最终破产概率的更新方程及渐近估计

通过引入泛函的方法,导出了初始盈余为u的最终破产概率ψ（u;ω）的更新方程为ψ（u;ω）,进而首次得到了一般情形下最终破产概率ψ（u;ω）的渐近估计为     

一个巨灾风险模型破产概率的估计

巨灾风险是目前理论界和保险事务界十分关注的重大问题，如何用数学模型描述巨灾保险经营过程更是其中一个关键性问题，其中运用带干扰的Cramér-Iamdberg风险模型描述巨灾保险经营过程是保险理论界比较认同的模型。另外，巨灾所引起的保险索赔分布通常属于重尾分布，比如标准的对数正态分布。在此情形下破产概率的精确表达式一般很难求得，因此破产概率的表达式一般就通过渐近等价估计式进行表达。     

一个巨灾风险模型破产概率的估计

巨灾风险是目前理论界和保险事务界十分关注的重大问题,如何用数学模型描述巨灾保险经营过程更是其中一个关键性问题,其中运用带干扰的Cramér-Lundberg风险模型描述巨灾保险经营过程是保险理论界比较认同的模型。另外,巨灾所引起的保险索赔分布通常属于重尾分布,比如标准的对数正态分布。在此情形下破产概率的精确表达式一般很难求得,因此破产概率的表达式一般就通过渐近等价估计式进行表达。     

两种分布条件下保险公司破产概率的比较

运用概率知识对保险公司运营过程中遇到的风险模型进行了进一步的研究,对比几何分布,在索赔额服从Poisson分布的条件下,给出了破产概率公式,更新方程和渐近估计,最后利用已知数据进行了比较,结果是令人满意的.     

概率解释与概率逻辑

对概率的解释及据此而发展起来的概率逻辑是经典逻辑的最重要的扩展之一.它在哲学、数学、认知科学、人工智能等领域有着重要的应用,一方面是这些研究领域的工具,而同时又是这些研究领域的对象.本文通过对概率的解释进行大致的分类,对由各解释发展起来的概率逻辑分别做了介绍,希望据此对概率逻辑的发展做一个梳理.     

基于破产概率和VaR的保险公司资产负债管理研究

应用聚合风险模型和蒙特卡罗模拟技术,计算不同情况下的破产概率,并对结果进行了对比分析,发现初始准备金在开始时间段对破产概率影响较大,不同初始准备金(其它参数相同)下的破产概率随着时间的变化逐渐收敛到终极破产概率;通过建立某一置信度下的破产概率VaR受限模型,实现对不同保险产品参数和经营策略下的破产风险进行对比和控制。     

发生函数在组合分析与概率计算中的应用

在古典概型的很多概率计算中,若想直接求出基本事件的总个数以及有利场合数,往往不知道如何入手解决,这时,如果变换思路,通过一一对应的变换关系,利用发生函数方法,能使问题迎韧而解.     

常利率离散时间更新风险模型的破产概率

考虑了常利率离散时间更新风险模型,导出了有限时间不破产概率的递推表达式和最终生存概率的递推表达式,并利用鞅方法得到了最终破产概率的上界估计。     

带干扰的保费随机收取的相依风险模型的最终破产概率

在连续时间情况下,建立了保费收取次数是一个Poisson过程和索赔次数相依的带随机干扰的风险模型,用鞅方法得到了其最终破产概率及Lundberg不等式,讨论了相依性对破产概率的影响.最后结合实例进行了数值计算.     

一类带有扰动的双险种风险模型的破产概率

本文在文献[1]-[4]的基础上研究了一类带有扰动的双险种风险模型,其中险种A的保费率随机,保费的收取过程是一Poisson过程,而该险种的索赔计数过程是其稀疏过程;险种B将保费的收取和索赔总额过程同时推广到广义复合Poisson过程,以此解决该险种在同一时刻有两张以上保单到达和两个以上顾客索赔的实际问题;由于保险公司还有一些不确定的收支,所以又考虑了随机干扰项。运用鞅方法证明了破产概率满足的Lundberg不等式.     

概率统计的联系式教学

本文结合自身概率统计课程的教学经验，介绍一种联系式教学方法．所谓联系式教学方法就是以已学知识作为引导来引进新的概念，通过联系与比较提高新概念在脑中的认同度，从而化陌生为熟悉，化复杂为简单．     

离散经典风险模型中的破产概率及其渐近解

在文献[1]的基础上针对复合二项模型导出了任意初始盈余和任意个体索赔额情形下的最终破产概率的递推解，并得到了它的渐近解。     

如何在概率统计课程教学中介绍Matlab

本文针对目前概率统计课程教学改革发展的需要 ,介绍了在工科概率统计课程的教学过程中如何在比较短的时间内让学生对 Matlab有个初步的认识 ,并能够使用 Matlab的统计工具箱解决一些简单的概率统计问题     

基于概率主题模型的社交网络层次化社区发现算法

针对传统的社区发现算法大多基于网络拓扑结构寻找独立的社区结构,忽略了用户兴趣属性,并且不能有效地发现社区间的相关性和层次关系等问题。该文提出一种新型的基于PAM(pachinko allocation model)概率主题模型的层次化网络社区发现算法,综合考虑了用户的兴趣和用户的社交网络关系,在同一模型平台上实现层次化的社区结构发现和用户兴趣挖掘,并捕捉和揭示社区之间的关联性和重叠性等特征。模型采用Gibbs采样方法进行参数推导。在真实数据集上的实验结果验证了所提出算法的可行性和有效性。     

科学证据的概率解释

在卡尔纳普之后,用概率的理念与方法研究科学证据和确证问题,受到许多学者的重视。在此尝试对与科学证据有关的几个重要问题从概率角度进行理解和解释,包括:证据陈述中出现的"比较级"问题、考虑到证据存在时假说的"可接受性"问题以及以信念为基础的相信假说的"合理性"问题。     

对一个概率问题的另解

应用几何方法计算概率是概率研究中的一个重要手段.在实际应用中,这种方法并结合图示给以说明,能使问题的解答更直观、更严谨,易懂好学,实用.     

概率算子“可能”的核心情态语义及其概率赋值手段

"可能"是一个概率模态算子,其核心情态语义特征为[+概率可能]。按照概率模态"概率值的连续标度法","可能"的赋值范围为"0相似文献   

广义全概率公式

经典全概率公式的条件中要求事件列必须是"互不相容"的,本文将去掉这一条件,试图解决由任何事件列(相容或不相容)构成的样本空间,其复杂事件概率如何用全概率公式"直接"计算的问题,给出了广义全概率公式.并以集合运算律为工具,对公式给予了严密的证明.最后举出1个例子以阐明公式的运用.     

关于τ（α）函数在概率积分计算中的应用

本文通过τ（α）函数性质及τ（α）函数与B（P,q）函数的关系,得出了τ（α）函数的一系列特殊值,结合概率积分的特点,应用τ（α）函数与B（P,q）函数计算一些概率积分．