Model stochastycznej zależności liczby szkód i wartości pojedynczej szkody

Joanna Sawicka
Additional contact information
Joanna Sawicka: Uniwersytet Warszawski

Collegium of Economic Analysis Annals, 2013, issue 31, 157-183

Abstract: W literaturze dotyczącej metody zaufania (ang. credibility method) oraz wyceny składki na podstawie historii szkodowej ubezpieczonego (ang. experience rating) rozpatruje się zazwyczaj modele stochastycznej niezależności liczby szkód i wartości pojedynczej szkody. W niniejszym artykule rozważony zostanie natomiast model stochastycznej zależności liczby szkód i wartości pojedynczej szkody w populacji ubezpieczonych jednorodnych pod względem charakterystyk obserwowalnych. W artykule obliczona zostanie składka zaufania dla łącznej wartości szkód na podstawie liczby szkód, a także zaproponowana zostanie regresja pomocnicza pozwalająca na przetestowanie w prosty sposób, czy parametry ryzyka rozkładów liczby szkód i wartości pojedynczej szkody są stochastycznie zależne. Rozpatrzone zostaną ponadto przykładowe modele stochastycznej zależności liczby szkód i wartości pojedynczej szkody, a także uzyskane zostaną dla nich wielkości składek zaufania i teoretyczne wartości parametrów w regresji pomocniczej.

Date: 2013
References: View references in EconPapers View complete reference list from CitEc
Citations:

Downloads: (external link)
http://rocznikikae.sgh.waw.pl/p/roczniki_kae_z31_09.pdf Full text (application/pdf)

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:sgh:annals:i:31:y:2013:p:157-183

Access Statistics for this article

Collegium of Economic Analysis Annals is currently edited by Joanna Plebaniak, Beata Czarnacka-Chrobot

More articles in Collegium of Economic Analysis Annals from Warsaw School of Economics, Collegium of Economic Analysis Contact information at EDIRC.
Bibliographic data for series maintained by Michał Bernardelli ().