The Compound DGL/Erlang Distribution in the Collective Risk Model // La distribución compuesta DGL/Erlang en el modelo de riesgo colectivo

Autores/as

  • Emilio Gómez Déniz Departamento de Métodos Cuantitativos en Economía y Gestión Universidad de Las Palmas de Gran Canaria (Spain)
  • Enrique Calderón Ojeda Centre for Actuarial Studies, Department of Economics The University of Melbourne (Australia)

Palabras clave:

Automobile insurance, collective risk model, Lindley distribution, seguro de automóviles, modelo de riesgo colectivo, distribución Lindley

Resumen

In this paper the analysis of the collective risk model assuming Erlang loss, when the claim frequency follows the discrete generalized Lindley distribution, is considered. After providing some new results of this discrete model, analytical expressions for the aggregate claim size distribution in general insurance in the case that the discrete generalized Lindley distribution is assumed as the primary distribution while claim size, the secondary distribution, is modeled using an Erlang(r) distribution (r = 1; 2). Comparisons with the compound Poisson and compound negative binomial are developed to explain the viability of the new compound model in two examples in automobile insurance.

------------------------------------

En este artículo se analiza el modelo de riesgo colectivo asumiendo que la cantidad individual reclamada sigue una función de densidad Erlang y el número de reclamaciones es una variable aleatoria cuya función masa de probabilidad es la generalizada discreta Lindley. En la primera parte de este trabajo se presentan nuevas propiedades de esta distribución discreta; seguidamente, se calculan expresiones analíticas para la cantidad total reclamada en seguros generales cuando la distribución primaria es la generalizada discreta Lindley, asumiendo la densidad Erlang(r) (r = 1; 2) como distribución secundaria. En la ilustración numérica, el nuevo modelo expuesto en este artículo se compara con los modelos compuestos Poisson y Binomial Negativa en dos ejemplos, en el contexto de seguros de automóviles, para mostrar su efectividad.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Boucher, J.P., Denuit, M. and Guillén, M. (2007). Risk classification for claim counts: a comparative analysis of various zero-inflated mixed Poisson and hurdle models. North American Actuarial Journal, 11, 4, 110–131.

Calderón-Ojeda, E. and Gómez-Déniz, E. (2013). An Extension of the Discrete Lindley Distribution with Applications. Journal of the Korean Statistical Society, 42, 3, 371–373.

Dionne, G. and Vanasse, Ch. (1989). A generalization of automobile insurance rating models: the negative binomial distribution with a regression component. Astin Bulletin, 19, 2, 199–212.

Freifelder, F. (1974). Statistical decision theory and procedures, in Credibility theory and applications, P.M. Kahn, ed., Academic Press, New York, 71–88.

Gómez-Déniz, E. (2010). Another generalization of the geometric distribution. Test, 19, 399-415.

Gómez-Déniz, E. and Calderón-Ojeda, E. (2011). The discrete Lindley distribution: properties and applications. Journal of Statistical Computation and Simulation, 81, 11, 1405–1416.

Hernández-Bastida, A., Gómez-Déniz, E.and Pérez-Sánchez, J.M. (2009). Bayesian Robustness of the Compound Poisson Distribution under Bidimensional Prior: an Application to the Collective Risk Model. Journal of Applied Statistics, 36, 8, 853–869.

Klugman, S.A., Panjer, H.H. and Willmot, G.E. (2008). Loss Models: From Data to Decisions. Third Edition. Wiley.

Lindley, D.V., (1958). Fiducial distributions and Bayes' theorem. Journal of the Royal Statistical Society Series B, 20, 3, 102–107.

Marshall, A.W. and Olkin, I. (1997). A new method for adding a parameter to a family of distributions with application to the exponential and Weibull families. Biometrika, 84, 3, 641–652.

Meng, S., Wei, Y. and Whitmore, G. A. (1999). Accounting for individual over-dispersion in a bonus-malus system. Astin Bulletin, 29, 2, 327– 337.

Nadarajah, S. and Kotz, S. (2006a). Compound mixed Poisson distributions I. Scandinavian Actuarial Journal, 3, 141–162.

Nadarajah, S. and Kotz, S. (2006b). Compound mixed Poisson distributions II. Scandinavian Actuarial Journal, 3, 163–181.

Nakagawa, T. and Osaki, S. (1975). The discrete Weibull distribution. IEEE Trans. Reliab., 24, 5, 300–301.

Rolski, T., Schmidli, H. Schmidt, V. and Teugel, J. (1999). Stochastic processes for insurance and finance. John Wiley & Sons.

Roy, D. (2004). Discrete Rayleigh distribution. IEEE Trans. Reliab., 53, 5, 255–260.

Sandström, A. (2006). Solvency: Models, Assessment and Regulation, Chapman & Hall/CRC, Boca Raton.

Seal, H.L. (1982). Mixed Poisson-an ideal distribution of claim number? MVSV, 293–295.

Willmot, G.E. (1987). The Poisson-inverse Gaussian distribution as an alternative to the negative binomial. Scandinavian Actuarial Journal, 113 - 127.

Wüthrich, M.V. (2006). Premium liability risks: Modelling small claims. Bull. Swiss Association Actuaries, 1, 27–38.

Zakerzadeh, Y. and Dolati, A. (2009). Generalized Lindley Distribution. Journal of Mathematical Extension, 3, 2, 13–25.

Publicado

2016-11-04

Cómo citar

Gómez Déniz, E., & Calderón Ojeda, E. (2016). The Compound DGL/Erlang Distribution in the Collective Risk Model // La distribución compuesta DGL/Erlang en el modelo de riesgo colectivo. Revista De Métodos Cuantitativos Para La Economía Y La Empresa, 16, Páginas 121 a 142. Recuperado a partir de https://www.upo.es/revistas/index.php/RevMetCuant/article/view/2184

Número

Sección

Artículos