Rezerwa IBNR w ubezpieczeniach majątkowych
|
|
- Iwona Olszewska
- 7 lat temu
- Przeglądów:
Transkrypt
1 Rezerwa IBNR w ubezpeczenach maątkowych metody e kalkulac mgr Agneszka Pobłocka Unwersytet Gdańsk
2 RTU ogółem (Dzał I Dzał II) ch udzał w PKB (w mld zł, %) 9,0% 7,5 % 7,7 % 7,6 % 120,00 8,0% 7,3 % 6,6 % 6,2 % 6,0 % 100,00 7,0% 6,0% 5,5 % 80,00 5,0% 3,9 % 3,4 % ,9 2,9 % 60,00 4,0% 3,0% 9 0 2,5 % ,9 % 5 7 1,4 % 40,00 2,0% 5 1 1,2 % 4 5 1,1 % 1,0 % 0,9 % ,0 3,8 2,4 1,0 0,9 % 0,7 5 20,00 1,0% 0,0% 0, Rezerwy TU brutto (dzał I II) [mld PLN] Udzał rezerw TU ogółem w PKB [w m ld P L N ]
3 2,50% 2,00% 1,50% 1,00% 0,50% RTU Dzał II ch udzał w PKB (w mld zł, %) 0,00% 2,15% 2 9 2,12% 2 6,9 2,06% 2 4,2 2,09% 2 2,2 2,15% 2 1,1 2,14% 1 9,7 2,22% 1 8,7 2,17% 1 7,6 1,57% 1 2,2 1,41% 1 0,5 1,33% 8,8 1,17% 7,1 0,96% 5,0 0,69% 2,9 0,56% 1,9 0,62% 1,3 0,60% 0,64% 0,7 3 0,92% 0,7 4 35,00 30,00 25,00 20,00 15,00 10,00 5,00 0, Rezerwy TU brutto dzał II Udzał rezerw TU brutto dzał II w PKB [w m ld P L N]
4 Rezerwy na newypłacone odszkodowana śwadczena obemuą[1]: rezerwy z tytułu szkód zgłoszonych oszacowanych rezerwy z tytułu szkód zgłoszonych, ale eszcze neoszacowanych rezerwy z tytułu szkód zastnałych, ale nezgłoszonych (Incurred But Not Reported, IBNR) rezerwy z tytułu szkód wznowonych t. spornych. [1] Zgodne z ustawą o rachunkowośc, Dz. U. 1994, Nr 121, poz. 591 z późn. zm. (art. 81 ust. 2 pkt 6 lt. A.) ostatn akt zmenaący: Dz.U nr 223 poz. 1466
5 Udzał rezerwy IBNR w RTU (Dzał II) 25,00% 20,00% 15,00% 18,81% 17,85% 20,72% 20,61% 21,14% 21,31% 20,17% 20,72% 19,65% 19,55% 20,54% 21,62% 19,28% 21,01% 20,36% 19,82% 17,29% 17,91% 10,00% 5,00% 0,00% na udzale własnym brutto
6 Zarys hstoryczny metod kalkulac rezerwy IBNR Perwszą technkę determnstyczną przedstawł T. F. Tarbell [1934] Perwszy klasyczny model stochastyczny dla: zakumulowanych danych szkodowych zaprezentowal Kramreter oraz Straub [1973], a rozwał B. Zehnwrth [1989] oraz T. Mack [1993] nezakumulowanych danych szkodowych wprowadzł Verbeek [1972], który uogólnł Kremer [1982] ako dwuczynnkowy model analzy waranc Perwsze neklasyczne modele stochastyczne zaprezentowal F. De Vylder M. Goovaerts [1979]
7 Klasyfkaca metod estymac rezerwy IBNR A. Wolny [2005] wyróŝnła metody: statystyczne proste statystyczne zaawansowane W. Ronka Chmelowec [1997] podzelła metody na: przyblŝone ryczałtowe rytmu płatnośc szkód aktuaralne J. Charles S. Westphal [2006] wyszczególnl metody: oparte na skumulowanych danych szkodowych bazuące na neskumulowanych danych szkodowych symulacyne (metody bootstrapowe, Feldbluma) bayesowske
8 Klasyfkaca metod estymac rezerwy IBNR c.d. G. Taylor [1986] oraz G. Taylor, G. McGure, A. Greenfeld [2003, str 2-8] sklasyfkowal modele według: występowana zmennych losowych modele determnstyczne stochastyczne występowana zmennych opóźnonych w czase modele statyczne dynamczne struktury modelu macro-modele mcro-modele metod szacowana parametrów model metody heurystyczne optymalzac
9 Metody determnstyczne Metody uproszczone: model Tarbell a, metoda szkodowośc model średnego opóźnena w zgłoszenu szkody model wypłaconych odszkodowań model wypadkowe funkc opóźneń zgłaszanych szkód Metody szacowana współczynnków rozwou szkód: metoda średnch wartośc współczynnków rozwou szkód metoda rozwou szkody metoda grossng up prosta technka Chan Ladder ( e modyfkace) metoda Bornhuttera-Fergusona
10 Klasyczne metody stochastyczne Modele szacowana współczynnków rozwou szkód Model Kramreter a Straub a [1973] Stochastyczny model chan ladder Mack a [1994] Modele regres Model regres logarytmczno-normalne Chrstofdes a [1990] Sem-parametryczny model Doray a [1996] Probablstyczny model rodzny trendu Barnett'a Zehnwrth a [1998] Modele uogólnone regres lnowe GLM Model logarytmczno-normalny Kremer a [1982] Model Posson a ako stochastyczny model CL Renshaw a R. Verrall a [1994] Model gamma Mack a [1991], Renshaw a Verrall a [1994] Arytmetyczny model separac Verbeek'a [1972] Geometryczny model separac Taylor a [1977] Model namneszych kwadratów De Vylder a [1978]
11 Neklasyczne metody stochastyczne Modele oparte o teorę zaufana (credblty theory) De Vylder a model warygodnośc Mack a model warygodnośc Gunnara Benktandera Straub a Technka fltru Kalman a Modele bayesowske Modele herarchczne Bayasowsk predyktor zaufana Modele symulacyne Metody bootstrapowe Metoda Feldblum a
12 Wybór modelu Który model wybrać w praktyce???
13 Praktyka ubezpeczenowa Do oszacowana rezerwy IBNR dla róŝnych grup ryzyka stosowane są róŝne technk oblczenowe Jeden zakład ubezpeczeń dzału II wykorzystue od klku do klkunastu metod szacowana te rezerwy Na przykład: ryzyko z grupy 3 10 (Auto Casco OC posadaczy poazdów) oraz ryzyko z tytułu welkch szkód komunkacynych szacowane moŝe być metodą Chan- Ladder ryzyko z grupy 6 12 (ubezpeczena morske) szacowane moŝe być metodą średne ruchome z ostatnch klku lat ryzyko z grupy 15 (ubezpeczena gwaranc) moŝna oszacować metodą opartą na współczynnku szkodowośc
14 Praktyka ubezpeczenowa Aktualne nabardze popularne metody szacowana IBNR w Polsce to [1]: prosta technka Chan-Ladder (CL) metoda Bornhuettera-Fergusona (BF) metoda Gunnara Benktandera (GB) w Europe [2]: prosta technka Chan-Ladder (CL) metoda Bornhuettera-Fergusona (BF) metody uogólnonego modelu lnowego (GLM) [1] Bak W., Smętek M. Szymańsk W. [2006], Buletyn KNUFE [2] Wuthrch M.V. [2007], Clams Reservng n Non-Lfe Insurance, General Insurance, P&C Insurance, CSIRO, Sydney
15 Trókąt rozlczana szkód [X] (the run-off trangle) Okres wystąpena szkody () Okres opóźnena w rozlczanu szkód () \ n-2 n X 00 X X 10 X X X X 22 M M M n-2 n-1 X X n 2,0 n 2, 1 X n 1,0 X... X... X0, n 2 X0, n 1 X 1, n 2 Oznaczena: X - łączne neskumulowane płatnośc z tytułu szkód zastnałych w tym okrese wypadkowym (powstana szkody), które zostały rozlczone z opóźnenem o okresów tzn. w chwl +-1. n - lczba okresów wypadkowych wykorzystywana w badanu.
16 Trókąty rozlczena szkód [X] [C] ZałóŜmy, Ŝe dane w trókące szkód opsuą nezakumulowane szkody: [X] {X: 0,1,,n-1; 0,1,,n-+1} zakumulowane szkody: [C] {C: 0,1,,n-1; 0,1,,n-+1} C X k k 0
17 Metoda średnch wartośc współczynnków rozlczana szkód (SW) średne współczynnk rozlczana szkód z trókąta [C]: ~ f n 1 n 0 f 1, gdze: f C C dla, 0,1,2,...,n-1 skumulowane przyszłe płatnośc: Cˆ ~, C, n 1 fn 1 ~ f rezerwa IBNR w metodze SW: Rˆ SW ( Cˆ C ) n 1 0, n 1, n 1
18 Metoda grossng up (GU) zakłada zamknęty okres wypadkowy 0,1,2,...,n-1,po którym ne wystąp uŝ w Ŝadna wypłata odszkodowana (C0C0,n-1), współczynnk całkowte szkody z trókąta [C]: skumulowane przyszłe płatnośc: rezerwa IBNR w metodze GU: Rˆ f GU k 0 C C 0 0 dla 0,1,2,...,n-2 n (, ) 1 ˆ k C C, n 1, n 1 0, n 1 gdze, k oznacza lczbę okresów, w których C est znane Cˆ C f
19 Metoda chan-ladder (CL) współczynnk prześca z trókąta [C]: f n n C C, 1, dla 0,1,2,...,n-1 skumulowane przyszłe szkody: Cˆ, C, k rezerwa IBNR w metodze CL: ˆ ~ ~ f k k gdze, ( Cˆ C ) CL n R 1, n f k f 1
20 Metoda Bornhuettera-Fergusona (BF) współczynnk rozwou szkód: 1 ˆ 0, n f f n 1 wskaźnk podzału z trókąta [C]: gdze: (0,1,2,...,n-2) dzelące całkowte zobowązana na wypłacone przyszłe ˆ W Ĉ ˆ C C (1 p ) P ˆ Cˆ Sk rezerwa IBNR w metodze BF: ˆ BF n 1 R 0 p 1 n 1 0 WS 1 Cˆ fˆ P. f Cˆ C C C p
21 Przykład 1 Tabela 1. Trókąt szkód neskumulowanych Okres Okres opóźnena w wypłace odszkodowana () wypadkowy () Źródło: Scollnc D.P.M. Actuaral Modelng wth MCMC and BUGS, North Amercan Actuaral Journal 2001, 5(2)
22 Wynk dla przykładu 1 Okres Rezerwy IBNR Rezerwy IBNR Rezerwy IBNR wypadkowy () Metoda SW Metoda CL Metoda GU Łączne IBNR
23 Przykład 2 Tablca 1. Trókąt nezakumulowanych szkód Okres wypadkowy () Okres opóźnena w wypłace odszkodowana () Składka Źródło: Charles J., Westphal S., 2006, Stochastc reservng, CAE Sprng 2006 Meetng.
24 Wynk dla przykładu 2 Tablca 4. Szacowane rezerwy IBNR Okres Rezerwy IBNR wypadkowy Metoda SW Metoda CL Metoda SW* Metoda BF* Metoda GU Metoda RS Łączne IBNR *Przyęto, Ŝe C Składka * Wsp. Szkodowośc (72%) Źródło: Opracowane własne, na podstawe tablcy 1.
25 Wynk dla przykładów CL SW GU
26 Wypłacalność II (Solvency II) Program ma zostać zamplementowany dna roku Zgodne z nm nastąp przełom w szacowanu RTU: aktualne są szacowane do końca okresu wypadkowego (the ultmate) bez wymogu oszacowana błędu prognozy a będą mały oszacować roczne ryzyko zakładów ubezpeczeń, czyl roczną zmanę dyspers rezerw (the volatlty) A zatem, metody determnstyczne zostaną naturalne zastąpone metodam stochastycznym umoŝlwaącym oszacowane rocznego błędu prognozy rezerw, czyl rocznego ryzyka zakładów ubezpeczeń
27 Modele stochastyczne gdze, zakładaą, Ŝe szkody moŝna reparametryzować na czynnk: X α β γ ξ, α to parametr opsuący efekty -tego okresu wypadkowego, β to parametr opsuący efekty -tego okresu rozwou szkody, a γ to parametr opsuący czynnk losowe w +-1-tym okrese kalendarzowym, ξ to parametr opsuący czynnk losowe.
28 Klasyczny model regres logarytmczno-lnowe Chrstofdes a X α β ξ nezaleŝne o dentycznym rozkładze Y,. ln X, Y + a + b e ( Y + e e µ ), ~ IID N a b ( 0,σ ), są nezaleŝne o dentycznym rozkładze ˆ exp( ˆ 0.5 ˆ [ ] X Y + VarY ) ˆ ˆ exp( ˆ ) 2 Var X X VarY 1 ( )
29 X Model Posson a GLM Renshaw a Verrall a stochastyczny model chan ladder α β γ γ 1 k Y X, Y ~ Pos( λ ), EY λ α β Y m + e, e over-dspersed Posson dstrbuton EY m, ( m ) m VarY φ V, gdze: 1 log m η, η µ + a + b, b V m m, φ, ( ) a > m exp( µ ) EY
30 Model Posson a GLM Renshaw a Verrall a stochastyczny model chan ladder Xˆ ( ) ( ) 2 ˆ η exp ˆ µ + aˆ + bˆ ˆ σ m exp, MSE [ ] ( ) 2 Xˆ E X Xˆ Var[ X ] + Var[ Xˆ ] ( ) 2 φ V m + m Var( ˆ η ) 2 φ m + m Var( ˆ η )
31 Model gamma GLM Mack a, Renshaw a Verrall a X α β γ γ 1 k Y X, Y ( ) ~ gamma ~ α ~, β, EY ~ α ~ / β, Y m + e, VarY ~ ~ α / β 2 EY m, ( m ) VarY φ V, gdze: φ 1/ ~ α η ln m, η µ + a + b, b a > EY m exp( µ ) , ( ) 2 m m V,
32 Model gamma GLM Mack a, Renshaw a Verrall a Xˆ ( ) ( ) 2 ˆ η exp ˆ µ + aˆ + bˆ ˆ σ m exp, MSE [ ] ( ) 2 Xˆ E X Xˆ Var[ X ] + Var[ Xˆ ] ( ) 2 φ V m + m Var( ˆ η ) 2 φ m 2 + m Var( ˆ η )
33 Bayesowsk model chan ladder Scollnc a f f n n C C, 1, dla 1,2,...,n; 2,...,n, f ~ N ( θ, τ, θ ), 1,...n oraz 1,...n-1 ( µ ) N, 0 0, ~ τ w µ 0 ~ N ( 1,0.001) τ τ, τ ~ Γ( 0.001,0.001), τ 0 ~ N ( 0.001,0.001) e ~ N (0, ) gdze: θ est parametrem ryzyka, τ, est precyzą rozkładu
34 Metoda bayesowska Verrall a opera sę na modelu Posson a GLM, w którym wprowadzony est rozkład a pror dla okresów zgłoszena rozlczena szkód X α β γ γ 1 k Y X, Y ~ Pos( λ ), EY λ α β Y m + e, e over-dspersed Posson dstrbuton α ~ N ( θ, τ, ), 1,...n oraz 1,...n-1 θ ( µ ) N 0, 0, ~ τ w β Γ (1, τ ) µ 0 ~ N ( 1,0.001) τ τ, τ ~ Γ( 0.001,0.001) ~ τ τ, τ ~ Γ( 0.001,0.001) w, τ 0 ~ N ( 0.001,0.001) e ~ N (0, )
35 Metoda bootstrapowa chan ladder Neskalowane reszty Pearsona r ( P) X Var m ( X ) φv ( m ) X m W modelu regres lnowe W modelu Posson a GLM Pseudo dane : r r ( P) ( P) B X X Var ( P) m m ( X ) m C r m + m X m SE φ P B C φ R + P n n SE p B ( R) 1 m ˆ k 1 k m n ˆ ( ) 2, n B ( ) r P 2 n p B gdze, φp to parametr skal, mk bootstrapowy estymator średne, BC błąd predykc, standardowy błąd estymatora średne SE B R SE ˆ to standardowy
36 Przykład 3 Tablca 2. Trókąt nezakumulowanych szkód Okres wypadkowy () Okres opóźnena w wypłace odszkodowana () Źródło: Taylor G.C., Ashe F.R. [1983], Second moments of estmates of outstandng clams, Journal of Econometrcs 23, str
37 Wynk dla przykładu 3 Tablca 3. Szacowane rezerwy IBNR Okres wypadko Metoda Bootstrap chan ladder wy Chan Ladder Mack'a Regres Chrstofdes'a Posson GLM Gamma GLM Verrall Łączne IBNR Źródło: P. England, R. Verrall [1999], Analytc and bootstrap estmates of predcton errors n clam reservng, Mathematcs and Economcs 25, str
38 Wynk dla przykładu 3 c.d. Tablca 4. Błędy prognozy oszacowanych rezerw [w %] Okres wypadko Rezerwy IBNR Bootstrap chan ladder wy Chan Ladder Model Mack'a Model regres Chrstofdes'a Posson GLM Gamma GLM Verrall Łączne Źródło: P. England, R. Verrall [1999], Analytc and bootstrap estmates of predcton errors n clam reservng, Mathematcs and Economcs 25, str
39 Podsumowane nowy problem? Według akego lub akch kryterów wybrać nalepszy t. nabardze odpowedn model stochastyczny dla danego portfela ryzyk ubezpeczenowych danego zakładu ubezpeczeń, aby bezpeczne oszacować ego naleŝnośc roczne ryzyko? Czy lepszy model to ten, który bezpeczne szacue rezerwy (wększy) dokładne szacue rezerwy (mneszy błąd prognozy)
40 Lteratura Adamus-Hacura M. [2006], Metody Bayesowske szacowana rezerwy szkodowe [w:] Prace naukowe Akadem Ekonomczne we Wrocławu nr 1108, Wrocław, str Bak W., Smętek M., Szymańsk W. [2006], Analza rezerw na newypłacone odszkodowana śwadczena z tytułu ubezpeczeń pozostałych osobowych maątkowych w oparcu o trókąty szkód, Buletyn KNUFE, Warszawa Bornhuetter R. L., Ferguson R. E. [1972], The Actuary and IBNR, Proceedngs of the Casualty Actuaral Socety LIX, str Charles J., Westphal S., 2006, Stochastc reservng, CAE Sprng 2006 Meetng Chrstofdes S. [1990], Regresson Models Based On Log-Incremental Payments [w:] Clams Reservng Manual, vol 2. (09/1997 Secton D5) Insttute of Actuares, London Efron B., Tbshran R. J., [1993], An ntroducton to the Bootstrap, Chapman and Hall England P., Verrall R [1999], Analytc and bootstrap estmates of predcton errors n clams reservng, Insurance: Mathematcs and Economcs 25, str England P. D., Verrall R. J. [2002], Stochastc clams reservng n general nsurance, Brtsh actuaral Journal, 8, str Kramreter H., Straub E. [1973], On the calculaton of IBNR reserves II, Mttelungen der Verengung Schwezerscher Verscherungsmathematker, 73, str Kremer E. [1982], IBNR clams and two-way model of ANOVA, Scandnavan Actuaral Journal, 1, str Mack T. [1991], A smple parametrc model for ratng automoble nsurance or estmatng IBNR reserves. ASTIN Bulletn 22 (1), str Mack T. [1993], Dstrbuton free calculaton of the standard error of chan ladder reserve estmates. ASTIN Bulletn 23 (2), str Mack T. [1994], Whch stochastc model s underlyng the chan ladder model? Insurance: Mathematc and Economcs 15, str McCullagh P., Nelder J.A. [1989], Generalzed Lnear Models, 2dn Edton, Chapman and Hall, New York, USA, str. 511
41 Lteratura Nedler J.A., Wedderburn R.W.M. [1972], Generalzed Lnear Models, Journal of the Royal Statstcs Socety, Seres A, 135, Pnhero P. J. R., Andrade e Slva M., M. de Lourdes Centeno [2000], Bootstrap Methodology n Clam Reservng, Centre for Appled Maths to Forecastng & Economc Decson, FCT PRAXIS XXI Renshaw A. E., Verrall R. J. [1994], A stochastc model underlyng the chan ladder technque, Proceedngs of the XXV ASTIN Colloquum, Cannes Ronka Chmelowec W. [1997], Ryzyko w ubezpeczenach metody oceny, Wyd. Akadem Ekonomczne m. Oskara Langego we Wrocławu, Wrocław Scollnc D.P.M. Actuaral Modelng wth MCMC and BUGS, North Amercan Actuaral Journal 2001, 5(2) Chrstofdes S. [1990], Regresson models based on log-ncremental payments, [w:] Clams reservng manual, vol 2. More advanced method, the Staple n Actuaral Socety 06/90, str Tarbell T.F. [1934], Incurred But Not Reported Clams Reserves, Proceedngs of the Causalty Actuaral Socety, Vol. XX, 1934, p. 275 Verrall R. J. [1990], Bayesan and emprcal Bayes Estmaton for Chan Ladder Model, ASTIN Bulletn 20(2) Weteska S. [2004], Rezerwy technczno-ubezpeczenowe zakładów ubezpeczeń maątkowo-osobowych, Wyd. Branta, Bydgoszcz Łódź Wolny A. [2005], Podeśce Aktuaralne do kalkulac rezerwy szkodowe, Statystyczne zaawansowane metody kalkulac rezerwy szkodowe, [w:] Metody kalkulac ryzyka rezerw szkodowych w ubezpeczenach maątkowo-osobowych. Sera: Statystyka ubezpeczenowa pod redakcą W. Szkutnka, Wyd. Akadem Ekonomczne m. Karola Adameckego w Katowcach, Katowce Wuthrch M., [2007], Clams Reservng In Non-Lfe Insurance, ETH Zurych, CSIRO Sydney Zehnwrth B. [1989], The Chan Ladder Technque a stochastc model [n:] Clams reservng manual, vol 2. More advanced method (02/89), Insttute of Actuares, London, str
Możliwości programu R w szacowaniu rezerwy IBNR 1
Możliwości programu R w szacowaniu rezerwy IBNR Alica Wolny-Dominiak Możliwości programu R w szacowaniu rezerwy IBNR 1 W zakładach ubezpieczeń maątkowych istotną pozycę w funduszu ubezpieczeniowym zamue
Bardziej szczegółowoWybrane metody szacowania rezerw techniczno-ubezpieczeniowych
Wybrane metody szacowania rezerw techniczno-ubezpieczeniowych Agata Boratyńska SGH, Warszawa Agata Boratyńska (SGH) Rezerwy 1 / 24 Plan 1 Co to są rezerwy techniczno-ubezpieczeniowe? 2 Rezerwa składek
Bardziej szczegółowoBadanie zmienności rezerwy IBNR w ubezpieczeniach majątkowych
Zarządzanie i Finanse Journal of Management and Finance Vol. 12, No. 1/2014 Tomasz Jurkiewicz * Agnieszka Pobłocka ** Badanie zmienności rezerwy IBNR w ubezpieczeniach majątkowych Wstęp Szacowanie rezerwy
Bardziej szczegółowoZMODYFIKOWANA REGRESJA LOGARYTMICZNO-NORMALNA W SZACOWANIU REZERWY SZKODOWEJ *
Alica Wolny-Dominiak Uniwersytet Ekonomiczny w Katowicach ZMODYFIKOWANA REGRESJA LOGARYTMICZNO-NORMALNA W SZACOWANIU REZERWY SZKODOWEJ * Wprowadzenie W pracy est analizowany proces wyznaczania rezerwy
Bardziej szczegółowoWeryfikacja hipotez dla wielu populacji
Weryfkacja hpotez dla welu populacj Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Intelgencj Metod Matematycznych Wydzał Informatyk Poltechnk Szczecńskej 5. Parametryczne testy stotnośc w
Bardziej szczegółowoZarządzanie i Finanse Journal of Management and Finance Vol. 15, No. 3/2017
Zarządzanie i Finanse Journal of Management and Finance Vol. 15, No. 3/2017 Agnieszka Pobłocka* Agnieszka Pobłocka Tworzenie rezerwy IBNR metodami deterministycznymi na potrzeby wypłacalności w zakładach
Bardziej szczegółowoAnaliza rezerw na niewypłacone odszkodowania i świadczenia z tytułu ubezpieczeń pozostałych osobowych i majątkowych w oparciu o trójkąty szkód
URZĄD KOMSJ NADZORU UBEZPEZEŃ FUNDUSZY EMERYTALNYH Analza rezerw na newypłacone odszkodowana śwadczena z tytułu ubezpeczeń pozostałych osobowych maątkowych w oparcu o trókąty szkód Departament Systemów
Bardziej szczegółowoEKONOMETRIA ECONOMETRICS 4(46) 2014
EKONOMERIA ECONOMERICS 4(46) 2014 Wydawnctwo Unwersytetu Ekonomcznego we Wrocławu Wrocław 2014 Redaktor Wydawnctwa: Aleksandra Ślwka Redaktor technczny: Barbara Łopusewcz Korektor: Barbara Cbs Łamane:
Bardziej szczegółowoKURS STATYSTYKA. Lekcja 1 Statystyka opisowa ZADANIE DOMOWE. www.etrapez.pl Strona 1
KURS STATYSTYKA Lekcja 1 Statystyka opsowa ZADANIE DOMOWE www.etrapez.pl Strona 1 Część 1: TEST Zaznacz poprawną odpowedź (tylko jedna jest prawdzwa). Pytane 1 W statystyce opsowej mamy pełne nformacje
Bardziej szczegółowoMatematyka ubezpieczeń majątkowych 6.04.2009 r.
Matematyka ubezpieczeń majątkowych 6.04.009 r. Zadanie. Niech N oznacza liczbę szkód zaszłych w ciągu roku z pewnego ubezpieczenia z czego: M to liczba szkód zgłoszonych przed końcem tego roku K to liczba
Bardziej szczegółowoKarolina Napierała Wojciech Otto
Kalkulaca rezerw w ubezieczeniach maątkowych w oarciu o teorię zaufania, z równoczesnym r wykorzystaniem danych o odszkodowaniach wyłaconych i rezerwie liczone metodą indywidualną Karolina Naierała Wociech
Bardziej szczegółowo) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4
Zadane. Nech ( X, Y ),( X, Y ), K,( X, Y n n ) będą nezależnym zmennym losowym o tym samym rozkładze normalnym z następującym parametram: neznaną wartoścą oczekwaną EX = EY = m, warancją VarX = VarY =
Bardziej szczegółowoPlan wykładu: Typowe dane. Jednoczynnikowa Analiza wariancji. Zasada: porównać zmienność pomiędzy i wewnątrz grup
Jednoczynnkowa Analza Waranc (ANOVA) Wykład 11 Przypomnene: wykłady zadana kursu były zaczerpnęte z podręcznków: Statystyka dla studentów kerunków techncznych przyrodnczych, J. Koronack, J. Melnczuk, WNT
Bardziej szczegółowo1. SPRAWDZENIE WYSTEPOWANIA RYZYKA KONDENSACJI POWIERZCHNIOWEJ ORAZ KONDENSACJI MIĘDZYWARSTWOWEJ W ŚCIANIE ZEWNĘTRZNEJ
Ćwczene nr 1 cz.3 Dyfuzja pary wodnej zachodz w kerunku od środowska o wyższej temperaturze do środowska chłodnejszego. Para wodna dyfundująca przez przegrody budowlane w okrese zmowym napotyka na coraz
Bardziej szczegółowoSzacowanie optymalnego systemu Bonus-Malus przy pomocy Pseudo-MLE. Joanna Sawicka
Szacowanie optymalnego systemu Bonus-Malus przy pomocy Pseudo-MLE Joanna Sawicka Plan prezentacji Model Poissona-Gamma ze składnikiem regresyjnym Konstrukcja optymalnego systemu Bonus- Malus Estymacja
Bardziej szczegółowoEKONOMETRIA I Spotkanie 1, dn. 05.10.2010
EKONOMETRIA I Spotkane, dn. 5..2 Dr Katarzyna Beń Program ramowy: http://www.sgh.waw.pl/nstytuty/e/oferta_dydaktyczna/ekonometra_stacjonarne_nest acjonarne/ Zadana, dane do zadań, ważne nformacje: http://www.e-sgh.pl/ben/ekonometra
Bardziej szczegółowoMODELOWANIE LICZBY SZKÓD W UBEZPIECZENIACH KOMUNIKACYJNYCH W PRZYPADKU WYSTĘPOWANIA DUŻEJ LICZBY ZER, Z WYKORZYSTANIEM PROCEDURY KROSWALIDACJI
Alcja Wolny-Domnak Unwersytet Ekonomczny w Katowcach MODELOWANIE LICZBY SZKÓD W UBEZPIECZENIACH KOMUNIKACYJNYCH W PRZYPADKU WYSTĘPOWANIA DUŻEJ LICZBY ZER, Z WYKORZYSTANIEM PROCEDURY KROSWALIDACJI Wprowadzene
Bardziej szczegółowoAnaliza modyfikacji systemów bonus-malus w ubezpieczeniach komunikacyjnych AC na przykładzie wybranego zakładu ubezpieczeń
Analza modyfkacj systemów bonus-malus Ewa Łazuka Klauda Stępkowska Analza modyfkacj systemów bonus-malus w ubezpeczenach komunkacyjnych AC na przykładze wybranego zakładu ubezpeczeń Tematyka przedstawonego
Bardziej szczegółowoAktuariat i matematyka finansowa. Rezerwy techniczno ubezpieczeniowe i metody ich tworzenia
Aktuariat i matematyka finansowa Rezerwy techniczno ubezpieczeniowe i metody ich tworzenia Tworzenie rezerw i ich wysokość wpływa na Obliczanie zysku dla potrzeb podatkowych, Sprawozdawczość dla udziałowców,
Bardziej szczegółowoZŁOŻONY MIESZANY ROZKŁAD POISSONA ZASTOSOWANIA UBEZPIECZENIOWE
Studa Ekonomczne. Zeszyty Naukowe Unwersytetu Ekonomcznego w Katowcach ISSN 083-8611 Nr 7 015 Mchał Trzęsok Unwersytet Ekonomczny w Katowcach Wydzał Zarządzana Katedra Analz Gospodarczych Fnansowych mchal.trzesok@ue.katowce.pl
Bardziej szczegółowoPobrane z czasopisma Annales H - Oeconomia Data: 01/06/ :19:23
Pobrane z czasopsma Annales H - Oeconoma http://oeconoma.annales.umcs.pl DOI:0.795/h.206.50.4.497 ANNALES UNIVERSITATIS MARIAE CURIE-SKŁODOWSKA LUBLIN POLONIA VOL. L, 4 SECTIO H 206 Unwersytet Łódzk. Wydzał
Bardziej szczegółowoZastosowanie hierarchicznej estymacji bayesowskiej w szacowaniu wartości dochodów ludności dla powiatów
Zastosowane herarchcznej estymacj bayesowskej w szacowanu wartośc dochodów ludnośc dla powatów Jan Kuback Ośrodek Statystyk Matematycznej, Urząd Statystyczny w Łodz Herarchczna estymacja bayesowska - wprowadzene
Bardziej szczegółowoZad 2 Dynamika zatrudnienia mierzona indeksami łańcuchowymi w ostatnich pięciu latach kształtowały się następująco: Lata Indeksy ( w %)
Analza dnamk Zad. 1 Indeks lczb studującch studentów w województwe śląskm w kolejnch pęcu latach przedstawał sę następująco: Lata 1 2 3 4 5 Indeks jednopodstawowe z roku t = 1 100,0 115,7 161,4 250,8 195,9
Bardziej szczegółowo-ignorowanie zmiennej wartości pieniądza w czasie, -niemoŝność porównywania projektów o róŝnych klasach ryzyka.
Podstawy oceny ekonomcznej przedsęwzęć termo-modernzacyjnych modernzacyjnych -Proste (statyczne)-spb (prosty czas zwrotu nakładów nwestycyjnych) -ZłoŜone (dynamczne)-dpb, NPV, IRR,PI Cechy metod statycznych:
Bardziej szczegółowoPrawdopodobieństwo i statystyka r.
Prawdopodobeństwo statystya.05.00 r. Zadane Zmenna losowa X ma rozład wyładnczy o wartośc oczewanej, a zmenna losowa Y rozład wyładnczy o wartośc oczewanej. Obe zmenne są nezależne. Oblcz E( Y X + Y =
Bardziej szczegółowoA C T A U N I V E R S I T A T I S L O D Z I E N S I S FOLIA OECONOMICA 259, 2011. Anna Szymańska *
A C T A U N I V E R S I T A T I S L O D Z I E N S I S FOLIA OECONOMICA 59, * WPŁYW TYPU ROZKŁADU WIELKOŚCI SZKÓD NA WARTOŚĆ SKŁADKI NETTO W UBEZPIECZENIACH KOMUNIKACYJNYCH OC. TEORETYCZNE ZASADY KALKULACJI
Bardziej szczegółowoBadania sondażowe. Braki danych Konstrukcja wag. Agnieszka Zięba. Zakład Badań Marketingowych Instytut Statystyki i Demografii Szkoła Główna Handlowa
Badana sondażowe Brak danych Konstrukcja wag Agneszka Zęba Zakład Badań Marketngowych Instytut Statystyk Demograf Szkoła Główna Handlowa 1 Błędy braku odpowedz Całkowty brak odpowedz (UNIT nonresponse)
Bardziej szczegółowoMetody oceny ryzyka operacyjnego
Instytut Matematyki i Informatyki Wrocław, 10 VII 2009 Bazylejski Komitet Nadzoru Bankowego Umowa Kapitałowa - 1988 Opracowanie najlepszych praktyk rynkowych w zakresie zarządzania ryzykiem Nowa Umowa
Bardziej szczegółowoMatematyka ubezpieczeń majątkowych 1.10.2012 r.
Zadanie. W pewnej populacji każde ryzyko charakteryzuje się trzema parametrami q, b oraz v, o następującym znaczeniu: parametr q to prawdopodobieństwo, że do szkody dojdzie (może zajść co najwyżej jedna
Bardziej szczegółowoKURS STATYSTYKA. Lekcja 6 Regresja i linie regresji ZADANIE DOMOWE. www.etrapez.pl Strona 1
KURS STATYSTYKA Lekcja 6 Regresja lne regresj ZADANIE DOMOWE www.etrapez.pl Strona 1 Część 1: TEST Zaznacz poprawną odpowedź (tylko jedna jest prawdzwa). Pytane 1 Funkcja regresj I rodzaju cechy Y zależnej
Bardziej szczegółowoProces narodzin i śmierci
Proces narodzn śmerc Jeżel w ewnej oulacj nowe osobnk ojawają sę w sosób losowy, rzy czym gęstość zdarzeń na jednostkę czasu jest stała w czase wynos λ, oraz lczba osobnków n, które ojawły sę od chwl do
Bardziej szczegółowoKrzywa wieża w Pizie. SAS Data Step. Przykład (2) Wykład 13 Regresja liniowa
Bonformatyka - rozwój oferty edukacyjnej Unwersytetu Przyrodnczego we Wrocławu projekt realzowany w ramac Programu Operacyjnego Kaptał Ludzk współfnansowanego ze środków Europejskego Funduszu Społecznego
Bardziej szczegółowoPrzestrzeń stanów i filtr Kalmana w teorii ubezpieczeń 1
Roczniki Kolegium Analiz Ekonomicznych Zeszyt 31/213 Helena Jasiulewicz Przestrzeń stanów i filtr Kalmana w teorii ubezpieczeń 1 Streszczenie W pracy przedstawiono elastyczne narzędzie służące do wyznaczania
Bardziej szczegółowoO ŚREDNIEJ STATYSTYCZNEJ
Od średniej w modelu gaussowskim do kwantyli w podstawowym modelu nieparametrycznym IMPAN 1.X.2009 Rozszerzona wersja wykładu: O ŚREDNIEJ STATYSTYCZNEJ Ryszard Zieliński XII Międzynarodowe Warsztaty dla
Bardziej szczegółowoWYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 4 - zagadnienie estymacji, metody wyznaczania estymatorów
WYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 4 - zagadnienie estymacji, metody wyznaczania estymatorów Agata Boratyńska Agata Boratyńska Statystyka matematyczna, wykład 4 1 / 23 ZAGADNIENIE ESTYMACJI Zagadnienie
Bardziej szczegółowoMETODY PROGNOZOWANIA WARTOŚCI WYPŁACANYCH ODSZKODOWAŃ W ZAKŁADACH UBEZPIECZEŃ
Alicja Wolny METODY PROGNOZOWANIA WARTOŚCI WYPŁACANYCH ODSZKODOWAŃ W ZAKŁADACH UBEZPIECZEŃ Wstęp W procesie zarządzania zakładem ubezpieczeniowym niezwykle istotnym zagadnieniem jest zarządzanie ryzykiem
Bardziej szczegółowoModele wieloczynnikowe. Modele wieloczynnikowe. Modele wieloczynnikowe ogólne. α β β β ε. Analiza i Zarządzanie Portfelem cz. 4.
Modele weloczynnkowe Analza Zarządzane Portfelem cz. 4 Ogólne model weloczynnkowy można zapsać jako: (,...,,..., ) P f F F F = n Dr Katarzyna Kuzak lub (,...,,..., ) f F F F = n Modele weloczynnkowe Można
Bardziej szczegółowoWPŁYW PARAMETRÓW DYSKRETYZACJI NA NIEPEWNOŚĆ WYNIKÓW POMIARU OBIEKTÓW OBRAZU CYFROWEGO
Walenty OWIECZKO WPŁYW PARAMETRÓW DYSKRETYZACJI A IEPEWOŚĆ WYIKÓW POMIARU OBIEKTÓW OBRAZU CYFROWEGO STRESZCZEIE W artykule przedstaono ynk analzy nepenośc pomaru ybranych cech obektu obrazu cyfroego. Wyznaczono
Bardziej szczegółowoBadanie współzależności dwóch cech ilościowych X i Y. Analiza korelacji prostej
Badane współzależnośc dwóch cech loścowych X Y. Analza korelacj prostej Kody znaków: żółte wyróżnene nowe pojęce czerwony uwaga kursywa komentarz 1 Zagadnena 1. Zwązek determnstyczny (funkcyjny) a korelacyjny.
Bardziej szczegółowoPrognozowanie i Symulacje. Wykład I. Matematyczne metody prognozowania
Prognozowanie i Symulacje. Wykład I. e-mail:e.kozlovski@pollub.pl Spis treści Szeregi czasowe 1 Szeregi czasowe 2 3 Szeregi czasowe Definicja 1 Szereg czasowy jest to proces stochastyczny z czasem dyskretnym
Bardziej szczegółowoNatalia Nehrebecka. Wykład 2
Natala Nehrebecka Wykład . Model lnowy Postad modelu lnowego Zaps macerzowy modelu lnowego. Estymacja modelu Wartośd teoretyczna (dopasowana) Reszty 3. MNK przypadek jednej zmennej . Model lnowy Postad
Bardziej szczegółowoSTATYSTYKA. Rafał Kucharski. Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND, Finanse i Rachunkowość, rok 2
STATYSTYKA Rafał Kucharski Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND, Finanse i Rachunkowość, rok 2 Wybrane litery alfabetu greckiego α alfa β beta Γ γ gamma δ delta ɛ, ε epsilon η eta Θ θ theta
Bardziej szczegółowoKrzysztof Borowski Zastosowanie metody wideł cenowych w analizie technicznej
Krzysztof Borowsk Zastosowane metody wdeł cenowych w analze technczne Wprowadzene Metoda wdeł cenowych została perwszy raz ogłoszona przez Alana Andrewsa 1 w roku 1960. Trzy lne wchodzące w skład metody
Bardziej szczegółowoPRACE NAUKOWE Uniwersytetu Ekonomicznego we Wrocławiu
PRACE NAUKOWE Uniwersytetu Ekonomicznego we Wrocławiu RESEARCH PAPERS of Wrocław University of Economics Nr 415 Ubezpieczenia wobec wyzwań XXI wieku Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu
Bardziej szczegółowoAlgorytm I. Obliczanie wymaganej powierzchni absorpcji
Algorytm I. Oblcne wymgnej powerchn bsorpcj Wsp. prewodnośc olcj λ Zewnętrny wsp. wnn cepł α Prerój ew. olcj d Prerój wew. olcj d Grubość olcj d r Wsp. prenn cepł r α d π d + * ln λ d + α d Wsp. prenn
Bardziej szczegółowoStanisław Cichocki Natalia Nehrebecka. Zajęcia 4
Stansław Cchock Natala Nehrebecka Zajęca 4 1. Interpretacja parametrów przy zmennych zerojedynkowych Zmenne 0-1 Interpretacja przy zmennej 0 1 w modelu lnowym względem zmennych objaśnających Interpretacja
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH
STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH 1 Test zgodnośc χ 2 Hpoteza zerowa H 0 ( Cecha X populacj ma rozkład o dystrybuance F). Hpoteza alternatywna H1( Cecha X populacj
Bardziej szczegółowo( ) ( ) 2. Zadanie 1. są niezależnymi zmiennymi losowymi o. oraz. rozkładach normalnych, przy czym EX. i σ są nieznane. 1 Niech X
Prawdopodobeństwo statystyka.. r. Zadane. Zakładamy, że,,,,, 5 są nezależnym zmennym losowym o rozkładach normalnych, przy czym E = μ Var = σ dla =,,, oraz E = μ Var = 3σ dla =,, 5. Parametry μ, μ σ są
Bardziej szczegółowoZastosowanie modelu regresji logistycznej w ocenie ryzyka ubezpieczeniowego. Łukasz Kończyk WMS AGH
Zastosowanie modelu regresji logistycznej w ocenie ryzyka ubezpieczeniowego Łukasz Kończyk WMS AGH Plan prezentacji Model regresji liniowej Uogólniony model liniowy (GLM) Ryzyko ubezpieczeniowe Przykład
Bardziej szczegółowoKrzysztof Piontek Weryfikacja modeli Blacka-Scholesa dla opcji na WIG20
Akademia Ekonomiczna im. Oskara Langego we Wrocławiu Wydział Zarządzania i Informayki Kaedra Inwesycji Finansowych i Zarządzania Ryzykiem Krzyszof Pionek Weryfikacja modeli Blacka-Scholesa oraz AR-GARCH
Bardziej szczegółowoSpis treści 3 SPIS TREŚCI
Spis treści 3 SPIS TREŚCI PRZEDMOWA... 1. WNIOSKOWANIE STATYSTYCZNE JAKO DYSCYPLINA MATEMATYCZNA... Metody statystyczne w analizie i prognozowaniu zjawisk ekonomicznych... Badania statystyczne podstawowe
Bardziej szczegółowoArytmetyka finansowa Wykład z dnia 30.04.2013
Arytmetyka fnansowa Wykła z na 30042013 Wesław Krakowak W tym rozzale bęzemy baać wartość aktualną rent pewnych, W szczególnośc, wartość obecną renty, a równeż wartość końcową Do wartośc końcowej renty
Bardziej szczegółowoNieparametryczne Testy Istotności
Neparametryczne Testy Istotnośc Wzory Neparametryczne testy stotnośc schemat postępowana punkt po punkce Formułujemy hpotezę główną odnoszącą sę do: zgodnośc populacj generalnej z jakmś rozkładem, lub:
Bardziej szczegółowoZMIANY W METODYCE BION
ZMIANY W METODYCE BION Lp. Obszar/wskaźnik Stan poprzedni Wprowadzona zmiana OCENA RYZYKA ZAKŁADU ZAGREGOWANE RYZYKO 1. Wynik testu stresu dla ryzyka koncentracji aktywów 2. Ekspozycja na ryzyko kredytowe
Bardziej szczegółowoRezerwy techniczno-ubezpieczeniowe jako podstawa wypłacalności i stabilności finansowej zakładów ubezpieczeń
Ewa Spigarska * Rezerwy techniczno-ubezpieczeniowe jako podstawa wypłacalności i stabilności finansowej zakładów ubezpieczeń Wstęp Rezerwy są zabezpieczeniem jednostki przed znanym jej ryzykiem przyszłej
Bardziej szczegółowoModelowanie procesu produkcji banków i badanie ich efektywności kosztowej 1
Jerzy Marzec (Katedra Ekonometr Akadem Ekonomcznej w Krakowe) Modelowane procesu produkcj banków badane ch efektywnośc kosztowej 1 1. Podstawy pomaru efektywnośc kosztowej. Mkroekonomczny model przedsęborstwa
Bardziej szczegółowoZadanie 1. Liczba szkód w każdym z trzech kolejnych lat dla pewnego ubezpieczonego ma rozkład równomierny:
Matematyka ubezpieczeń majątkowych 5.2.2008 r. Zadanie. Liczba szkód w każdym z trzech kolejnych lat dla pewnego ubezpieczonego ma rozkład równomierny: Pr ( N = k) = 0 dla k = 0,, K, 9. Liczby szkód w
Bardziej szczegółowo65120/ / / /200
. W celu zbadana zależnośc pomędzy płcą klentów ch preferencjam, wylosowano kobet mężczyzn zadano m pytane: uważasz za lepszy produkt frmy A czy B? Wynk były następujące: Odpowedź Kobety Mężczyźn Wolę
Bardziej szczegółowoZnaczenie instrukcji w uczeniu się na podstawie wzmocnień w schizofrenii
Znaczene nstrukcj w uczenu sę na podstawe wzmocneń w schzofren Dorota Frydecka Katedra Psychatr Unwersytetu Medycznego m. Pastów Śląskch we Wrocławu Jarosław Drapała Katedra Informatyk Poltechnk Wrocławskej
Bardziej szczegółowoKONSTRUKCJA OPTYMALNYCH PORTFELI Z ZASTOSOWANIEM METOD ANALIZY FUNDAMENTALNEJ UJĘCIE DYNAMICZNE
Adranna Mastalerz-Kodzs Unwersytet Ekonomczny w Katowcach KONSTRUKCJA OPTYMALNYCH PORTFELI Z ZASTOSOWANIEM METOD ANALIZY FUNDAMENTALNEJ UJĘCIE DYNAMICZNE Wprowadzene W dzałalnośc nstytucj fnansowych, takch
Bardziej szczegółowoPodczas zajęć będziemy zajmować się głownie procesami ergodycznymi zdefiniowanymi na przestrzeniach ciągłych.
Trochę teorii W celu przeprowadzenia rygorystycznej ekonometrycznej analizy szeregu finansowego będziemy traktowali obserwowany ciąg danych (x 1, x 2,..., x T ) jako realizację pewnego procesu stochastycznego.
Bardziej szczegółowoMetody predykcji analiza regresji
Metody predykcj analza regresj TPD 008/009 JERZY STEFANOWSKI Instytut Informatyk Poltechnka Poznańska Przebeg wykładu. Predykcja z wykorzystanem analzy regresj.. Przypomnene wadomośc z poprzednch przedmotów..
Bardziej szczegółowoRegulamin promocji 14 wiosna
promocja_14_wosna strona 1/5 Regulamn promocj 14 wosna 1. Organzatorem promocj 14 wosna, zwanej dalej promocją, jest JPK Jarosław Paweł Krzymn, zwany dalej JPK. 2. Promocja trwa od 01 lutego 2014 do 30
Bardziej szczegółowoOBLICZENIE PRZEPŁYWÓW MAKSYMALNYCH ROCZNYCH O OKREŚLONYM PRAWDOPODOBIEŃSTWIE PRZEWYŻSZENIA. z wykorzystaniem programu obliczeniowego Q maxp
tel.: +48 662 635 712 Liczba stron: 15 Data: 20.07.2010r OBLICZENIE PRZEPŁYWÓW MAKSYMALNYCH ROCZNYCH O OKREŚLONYM PRAWDOPODOBIEŃSTWIE PRZEWYŻSZENIA z wykorzystaniem programu obliczeniowego Q maxp DŁUGIE
Bardziej szczegółowo01. dla x 0; 1 2 wynosi:
Matematyka ubezpieczeń majątkowych 0.0.04 r. Zadanie. Ryzyko X ma rozkład z atomami: Pr X 0 08. Pr X 0. i gęstością: f X x 0. dla x 0; Ryzyko Y ma rozkład z atomami: Pr Y 0 07. Pr Y 0. i gęstością: fy
Bardziej szczegółowoANALIZA WYBRANYCH METOD OCENY SYSTEMÓW BONUS-MALUS
Anna Jędrzychowska Unwersytet Ekonomczny we Wrocławu Wydzał Zarządzana, Informatyk Fnansów Katedra Ubezpeczeń anna.jedrzychowska@ue.wroc.pl Ewa Poprawska Unwersytet Ekonomczny we Wrocławu Wydzał Zarządzana,
Bardziej szczegółowoEstymacja parametru rozkładu Rayleigha i logistycznego w terminach k-tych wartości rekordowych
Estymacja parametru rozkładu Rayleigha i logistycznego w terminach k-tych wartości rekordowych Iwona Malinowska Politechnika Lubelska Dominik Szynal UMCS, Lublin XXXIII Konferencja "STATYSTYKA MATEMATYCZNA
Bardziej szczegółowoZadanie 1. Ilość szkód N ma rozkład o prawdopodobieństwach spełniających zależność rekurencyjną:
Zadanie. Ilość szkód N ma rozkład o prawdopodobieństwach spełniających zależność rekurencyjną: Pr Pr ( = k) ( N = k ) N = + k, k =,,,... Jeśli wiemy, że szkód wynosi: k= Pr( N = k) =, to prawdopodobieństwo,
Bardziej szczegółowodla t ściślejsze ograniczenie na prawdopodobieństwo otrzymujemy przyjmując k = 1, zaś dla t > t ściślejsze ograniczenie otrzymujemy przyjmując k = 2.
Zadanie. Dla dowolnej zmiennej losowej X o wartości oczekiwanej μ, wariancji momencie centralnym μ k rzędu k zachodzą nierówności (typu Czebyszewa): ( X μ k Pr > μ + t σ ) 0. k k t σ *
Bardziej szczegółowoMatematyka ubezpieczeń majątkowych 12.10.2002 r.
Matematya ubezpieczeń majątowych.0.00 r. Zadanie. W pewnym portfelu ryzy ubezpieczycielowi udaje się reompensować sobie jedną trzecią wartości pierwotnie wypłaconych odszodowań w formie regresów. Oczywiście
Bardziej szczegółowoDodatek 2. Wielowymiarowe modele GARCH
Dodatek 2. Wielowymiarowe modele GARCH MODELOWANIE POLSKIEJ GOSPODARKI z R MPGzR (dodatek 2) Modele MGARCH 1 / 15 Ogólna specykacja modelu MGARCH Ogólna posta dla N-wymiarowego procesu MGARCH {y t }: y
Bardziej szczegółowoZadanie 1. Liczba szkód N w ciągu roku z pewnego ryzyka ma rozkład geometryczny: k =
Matematyka ubezpieczeń majątkowych 0.0.006 r. Zadanie. Liczba szkód N w ciągu roku z pewnego ryzyka ma rozkład geometryczny: k 5 Pr( N = k) =, k = 0,,,... 6 6 Wartości kolejnych szkód Y, Y,, są i.i.d.,
Bardziej szczegółowoModele DSGE. Jerzy Mycielski. Maj Jerzy Mycielski () Modele DSGE Maj / 11
Modele DSGE Jerzy Mycielski Maj 2008 Jerzy Mycielski () Modele DSGE Maj 2008 1 / 11 Modele DSGE DSGE - Dynamiczne, stochastyczne modele równowagi ogólnej (Dynamic Stochastic General Equilibrium Model)
Bardziej szczegółowoRok akademicki: 2013/2014 Kod: AMA-2-311-MN-s Punkty ECTS: 6. Kierunek: Matematyka Specjalność: Matematyka w naukach technicznych i przyrodniczych
Nazwa modułu: teoria ryzyka Rok akademicki: 2013/2014 Kod: AMA-2-311-MN-s Punkty ECTS: 6 Wydział: Matematyki Stosowanej Kierunek: Matematyka Specjalność: Matematyka w naukach technicznych i przyrodniczych
Bardziej szczegółowo( ) Elementy rachunku prawdopodobieństwa. f( x) 1 F (x) f(x) - gęstość rozkładu prawdopodobieństwa X f( x) - dystrybuanta rozkładu.
Elementy rchunku prwdopodoeństw f 0 f() - gęstość rozkłdu prwdopodoeństw X f d P< < = f( d ) F = f( tdt ) - dystryunt rozkłdu E( X) = tf( t) dt - wrtość średn D ( X) = E( X ) E( X) - wrncj = f () F ()
Bardziej szczegółowoBudowa modelu wewnętrznego do zarządzania ryzykiem w zakładzie ubezpieczeń majątkowych
Budowa modelu wewnętrznego do zarządzania ryzykiem w zakładzie ubezpieczeń majątkowych PRMIA Warszawa, 2010.10.11 Copyright 2010 SAS Institute Inc. All rights reserved. Oszacowania SCRnlife standardowe
Bardziej szczegółowoSTARE A NOWE KRAJE UE KONKURENCYJNOŚĆ POLSKIEGO EKSPORTU
Ewa Szymank Katedra Teor Ekonom Akadema Ekonomczna w Krakowe ul. Rakowcka 27, 31-510 Kraków STARE A NOWE KRAJE UE KONKURENCYJNOŚĆ POLSKIEGO EKSPORTU Abstrakt Artykuł przedstawa wynk badań konkurencyjnośc
Bardziej szczegółowoOKRESOWA EMERYTURA KAPITAŁOWA ZE ŚRODKÓW ZGROMADZONYCH W OFE
OKRESOWA EMERYTURA KAPITAŁOWA ZE ŚRODKÓW ZGROMADZONYCH W OFE Z a k ł a d U b e z p e c z e ń S p o ł e c z n y c h Warunk nabywana prawa do okresowej emerytury kaptałowej ze środków zgromadzonych w otwartym
Bardziej szczegółowoImmunizacja ryzyka stopy procentowej ubezpieczycieli życiowych
Immunizacja ryzyka stopy procentowej ubezpieczycieli życiowych Elżbieta Krajewska Instytut Matematyki Politechnika Łódzka Elżbieta Krajewska Immunizacja ubezpieczycieli życiowych 1/22 Plan prezentacji
Bardziej szczegółowoKlasyczne miary efektywności systemu bonus-malus
Klasyczne mary efektywnośc systemu bonus-malus Anna Jędrzychowska Ewa Poprawska Klasyczne mary efektywnośc systemu bonus-malus Głównym celem wprowadzena systemu bonus-malus w ubezpeczenach komunkacyjnych
Bardziej szczegółowoStanisław Cichocki. Natalia Neherbecka. Zajęcia 13
Stanisław Cichocki Natalia Neherbecka Zajęcia 13 1 1. Kryteria informacyjne 2. Testowanie autokorelacji 3. Modele dynamiczne: modele o rozłożonych opóźnieniach (DL) modele autoregresyjne o rozłożonych
Bardziej szczegółowoDr inż. Robert Smusz Politechnika Rzeszowska im. I. Łukasiewicza Wydział Budowy Maszyn i Lotnictwa Katedra Termodynamiki
Dr nż. Robert Smusz Poltechnka Rzeszowska m. I. Łukasewcza Wydzał Budowy Maszyn Lotnctwa Katedra Termodynamk Projekt jest współfnansowany w ramach programu polskej pomocy zagrancznej Mnsterstwa Spraw Zagrancznych
Bardziej szczegółowoPodstawy teorii falek (Wavelets)
Podstawy teor falek (Wavelets) Ψ(). Transformaca Haara (97).. Przykład pewne metody zapsu obrazu Transformaca Haara Przykład zapsu obrazu -D Podstawy matematyczne transformac Algorytmy rozkładana funkc
Bardziej szczegółowo2008-03-18 wolne wolne 2008-03-25 wolne wolne
PLAN SPOTKAŃ ĆWICZEŃ: Data Grupa 2a Grupa 4a Grupa 2b Grupa 4b 2008-02-19 Zajęcia 1 Zajęcia 1 2008-02-26 Zajęcia 1 Zajęcia 1 2008-03-04 Zajęcia 2 Zajęcia 2 2008-03-11 Zajęcia 2 Zajęcia 2 2008-03-18 wolne
Bardziej szczegółowoZastosowanie wielowymiarowej analizy porównawczej w doborze spó³ek do portfela inwestycyjnego Zastosowanie wielowymiarowej analizy porównawczej...
Adam Waszkowsk * Adam Waszkowsk Zastosowane welowymarowej analzy porównawczej w doborze spó³ek do portfela nwestycyjnego Zastosowane welowymarowej analzy porównawczej... Wstêp Na warszawskej Ge³dze Paperów
Bardziej szczegółowoZAŚWIADCZENIE o przebiegu ubezpieczeń majątkowych
Powszechny Zakład Ubezpieczeń S.A. Pion Klienta Korporacyjnego Aleja Jana Pawła II 24, 00-133 Warszawa Nr ewidencyjny: 91617688/KD ZAŚWIADCZENIE o przebiegu ubezpieczeń majątkowych Poniżej przedstawiamy
Bardziej szczegółowoPomiar efektywności systemu bonus-malus. Analiza wybranych metod oceny
Pomar efektywnośc systemu bonus-malus Anna Jędrzychowska Ewa Poprawska Pomar efektywnośc systemu bonus-malus. Analza wybranych metod oceny Artykuł stanow rozwnęce kontynuację zaprezentowanej na kartach
Bardziej szczegółowoA C T A U N I V E R S I T A T I S L O D Z I E N S I S FOLIA OECONOMICA 296, Anna Szymańska *
A C T A U N I V E R S I T A T I S L O D Z I E N S I S FOLIA OECONOMICA 96, 03 Anna Szymańsa * ROZKŁADY LICZBY SZKÓD W UBEZPIECZENIACH KOMUNIKACYJNYCH OC. WPROWADZENIE Zgodne z Ustawą z dna 8 lca 990 r.
Bardziej szczegółowoMODELE COPULA M-GARCH O ROZKŁADACH NIEZMIENNICZYCH NA TRANSFORMACJE ORTOGONALNE
Mateusz Ppeń Unwersytet Ekonomczny w Krakowe MODELE COPULA M-GARCH O ROZKŁADACH NIEZMIENNICZYCH NA TRANSFORMACJE ORTOGONALNE Wprowadzene W analzach emprycznych przeprowadzonych z wykorzystanem welorównanowych
Bardziej szczegółowoMatematyka ubezpieczeń majątkowych r.
Matematyka ubezpieczeń majątkowych 0.0.005 r. Zadanie. Likwidacja szkody zaistniałej w roku t następuje: w tym samym roku z prawdopodobieństwem 0 3, w następnym roku z prawdopodobieństwem 0 3, 8 w roku
Bardziej szczegółowoPolityka dywidend w spółkach notowanych na Giełdzie Papierów Wartościowych w Warszawie w latach 1994 2002
Joanna Wyrobek Akadema Ekonomczna w Krakowe Poltyka dywdend w spółkach notowanych na Gełdze Paperów Wartoścowych w Warszawe w latach 1994 2002 1. Cel badań Celem badań była analza poltyk wypłaty dywdend
Bardziej szczegółowoMODEL REGRESYJNY WARTOŚCI POJEDYNCZEJ SZKODY UWZGLĘDNIAJĄCY POLISY BEZSZKODOWE
Studa Ekonomczne Zeszyty Naukowe Unwersytetu Ekonomcznego w Katowcach ISSN 083-86 Nr 4 05 Ekonoma 3 Alcja Wolny-Domnak Unwersytet Ekonomczny w Katowcach Wydzał Ekonom Katedra Metod Statystyczno-Matematycznych
Bardziej szczegółowoMatematyka ubezpieczeń majątkowych r.
Zadanie. W pewnej populacji kierowców każdego jej członka charakteryzują trzy zmienne: K liczba przejeżdżanych kilometrów (w tysiącach rocznie) NP liczba szkód w ciągu roku, w których kierowca jest stroną
Bardziej szczegółowoWłasność iteracyjności składek ubezpieczeniowych wyznaczonych w oparciu o teorię skumulowanej perspektywy Kahnemana-Tversky
Własność iteracyjności składek ubezpieczeniowych wyznaczonych w oparciu o teorię skumulowanej perspektywy Kahnemana-Tversky ego Marek Kałuszka Michał Krzeszowiec Ogólnopolska Konferencja Naukowa Zagadnienia
Bardziej szczegółowoŚREDNI BŁĄD PROGNOZOWANIA DLA METODY EKSTRAPOLACJI PRZYROSTU EMPIRYCZNEGO
B A D A N I A O P E R A C Y J N E I D E C Y Z J E Nr 3 4 006 Bogusław GUZIK ŚREDNI BŁĄD PROGNOZOWANIA DLA METODY EKSTRAPOLACJI PRZYROSTU EMPIRYCZNEGO W artykule sformułowano standardowy układ założeń stochastycznych
Bardziej szczegółowoEKONOMIA MENEDŻERSKA. Wykład 3 Funkcje produkcji 1 FUNKCJE PRODUKCJI. ANALIZA KOSZTÓW I KORZYŚCI SKALI. MINIMALIZACJA KOSZTÓW PRODUKCJI.
EONOMIA MENEDŻERSA Wykład 3 Funkcje rodukcj 1 FUNCJE PRODUCJI. ANAIZA OSZTÓW I ORZYŚCI SAI. MINIMAIZACJA OSZTÓW PRODUCJI. 1. FUNCJE PRODUCJI: JEDNO- I WIEOCZYNNIOWE Funkcja rodukcj określa zależność zdolnośc
Bardziej szczegółowoW praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np.
Wykład 7 Uwaga: W praktyce często zdarza sę, że wynk obu prób możemy traktować jako wynk pomarów na tym samym elemence populacj np. wynk x przed wynk y po operacj dla tego samego osobnka. Należy wówczas
Bardziej szczegółowo