utilisation pratique de la methode de simulation dans l`assurance
Transcription
utilisation pratique de la methode de simulation dans l`assurance
U T I L I S A T I O N P R A T I Q U E 1)E LA M E T H O D E D E S I M U L A T I O N DANS L ' A S S U R A N C E ,,NON L I F E " D'HOOGE, FRANCKX ET GENNAI~T J3ru xelles I. -- INTRODUCTION Les colloques successifs d'Astin ent eu le mdrite de clarifier certaines iddes thdoriques importantes. E n i n v i t a n t au colloque d ' A r n h e m les aetuaires 5. penser aux m~thodes de Monte Carlo, les organisateurs ont forcdment orient~ les recherches vers le domaine des applications. Car simuler, c'est 5. dire dtablir des rdsultats conformes ~. un processus aKatoire bien d&ermin~, suppose priori que les donndes numdriques d'introduction (ou de definition) ont &d fix~es. Nous ne reprendrons pas les principes de la m & h o d e de simulation, ils sont donn~s de mmli~re magistrale dans ,,Notes on operations research I959" du centre de recherche op&ationnelle du Massachusetts I n s t i t u t e of Technology. Le ehapitre ix, p o r t a n t titre ,,Simulation of Ra~Mom processes" r~digd par H e r b e r t P. Galliher donne un exposd complet du probl~me. Nous r e n v o y o n s cette rdf&ence. Parmi les idles que ['on doit retenir, car elle est d'applieation dans t o u s l e s domaines, nous citons ,,Never shnulate a single numerical problem;always simulate several of a class of problems". Dans le domaine non life, cet aspect est fondamental. Ce qui y f l i t ddfaut, ee sont des algorithmes g&]draux de rdsolution numdriques. Une des difficult& majeures rencontr~es par les actuaires a ~t~ et est encore le calcul effectif des convolutions. Ceux qui ont dtabli cette note se sont pos6 la question de savoir si la m & h o d e de Monte Carlo ne pouvait fournir un proc~dd: dvitant les convolutions. - - suffisamment g~n~ral pour ~tre applicable k une classe de risques arbitraire. - - dormant comme sous-produit des ~ldments intdressant aussi bien les th6oriciens que les praticiens. - - 8S L'ASSURANCE ,,NON LIFE" Une rdponse largement positive semble donnde k ces desiderata. La base de la mdthode de simulation est le thdor6me de CantelliGlivenko: ,,lorsque la taille d'nn dchantillon a u g m e n t e la fonction de distribution de l'dchantillon converge f o r t e m e n t vers 13 fonction de distribution de [a population d o a t l'dchantillon a dtd e x t r a i t " . Un risque quelconque - - n ' a p p a r t e n a n t pas ndcessairement ~t une classe homog~ne - - est d6fini par de,ix coordom~&s stochasliwes. D ' u n e part l'inlensitd du risque (valeur aldatoire du hombre de sinistres f r a p p a n t un c o n t r a t au cours de l'annde), d ' a u t r e part la haule¢tr d,u si~uslre (montant al4atoire de chaque sinistre particulier). L'algorithme de simulation doit 6tre programmd de fa¢on 5. ~tre utilisable quelles que soient les coordonn6es stochastiques. E n introdui.aant dans l'ordinateur des valeurs particuli~res - - donc numdriques - - de ces coordonndes stochastiques, celni-ci rdalisera mac dpreuve simulde, dont le rdsultat est la ddpense totale annuelle pour un contrat. E n rdpdtant cette dpreuve un grand n o m b r e de lois, et en enregistrant les rdsultats, on constitue la pop~tlation •n,um&ique de rdfdrcnce A partir de cette derni6re, on ddduira comn-m sous-produits par des sous-routines les autres rdsultats statistiques. Dans nos exp6riences, cette population de base c o m p o r t a n t 36o.ooo valeurs simuldes (nombre non pris au hasard), elle nous a pennis de nou~ rendre c o m p t e de la convergence effective annonc6e par le thdor+me de Cantelli-Glivenko. Le mdtier d'assureur est possible parce que par les cumuls dec rdsultats individuels des rdgularitds statistique~ sent constatdes. Le probl6me des cumuls est par suite essentiel. Une question que nous heirs sonlmes posde peut s'dnoncer comme suit: Ex~ste-t-iI une mdthodc systd,matiqu.e 7bermctta,zt de calculer le budget slochaslique relalif d ctn hombre arbitraire de co.ntrals? E n d'autres mots, si un ensemble de risques comporte k = 765 contrats est il possible de donner en ddbut d'exercice les valeurs numdriques de la fonction de distribution du total ~t payer pour cet ensemble de contrats ? D e u x mdthodes p e u v e n t ~tre envisag6es: - - la premiere : par cumul des r~sultats de eontrats de la population de base et application de la mdthode de Cantelli-Glivenko; clle a L'ASSURANCE ,,NON LIFE" 89 dtd effectivement utilisde pour les valeurs de k = I, 4, 9, 25, IOO, 400, 900. - - la seconde: par une mdthode d'approxinlation, (interpolation ou extrapolation) Lt partir de certaines courbes de budget particuli6res (celles d6duites par la premiere mdthode) on cherche 5. dtablir celle de l'effectif impos6. La deuxi6me mdthode est bas6e sur l'utilisation des ,,courbes de transforn-tations". Si .F(x) et q)(y) sont dcux fonctions de rdpartition des variables X et Y, une telle courbe de t r a n s f o r m a t i o n ddfinit la fonction 3' = f ( x ) t e l l e que: t0[f(x)] ~ . F ( x ) Darts it cadre d'une dtude num6rique, l'image statistique des courbes de transformation est obtenue 5. la machine, mais ajustde g r a p h i q u e m e n t ou par calcul dl6mentaire. Le choix de la fonction de rdfdrence F(x) n'est pas arbitraire. L'idde d'Esscher nous a amend 5. es,,ayer la loi normale en particulier. Des rdsultats encourageants ont dtd obtenus de cette mani6re, ils indiquent que des dtudes subs6quentes sont souhaitables. A p a r t i r du m o m e n t oh l'on di.~pose du budget stochastique d'un ensemble de risques, on peut dtudier t o u s l e s probl6mes et dtablir n ' i m p o r t e quelle tarification. Dans cette note, nous avons voulu dtudier. - - l'~nfluc~ce de l'effeclif d'.m~e classe de risques sur les chances qu'a u~ assureur de subir des fluclualions ddfavorables. - - l'influen.ce de l'effeclif d'une classe de risques sur la partition de la prime globale pure entre assureur er rdass~lreur, lorsqu.e ce dernier ppre.~z.d a sa charge l'i.ndemnisaliol~ au delc~ d'~me cerlai~ze limite de retention. (stop loss). Ce choix particulier m o n t r e que les 6tudes ont atteint actuellement un niveau tel que la rdsolution effective el: numdrique des probl6mes pratiques est devenu possible. Cependant, pour que l'algorithme soit gdndral, et les rdsultats comparables, il a fallu prendre une ddfinition invariante des fluctuations ddfavorables. Si E ddsigne la valeur m o y e n n e du budget d ' u n e classe de risques, une fluctuation ddfavorable sera mesurde par: 3' = E (~ + p) p~>o 9o L'ASSURANCE ,,NON L I F E " La fluctuation y correspond h une d@ense budgdtaire d @ a s s a n t la valeur probable. La valeur de E d @ e n d des coordondes stochastiques et de l'effectif qui varient de cas en cas. D6s lors, le p a r a m & r e principal de l'dtude est la valeur de p, exprimde en pour cents de la valeur moyenne. L'influence de l'effectif est non n6gligeable ; les r~sultats con,signals dans des tableaux p e r m e t t e n t les calculs rdels pour un effectif quelconque. Un r a p p r o c h e m e n t avec les considdrations de la fullcredibility am6ricaine est instructif. Le prdsent travail a dr6 exdcutd en team. L'un d'entre nous s'est chargd de la conception gdndrale, le second de la p r o g r a m m a t i o n et de l'exdcution sur IBM 162o, le troi.~i~me de l'exploitation des r6sultats. Ce t e a m a eu le sentiment net d'avoir appris beaucoup dans l'exfcution du prdsent travail. I1 esp6re que cette exp6ricnce sera aussi constructive pour les autres. 2. DESCRIPTION DES T R A V A U X DE SIMULATION EFI:ECTUI:~S 2.1. Donndes a L a variable al6atoire N, i,ntensild du risque, suit une loi clont la fonction de rdpartition est une image statistique observde, suivant les donndes ci-apr6s - - (~) (z) (.3) N o m b r e de sinistres Fr~quence observdc lnlage s t a t i s t i q u e de ht fonction de rdparation F. Sn 774 375 i2o 4° 15 5 2 i o 58ozo989 o 8613;934 o.95127436 o.98125937 o0025o374 o 09625r87 o 99775112 o.9985oo74 o 99925o37 i T.O000000 1 L'ASSURANCE ,,NON 91 I.IFE" Cette loi cst extraite de l'article: ,,Un probl6me de tarification de l'assurance accidents d'automobiles examin6 par la statistique m a t h 4 m a t i q u e " Pierre Delaporte, X V I e Congr6s I n t e r n a t i o n a l d'Aetuaires. Vol. II, 196o. b - La variable aldatoire M, h a u t e u r d'un sinistre, suit la loi th6orique exponentielle de m o y e n n e unit6 dont la fonction de %paration est F(m) = P r o b ( M < m) = I - - e -m c - P e n d a n t la pdriode de r6f6rence considdr6e (une ann6e), tin c o n t r a t subit un nombre n de sinistres, dont la s o m m e des ddgals S=m~+m2+...+m~ est 6galement une variable al6atoire et repr6sente la d6pense possible de l'assureur pour le contrat consid6r6. 2.2. Crdation d ' u n f i c h i e r de base On a simul6 360.000 contrats p e n d a n t la p6riode de r6f6rence d ' u n e ann6e. On a not6 pour chacun d ' e n t r e eux les valeurs obtenues pour les variables N (intensit6) et S (somme des d6gats). Ces r6sultats out 6t6 perfords sur des cartes h raison de 6 contrats par carte, et ont servi h l'6tablissement des statistiques d6crites clans les paragraphes suivants. L a simulation d'un c o n t r a t se fait par la m6thode classique suivante. La g6n6ration d ' u n e variable al6atoire de fonction de r@artition donn6e se fait ~ partir de nombres pseudo-al4atoires h distribution uniforme stir l'intervalle (o, I). P o u r ceux-ci, on utilise les formules suivantes (hombres entiers): Xi = 40353607 = 7 :~ X:+i = aXy(modM) avec a = 7" jl/I = I010 Les nombres pseudo-al6atoires (compris entre o et I) sont x a = IO -1oX: j = I, 2 . . . . Cheque lois qu'on a besoin d'un tel nombre, quel qua soit son usage, on le d6termine 5 partir du prdc6dent, qui a 6t6 conserv6 en n%moire. 92 L'ASSURANCE ,,NON LIFE" P o u r slmuler la v a r i a b l e N, on p r e n d un tel n o m b r e x~ et on utilNe la table du p a r a g r a p h e 2.1., c o l o n n e (3)Si .f,_~ .~ .~q < ft, on p r e n d n = i (f_, = o) P o u r simuler une v a l e u r s de la v a r i a b l e S, on simule n fois la v a r i a b l e M (hauteur), p a r la f o r m u l e de la f o n c t i o n inverse de la f o n c t i o n exponentielle, avec un n o m b r e p s e u d o - a l d a t o i r e -D c o m m e argument. ,uj -- =- In (I -- x;) n et on fait la s o m m e s = 3.2 mj 1 l Les p r e m i e r s couples o b t e n u s p o u r n (intensitd) et s (sore.me des ddggtts) sont : IZ S 0 0 O.000000 0.000000 2 0 2 0881,03 0 000000 I I 1"26625I 2.3. U~ se2tl contral. Quelques statistiq,ucs imporlantes el imace slatistique de la fonclio~ de rdpartition de la variable S. i °) Les moyenne~ note les 36.ooo et m o m e n t s et coefficients s u i v a n t s o u t 6t6 c a l c u l & p a r des p o r t a n t sur 54.000 c o n t r a t s . A u cours de ce calcut, o a a r d s u l t a t s c o r r e s p o n d a n t ~t N = 9.ooo, I8.ooo, 27.o0o, 45.ooo c o n t r a t s . a) la m o y e n n e : S b) l'6cart q u a d r a t i q u c : v(S)= ~/-S~ - - (S)"- c) le m o m e n t de troisihme o r d r e : m:,(S) = S~ - - 3 .s'~ S + 2( S) ~ d) le m o m e n t de q u a t r i + m e o r d r e : m4s) = S~ --4 s~ s + 6 s~ (s)~ + 2(s)~ L'ASSURANCE ,,NON L I F E " e) le coefficient de symdtrie: c ~ - .m~ (S) [~(S)]3 f) le coefficient de curtosis: ~ - .,~ (S) ?,(S)]" N N X sl S'--~ ' N' avec S~ - ' £s~ ' N' 93 N N ~ 3 S~ S:~=L' N' 4 ~ S~ Sa-''' N La wtriable s p r e n d les N valeurs donndes par la simulation. Le tableau ci-apr&s r e p r e n d les r6sultats obtenus. ,v S v(S) m.~(S) m.~(S) 0ooo 18000 27ooo 36000 450o0 34000 o6254844 o6278716 o.633137 o o.632126I o6322193 o6326388 t.2755o 4 I 264979 I 255849 1.249589 1.2542t 5 1.253524 6 788709 6535621 6.218o3o 6.123oo 4 6.261316 6 214783 46.60566 44.90871 41 34800 ,to 59645 42 030o0 41.43o[o 2 °) Pour N = ~ 3.27]460 3 228761 3 139365 3.138o68 3 173577 3 1552o3 p I 7 6o8o 5 17.53865 16.6232I r6.65ol6 16.98519 16 77970 9ooo, I8OOO, 27000, 36000, 45000 et 54000 On a ddtermind l'image slatislique de la variable S et ceci avec un pas de probabilild de o,I. Afin de faive a p p a r M t r e le stabilild de eerie image en fonction du h o m b r e d'~preuves, on a r e i m s dans la tableau ci dessous quelques points i p o u r les diffdrentes valcurs de N. I o 2.o 3o 4.0 5.0 6o 7-0 8o 9 o 14 o 14.o 15.o 9000 18ooo 27000 36000 45000 54000 o 794333 0.802999 o94o777 o 968666 o982555 0.990444 0.993999 0.996222 0.997999 0909111 o 990888 0.999990 o79o944 o.892~22 o.941277 0.968333 0.983611 o.991~I1 o994888 o 996944 0.998222 o998999 0.999888 o 999999 o 786111 o89o111 o.941296 0.969555 o 983666 o.991259 o995296 o 997222 o 998407 o.999111 0.999925 o 099999 o.78536t 0.891222 o942o83 0.969666 0.983555 o991333 0.995583 0.997333 o 998444 0.999138 o 999916 o 999999 0.785622 o.891377 0.942533 o.969644 o.983177 o9913II 0.995333 0.997177 o 998288 o999o22 o 999911 o 999999 o785814 o.890703 0.942148 0.969499 o9834o 7 0.99137 ° o.99537 o o 997222 o 998259 o.998999 0.999925 o 999999 94 L'ASSURANCE ,,NON L I F E " On a tracd sur la figure I la reprdsentation de cette image statistique p o u r N = 54ooo, d'apr~s les rdsultats numdriques de la table de l ' a n n e x e I. P R O 8 ($ (s ) 1o og 08, 07 06 Y 05 04 FI6.1 03. 02 01 0 2.4. k Contrats. Image statistique de la fonction de rdpartition de S. Statistiques. A p a r t i r du richer de base, on a construit des dchantillons des variables aldatoires k Sk = X sj t t oil sj est une des variables S du fichier de base. Les valeurs de k ont dtd choisies comn-te indiqufi au tableau ci dessous: P 4 9 25 [ oo 40o 900 36 36 25 o 4 4 Une variable Stc reprdsente la s o m m e des ddgats p o u r un effectif de k c o n t r a t s p e n d a n t la pdriode de rdfdrence. Pour obtenir une L'ASSURANCE ,,NON LIFE" 95 image statistique de la fonction de r @ a r t i t i o n de Sk, on a effectu6 IOO simulations de cette variable. Les rdsultats, classds par ordre de grandeur croissante donnent une image statistique de la fonction de r6partition (figure 2, trait continu pour k = 4)En r6pdtant la d6termination expdrimentale de cette image statistique, on a constatd que les dchantillons successifs prdsentaient une dispersion a,isez consid6rable. C'est pourquoi, pour chaque valeur de k, on a construit p fichantillons (volt tableau ci dessus), 10! P R O B C S4<s ) ? 8 9 I0 11 12 13 14 2---;. . . . . . . . . . . . . . . o9! / 07" 06 05 04 03 /" t t '/ 2 FIG 02 01 I I I I dont on a fait la m o y e n n e arithm6tique pour constituer une image statistique .moyenne de la fonction de r6partition de Sk. Le n o m b r e total de contrats simul4s a 6t6 imposd par les valeurs maximales de k et p choisies (900 × 4 × IOO = 360 ooo). Plus pr6cis6ment, on peut r e m a r q u e r que les cent valeurs de Sk qui servent 5. construire une image statistique sont let cent percentiles empiriques, abscisses de l'image statistique oh la frdquence relative atteint un pourcentage donnd. Pour clmcun des percentiles, on fait la m o y e n n e des p percentilles obtenus pour obtenir le percentile de l'image moyenne. L'image statistique m o y e n n e o b t e n u e pour k = 4 et p ---- 36 est prdsentde en traits interrompus ~t la L'ASSURANCE ,,NON L I F E " 96 figure 2. On constate qu'elle est beaucoup plus r6gulifire que les images statistiques dont d i e est la moyenne. Dans ce qui suit, on n'utilisera plus que les images statistiques moyennes pour rdsoudre les problfimes posds. E n particulier, ces images statistiques moyelmes ont 6td utilisdes pour calculer les statistiques suivantes : k Se v(Se) 4 9 25 Ioo 400 900 2 5420 5 7oot 16 079 64 3 t o 256 09 576 7 ° 2.4703 3 6429 6 2589 12.395 26.o51 37 3 [8 m~(S,) 2o 549 42 568 ~47.87 553.56 38o8.o 980.00 m.,(&.) 181 oo 6t9.14 4849.9 65890 t281ooo 545000o ~(&) ~(S~) 1.3632 o 88054 0.60309 o 29068 o.2t54o o.ol886 4 8604 3 5157 3.t6o4 2.7914 2.78t 5 2 81oo L ' a n n e x e 2 reproduit la table de l'image statistique moyenne obtenue pour k = ioo, 4oo, 9oo. 3. EXPLOITATION DES RI:;SUL'I'ATS DE LA SIMULATION Dans ce qui suit, on ddcrit les mdthodes utilisdes, et on note un certahl n o m b r e d'observation,~ On donne tr6s peu de justifications 5. base thdorique. 3.1. Comparaison des fomlions de rdpartition de S~, somme des ddgdts de k contrals groupds, avec la fonclion de r@arltlion d'u.ne loi de Gauss. Le budget de k contrats groupds est une somme de k w~riables aldatoires identiques et inddpendantes. On peut donc a'attendre k pouvoir apptiquer les thdor6mes de la tendance centrale. Pratiquement, pour un n o m b r e k donnd de contrats, on peut vdrifier graphiq u e m e n t si l'adoption de la loi normale est admissible en utilisant la technique de la droite de H e n r y . Celle-ci consiste k reprdsenter darts un syst~me cart6sien Oxy les points de coordonn6es (x~,yi) tels que xt soit le i5 percentile de la loi de Gauss-Laplace idduite, et 3,l le m~me percentile (empirique) de la fonction de rdpartition particuli6re dtudide. Dans les graphiques des figures 3, 4 et 5, ces points n ' o n t dtd reprdsent6s que pour les percentiles de rangs multiples de 5, et pour k = 4, 9, 25, IOO, 4oo et 9o0. L'ASSURANCE ,,NON LIFE" 97 Si la fonctio.n de rdparlilion dludide est effecliveme.nl celle d'u~te loi normale, et. si on remTblace les percentiles empiriques ~ar les percentiles thdoriques sur l'axe Oy, les 7boints du graphique doivent se trouver sur une droile, qui est la reprdsentation de la foncti.on de transformation dont il est question darts l'introduction. Y FIG 3 20 iII ~t / / p=35 10 / " // ij I/// ." /11 p:36 s ~-" ''~" -~ o percenttles , th~or~¢lues G (0,1) % Rdciproquement, la fonction de r6partition est inconnue, et si les points d6d.uits des percentiles empiriques sont suffisamment alignds, on peut a d m e t t r e que la loi thdorique est une loi normale. L a m o y e n n e et l'dcart q u a d r a t i q u e de cette loi normale p e u v e n t ~tre estimds sur le graphique (voir la fig. 4) ou encore calcul6s (2.3) Au vu des graphiques repr6sent6s, on peut ad,metlre q~e pour k = IOO, 4oo, 900 la loi de la somme des ddgdls est ,,pratiquemenY' normcde, tandis que pour k = 4, 9, 25, l'app r°ximati°.n de la los rdelle par une loi normale est 7braKquement d rejeter. Ceci constitue un excmple p r a t i q u e de d6termination de la valeur 98 L'ASSURANCE ,,NON LIFE d'un effectif 5_ partir duquel la tendance centrale devient pratiquem e n t utilisable (ce que la thdorie n'assure pas). Y F I G .4 .o " 1"qsw° ) iO 50 5 10 20 -1 30 l,,.O .5 60 70 80 , J . i , i 1 percentiles 90 95 ~ th~omques i G(OjI) • x 3.2. Comparaison des fonctio'ns de r@arlilion de la somme des ddgdts de k co~zlrals groupds avec une fonclion de r@artition empiriquc de ~'df eYg't~CC. Au lieu de prendre comme loi de rdfdrence une loi de GaussLaplace, comme dans le paragraphe prdcddent, on peut prendre une des lois de la famille dtudide, en l'occurence la fonction de rdpartition empirique de la somme des ddgfits pour k = IOO. On peut ain~i se ddgager complhtement de toute considdration thdorique pour la rdsolution des probl6mes pratiques qui seront envisagds dans la suite. Dans les graphiques des figures 6 et 7, on a effectu~ un travail analogue it celui des figure.~ 3, 4 et 5, en p o r t a n t sur l'axe Ox, au lieu des percentiles thdoriques de la loi normale rdduite, les percentiles empiriques de la loi de Sto., somme des d6gats de IOO contrats. L'ASSURANCE ,,NON LIFE" 99 A l ' e x a m e n de ces graphiques, on p e u t a d m e t t r e que la corresp o n d a n c e des percentiles est p r a t i q u e m e n t lindaire entre k = IOO d ' u n e part, et k = 25, 4oo et 9o0 d ' a u t r e part. On p e u t dcrire les Y 60C I """" ""'k:900 p=4 500 FIG 5 400 301 .._.-'" ......~oo p=4 200 ~o , s 9 . s,o 4P 5 qo, 7,o, sp , oercenti/es 90I 9s J th~oriques G(O,1) • ff dquations d ' u n e ch'oite qui repr6sente cette t r a n s f o r m a t i o n , utilisant la m 6 t h o d e des m o m e n t s ; on choisit l'6quation en y=ax+b avec des coefficients a e t b tels que les m o m e n t s empiriques calcul6s se c o r r e s p o n d e n t effectivement. E n t r e Sto. et Se on 6crit les 6quations v(Sk) = a v(Sloo) p o u r k = 25, 400 et 900, o n o b t i e n t les c o e f f i c i e n t s s u i v a n t s Ioo L'ASSURANCE ,,NON L I F E " b 0,505 25 4oo 9oo -[6,40 2 , 1 0 1 I2t 3,o[ 383 k=25 30 FIG 25 20 k=9 15 k--4 5 ~........---.-"r5 ~£....j..o--~'O.,~ 5o6,o ~ i 40 , SO : : : ~ 60 , ~ ~ ! 8,0 ~ 70 , I I ntcles SfO 0 ,9,o 95 , wo Ji I ' 80 i 90 x L'ASSURANCE ,,NON LIFE" IOI Le~, droitcs c o r r e s p o n d a n t c s ont dtd tracdes sur les figures 6 et 7 Elles seront utilisdes p o u r rdsoudre certains probl~n-tes p r a t i q u e s au p a r a g r a p h e 3.4. 3.3. Utilisalio~ directe d'¢t~e image stalistiqlte moyerme 3.3.1 Probldmes - - types On p r e n d r a c o m m e exemple la variable Sto,, d o n t une table de r i m a g e statistiq ue est donnde on a n n e x e 2. Pour l'utilisation directe iii .~o~¢¢~ 400 2OO 5 i 40 i 10 i 20 , 50 i i 30 40 EO 60 70 i i i i J 60 i i i i i 70 80 i i 90 i i i ,5'0 p~r~enttle$ S 955 100100 I i 90 f • x Io2 L'ASSURANCE ,,NON LIFE" d'une telle table, on consid&re que chacune des valeurs apparaissant darts la table arrive avec une probabilit4 de o,oi. La moyenne et l'6cart quadratique empiriques de S~oo sont respectivement S~oo = 64,31 et v(Stoo) = 12,4o. Probl&ne I. Estimation de la probabilit4 pour que la somme des d6gS.ts relatifs ~ IOO contrats ddpasse 75 unitds" 2o pour cent (ligne 81 de la table). ProbI&~e 2. Estimation de la somme des d6g~ts qui a une probabilit4 d'etre ddpassde 4gale ~t 5 % ' 86 i% 98 I1 est h. remarquer que l'estimation correspondant ~ une probabilitd de 1 % est moins prdcise que celle qui correspond ~t 5 %, par suite de la dispersion plus grande qui apparait clans les ,,queues" des images statistiques simuldes. Probl&ne 3- Ddtermination approchde (approximation de la m4thode des rectangles) du montant de la prime de r6assurance ,,stop loss". On suppose par exemple que lorsque la somme des d4ggtts d4passe 70, 74 untt~s pendant la p&iode de r6f4rence {pour l'ensemble des lOO contrats), le rdassureur prend b. sa charge la pattie qui d4passe ce montant. Le montant 7o, 74 correspond /t IiO % de la valeur moyenne 64,31. Dans ce cas, la valeur moyenne de l'intervention du rdassureur est de (70,84 - - 7o,74) I00 (71,o5 - - 70,74 ) + - __+...+ I00 (98,35 - - 70,74) I00 =2,569 ce qui constitue une fraction de 4 % de la moyenne 64,3 I, La fraction 0,04 est un laux relalif de slop loss. 3.3.2. Tables des probabilitds d'dcarls ddfavorables el de taux de stop loss Pour les probl&mes 2 et 3 du paragraphe prdcddent, on a effectual des calculs systdmatiques, en fonction d'arguments normalis4s, qui sont des exc~s relatifs h la moyenne empirique: les annexes 3 et 4 donnent, en fonction de p (i~re colonne) et de k (I~re ligne), respectivement prob [S~ > Sk (I + p)] (probabilild d'dcarls ddfavorables) L ' lO3 ASSURANCI= ,,NON L I F E " r - et la valeur m o y e n n e du taux relatzf de slop loss lorsque le rdassureur prend k sa charge la partie du m o n t a n t Sic qui d6passe Se (I + p) On peut r e t r o u v e r dans cette derni6re table le rdsultat calcul6 5. la fin du paragraphe 3 3 .1, et faire la constatation i m p o r t a n t e suivante: lorsque l'effeclz~ augmenlc, la probabilitd f u n dcart ddfa- vorable el le taux relalzf de stop toss diminuenl pour une mdmc valeur de p. Ainsi, la probabilitd d'un dcart ddfavorable de io % passe de 0,36 ~. 0,29 et 5t 0,06 lorsque l'effectif passe de k = 4 8 k = IOO et k : 900. Dans les m4mes conditions, le t a u x relatif de stop loss passe de o,34 ~ 0,o4 et it o,ool 7. On r e m a r q u e r a cependant que la probabilit6 des petits 6carts ddfavorables (jusque 2o % environ) commence par c r C t r e en fonction de k, pour ddcroite ensuite. Ceci est dO /l la forte dissyntdtrie de la loi de S. 3.4. Ddtermination d'une fonction de rdparlition i ntermddiaire d parlir de cerlaines fonclions de rdparliHon simul&s. On se propose de d6terminer par exemple une fonction de r @ a r tition approch6e pour Saoo. 3.4.1. Interpolation enlre les fonclions de r@artition simuldes. On peut interpoler les fonctions de rdpartition de St,o, 5400 et $9 oo. P o u r cela, on utilise les coefficients d'interpolation de Lagrange. On note pt, p4 et p9 les percentiles correspondants p o u r k = IOO, 400 et 900. Le percentile interpold pour k = 500 est p5 = Lt pt + t., p4 + Lg p,a avec (5--4) L ! -- (5 --" 9) --I (1 - - 4 ) ( 1 - - 9 ) (5--I) (5--9] L4 : --- - (4 ---I) (4 -- 9) 0,167 6 x6 -- 15 (5 -- 1) (5 -- 4) 1 (9 -- I) (9 -- 4) IO : Lo67 -- O,I (i) lO4 L'ASSURANCE ,,NON LIFE" a) Interpolation entre les donn6es brutes des trois simulations. P o u r le percentile de rang IO, on t r o u v e p.~ = - - o , I 6 7 x 48,76 + I,O67 X 222,6 + o,I x 526,8 -- 282,0 (annexe 2) l)ans ee cas, il faut disposer de trois tables de fonctions de r~partition simul~es, mais il n'est pas ndcessaire de faire l ' h y p o t h ~ e de la lindaritd de la transformation entre ces trois fonctions de rdpartition. Cette mdthode pourrait servir pour interpoler entre les fonctions de rdpartition simuldes de $4, $9 et S~s par exemple. b) Interpolation entre les donndes de,~ simulations lissdes par l'intermddiairc d'une droite de H e n r y (3.2.) On prend pour p~ les percentiles de la table de l'image statistique de la fonction de rdpartition de Sloo, et pour p4 et :b~ respectivement p4 = 2,101 /St + 121 p,~=3,Ol (Ia) pt+383 Ce sont les valeurs donndes par les fonctions de transformation calculdes au paragraphe 3.2. On trouve ainsi pour le percentile de rang IO, pl = 48,76, p4 = 223,4, p9 = 529,8 (annexe 2 et formules ia) et, par la formule (I) /55 ~ 283,2 Pour appliquer cette mdthode, il suffit de disposer d'une seule table (ceIlc de S~.~), mais il faut faire l'hypoth~se de la lindarit~ de la transformation des fonctions de rdpartition. R e m a r q u e : on peut tracer sur la figure 7 une droite de transformation de la fonction de rdpartition de S,.o vers Ssoo. lres coefficients a et b de celle ci s'obtiennent par interpolation entre les coefficients des droites relatives k Stoo (non tracfic), 54o0 et .%o0. On t r o u v e l'dquation y = 2,376 x + 167, 4 (2) Cette droite est repr~sentde sur la figure 7 (droit interpole)6 L'ASSURANCE ,,NON L I F E " 10 5 3.4.2. ExlrapolaHon d'une fonction de r@arlilion simulde On fair l ' h y p o t h ~ s e que les variables Sk envisagdes suivent une loi de Gauss. a) E q u a t i o n thdorique d ' u n e fonction de t r a n s f o r m a t i o n . On note G(E, ~) une loi de Gauss de m o y e n n e E et dcart q u a d r a t i que ,. Si S , t suit une toi G(E1, crt) et Sn2 une loi G(E% ~2), avec n i = k.~ n e, on a E2 = k 2 El et la droite de t r a n s f o r m a t i o n de la fonction dc r @ a r t i t i o n de Sn~ vers celle de Sn: est y= kx+ Et(k a-k) (3) On t r o u v e cette 6quation en e x p r i m a n t que les m o m e n t s de la f o n c n o n de r @ a r t i t i o n t r a n s f o r m d e doivent 6tre E-. et ~2. b) T r a n s f o r m a t i o n de Stoo en $5oo. On fait k °- = 5 dans l'expression (3) et E~ = 63,26 (valeur c a p culde h p a r t i r de la m o y e n n e de S sur 54ooo contrats). On t r o u v e y = 2,236 x + I74,85 (4) L a droite c o r r e s p o n d a n t e est reprdsentde sur la figure 7 (droite extrapol6e). Si on l'utilise pour caleuler le percentile de r a n g IO de $5oo 5. p a r t i r de celui de Stoo, on t r o u v e y = 283,9 Observation. La correspondance r e m a r q u a b l e entre ce rdsultat et ceux du p a r a g r a p h e 3.4.1 prdsente un caract&re accidentel: la droite interpol6e et la droite extrapolde se coupent en effet a u x environs du percentile de rang IO. On r e m a r q u e r a dans le tableau du p a r a g r a p h e 3.4.4. que la correspondance des percentiles de r a n g 9 ° est moins bonne. 3.4.3. Calcul direcl de la loi de S~oo. Darts la formule (4) oll a utilisd p o u r x les percentiles en-tpiriques de la loi de Sloo. A y a n t f l i t l ' h y p o t h ~ s e de la loi de Gauss, et con- I06 L'ASSURANCE ,,NON LIFE" n a i s s a n t la m o y e n n e et l'dcart q u a d r a t i q u e de 51oo ~t p a r t i r de ceux de S, d & e r m i n 6 s au p a r a g r a p h e 2.3., on a u r a i t t o u t aussi bien pu p r e n d r e p o u r x les percentiles t h d o r i q u e s de la loi de $1oo. D a n s ces conditions, il est inutile de passer p a r l'interm&!.iaire de la loi de S~oo, et on p e u t d d t e r m i n e r la f o n c t i o n de r d p a r t i t i o n de Stoo directem e n t tt p a r t i r de celle de la loi de Gauss rdduite G(o,I), de la m a n i & e suivante: I ° Donndes" les m o m e n t s de la loi de D e l a p o r t e sont E(N) = o,6418 et ~2(N) = 0,9722 les m o m e n t s de la loi e x p o n e n t i e l l e sont E(M) = i et cr2(M) = i 2 ° M o m e n t s de la loi de S ~): E(S) = E ( N ) . E ( M ) = o,6418 × i = o , 6 4 1 8 ~e(S) = E(N) ~ ( M ) + E2(M) ~2(N) = o,6418 x i + 12 X 0,9722 = 1,614o o(S) = V~-I40 = L27o 4 3 ° M o m e n t s de la loi de Ssoo: E = o,6418 x 50o = 32o, 9 a = 1,27o 4 × /5oo=28,4 I 4 ° F o n c t i o n de t r a n s f o r m a t i o n de G(o,i) vers la loi de Ss,o: y = 28,41 x + 32o, 9 A p p l i c a t i o n ' Le percentile t h d o r i q u c de r a n g I o de la loi de Gauss r6duite G(o,I) est --i,282. On en d6duit le percentile de m 4 m e r a n g de $1oo p a r la t r a n s f o r m a t i o n y = 28,4I x ( - - I , 2 8 2 ) + 32o, 9 = 284,5 3.4.4. Comparaison el vdrificalion des mdlhodes ulilisdes O n a rassembl6 ci-dessous les rdsultats des calculs faits prdcdd e m m e n t p o u r la loi de .55oo et relatifs au percentile de r a n g io. ') L D'HooGE et P. It.. GENNART. Les risques non-viagers Foncttons actuarmlles et tables, t965. lO7 L'ASSURANCE ,,NON L I F E " On y ajoute une colonne, o~ les m i m e s mdthodes ont 6t6 appliqudes p o u r le percentile de rang 9 o. La derni~re ligne contient les m~mes rdsultats d6duits d i r e c t e m e n t de la loi enlpirique de $5oo, dont les percentiles ont dtd ddterminds par une m o y e n n e de 4 @ r e u v e s (P = 4, voir 2.4). On peut considdrer que la correspondance entre les rdsultats des diverses m6thodes est tr&s satisfaisante. percentile ro Interpolation 3 4 i & I n t e r p o l a t i o n 3.4 i b E x t r a p o l a t m n de Szoo Calcul direct 3 4-3S m m l a t i o n directe 282,o 283,2 283,9 284,5 285,8 percentile 90 36o,99 36o,5 i 356,6o 357,3 356,o 3.5. Exlension A condition de conserver la loi de Delaporte pour l'intensitd des sinistres, on peut utiliser les r~sultats numdriques de notre 6tude lorsque le m o n t a n t des d4g~,ts suit une loi exponenfielle de m o y e n n e m comn'te unit6 mondtaire au lieu de l'unitd; il suffit pour cela de multiplier par m le m o n t a n t des d6ggtts. 3.6. Conclusions La simulation est une op6ration ondreuse. La seule constitution du fichier de base a demand6 85 heures de travail sur o r d i n a t e u r IBM 162o. I1 faut donc 6viter la simulation si le calcul peut la remplacer. Ainsi, nous avons montr6 que pour les calculs relatifs 5. la loi de ,55oo l'utilisation de la loi de Gauss rdduite, et des m o m e n t s d6duits des donndes du probl~me pouvait donner des r6sultats sans aucune simulation. Cependant, la simulation a apportd deux rdsullats importants: I ° Elle a permis de d6terminer e x p 6 r i m e n t a l e m e n t l'effectif g. p a r t i r du quel l'approxirnation de la loi de Gauss est admissible (en l'occurrence, k >/ IOO) 2° E n dessous de cet effectif, elle p e r m e t d'effectuer des calculs prdvisionnels sur des foncfions de r @ a r t i t i o n simuldes ou interpol6es. Notons encore que les r6sultats de la simulatiou ont mis en 6vi- xo8 L'ASSURANCE ,,NON L I F E " dence l'6volution des 6carts ddfavorables et des taux relatifs de stop toss en fonction de i'effectif. R e m a r q u e finale: darts l'exposd, on a ddveloppd ~t dessein les aspects les plub 6ldmentaires, de fafon & Iaciliter le travail de ceux qui voudraient utiliser effectivement ces mfthodes. ANNEXE 1 IJN S E t ' l , C O N T R A T I M A G E b T A T I S T I Q U E I)F. S, SOMME I)ES I ) E G A T S 54000 E p r e u v e s Classe Frdquence I)e .00 O0 .00 10 .tO 20 20 3° 4° 5° .60 7o 8o 0o 3° •4 ° .5 ° .Oo • 7° • • 80 O0 • 90 I 1 . O0 1 [0 1.10 1 20 I .20 i 3 ° .30 1 0 ° I 5 ° 1.5o [. 60 I . 60 t 7 ° i 1.4 I . 7° I .80 ! 90 l . 80 t .90 2 . O0 2 .00 2.IO 2,10 2,20 2 .20 2.3 ° 22.4 ° 22.5 ° 2.60 2.70 2.8o 2.3o 2.4 ° 2.50 2.60 2.70 2.80 Frdq. Relatwe Frdq. Rel. Cumulde A 2.90 2 . (10 3 oo 3.00 3.m 3.20 3.3 ° 3.m 3.20 3.3 ° 3.4 ° 315o6 1452 1337 1311 tt66 11o6 io52 963 92o 851 77 ° 7Ol 745 645 626 62t 532 513 489 387 4o5 382 345 3t8 3o9 281 .583444 .026888 •024759 .024277 o21592 .020481 .o1948I .o17833 .oI7o37 .ol5759 .or4259 .ol2981 .o[3796 .ott944 .0[[592 .Oil500 -009851 OO05O0 •009055 .007166 .oo75oo 007074 -oo6388 .005888 .oo5722 •005203 .583444 .6Io333 .635092 659370 680962 7o1444 720925 738759 755796 771555 785815 .798796 .812592 .824537 836129 .847629 .85748I .866981 .876o37 .8832o 3 .89o7o3 .807777 .9o4166 .91oo55 280 .005185 235 234 212 182 t88 202 .00435[ .004333 .003925 •003370 .oo348[ .003740 926t66 .93o5t8 .93485 l .038777 •942148 •945629 • 94937 ° 95248t -955055 168 OO3lll 139 .oo2574 .915777 .92o08t L'ASSURANCE ,,NON 1.1FE" IO 9 ANNEXE [ IMAGE UN SEUL CONTRAT STAT[ST[QUE D E S, S O M M E DES I)EGArI'S 54000 Eprcuves Classe Dc 3.4 ° 3.5 ° 3.60 3.70 3.80 3.90 4 .oo 4.1o 4.2o 4 3° 4.40 4 5° 4.60 4 7° 4.80 4.9o 5- oo 5.1o 5.2o 5.3 ° 5.4 ° 5.5o 5.6o 5.7 ° 5-8o 5.90 6. oo 6.1o 6.20 6.30 6.40 6 5° 6.6o 7-70 6.80 6.9o 7.00 7.Io 7.2o 7.3o 7.4o 7.5o 17rdquence Frdq. Relative Frdq. Rel Cumulde A 3.5 ° 3 60 3.7 ° 3.80 3.90 4.00 4 .lo 4 20 4.3 ° 4-4 ° 4.5 ° 4 60 4.70 4.8o 4.9o 5.00 5 "IO 5.20 5.3 ° 5 4° 5.5 ° 5 .60 5.7 o 5.80 5.9o 6.00 6.1o 6,2o 6.3o 6.40 6 5° 6.60 6 7° 6.80 6.90 7.00 7.IO 7.20 7.3 ° 7.4 ° 7.50 7 .60 157 147 135 116 127 98 95 1Ol 87 73 98 62 55 7° 53 57 54 48 43 57 5° 44 39 3° 34 31 26 37 23 28 L9 21 16 i7 12 17 1I t6 I1 lo lO 7 oo29o 7 .002722 .002500 .002[48 .002351 .oo1814 .001759 .001870 .001611 .001351 .oo1814 .ootl48 .OOlOl8 .o01296 .ooo981 .oolo55 .ootooo .ooo888 .o00796 .oom55 .000925 .000814 .000722 .000555 .ooo629 .000574 .ooo48I 000685 .ooo425 .ooo518 ,ooo35 r .000388 000206 .ooo314 000222 ooo3r4 .000203 .000296 ,ooo2o 3 .000185 000185 .OOO12Q .957962 .96o685 .963185 .965333 .967685 .969499 ,971259 .973129 •97474 o •976o92 .9779o7 979o55 .98oo74 .98137o .982351 .9834o7 .9844o7 .985296 .986o92 .987148 .988o74 .988888 .98961[ 99ol66 99o796 99137o 991851 992537 992962 993481 993833 994222 994518 .994833 .995055 .99537 ° .995574 •99587 ° .996074 .906259 -996444 .996574 II0 L'ASSURANCE ,,NON L I F E " ANNEXE I UN SEUL 1MAGE STATISTIQUE DE CONTRAT S, S O M M E D E D E G A T S 540oo E p r e u v e s Classe Frdq~ence De 7.60 7.7 ° 7.80 7.9o 8.oo 8.1o 8.20 8.3 ° 8.4 ° 8.50 8.6o 8.70 8.8o 8.9o 9.00 9.1o 9.20 9.3 ° 9.4 ° 9.5 ° 9.60 9.7 ° 9.80 9.9o lO. oo 10.20 10"30 ro.4o lo.5o lO.6O lO.7O 10.80 lO.9O 11 . o o i i .1o 11.20 lI.30 I1 .4 0 11.50 7- 7 ° 7.80 7.90 8.oo 8. i o 8.2o 8.30 8.4 ° 8.5o 8.60 8.7 ° 8.80 8.9o 9.oo 9. IO 9.20 9.3 o 9.4 ° 9.5 ° 9.60 9- 7 ° 9.80 9.9o IO.OO IO. IO I O . 20 IO.30 IO-40 lO 5 ° lO.6O lO.7O 1o.8o 10.90 11.oo it.to i i .20 I I .3 o 11.40 I I .5 ° II.60 i ~ .60 11.7 11 . 7 ° I r .80 IO. IO Frdq. Relative Frdq. Rel. Cumulde A ° 9 15 3 8 6 4 4 9 7 6 5 5 6 4 3 3 5 6 5 4 2 6 3 3 5 IO 1 4 3 i 3 2 o '2 3 o i O I I 2 o .000166 .000277 .000055 .oooi48 .OOOlII .0o0o74 .o0o074 .ooo166 .oooI29 .OOOlii .000092 .000092 .ooorlt .oooo74 .oooo55 .000055 .oooo92 .OOOlll .o00092 .000074 .oooo37 .OOOlii 0oo055 000055 000092 ooot85 000018 00o074 000055 oooo18 000055 .000037 .oooooo .oooo37 .oooo55 .oooooo .ooool8 .oooooo .ooooi8 .oooo18 .000037 .oooooo .99674o .997oi8 .997o74 .997222 -997333 .9974o7 .997481 .997648 -997777 .997888 997981 998074 998185 998259 998314 99837o 998462 -998574 .998666 .99874o .998777 .998888 .998944 .998999 .999o92 .999x77 .999296 -99937 o -999425 .999444 -999499 .999537 .999537 .999574 .999629 .999629 .999648 .999648 .999666 .999685 .999722 .999722 L'ASSURANCE ,,NON LIFE" III ANNEXE I IMAGE UN SEUL CONTRAT STATJSTIQUE D E S, S O M M E DES DEGATS 54000 Epreuves Classe De 11.8o lt.9o 12.OO 12.10 12.20 I2.30 I2.40 12.50 12.60 I2.7o 12.80 12.9o 13 oo 13.1o I3.20 13.3o 13.4o 13.5o 13.60 13.7o 13.8o a3.9o 14.oo 14.2o 14.2o 14.3o 14 4 ° ~4.5 o 14.6o 14.7o ~4.8o T4.9o Frdquence Freq. Relative Frdq. Rel. Cumulde A 11.9o 12.oo 12.10 I2.20 12.30 12.40 12.50 I2.60 12.70 12.8o 12.90 13.oo 13.1o 13.2o 13.30 13.4o 13.5o 13.6o 13.70 13.8o 13.9o 14.oo 14.1o 14.2o 14.3o 14.4 o 14.5 ° 14.6o 14.7o 14.8o 14.9o 15.oo o o 4 I O O I O .oooooo .oooooo -°°°°74 .OOOO18 .OOOOOO .OOOOOO .000018 .OO00OO o .ooooo0 o o o o o 1 O 1 I I o 1 o o o 2 1 t o o o o o .ooo0oo .oooooo .oooooo .oooooo .oooooo .OOOOI9 .oooooo .000018 .000018 .O00018 .oooooo .000018 .oooooo .oooooo .oooooo .00o037 .0o0018 .000018 .oooooo .oooooo .oooooo .oooooo .oooooo .999722 .999722 .999796 .999814 .999814 .999814 .999803 .999833 .999833 .999833 .999833 .999833 .999833 .999833 .999851 .999851 .999870 .999888 .999907 .999907 .999925 .999925 .999925 .999925 999962 .99998I .999999 .999999 .999999 .999999 .999999 .999999 ANNEXE 2 MOYENNE P= 7( = 9 ioo 35.81o937 4° . 457026 42 . 173830 43- 2 0 5 1 4 o IMAGE STATISTIQUE P= 4 / ( = 4oo P = 4 1( = 900 194,38185o 203 . 158040 208 2 2 7 4 5 0 212.39957 ° 483.857800 494.81462o 5oi.Io8o7o 507.327900 L'ASSURANCE ,,NON L I F E " 112 ANNEXE 2 MOYI~NNE iMAGE STATIST[QUE P = 9 1(= loo 5 6 7 8 9 lO ii i2 13 14 15 16 17 18 ~9 20 21 22 23 24 25 26 27 28 29 3° 31 32 33 34 35 36 37 38 39 4° 41 42 43 44 45 46 47 48 49 44.443374 45.755113 46.688143 47.433847 48-098112 48.756672 49.3o6315 49.829517 50.392770 5o.7945 o2 5t.344973 51.799667 52.081677 52.367562 52.968056 53.318453 53.879375 54.234845 54 8 t 5 6 8 7 55.197748 55.556980 55.75264 i 56.127717 56.517837 57.050903 57-309046 57.467345 57.760184 57.93437 ° 58.379o6o 58.69556o 59.062500 59.302428 59.515447 59.8o1793 6o.o313oo 6o.3o3512 60.560064 60.902626 6t.213°°5 61.66o194 61.9o9792 62.2t8o2I 62.454640 62-688465 P = 4 K = 4oo 215.°9562° 216.94955 o 2J7"6t°52° 2~9-31o81o 221.12463° 222.607480 224.537220 225.94464 ° 226.52547 ° 227.39234o 228.7o9i5o 229.923850 23t.22237o 232.355230 232"999740 233.248880 233.796510 234.41839 ° 235"93277 ° 237.o2ot9o 237.32o64 o 237.782560 238.514690 239.332310 239.920730 240.630640 241.45439o 242.2~3o8o 243 1256oo 243.2456oo 244"45432° 245.442010 246'337t5° 246.449030 247"43777 ° 248.124280 248.270330 248.559440 249.243910 249'942670 250.677120 25t-62112o 252.2741oo 252.634200 253"558800 l' = 4 K = 9oo 511-73647 ° 517.45895 o 52o'147oo0 522 46982o 523 384920 526.786t2o 527.900600 529.955 l o o 534.871270 537-34t37 o 538.54265 ° 541.7229o o 542.395400 543.498020 545"72375 ° 547-052320 548.37477 ° 548.998620 549"94°t7 ° 55o.96597 o 551.34347 ° 551.9613oo 552.83737 ° 553-977o7 o 555 3355 °0 555.55245 ° 558.16937o 559.452~7o 56°'46372° 56o-92557 o 56124732° 562.32185 o 563'366500 564.506320 565't5487° 565.71595 ° 566.68855 ° 567.160650 567.5579 °0 568"044550 5 6 9 . 7 r 8 9 oo 569.98195 ° 57o.986too 57t.47o7oo 572'f8172° L'ASSURANCE ,,NON LIFE" 113 ANNEXE 2 MOYENN]~ IMAGE S T A T I S T I Q U E 5° 5t 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 7° 71 72 73 74 75 76 77 78 79 80 8I 82 83 84 85 86 87 88 89 90 91 92 93 94 P= 9 K = IOO P= 4 K = 400 P = 4 I f = 900 63.28t537 63.442t67 63.78o96o 64. t55385 64 36137 o 64.596761 64.986747 65.3t267 o 65.573835 66.064563 66.409206 66.811998 67.167274 67.585756 67.870540 68.235498 68.660640 69.o87292 69.484280 69.724957 7o.lot4ti 7o.462124 70.842231 7t.o5462o 7t.3945o7 72.221943 72.562167 73.005240 73.98J65o 74.365360 74 73°39 t 75.221394 75.99o143 76 529to5 77.o62385 77.792913 78.t61836 78.643232 79.271936 8o.366588 81.28o56t 82.014604 82.335445 83.[72634 84.217065 254.364600 254.85415o 255.47565 ° 256.t72o5o 256.979270 257.879o7o 258.82515o 259.o76o5o 259.58792o 259.973470 26o.85r45o 26x.28642o 26t.77775o 262.279250 263.57152o 264.769520 265.318700 266.968570 267.368770 267 95407 ° 268.842850 269.845420 270.402900 27t.t7242o 271.76o4oo 273.256020 274.205970 274.8L715o 275.543600 276.939600 277.878170 279.~4245o 28o.32842o 28t.o2765o 281.46437o 282.493o5 o 283.778820 286.053600 288.122ooo 289 826050 292.627520 294 12235o 295.037350 295.996720 296.82oo5o 573.246400 575.778500 577.061800 577.682500 578 308150 578.8279oo 58o.23587 o 58I.t65050 582 395100 583.98L670 586.t63400 586.98O2OO 587.568300 588.26915O 588.9962OO 590.505070 591-353350 592.198700 592.728650 593.66795 o 594.862800 595.904020 597.6t097 o 599.834L70 601.9~997 o 602.954800 6O4.94272O 605.311570 6O6.77652O 607.502750 6o9.33862O 611.430430 6t3.O5367 o 6t4.70175o 615.17482o 018.OO8920 6t8.507750 619.4024OO 619.65177 ° 62t.163870 623.272720 625.7IO~OO 628.1~462o 629.48425 o 631.2246oo 1I 4 L'ASSURANCE ,,NON L I F E " ANNEXE MOYENNE 95 96 97 98 99 lOO 2 IMAGE STATISTIQUE P= 9 K = ioo P= 4 K = 400 P= K= 85.329858 86.798047 88-541oo6 89.685274 93.553544 98.349o9o 298.403600 3oi.98647o 3o5.57t35 o 3t2.24657o 3 [ 7 582720 323.6r222o 635.040100 639.847370 647-587 I2o 654.25782o 6 5 8 - 9 7 6 4 oo 668.64t27o ANNEXE PROBABII,tTES K = .0O ,0i .02 • 03 • 04 .05 .06 .07 .08 .09 .I0 .lI .I2 .I 3 • 14 •l5 .I6 .t 7 .18 .19 .20 .2I .22 .23 .24 .25 .26 27 .28 .20 .3 ° .3 I • 32 .33 .39 • 3 {} .38 .38 .38 .37 .37 .37 .36 .36 .36 .35 .35 • 35 .35 .34 .34 -34 .33 .33 -33 .32 ,32 • 32 .3 l .3 j .3 I • 3o .3 ° .3 ° .29 29 .29 . 2 9 4 1¢ = 43 42 42 4x 4t 4° 39 • 39 • 38 .38 • 38 .37 .36 .36 .35 .35 .34 ,34 .34 .33 .32 .32 -31 .31 .3 I .3 ° 3° ,29 .29 .28 • 27 .27 .27 .26 9 4 900 3 1)' E C A R ' F S D I E F A V O R A B L E S K = 25 I( -~- IOO K = 400 ]f = -45 44 .43 .42 .41 .4 ° • 39 .38 .37 .37 .36 -35 -35 .34 .33 .32 .31 • 3° .29 .29 .28 .27 ,27 .26 .25 .24 .24 ,23 .47 .45 .42 .4 I .39 .38 .36 .34 .33 .3 l • 29 .27 .26 .24 .23 23 .48 .45 .4 ° .36 .34 .3 ° .27 .25 .49 .22 .ll .20 08 o6 .04 .o 4 .o3 .02 21 .o6 .o5 • 04 .03 .03 .O3 .22 .09 .08 • 07 .06 .06 .O5 2.2 .21 .20 .20 . I9 t9 19 18 16 15 t4 I3 12 .II .II .IO 16 .I 4 .I 3 .12 .II . 0 9 .02 .02 .0'2 O. 00 . 4 2 .38 .3 t .28 .23 .20 .16 • 0. O 0 900 L'ASSURANCE ,,NON 115 LIFE" ANNEXE 3 PROBABILITES K .34 .35 .36 .37 .38 .39 •4 ° • 41 .42 .43 .44 .45 •46 .47 .48 .49 .5o .55 .60 .65 •7° -75 • 80 .85 9° -95 I . OO • I .05 I.IO 1.15 I .20 i .25 t. 30 i "35 I .4 ° i -45 I .5 ° I. 60 I . 7° I .8o i .90 2. oo 2.io 2.20 2.30 2.4 ° =4 K= 9 .28 .28 .26 .26 .28 .28 .27 .27 .27 .27 .26 .26 .26 .26 D'ECAIZTS K = 25 K = • t9 .o5 • t9 .04 .25 .25 .24 .24 .24 .23 .23 .22 .22 .22 • i8 .04 • 18 .o 4 • 17 .o3 • 16 . o 3 • 16 .o2 • 15 .02 • 15 .o2 • 14 . o2 .25 .25 .25 .25 .21 .2i 20 .20 • 24 .19 .i 3 .i2 .t2 .ii .ii .23 .22 .2t .20 .19 • t8 .18 .I 7 .16 . r5 .13 . i2 .17 .16 .ti .io I5 14 ~4 ~3 i2 12 .o9 .o8 .08 .07 .06 .06 I t II lo .o 5 1o • o9 •0 9 .08 .07 .06 .05 .05 .04 • 04 .03 .03 .0 4 .04 .03 . o3 .o3 .02 .02 • 14 .02 • 13 .02 .09 .07 .06 .05 • 04 •0 4 .03 .03 .02 .02 o.oo DEFAVOI~ABLES IOO K = 400 K = 9oo 116 L'ASSURANCE ,,NON L I F E " ANNEXE 3 P I { O B A B I L I T E S 1)' E C A R T S 1 ) E F A \ r O R A B L E S 1£ = 4 2.5o 2.60 2 . 7° 2.80 K = 9 K - 25 K = lOO K = 400 K = 900 .03 .02 .o2 .02 ANNEXE 4 TAUX RELATIF /f = 4 oo .o2 ,o 4 .06 .08 .io .12 .I 4 .16 .18 .20 • .22 .24 .26 .28 .3 ° .32 -34 .36 38 • .4 ° • 42 .44 • 46 • 48 .50 .52 .54 .50 .58 .60 .62 64 .66 .68 7° • • 376531o 36878o0 36118o0 3537220 346365 ° 339165o 3320760 325o76o 318267 ° 3~1548o 3049480 2984690 2921050 2859050 2798300 2738540 2680540 2622780 2566780 251175o 2457750 2404620 2352620 23o149o 2251490 .220198o .2153980 .2106540 2060540 .201536o .197136o .192771o .1885710 .1843710 .t8034IO .I7634IO K=9 .2543780 .2459150 .23769oo .2296910 .22189to .2142910 .2069000 .1997410 .1927430 .1859430 .1793500 .t7296IO .166761o .16o718o .1548660 .1492660 .r43866o .t38582o .1334460 .128468o 123668o .119o39o .1145540 .ItO251o .1o6o64o .1o2o67o .0982070 .o94472o .0908720 .o87331o .o839310 .o806210 .o7742~o .O742210 .o712180 .O682180 K = D E S T O P LOSS 25 .1556800 .146896o ,t38518o .~3o499o .1228360 .1154460 .1083520 .1015860 .095144 ° .o89o72o .0832960 .o77824o .0726640 .0677780 o63195 o •o5883oo .054737 ° •0508430 .04714o0 .0436230 .o4o342o .o37294o .0344200 .o31768o .0292960 .0270790 .0250350 .o23o35o .0212250 .0195400 .o1797oo .ol657oo O152240 0140240 .O12888o .ot18880 K = 400 K = 400 ]4 = 900 •0775030 .0685930 ,o6o4o4o •0528960 •0460660 •0399620 .0345960 .0297300 .025263 ° .0213450 .ot7846o .oi4795o .o1224oo •oo9943 o .oo7951o .0064150 .oo5119 o .oo4o51o .oo3154o .0023860 .oo184oo oo144oo .oolo4oo .ooooooo .0409380 .o32132o .0248730 .o1876oo .0138790 .OLOOO2O .oo71~9o .oo475io •0029690 .oo1924o .oo123to .00o6380 .0002380 .O26O120 .O17429O .OttO690 .OO63680 .oo33tlo .oo17o[o .0007950 .0002210 117 L'ASSURANCE ,,NON L I F E " ANNEXE ,[ TAUX N = 4 N = 9 • 75 .80 .85 .9 ° • 95 I.OO t.o 5 .1667o7 o ,~57578o .14889oo ,14o7t6o .1328840 .t25498o .1L8498o I .1[19ooo .o61283o .o54965o .o49o94o -o4384Io •o 3 8 9 4 x o .o34535o 03o5350 .0269620 .o237tlo .o2o711o .oi5858o .o12o36o .oo9o36o .oo684oo .0048400 IO [.15 1.2o 1.3o 1.4o t.5o i 60 t.7 o t.8o i 90 2.00 2.20 2.40 2.6o 2.8o 2.98 .105454 ° .o99454 o .0880160 .o778o3o .o687o4o .0605590 .o53405 ° .o47t58o .o411620 .0361620 .O27344 o .0204040 .oi51t8o .Olli18o o.ooooooo I ~ E L A T I V 1)E S T O I ' I . O ~ S A" ~ 25 .oo94t2o .oo74t2o .oo5812o .oo4312o .oo3~49o .0022490 1¢ = loo Ix" = 400 1¢ :-~ 900