Сенімділік теориясы - Credibility theory

Бұл мақала оқырмандардың көпшілігінің түсінуіне тым техникалық болуы мүмкін. өтінемін оны жақсартуға көмектесу дейін оны сарапшылар емес адамдарға түсінікті етіңіз, техникалық мәліметтерді жоймай. (2012 жылғы қаңтар) (Бұл шаблон хабарламасын қалай және қашан жою керектігін біліп алыңыз)

Сенімділік теориясы әзірлеген белгісіз болашақ оқиғаны болжау үшін қолданылатын статистикалық қорытынды формасы болып табылады Томас Байес. Бұл болашақ оқиғаны бірнеше рет бағалаған кезде қолданылуы мүмкін, және сіз дәл осы және дәл бағаны алу үшін осы бағалауларды біріктіргіңіз келеді. Мұны әдетте қолданады актуарийлер сыйлықақы құнын анықтау кезінде сақтандыру компанияларында жұмыс істеу. Мысалы, in топтық медициналық сақтандыру сақтандырушы тәуекел сыйақысын есептеуге мүдделі болса, ${displaystyle RP}$, (яғни теориялық күтілетін талаптардың мөлшері) нақты бір жұмыс берушіге келесі жылы. Сақтандырушының талап қоюдың жалпы тәжірибесінің бағасы болуы мүмкін, ${displaystyle x}$, сондай-ақ қарастырылып отырған жұмыс берушіге қатысты нақты баға, ${displaystyle y}$. Сенімділік коэффициентін тағайындау, ${displaystyle z}$, шағымдардың жалпы тәжірибесіне (және жұмыс берушінің тәжірибесіне сәйкес) сақтандырушыға келесі жолмен тәуекел сыйақысының дәл бағасын алуға мүмкіндік береді:

Сенімділік коэффициенті есептеу арқылы шығарылады ықтималдықтың максималды бағасы бұл бағалау қателігін азайтуға мүмкіндік береді. Дисперсиясын қарастырайық ${displaystyle x}$ және ${displaystyle y}$ мәндерді қабылдайтын белгілі шамалар ${displaystyle u}$ және ${displaystyle v}$ сәйкесінше, оны көрсетуге болады ${displaystyle z}$ тең болу керек:

Сондықтан бағалау қаншалықты белгісіздікке ие болса, соғұрлым оның сенімділігі төмен болады.

Сенімділік түрлері

Бэйзиялық сенімділік үшін біз (B) әр класты бөліп, оларға ықтималдықты тағайындаймыз (B ықтималдығы). Сонда біз (A) тәжірибеміздің әр сыныпта қаншалықты ықтимал болатынын анықтаймыз (А берілген В ықтималдығы) Әрі қарай, біздің тәжірибеміз барлық сыныптарға қаншалықты жақын болғанын анықтаймыз (А ықтималдығы). Сонымен, біз өз тәжірибемізді ескере отырып, сыныбымыздың ықтималдығын таба аламыз. Сонымен, әр сыныпқа оралатын болсақ, біз әр статистиканы белгілі бір сыныптың тәжірибесін ескере отырып өлшейміз.

Бюлманның сенімділігі бүкіл халық арасындағы вариацияға қарап жұмыс істейді. Нақтырақ айтқанда, жалпы дисперсияның қанша бөлігі әр кластың күтілетін мәндерінің ауытқуына (гипотетикалық орташа ауытқуы), ал барлық кластар бойынша болжамды ауытқуларға қаншалықты жатқызылатындығы көрінеді ( Процесс вариациясы). Бізде ойынға көп ұпай саны бар баскетбол командасы бар деп айтыңыз. Кейде олар 128 алады, ал басқалары 130 алады, бірақ әрқашан екінің бірі болады. Баскетболдың барлық командаларымен салыстырғанда бұл салыстырмалы түрде төмен дисперсия, яғни олар процестің ауытқуының күтілетін мәніне аз үлес қосады. Сондай-ақ, олардың ерекше жоғары ұпайлары халықтың дисперсиясын едәуір арттырады, демек, егер лига оларды шығарып тастаса, олар әр команда үшін болжамды ұпай жиынтығына ие болады (төменгі дисперсия). Демек, бұл команда бірегей (олар гипотетикалық ортадағы вариацияға үлкен үлес қосады). Сондықтан біз бұл топтың тәжірибесін өте жоғары сенімділікпен бағалай аламыз. Олар жиі / әрдайым көп ұпай жинайды (процестің ауытқуының төмен мәні), ал көп командалар олар сияқты ұпай жинай алмайды (гипотетикалық орташа варианттылық жоғары).

Қарапайым мысал

Бір қорапта екі монета бар делік. Біреуінің екі жағында бастары бар, ал екіншісі - бастары немесе құйрықтары 50:50 ықтималдығы бар қалыпты монета. Кездейсоқ сызылғаннан кейін аударылғаннан кейін нәтижеге ставка қою керек.

Бастардың коэффициенті .5 * 1 + .5 * .5 = .75. Себебі тек бастары бар монеталарды таңдау мүмкіндігі .5% бас ықтималдығы бар .5 және әділ монеталардың 50% мүмкіндігі бар.

Енді сол монета қайта пайдаланылады және сізден нәтижеге қайтадан ставка жасау сұралады.

Егер бірінші флип құйрық болса, онда сізде әділ монетамен жұмыс жасау мүмкіндігі 100%, сондықтан келесі флипте бастың болу мүмкіндігі 50%, құйрықта болу мүмкіндігі 50%.

Егер бірінші флип бас болса, біз таңдалған монетаның тек бастар болуының шартты ықтималдығын, сондай-ақ монетаның әділ болуының шартты ықтималдығын есептеуіміз керек, содан кейін келесі флипте бастардың шартты ықтималдығын есептей аламыз. Бірінші флиптің басы болғанын ескере отырып, тек басы бар монетадан пайда болу ықтималдығы - тек басына арналған монетаны таңдау мүмкіндігі, бұл монета үшін бастардың ықтималдылығынан бірінші флиптегі бастардың бастапқы ықтималдығына немесе. 5 * 1 / .75 = 2/3. Бірінші флиптің бас болғанын ескере отырып, оның әділ монетадан шығу ықтималдығы - әділ монетаны таңдау мүмкіндігі, бұл монета үшін бастардың ықтималдығы бірінші флиптегі бастардың алғашқы ықтималдығына бөлінген немесе .5 * .5 / .75 = 1/3. Сонымен, бірінші флиптің бас болғанын ескере отырып, келесі флиптегі бастардың шартты ықтималдығы тек бастары бар монеталардың бас ықтималдығынан және тек әділ монеталардың шартты ықтималдығынан еселенген монеталардың шартты ықтималдығы болып табылады. әділ монета үшін бастардың немесе 2/3 * 1 + 1/3 * .5 = 5/6 ≈ .8333.

Актуарлық сенімділік

Актуарлық сенімділік қолданатын тәсілді сипаттайды актуарийлер жақсарту статистикалық бағалау. Дегенмен тәсілді а жиі кездесетін немесе Байес статистикалық параметр, соңғысы көбінесе «іріктеу» және «алдын-ала» ақпарат арқылы кездейсоқтықтың бірнеше көзін тануға ыңғайлы болғандықтан артықшылық береді. Әдеттегі қолдануда актуарийде мәліметтердің кішігірім жиынтығына негізделген X бағасы, ал үлкенірек, бірақ онша маңызды емес мәліметтер жиынтығына негізделген M бағасы бар. Сенімділік бағасы ZX + (1-Z) M,^[1] мұндағы Z - 0-ден 1-ге дейінгі сан («сенімділік салмағы» немесе «сенімділік коэффициенті» деп аталады) теңгерім үшін есептелген іріктеу қателігі X-тің мүмкін болмауына (сондықтан модельдеу қателігіне) қарсы М.

Қашан сақтандыру компания өзі алатын сыйақыны есептейді, саясат иелерін топтарға бөледі. Мысалы, бұл жүргізушілерді жасына, жынысына және автомобиль түріне қарай бөлуі мүмкін; жылдам машинаны басқаратын жас жігіт үлкен тәуекелге, ал кішігірім көлікті басқаратын кемпір аз тәуекелге жатады. Бөлу әр топтағы тәуекелдердің жеткілікті дәрежеде және а тобына жеткілікті үлкен деген екі талапты теңестіру арқылы жүзеге асырылады мағыналы статистикалық сыйақыны есептеу үшін талаптардың тәжірибесіне талдау жасауға болады. Бұл ымыраға келу топтардың ешқайсысында бірдей тәуекелдердің болмауын білдіреді. Мәселе топтың тәжірибесін жеке тәуекел тәжірибесімен үйлестіру әдісін ойлап табуда, сыйлықақыны жақсы есептеу үшін керек. Сенімділік теориясы бұл мәселені шешуге мүмкіндік береді.

Үшін актуарийлер, топ үшін сыйлықақыны есептеу үшін сенімділік теориясын білу маңызды сақтандыру шарттары. Мақсат - топтағы жеке тәжірибені ғана емес, ұжымдық тәжірибені де ескере отырып, келесі жылдың сыйлықақысын анықтау үшін тәжірибені бағалау жүйесін құру.

Екі шекті позиция бар. Біреуі - барлығынан жалпы орташа бағамен бірдей сыйақы алу ${displaystyle {overline {X}}}$ деректер. Бұл портфолио біртектес болған жағдайда ғана мағынасы бар, яғни барлық тәуекелдер ұяшықтарының орташа талаптары бірдей болады. Алайда, егер портфолио гетерогенді болса, онда сыйлықақыны осылай алу жақсы емес («жақсы» адамдарға артық төлем жасау және «жаман» тәуекелді адамдарға аз ақы төлеу), өйткені «жақсы» тәуекелдер олардың ісін басқа жерде сақтандырушыға қалдырады тек «жаман» тәуекелдермен. Бұл мысал жағымсыз таңдау.

Керісінше - топқа зарядтау ${displaystyle j}$ өзінің орташа талаптары ${displaystyle {overline {X_ {j}}}}$ сақтанушыдан алынатын сыйлықақы ретінде. Бұл әдістер, егер портфолио гетерогенді болса, талап ету тәжірибесі жеткілікті болған жағдайда қолданылады. Осы екі шекті жағдайға ымыраға келу үшін біз орташа өлшенген екі шектен:

${displaystyle C = z_ {j} {overline {X_ {j}}} + (1-z_ {j}) {overline {X}},}$

${displaystyle z_ {j}}$ келесі интуитивті мағынаға ие: ол қалай екенін білдіреді «сенімді» (қабылданады) жасуша жеке ${displaystyle j}$ болып табылады. Егер ол жоғары болса, онда жоғарырақты қолданыңыз ${displaystyle z_ {j}}$ зарядтауға үлкен салмақ қосу үшін ${displaystyle {overline {X_ {j}}}}$, және бұл жағдайда, ${displaystyle z_ {j}}$ сенімділік коэффициенті деп аталады, ал алынған осындай сыйақы сенім сыйақысы деп аталады.

Егер топ толығымен біртекті болса, онда оны қою орынды болар еді ${displaystyle z_ {j} = 0}$, егер топ толығымен гетерогенді болса, оны қою орынды болар еді ${displaystyle z_ {j} = 1}$. Аралық құндылықтарды пайдалану жеке және топтық тарихтың болашақ индивидуалды мінез-құлықты шығаруда пайдалы болатын дәрежеде орынды.

Мысалы, актуарийде аяқ-киім фабрикасы үшін жазатайым оқиғалар мен жалақы төлеу туралы тарихи деректер бар, ол жалақы қорының миллион долларына шаққанда 3,1 жазатайым оқиғаны ұсынады. Оның салалық статистикасы бар (барлық аяқ киім фабрикалары негізінде) көрсеткіш миллионға 7,4 апатты құрайды деп болжайды. Z, 30% -дық сенімділікпен, зауыттың мөлшерлемесін миллионға шаққанда 30% (3.1) + 70% (7.4) = 6.1 авария деп бағалайды.

Әдебиеттер тізімі

Бұл мақалада жалпы тізімі бар сілтемелер, бірақ бұл негізінен тексерілмеген болып қалады, өйткені ол сәйкесінше жетіспейді кірістірілген дәйексөздер. Көмектесіңізші жақсарту осы мақала таныстыру дәлірек дәйексөздер. (2012 жылғы қаңтар) (Бұл шаблон хабарламасын қалай және қашан жою керектігін біліп алыңыз)

Әрі қарай оқу

• Бехан, Дональд Ф. (2009) «Статистикалық сенімділік теориясы», Оңтүстік-шығыс актуарлық конференциясы, 18 маусым 2009 ж
• Лонгли-Кук, Л.Х. (1962) Сенімділік теориясына кіріспе, PCAS, 49, 194-221.
• Малер, Ховард С .; Дин, Кертис Гари (2001). «8 тарау: сенімділік» (PDF). Жылы Кездейсоқ актуарлық қоғам (ред.). Актуарлық ғылымның негіздері (4-ші басылым). Кездейсоқ актуарлық қоғам. 485–659 бет. ISBN  978-0-96247-622-8. Алынған 25 маусым, 2015.
• Уитни, А.В. (1918) Тәжірибе рейтингі теориясы, кездейсоқ актуарлық қоғамның еңбектері, 4, 274-292 (Бұл сенімділікке қатысты алғашқы жазатайым актуарлық құжаттардың бірі. Байес техникасын қолданады, дегенмен автор қазіргі архаикалық «кері ықтималдығын» қолданады « терминология.)
• Вентер, Гари Г. (2005) »Думияларға арналған сенімділік теориясы "