Chapitre 2

MATHEMATIQUES DE LASSURANCE NON-VIE TOME I: PRINCIPES FONDAMENTAUX DE THEORIE DU RISQUE CHAPITRE 2.
MODLISATION ACTUARIELLE DES RISQUES

MICHEL DENUIT & ANTOINE DELWARDE Institut des Sciences Actuarielles denuit@stat.ucl.ac.be
delwarde@stat.ucl.ac.be ACTU2111 Assurances Dommages I, UCL, Louvain-la-Neuve p. 1/7
Evnements alatoires
Il sagit dvnements dont on ne peut prdire
avec certitude sils se raliseront ou pas.
Evnements lmentaires e1 , e2 , e3 , . . .:
1. incompatibles, cest--dire quils ne peuvent se raliser simultanment. 2. la runion E = {e1 , e2 , . . .} de tous les vnements lmentaires recouvre tous les cas possibles. lensemble des rsultats lmentaires conduisant sa ralisation, i.e. E = {ei1 , . . . , eik }.
A chaque vnement alatoire E est associ
ACTU2111 Assurances Dommages I, UCL, Louvain-la-Neuve p. 2/7
Structure de lensemble des vnements alatoires

A est une collection de sous-ensembles de E ,
Ces trois conditions garantissent en fait la
laquelle nous imposons de satisfaire (i) lvnement impossible A et lvnement certain E A (ii) si E1 , E2 , . . . A alors i1 Ei A (iii) si E A alors E A.
cohrence du raisonnement, autorisant parler dvnements qui se produisent lorsque plusieurs se produisent simultanment (intersection) ou lorsquau moins lun dentre eux se produit (union).
Probabilit et prime dassurance
A chaque vnement E , on associe un nombre Pr[E ] retant le degr de vraisemblance accord a priori la ralisation de E . Considrons Pr[E ] comme la prime pure payer pour recevoir un versement de 1 euro si E se ralise ( 0 Pr[E ] 1). Hypothses: absence dopportunit darbitrage
(i.e. pas de prot sans risque), march parfait (pas de taxe, dimpts, information parfaite, . . . ) et pas dactualisation.
Consquences de labsence dopportunit darbitrage
On peut montrer grce lhypothse dabsence dopportunit darbitrage que les proprits suivantes (classiques dans la thorie des probabilits) sont satisfaites par les primes:
E F = Pr[E F ] = Pr[E ] + Pr[F ]. E F Pr[E ] Pr[F ]. Pr[E ] + Pr[E ] = 1
Ei Ej = Pr[E1 E2 . . .] =
Pr[E F ] + Pr[E F ] = Pr[E ] + Pr[F ]
Pr[E F ] Pr[E ] + Pr[F ]
k 1 Pr[Ek ].
Probabilit conditionnelle
Ayant notre disposition de linformation,
matrialise par la connaissance quun vnement F sest produit, comment rvaluer en consquence la probabilit quun vnement E se ralise?
Cette rvaluation est appele probabilit conditionnelle de E sachant F , note Pr[E |F ]. Comme F sest ralis, il est naturel davoir Pr[F ] > 0. Sous cette condition,
Pr[E F ] Pr[E |F ] = pour autant que Pr[F ] > 0. Pr[F ]
Evnements indpendants
Les vnements E et F sont indpendants lorsque Pr[E |F ] = Pr[E ] Pr[F |E ] = Pr[F ] Pr[E F ] = Pr[E ] Pr[F ]. De manire gnrale, ayant des vnments E1 , E2 , . . . , En , ceux-ci seront dits indpendants
lorsque
Pr [iI Ei ] = Pr[Ei ]
iI
quel que soit le sous-ensemble I de {1, . . . , n}.
Thormes des probabilits totales et de Bays
Soit un systme exhaustif dvnements {F1 , F2 , . . .}, i.e. Fi Fj = si i = j et Pr[i1 Fi ] = 1 avec Pr[Fi ] > 0 pour tout i. Thorme des probabilits totales: Pr[E ] =
i 1
Pr[E |Fi ] Pr[Fi ].
Thorme de Bays: Pr[Fi |E ] = Pr[E |Fi ] Pr[Fi ] , i = 1, 2, . . . j 1 Pr[E |Fj ] Pr[Fj ]
Exemple
Notons E lvnement lassur cause au moins un sinistre sur lanne" et F lvnement lassur est une femme". Si 10% des femmes et 15% des hommes causent au moins un sinistre sur lanne, quelle est la proportion de polices causant au moins un sinistre sur lanne dans un portefeuille comportant 2/3 dhommes et 1/3 de femmes? Cette proportion vaut Pr[E ] = = Pr[E |F ] Pr[F ] + Pr[E |F ] Pr[F ] 1 2 0.1 + 0.15 = 0.133. 3 3
Exercice: Dtection de la fraude

An de dtecter la fraude, beaucoup dassureurs recourent des programmes informatiques spcialement conus cet effet. Considrons une compagnie dassurance qui soumet les dossiers sinistre de ses assurs un tel outil: - sil y a effectivement fraude, le programme la dtecte dans 99% des cas - lexprience montre que loutil informatique range parmi les fraudes 2% des dossiers en rgle. Des extrapolations au niveau du march donnent penser que 1% des dossiers sinistre donnent effectivement lieu une fraude. Quelle est la probabilit quun dossier rang parmi les fraudes par le programme informatique ait effectivement donn lieu cette pratique condamnable?
Variables alatoires
Une variable alatoire X X : E R; e x = X (e)
est une fonction laquelle on impose

{X > x} {e E|X (e) > x} A x R La condition de mesurabilit garantit quil soit
i.e. {X > x} doit tre un vnement.
possible de souscrire une police prvoyant le versement dun euro si X > x.
Fonction de rpartition
La fonction de rpartition FX : R [0, 1] de X est
dnie par
FX (x) = Pr {e E|X (e) x} Pr[X x], x R. Toute fonction de rpartition FX

-
est non-dcroissante; - est continue droite (i.e.
limx0+ FX (x + x) = FX (x) pour tout x); - satisfait limx FX (x) = 0 et limx+ FX (x) = 1.
Graphe dune fonction de rpartition
Fx 1
Fx(x4) P[X=x4] Fx(x4-)
Fx(x2)=Fx(x3)
Fx(x1)
x1
x2
x3
x4
Exercice: assurance perte/vol des bagages
Considrons une assurance couvrant le vol ou la perte des bagages lors dun dplacement dtermin. Ce type de produit est souvent propos par les agences de voyage leurs clients. An dviter dinterminables querelles lors de la xation du prjudice subi par le voyageur, lassureur verse un forfait de 250 euro si les bagages viennent tre perdues ou voles au cours du voyage (ceci permet galement de limiter le risque de fraude). Dterminez - les vnements lmentaires - lensemble des vnements - la variable alatoire dcrivant la charge de sinistre par police - la fonction de rpartition de celle-ci.
Support, queue et quantiles

Lensemble de toutes les valeurs possibles pour
une variable alatoire est appel son support:
support(X ) = {x R|FX (x) > FX (x) pour tout > 0

Note F X , le fonction de queue est dnie comme F X (x) = 1 FX (x) = Pr[X > x], x R. Le quantile dordre p de la variable alatoire X , not qp , est dni comme
1 qp = FX (p) = inf {x R|FX (x) p}, p [0, 1].
Lois de comptage: nombre de sinistres

Ces variables comptent un nombre dvnements,
La plupart des lois usuelles sont associes un
par exemple le nombre de sinistres survenus au cours dune priode; leur support est donc (contenu dans) N = {0, 1, 2, . . .}. schma de Bernoulli ou un treillis binomial:
Il sagit de rpter un certain nombre de fois une exprience alatoire et dobserver chaque reprise la ralisation ventuelle dun vnement spci. Cette exprience doit tre reproduite sous des conditions identiques et les rsultats antrieurs ne peuvent inuencer la ralisation ultrieure ventuelle de lvnement dintrt.
Variable uniforme discrte

Une variable alatoire N est dite de loi uniforme discrte sur {0, 1, . . . , n}, ce qui se notera dsormais N DU ni(n), lorsque 1 Pr[N = k ] = pour k = 0, 1, . . . , n. n+1 La fonction de rpartition associe est 0, si x < 0, x+1 FN (x) = n+1 , si 0 x < n, 1, si x n.
Variables de Bernoulli
Une variable alatoire N est dite de Bernoulli de paramtre 0 < q < 1, not N Ber(q ), lorsque Pr[N = 1] = q = 1 Pr[N = 0]. En sciences actuarielles, on associe
classiquement la loi de Bernoulli lindicatrice dun vnement alatoire:

Lindicatrice vaut 1 lorsque lvnement est ralis (et indique donc la ralisation de cet vnement). De tels vnements sont la police a produit au moins un sinistre au cours de la priode de rfrence ou lassur est dcd dans lanne", par exemple.
Variable binomiale
Une variable alatoire N est dite Binomiale dexposant m et de paramtre q , m N et 0 < q < 1, note N Bin(m, q ), lorsque N prend ses valeurs dans {0, 1, . . . , m} et Pr[N = k ] = m k q k (1 q )mk , k = 0, 1, . . . , m,
o
m k m! . = k !(m k )!
Variable binomiale (Suite)

Lorsque m = 1, on a pour k {0, 1}, Pr[N = k ] = q (1 q )
k 1 k
q, si k = 1, 1 q, si k = 0,
La loi binomiale est classiquement associe au
do Bin(1, q ) = Ber(q ).
nombre de succs dans un schma de Bernoulli: si une exprience alatoire est rpte m fois indpendamment et sous des conditions identiques, le nombre de rptitions au cours desquelles un certain vnement E se ralise est de loi Bin(m, Pr[E ]).
Variable binomiale (Suite)
La loi binomiale se prte bien la modlisation du
nombre de sinistres touchant le portefeuille dans les formes dassurance pour lesquelles au plus un sinistre par priode est possible pour chaque police (comme lassurance sur la vie, lassurance annulation ou lassurance rapatriement conclue pour un voyage spci, par exemple).
Si q est la probabilit quune des m polices du portefeuille donne lieu un sinistre, et si ces m
polices sont identiques et ne sinuencent pas mutuellement, le nombre N de polices sinistres est de loi Bin(m, q ).
Variable gomtrique
La variable de comptage N est dite gomtrique de paramtre q , 0 < q < 1, note N G eo(q ) lorsque Pr[N = k ] = q (1 q )k , k N. Si on considre un schma binomial et quon parle de succs lorsquun vnement E se ralise lors
dune des rptitions de lexprience alatoire (et dchec dans le cas contraire), la loi G eo(q ) peut se voir comme celle du nombre dchecs prcdant le premier succs: lorsque N = k il aura donc fallu k + 1 rptitions de lexprience pour obtenir un premier succs.
Variable binomiale ngative
Une variable alatoire N est dite de loi binomiale ngative de paramtres et q , > 0 et 0 < q < 1, note N N Bin(, q ), lorsque N prend ses valeurs dans N et Pr[N = k ] = +k1 k q (1 q )k , k N.
Lorsque est entier, Pr[N = k ] fait appel au
coefcient binomial classique.
Nanmoins, cette dnition doit tre tendue au cas o nest pas entier.
Variable binomiale ngative (Suite)
Pour cela, notons (t) =

xR+
xt1 exp(x)dx, t R+ .
Une simple intgration par parties montre que (t) = (t 1)(t 1) pour tout t > 1. Il sagit donc dune interpolation de la fonction factorielle, puisque (n + 1) = n! pour n N. +k1 k
( + k ) ( + k ) = = . (k + 1)() k !()
Variable binomiale ngative (Suite)
Lorsque est entier, la loi N B in(, q ) est encore
appele loi de Pascal.
Supposons quon sintresse la ralisation ventuelle dun vnement E et quon qualie de succs une telle ralisation (avec q = Pr[E ]). Lorsque est entier, la variable N B in(, q ) est
simplement le nombre dchecs ncessaires lobtention de succs.
Variable de Poisson
La loi de Poisson fut obtenue comme limite de la
loi binomiale par Poisson ds 1837.
Parmi les premires applications empiriques de
cette loi de probabilit, on relvera ltude de Bortkiewicz en 1898, qui utilisa la loi de Poisson pour modliser le nombre annuel de soldats tus par des ruades de chevaux dans larme prussienne. Poisson fut ds lorigine associe des comptages daccidents ou de pannes.
Aussi appele loi des vnements rares, la loi de
Variable de Poisson (Suite)
La loi de Poisson fut introduite comme une approximation de la loi binomiale lorsque m tait trs grand et q trs petit.
En effet, si Nm B in(m, m ),
Pr[Nm = 0] = Pr[Nm = k + 1] Pr[Nm = k ] =
1 m
mk k +1 m 1 m
exp(), si m +
, si m + k+1
k lim Pr[Nm = k ] = exp() . m+ k!
Variable de Poisson (Suite)
Plus prcisment, N est de loi de Poisson, ce qui se note N P oi(), si k Pr[N = k ] = exp() , k N. k! La loi de Poisson peut donc se voir comme celle
du nombre de succs dans un schma de Bernoulli, lorsque le nombre de rptitions est trs grand (m +) et la probabilit de succs ngligeable (q 0) de manire que mq > 0.
Lois de comptage
Loi de probabilit DU ni(m) B er(q ) B in(m, q )
Support {0, 1, . . . , m} {0, 1} {0, 1, . . . , m}
Probabilits
k m m! o = k!(m k)! k
q k (1 q )1k m q k (1 q )mk
1 m+1
G eo(q ) N Bin(, q )
N N
o
q (1 q )k +k1 k
+k1 k
q (1 q )k
(+k) (k+1)()
k
(+k) k!()
P oi()
exp() k!
Lois continues: cot individuel

Dans le cadre de ce cours, une variable alatoire X est dite continue lorsque sa fonction de rpartition FX admet la reprsentation FX (x) =
y x
fX (y )dy, x R,
pour une fonction intgrable fX : R R+ appele la densit de probabilit de X .

Une variable alatoire continue admet donc une fonction de rpartition FX continue et drivable.
Lois continues: cot individuel (Suite)
Aussi, la probabilit que X prenne une valeur dans lintervalle (a, b], est alors
b
Pr[a < X b] = FX (b) FX (a) =
fX (x)dx.
x=a
La gure suivante illustre ce rsultat: laire sous la
densit donne donc les probabilits associes diffrents intervalles de la droite relle.
Densit fX dune variable continue
Variable uniforme continue

La loi uniforme (continue) est apparue trs tt en
statistique pour modliser le fruit du pur hasard, ou des phnomnes au sujet desquels aucune information ntait disponible (Bayes en 1763 et Laplace en 1872).
Une variable alatoire X est dite de loi uniforme sur lintervalle [0, 1] not X U ni(0, 1), lorsque X
admet la fonction de rpartition
0, si x < 0, FX (x) = x, si 0 x < 1, 1, si x 1.
Variable uniforme continue (Suite)
La densit de probabilit correspondante est
constamment gale 1 sur lintervalle unit, et nulle ailleurs, i.e.

f X ( x) = 1, si 0 x 1, 0, sinon.
Si la fonction de rpartition FX de X est continue alors FX (X ) U ni[0, 1].
Soit U U ni[0, 1] et soit X une variable alatoire 1 (U ) a mme quelconque; la variable alatoire FX loi que X .
Variable uniforme continue (Suite)
Plus gnralement, on parlera de loi uniforme sur lintervalle [a, b] pour dsigner celle dont la densit
de probabilit est constante sur cette intervalle et nulle en dehors.

La densit de X est alors donne par f X ( x) =
si a x b, 0, sinon.
1 ba ,
Variable Bta
Une variable alatoire X est dite de loi Bta de paramtres > 0 et > 0, not X Bet(, ), lorsque X admet la densit fX ( z ) =
(+ ) 1 1 , x (1 x ) ()( )
0, sinon.
si 0 x 1,
Cette loi est particulirement intressante pour
modliser des pourcentages (par exemple le cot dun sinistre par rapport au montant total assur). prendre des allures trs diffrentes en fonction des valeurs des paramtres.
La gure suivante montre que la densit Bta peut
Densits de lois Bta
Variable Bta
On peut aisment construire partir de X une variable alatoire Z qui prend ses valeurs dans lintervalle [a, b] grce la formule Z = a + (b a)X . Il est facile de vrier que la densit de Z est
donne par
f Z ( x) =
(+ ) ()( )(ba)+ 1 (z
0, sinon.
si a z b,
a)1 (b z ) 1 ,
Variable normale
Une variable alatoire X est dite de loi Normale de paramtres R et > 0, not X N or(, 2 ), lorsque X prend ses valeurs dans R et admet la
fonction de rpartition
x Pr[X x] = x ,
o () est la fonction de rpartition associe la loi N or(0, 1) donne par

1 (x) = 2
x y =
exp(y 2 /2)dy, x R.
Variable normale (Suite)

On voit facilement que si X N or(, 2 ) et si Z N or(0, 1) alors X =loi + Z .
La densit de probabilit associe est note
et vaut
d 1 x2 (x) = (x) = exp( ). dx 2 2 La gure suivante montre le graphe des densits de probabilit associes aux lois N or(10, 1), N or(10, 2) et N or(10, 3).
Densits de lois normales
Variable log-normale
Assez naturellement, on peut imaginer utiliser une
transformation exponentielle sur une variable gaussienne, an de dnir une variables positive, ce qui mne la loi log-normale.
Plus prcisment, si Y N or(, 2 ) et que nous dnissons X = exp Y , il vient pour x > 0, Pr[X x] = Pr[exp Y x] = Pr[Y ln x] ln x = .
Variable log-normale (Suite)
Une variable alatoire X est dite de loi Log-Normale de paramtres R et 2 > 0, not X LN or(, 2 ), lorsque X prend ses valeurs dans R+ et admet la fonction de rpartition FX (x) =
ln(x)
, si x > 0,
0, sinon.
La loi log-normale remonte Galton qui ds 1879
la t apparatre comme la loi limite dun produit de variables alatoires positives. Elle fut par la suite largement utilise, en conomie et en nance.
Variable log-normale (Suite)
La densit de probabilit de X est donne par 2 1 1 ln(x) exp 2 , si x > 0, x 2 f X ( x) = 0, sinon. La fonction quantile vaut
1 FX (p) = exp + 1 (p) .
La gure suivante montre la densit de probabilit associe la loi LN or(, 2 ) pour = 0 et = 0.5,
1 et 1.5: la densit de probabilit est unimodale et le mode correspond exp( 2 ).
Densits de lois lognormales ( = 0)
Variable alatoire exponentielle
Une variable alatoire X est dite de loi exponentielle ngative, de paramtre > 0, not X E xp(), lorsque X admet la densit de
probabilit
f X ( x) =
exp(x), si x > 0, 0, sinon.
La fonction de rpartition associe la loi E xp()
est donne par
FX (x) =
1 exp(x), si x > 0, 0, sinon.
Variable alatoire exponentielle (Suite)
La fonction quantile vaut

1 FX (p )
1 = ln(1 p).
Il faut cependant garder lesprit quelle traduit
des montants de sinistres relativement peu dangereux pour la compagnie, puisque F X (x) = exp(x) prsente une dcroissance exponentielle sur R+ .
La gure suivante montre la densit de probabilit associe la loi E xp() pour diffrentes valeurs de : la densit de probabilit est unimodale et le
mode est en 0.
Densits de lois exponentielles
Variable Gamma
La loi Gamma a t obtenue par Laplace ds
1836. Bienaym en mit en vidence un cas particuler (la loi khi-carre, ou du khi-deux) en 1838 en relation avec la loi multinomiale.
Une variable alatoire X est dite de loi Gamma de paramtres > 0 et > 0, not X G am(, ), lorsque X admet la densit f X ( x) =
x1 exp(x ) , ()
0, sinon.
si x 0,
Variable Gamma (Suite)
La fonction de queue scrit F X (x) = 1 (, x),
o (, ) est la fonction Gamma incomplte, dnie par

1 (t, ) = (t)
x=0
xt1 exp(x)dx, , t R+ .
La gure suivante montre le graphe de fX pour diffrentes valeurs de et .
Densits de lois gamma de paramtres = 1/2
On parle de loi gamma standard lorsque = 1;
dans ce cas,
x1 exp(x) f X ( x) = , x R+ . () Si X est de loi gamma de paramtres et , alors X est de loi gamma standard de paramtre . Un cas particulier intressant de la loi Gamma est la loi khi-carre (ou khi-deux) n degrs de
libert: il sagit en fait de la loi gamma de paramtres = n/2 et = 1/2.

Lorsque = 1, on retrouve la loi exponentielle
ngative, i.e.
G am(1, ) = E xp( ). Lorsque est un entier positif, on parle parfois de
loi dErlang de fonction de rpartition

FX (x) = 1
1 j =0
(x )j , x 0. exp(x ) j!
Variable de Pareto
Vilfredo Pareto lintroduisit ds 1897 pour
modliser la rpartition des revenus dans une population. alatoire de loi exponentielle ngative.
On peut lobtenir en transformant une variable Puisque la loi exponentielle ngative modlise des
sinistres peu dangereux pour la compagnie, on pourrait considrer que le montant de sinistre X a mme loi que exp(Y ), o Y E xp():
Pr[exp(Y ) x] = Pr[Y ln x] =
0, si x ]0, 1], 1 x , si x > 1.
Variable de Pareto (Suite)
Ce modle traduit une situation beaucoup moins
favorable pour lassureur, puisque la fonction de queue dcrot polynomialement (et non plus exponentiellement) vers 0. la loi de la variable alatoire
Pour obtenir la loi de Pareto, il suft de considrer X = {exp(Y ) 1}, o Y E xp(),
laquelle admet pour fonction de survie

x Pr[X > x] = Pr Y > ln 1 + x = 1+
Ainsi, une variable alatoire X est dite de loi de Pareto de paramtres > 0 et > 0, not X P ar(, ), lorsque X admet la fonction de
rpartition
FX (x) =
1 0, sinon.
, x+
si x 0,
La loi de Pareto passe pour tre lune des plus
dangereuses pour lassureur (puisque la probabilit que le montant de sinistre dpasse x dcrot polynomialement avec le montant x).
La densit de probabilit associe la loi de
Pareto est donne par

f X ( x) =
(x+)+1 ,
0, sinon,
si x 0,
o > 0, > 0; fX est clairement unimodale (le mode unique est en 0).
La gure suivante montre un graphique de f, et
diffrentes valeurs des paramtres.
Densits de lois de Pareto pour = 1
Lois continues
Loi de probabilit Support

U ni(a, b) B et(, ) [a, b] [0, 1] R R+ R+ R+ R+
Densit
1 ba (+ ) 1 1 x (1 x ) ()( ) 1 1 2) exp( ( x ) 2 2 2 2 ln( x ) 1 1 exp 2 x 2 x1 exp(x ) () (x+)+1
N or(, 2 ) LN or(, 2 ) E xp() G am(, ) P ar(, )
exp(x)
Vecteurs alatoires
Un vecteur alatoire X est X1 X2 t = ( X , X , . . . , X ) , X= 1 2 n . . . Xn
La fonction de rpartition jointe FX de X est
o les Xi sont dnies sur le mme espace probabilis (E , A, Pr). dnie par
FX (x) = Pr[X1 x1 , X2 x2 , . . . , Xn xn ], x Rn .
Indpendance
Les variables alatoires X1 , . . . , Xn sont
indpendantes lorsque
Pr[Xi xi pour i I|Xj xj pour j J ] = Pr[Xi xi pour i I ]
Ceci est encore quivalent

n
quels que soient les rels xi et xj , et les sous-ensembles I et J disjoints de {1, . . . , n}.
FX (x) =
i=1
FXi (xi ) pour tout x Rn .
Loi compose
Dnissons S=
Xi
i=1
avec la convention que S = 0 lorsque N = 0.

La variable alatoire S ainsi dnie peut
reprsenter la charge totale de sinistre touchant un portefeuille dassurance.
Nous supposerons que les variables alatoires Xi , i = 1, 2, . . . sont indpendantes et identiquement distribues, et que N est indpendante des Xi .
Produit de convolution
Soient W1 et W2 des variables alatoires
indpendantes de fonction de rpartition H1 et H2 ; la fonction de rpartition de W1 + W2 est note H1 H2 , i.e.

H1 H2 (x) = Pr[W1 + W2 x].
" dsigne le produit de convolution: tant donnes deux fonctions de rpartition H1 et H2 telles que H1 (0) = H2 (0) = 0, H1 H2 est dni
par
H 1 H 2 ( x) =
y =0
H1 (x y )dH2 (y ), x 0.
Fonction de rpartition des lois composes
Si on note FX la fonction de rpartition commune des Xi alors FS (x) =

+ k =0
Pr[N =
(k ) k ]FX (x),
x R+ ,
o
FX (x) =
(k ) x y =0
FX
(k 1)
(x y )dFX (y ), x R+ ,
(0) partant de FX (x) = I[x 0].
Exemples
Si N B in(n, q ) alors on parle de loi binomiale compose, ce qui se note S CBin(n, q, FX ). Dans
ce cas,
FS (s) =
k =0
n k
q k (1 q )nk FX (s).
(k )
Si N P oi(), on parle de loi de Poisson compose, et nous noterons S CP oi(, FX ).
Dans ce cas,
FS (s) =
+ k =0
k (k ) exp() FX (s). k!
Franchise
Lassureur couvre lintgralit du dommage sil excde le montant de la franchise. Le montant Y de lindemnit verse par lassureur
est
Y = Ds lors, pour y > 0, FY (y ) =
0 si S , S si S > .
FS () si y FS (y ) si y > .
Dcouvert obligatoire
Lassureur laisse en toute hypothse un montant
charge de lassur.
Le montant Y de lindemnit verse par lassureur
est
Y = Ds lors, pour y > 0,
0 si S , S si S > .
FY (y ) = Pr[Y y ] = Pr[S + y ] = FS ( + y ).
Dcouvert obligatoire proportionnel
Ds lors, Y = (1 )S et FY (y ) = FS
Un dcouvert obligatoire proportionnel laisse en toute hypothse une portion de 100% du montant de sinistre charge de lassur, 0 1. y 1
, y R+ .
Ce type de clause est souvent utilis lorsque le
comportement de lassur peut inuencer le montant total du sinistre (par exemple en assurance hospitalisation).
Plafond dindemnisation
Si on note le plafond dindemnisation, la somme Y ( ) que recevra lassur suite un prjudice de montant S sera Y ( ) = min{S, } = S si S , si S > .
La fonction de rpartition FY () de Y ( ) sexprime
comme suit:
FY () (y ) =
FS (y ) si y < , 1 si y .
Censure
La connaissance des montants Z pays par une
compagnie dassurance qui a introduit des clauses limitant son intervention dans les conditions de ses polices nest pas quivalente la connaissance des montants de sinistre S eux-mmes
Dans le cas dune franchise, la fonction de rpartition de Z vaut pour z > 0 Pr[0 < Y z ] FZ (z ) = Pr[Y z |Y > 0] = Pr[Y > 0] = 0 si z
F S (z ) F S ( ) 1 F S ( )
si z > .
Ajustement de distributions pour des donnes incompltes
Notons Yi le montant de lindemnit due par la compagnie dassurance pour le ime sinistre, di le dcouvert obligatoire correspondant, et ui le
plafond dindemnisation.
La fonction f (y |, ) reprsente la fonction de probabilit des donnes compltes, avec le(s) paramtre(s) dintrt, et des paramtres de
nuisance.
La contribution du ime sinistre la fonction de
vraisemblance est obtenue de la manire suivante:
Ajustement de distributions pour des donnes incompltes (Ctd)
Quatre cas peuvent tre distingus: (1) (2) (3) di = 0 Yi < ui , L1 (i) = f (Yi |, ) . 0 < di di + Yi < di + ui , L2 (i) =
f (di +Yi |,) 1F (di |,) .
di = 0 ui Yi , L3 (i) = 1 F (ui |, ) .
(4) 0 < di di + ui di + Yi , L4 (i) =
1F (di +ui |,) 1F (di |,) .
La contribution la vraisemblance est L1 (i), L2 (i), L3 (i) ou L4 (i) suivant la valeur de Yi par rapport di et ui .

Notons k (i) une variable indicatrice, avec k (i) = 1 si le ime sinistre est dans le cas (k ). La contribution du ime sinistre la fonction de
vraisemblance est
L (i) = L1 (i)1 (i) L2 (i)2 (i) L3 (i)3 (i) L4 (i)4 (i) . La fonction de log-vraisemblance pour lchantillon
vaut alors
L =
1 (i) log L1 (i) + 2 (i) log L2 (i)

i=1
+3 (i) log L3 (i) + 4 (i) log L4 (i) .
Considrons 100 pertes commerciales dues un
incendie, partir de G UIAHI , F. (2000) Fitting to Loss Distributions with Emphasis on Rating Variables. CAS Forum.
Le jeu de donnes contient pour chaque police le
montant du dcouvert obligatoire, du plafond dindemnisation, et un code par type de construction. dans le cas 3 et 3 dans le cas 4.
1 police est dans le cas 1, 93 dans le cas 2, 0
Deductible 1000 250 1000 250 100 250 250 250 1000 250 100 250 250
Policy Limit 57000 41000 1000 60000 10000 24000 16000 60000 66000 36000 53000 70000 51000 Loss 502 31971 367 698 4863 834 646 198 275 500 1518 243 357
Construction 2 1 1 2 2 2 1 2 2 1 2 2 1
Deductible 250 1000 100 250 250 250 500 250 250 250 100
Policy Limit 43000 1000 33000 7000 64000 45000 30000 2000 10000 52000 3000 50000 Loss 75 865 206 2303 11760 402 3352 511 1115 237 1197 7107
Construction 2 3 2 1 2 2 1 1 2 2 2 2
250 535 2 p. 75/7 ACTU211189000 Assurances Dommages I, UCL, Louvain-la-Neuve
Deductible 250 250 250 250 1000 1000 1000 1000 250 250 1000 2500 250
Policy Limit 120000 100000 350000 373000 208000 600000 284000 263000 312000 280000 312000 250000 300000 Loss 100 2501 1057 180 9385 23000 5589 652 3975 485 2092 250000 250
Construction 2 2 2 1 1 3 1 2 1 2 2 1 2
Deductible 500 1000 250 1000 500 250 250 500 1000 250 250 1000
Policy Limit 125000 115000 630000 402000 204000 300000 350000 595000 275000 290000 560000 371000 Loss 305 190 1875 5075 972 271 87 625 20934 609 325 6012
Construction 2 2 1 2 2 3 1 2 1 1 2 1
ACTU2111 Assurances Dommages I, UCL, Louvain-la-Neuve p. 2 76/7 1000 362000 860
LAkaikes Information Criterion (AIC ) est dni par AIC = 2 [L k ], o k est le nombre de
paramtres. Le modle qui minimise la valeur de AIC est considr comme le meilleur. Les ajustements sont rsums ci-dessous:
Distribution Lognormal Pareto Weibull Gamma Inverse Gamma Exponential L 897,8 895,2 899,8 914,5 893,7 986,4 k 2 2 2 2 2 1 AIC 1799,6 1794,4 1803,6 1833,0 1791,4 1974,8

Chapitre 2

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Chapitre 2

Diunggah oleh

Hak Cipta:

Format Tersedia

MATHEMATIQUES DE LASSURANCE NON-VIE TOME I: PRINCIPES FONDAMENTAUX DE THEORIE DU RISQUE CHAPITRE 2.

MODLISATION ACTUARIELLE DES RISQUES

delwarde@stat.ucl.ac.be ACTU2111 Assurances Dommages I, UCL, Louvain-la-Neuve p. 1/7

avec certitude sils se raliseront ou pas.

A chaque vnement alatoire E est associ

ACTU2111 Assurances Dommages I, UCL, Louvain-la-Neuve p. 2/7

Structure de lensemble des vnements alatoires

Ces trois conditions garantissent en fait la

ACTU2111 Assurances Dommages I, UCL, Louvain-la-Neuve p. 3/7

Probabilit et prime dassurance

ACTU2111 Assurances Dommages I, UCL, Louvain-la-Neuve p. 4/7

Consquences de labsence dopportunit darbitrage

Pr[E F ] + Pr[E F ] = Pr[E ] + Pr[F ]

Pr[E F ] Pr[E ] + Pr[F ]

ACTU2111 Assurances Dommages I, UCL, Louvain-la-Neuve p. 5/7

Pr[E F ] Pr[E |F ] = pour autant que Pr[F ] > 0. Pr[F ]

ACTU2111 Assurances Dommages I, UCL, Louvain-la-Neuve p. 6/7

quel que soit le sous-ensemble I de {1, . . . , n}.

ACTU2111 Assurances Dommages I, UCL, Louvain-la-Neuve p. 7/7

Thormes des probabilits totales et de Bays

Pr[E |Fi ] Pr[Fi ].

Thorme de Bays: Pr[Fi |E ] = Pr[E |Fi ] Pr[Fi ] , i = 1, 2, . . . j 1 Pr[E |Fj ] Pr[Fj ]

ACTU2111 Assurances Dommages I, UCL, Louvain-la-Neuve p. 8/7

ACTU2111 Assurances Dommages I, UCL, Louvain-la-Neuve p. 9/7

Exercice: Dtection de la fraude

ACTU2111 Assurances Dommages I, UCL, Louvain-la-Neuve p. 10/7

est une fonction laquelle on impose

i.e. {X > x} doit tre un vnement.

possible de souscrire une police prvoyant le versement dun euro si X > x.

ACTU2111 Assurances Dommages I, UCL, Louvain-la-Neuve p. 11/7

La fonction de rpartition FX : R [0, 1] de X est

FX (x) = Pr {e E|X (e) x} Pr[X x], x R. Toute fonction de rpartition FX

est non-dcroissante; - est continue droite (i.e.

ACTU2111 Assurances Dommages I, UCL, Louvain-la-Neuve p. 12/7

Graphe dune fonction de rpartition

Fx(x4) P[X=x4] Fx(x4-)

ACTU2111 Assurances Dommages I, UCL, Louvain-la-Neuve p. 13/7

Exercice: assurance perte/vol des bagages

ACTU2111 Assurances Dommages I, UCL, Louvain-la-Neuve p. 14/7

Support, queue et quantiles

une variable alatoire est appel son support:

support(X ) = {x R|FX (x) > FX (x) pour tout > 0

ACTU2111 Assurances Dommages I, UCL, Louvain-la-Neuve p. 15/7

Lois de comptage: nombre de sinistres

La plupart des lois usuelles sont associes un

ACTU2111 Assurances Dommages I, UCL, Louvain-la-Neuve p. 16/7

Variable uniforme discrte

ACTU2111 Assurances Dommages I, UCL, Louvain-la-Neuve p. 17/7

classiquement la loi de Bernoulli lindicatrice dun vnement alatoire:

ACTU2111 Assurances Dommages I, UCL, Louvain-la-Neuve p. 18/7

ACTU2111 Assurances Dommages I, UCL, Louvain-la-Neuve p. 19/7

Variable binomiale (Suite)

La loi binomiale est classiquement associe au

ACTU2111 Assurances Dommages I, UCL, Louvain-la-Neuve p. 20/7

Variable binomiale (Suite)

La loi binomiale se prte bien la modlisation du

ACTU2111 Assurances Dommages I, UCL, Louvain-la-Neuve p. 21/7

ACTU2111 Assurances Dommages I, UCL, Louvain-la-Neuve p. 22/7

Variable binomiale ngative

Lorsque est entier, Pr[N = k ] fait appel au

coefcient binomial classique.

ACTU2111 Assurances Dommages I, UCL, Louvain-la-Neuve p. 23/7

Variable binomiale ngative (Suite)