关于《损失模型》的一点笔记——第二部分精算模型-1随机变量与分布函数

一般的精算模型尝试表现出未来不确定的支付流，不确定性包括事件是否会发生、发生的时间以及损失量。

一些概念：
1. 现象是指可以观测到的发生。
2. 试验是指在一定条件下对某给定现象的一个观测。
3. 一次试验的最终观测称为结果。
4. 事件是一个或多个结果的集合。
5. 随机现象是指试验可能会有一个以上的结果。
6. 具有随机现象的事件称为不确定结果。
7. 概率是对一个事件的结果发生可能性的度量，这个度量经过标准化处理，从0增加到1的数值表示。
8. 随机变量是一个函数，它对每一个可能结果赋予一个数值。

分布函数和4个模型

某随机变量X的累积分布函数F(x)满足以下四个必要条件
1.对所有x，0≤F(x)≤1。
2.F(x)是非降的。
3.F(x)是右连续的。
4.$\ \lim_{x\to -∞}F(x)=0$且$\ \lim_{x\to +∞}F(x)=1$

基于此的4个模型大概长这个样子（灵魂画作）

第一行左边是典型的$\ F(x)= ax+b$，具体约束参照四个必要条件，abmn均为正数，不详细说了。
第一行右边是$\ F(x)=1-b/{x}^{a}$
第二行左边是$\ F(x)=\begin{cases} 0 & x＜0 \\ m & 0≤x<a \\ n & a≤x＜b \\ 1 & x≥b \\ \end{cases}$
第二行右边是$\ F(x)=\begin{cases} 0 & x＜0 \\ 1-b{e}^{-ax} & x≥0 \\ \end{cases}$，那个圈是画错的，无视就好了。（其实我是想画0和函数的值是区分的，手抖画错了2333）

以上4个模型就是常用的分布函数，前两个是连续分布，第三个是离散分布，第四个是混合分布。
从我个人的角度理解，分布函数常常用于描述事物本身。

生存函数

生存函数是分布函数的“补函数”，记为S(x)。S(x)=1-F(x)，故而
1.对所有x，0≤S(x)≤1。
2.S(x)是不增的。
3.F(x)是右连续的。
4.$\ \lim_{x\to -∞}S(x)=1$且$\ \lim_{x\to +∞}S(x)=0$

概率密度函数

概率密度函数f(x)，简称为密度函数，它表示分布函数的导数或者生存函数导数的负值，即f(x)=F’(x)=-S’(x)，有时缩写为pdf。
随机变量在密度函数比较高的区域，发生的可能性将高于比较低的区域。

概率函数

概率函数p(x)，也称为概率质点函数，表示随机变量在概率值为非零点的概率。一般用在离散型分布函数或者混合型分布函数。

风险率

风险率h(x)，也称作死亡力（也写作μ(x)）或者失效率（也写作λ(x)），表示密度函数与生存函数的比值，即h(x)=f(x)/S(x)
所以，先前的4个模型变成了这个样子

众数

众数是指最有可能发生的值，对于离散型则是概率函数最大的点，对于连续型则是密度函数最大值的点。

矩

随机变量X的k阶原点矩，为随机变量k次幂的期望（平均）值（如果它存在的话）。用E(X^k)。一阶原点矩为随机变量的均值，通常记为μ。
μ′x={ ∫∞