精算模型10 非参数模型0 精算数据、非参数建模的思路概述

最新推荐文章于 2021-11-25 14:29:28 发布

一个不愿透露姓名的孩子

最新推荐文章于 2021-11-25 14:29:28 发布

阅读量922

点赞数 1

分类专栏：应用数学文章标签：数据分析统计学

本文链接：https://blog.csdn.net/weixin_44207974/article/details/109672022

版权

本文是精算模型系列的第十部分，主要探讨非参数统计在精算建模中的应用。首先介绍了精算数据的类型，包括完整数据和非完整数据（如删失与截断数据），并详细解释了各种数据状态。然后，明确了精算数据分析的目标，即通过现有数据估计总体分布，如生存函数和剩余寿命。接下来的内容将涉及经验分布函数、生存函数和危险率函数的估计方法，如Kaplan-Meier方法和Nelson-Aalen估计。

摘要由CSDN通过智能技术生成

精算模型10 非参数模型0 精算数据、非参数建模的目标概述

这是精算模型的第十部分，精算的非参数统计模型，从这一部分开始我们讨论精算建模的统计方法。在讨论统计方法的选择与应用之前，我们必须要明确精算的数据是什么样子的（数据类型），以及我们希望通过分析这些数据得到什么结论（分析目标），所以在正式介绍方法之前，这一讲简单介绍一下精算数据以及精算数据分析的目标。

数据类型

完整数据

如果对某个分布采样的取值没有限制，那么这样得到的样本数据就是完整数据(complete data)。假设要调查车险赔付数据，如果不存在免赔额与保单限额，且保险人全额支付保单损失，这样得到的数据就是完整数据。免赔额、保单限额、非全额支付会造成数据删失与截断，样本数据就不再是完整数据了。

如果完整数据能够得到每一个观测值的真实精确值，这样的数据就叫完整个体数据(complete individual data)；但是如果总体分布是实数，数据观测与记录一定是有误差的，这时可以考虑用记录观测值的区间，并且当数据过于稠密的时候，也可以考虑对观测值进行分组，并只记录观测值的组别，这样的数据叫分组数据。