszkańców województwa opolskiego poprzez wsparcie z Europejskiego Funduszu Społecznego Wojewódzki Urząd Pracy w Opolu r.
Kalendarz 2011 Real Madryt Autor: Bartosz Trzciński.
Kalendarz 2011 Oto ciekawy kalendarz, który zaprojektował
KALENDARZ 2011r. Autor: Alicja Chałupka klasa III a.
MECHANIKA 2 Wykład Nr 11 Praca, moc, energia.
1/34 HISTORIA BUDOWY /34 3/34 6 MAJA 2011.
Analiza wpływu regulatora na jakość regulacji (1)
Analiza wpływu regulatora na jakość regulacji
Modelowanie i Identyfikacja 2011/2012 Metoda propagacji wstecznej Dr hab. inż. Kazimierz Duzinkiewicz, Katedra Inżynierii Systemów Sterowania 1 Warstwowe.
Dekompozycja Kalmana systemów niesterowalnych i nieobserwowalnych
Podstawy automatyki 2011/2012Systemy sterowania - struktury –jakość sterowania Mieczysław Brdyś, prof. dr hab. inż.; Kazimierz Duzinkiewicz, dr hab. inż.
Podstawy analizy matematycznej I
Lekcja 13 Strona 15. Lekcja 13 Strona 16 Lekcja 13 Strona 17 Vertical primary and secondary Tesla coil Jacobs ladder.
Kalendarz 2011r. styczeń pn wt śr czw pt sb nd
1. ŁATWOŚĆ ZADANIA (umiejętności) 2. ŁATWOŚĆ ZESTAWU ZADAŃ (ARKUSZA)
  Prof.. dr hab.. Janusz A. Dobrowolski Instytut Systemów Elektronicznych, Politechnika Warszawska.
Obserwowalność i odtwarzalność
Sterowanie – metody alokacji biegunów II
© GfK 2012 | Title of presentation | DD. Month
(C) Jarosław Jabłonka, ATH, 5 kwietnia kwietnia 2017
EcoCondens Kompakt BBK 7-22 E.
6 CZERWIEC 2014 r PIECZĘĆ z 1236 r. 10.
W2 Modelowanie fenomenologiczne I
Ekonometryczne modele nieliniowe
Obliczalność czyli co da się policzyć i jak Model obliczeń sieci liczące dr Kamila Barylska.
Ekonometryczne modele nieliniowe
Systemy dynamiczne 2014/2015Obserwowalno ść i odtwarzalno ść  Kazimierz Duzinkiewicz, dr hab. in ż. Katedra In ż ynierii Systemów Sterowania 1 Obserwowalność.
Kalendarz 2020.
Wspomaganie Decyzji IV
MODELOWANIE ZMIENNOŚCI CEN AKCJI
Analiza portfeli dwu- oraz trzy-akcyjnych
Analiza portfeli dwu- oraz trzy-akcyjnych. Portfel dwóch akcji bez możliwości krótkiej sprzedaży W - wartość portfela   W = a P 1 + b P 2   P 1 -
STATYSTYKA – kurs podstawowy wykład 11
Jednorównaniowy model regresji liniowej
Zapis prezentacji:

Joanna Sawicka Wydział Nauk Ekonomicznych, Uniwersytet Warszawski Kalkulacja składki zaufania na podstawie łącznej wartości i liczby szkód Joanna Sawicka Wydział Nauk Ekonomicznych, Uniwersytet Warszawski

Plan prezentacji Podstawowe założenia i oznaczenia Postać optymalnych predyktorów Porównanie MSE predyktorów Przypadki szczególne predyktorów Przykład numeryczny

Podstawowe założenia i oznaczenia Mamy zbiór danych zawierający informacje o liczbie i wartości szkód wygenerowanych przez M ubezpieczonych (kontraktów) obserwowanych przez T okresów. Przyjmujemy, że: - liczba szkód j-tego ubezpieczonego w t-tym okresie - wartość k-tej szkody j-tego ubezpieczonego w t-tym okresie - łączna wartość szkód j-tego ubezpieczonego w t-tym okresie

Podstawowe założenia i oznaczenia Rozkład łącznej wartości szkód j-tego ubezpieczonego zależy od dwóch niezależnych parametrów ryzyka: - parametr ryzyka rozkładu liczby szkód - parametr ryzyka rozkładu wartości pojedynczej szkody Parametry ryzyka oraz dla M ubezpieczonych są niezależne i mają takie same rozkłady

Podstawowe założenia i oznaczenia Przy znanej liczby szkód dla j-tego ubezpieczonego w kolejnych okresach są warunkowo niezależne i pochodzą z tego samego rozkładu. Przy znanej wartości kolejnych szkód j-tego ubezpieczonego w kolejnych okresach są warunkowo niezależne i pochodzą z tego samego rozkładu.

Podstawowe założenia i oznaczenia Przy ustalonej wartości i łączne wartości szkód j-tego ubezpieczonego w kolejnych okresach są warunkowo niezależne i pochodzą z tego samego rozkładu. Przy ustalonej wartości i warunkowo niezależne są także liczba szkód i łączna wartość szkód dla j-tego ubezpieczonego dla różnych okresów oraz wartość pojedynczej szkody i łączna wartość szkód dla j-tego ubezpieczonego dla różnych okresów. Łączna wartość szkód, liczba szkód i wartości pojedynczych szkód są niezależne dla różnych ubezpieczonych we wszystkich okresach.

Podstawowe założenia i oznaczenia Oznaczenia momentów: oraz

Postać optymalnych predyktorów Problemy predykcji łącznej wartości szkód w okresie T+1 dla j-tego ubezpieczonego: gdzie ,

Postać optymalnych predyktorów Otrzymane optymalne predyktory:

Postać optymalnych predyktorów gdzie: oraz

Porównanie MSE predyktorów Wielkości MSE predyktorów:

Porównanie MSE predyktorów Ponieważ: więc zachodzi:

Porównanie MSE predyktorów Nierówność: daje się zapisać jako:

Porównanie MSE predyktorów Można pokazać, że wtedy gdy czyli jest zawsze spełnione. Wobec tego: Uwaga: warunek dodatniości ma postać (ozn. *): lub

Porównanie MSE predyktorów Kiedy zachodzi: ? Musi zachodzić nierówność (ozn. (**)):

Porównanie MSE predyktorów Zatem dla odpowiednio długiej historii ubezpieczonego lepiej posługiwać się predyktorem opartym na łącznej wartości szkód. Nierówność (**) jest ponadto na pewno spełniona, gdy zachodzi: czyli gdy lub .

Porównanie MSE predyktorów Można także zauważyć, że , gdy: Wobec tego zachodzenie oznacza, że MSE predyktora opartego na liczbie szkód jest większe niż MSE predyktora opartego na łącznej wartości szkód. W drugą stronę zależność nie zachodzi.

Porównanie MSE predyktorów Można także pokazać, że nierówność (**) zachodzi, gdy:

Przypadki szczególne predyktorów Rozkład pojedynczej wartości szkody jest taki sam dla wszystkich ubezpieczonych, czyli: , oraz

Przypadki szczególne predyktorów Wtedy: ponieważ: ,

Przypadki szczególne predyktorów Predyktor oparty na łącznej wartości szkód nadal ma postać: ze zmodyfikowaną wartością wagi:

Przypadki szczególne predyktorów Przy założeniach 1. predyktor oparty na liczbie szkód jest lepszy pod względem MSE niż predyktor oparty na łącznej wartości szkód. Warunek zachodzenia nierówności (**) przy obecnych założeniach ma teraz postać:

Przypadki szczególne predyktorów Rozkład liczby szkód jest taki sam dla wszystkich ubezpieczonych, czyli: , oraz

Przypadki szczególne predyktorów Predyktor oparty na liczbie szkód może być zapisany w postaci: z wagą , czyli upraszcza się do: i ma największe MSE.

Przypadki szczególne predyktorów Predyktor dwuczynnikowy będzie równy: z wagami: co oznacza, że można go także zapisać

Przypadki szczególne predyktorów w postaci: Predyktor ten ma nadal najmniejsze MSE.

Przypadki szczególne predyktorów Predyktor oparty na łącznej wartości szkód nadal ma postać: ze zmodyfikowaną wartością wagi:

Przykład numeryczny Przyjmijmy, że: . Obliczmy wagi oraz MSE predyktorów dla rosnącej liczby okresów – T=1,…,50.

Przykład numeryczny Rys. 1. Wartości wag stosowanych w predyktorze dwuczynnikowym, predyktorze opartym na liczbie szkód oraz predyktorze opartym na wartości szkód dla rosnącej liczby okresów

Przykład numeryczny Przy tak dobranych parametrach rozkładów zachodzi warunek (*), czyli oraz . Dla t=17 waga zaczyna być większa od . Oznacza to, że od tego okresu MSE predyktora opartego na łącznej wartości szkód będzie na pewno mniejsze niż predyktora opartego na liczbie szkód.

Przykład numeryczny Rys. 2. Wartości MSE dla predyktora dwuczynnikowego, predyktora opartego na liczbie szkód oraz predyktora opartego na wartości szkód dla rosnącej liczby okresów

Przykład numeryczny Dla przyjętych parametrów rozkładów MSE predyktora opartego na liczbie szkód jest początkowo mniejsze niż MSE predyktora opartego na łącznej wartości szkód. Dla t=16 predyktor oparty na łącznej wartości szkód zaczyna być lepszy od predyktora opartego na liczbie szkód.

Przykład numeryczny Przez cały okres predyktor oparty na zarówno na liczbie jak i na łącznej wartości szkód jest lepszy od predyktorów jednoczynnikowych.

Dziękuję za uwagę