版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、至今為止,學(xué)者們對Lundberg-Cramér經(jīng)典模型的討論和研究已經(jīng)非常廣泛和深入了,也得到了一些很好的結(jié)論,這在實(shí)際保險業(yè)的運(yùn)營中起著重要的參考作用.以往對經(jīng)典風(fēng)險模型及其推廣模型的研究,大都是對保險公司保費(fèi)到達(dá)計數(shù)過程與索賠到達(dá)計數(shù)過程相互獨(dú)立的情形進(jìn)行,在保險公司實(shí)際經(jīng)營中,索賠到達(dá)計數(shù)過程與保費(fèi)到達(dá)計數(shù)過程是相依的,有必要為這類險種情形提供更為客觀實(shí)際的風(fēng)險模型.本論文建立了幾類帶有干擾項的稀疏Poisson過程風(fēng)險模型,并
2、討論了保費(fèi)到達(dá)計數(shù)過程與索賠到達(dá)計數(shù)過程的推廣情況,得到了關(guān)于破產(chǎn)概率的Lundberg不等式,并與其他一類風(fēng)險模型作比較.本論文主要研究了以下帶有干擾項的稀疏Poisson過程風(fēng)險模型.
第一個模型研究了保費(fèi)到達(dá)計數(shù)過程為齊次Poisson過程,索賠到達(dá)計數(shù)過程為保費(fèi)到達(dá)計數(shù)過程的稀疏Poisson過程且?guī)в懈蓴_項的風(fēng)險模型.我們稱之為帶干擾項的復(fù)合Poisson P-稀疏過程風(fēng)險模型.得到了關(guān)于破產(chǎn)概率的Lundber
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 幾類稀疏過程風(fēng)險模型破產(chǎn)概率的研究.pdf
- 幾類帶干擾風(fēng)險模型的破產(chǎn)概率研究.pdf
- 幾類復(fù)合二項風(fēng)險模型破產(chǎn)概率的研究.pdf
- 帶干擾的風(fēng)險模型的破產(chǎn)概率.pdf
- 相關(guān)帶干擾風(fēng)險模型的破產(chǎn)概率.pdf
- 幾類帶干擾雙險種風(fēng)險模型的聯(lián)合分布和破產(chǎn)概率的研究.pdf
- 幾類風(fēng)險模型破產(chǎn)概率的研究.pdf
- 幾類帶利率的離散風(fēng)險模型的破產(chǎn)概率.pdf
- 帶干擾負(fù)風(fēng)險和模型的破產(chǎn)概率.pdf
- 帶干擾的多險種風(fēng)險模型的破產(chǎn)概率.pdf
- 帶擴(kuò)散干擾風(fēng)險模型中破產(chǎn)概率分布的研究.pdf
- 幾類離散風(fēng)險模型的破產(chǎn)概率.pdf
- 幾類風(fēng)險模型的破產(chǎn)概率的探討.pdf
- 兩類帶干擾的復(fù)合風(fēng)險模型破產(chǎn)概率的研究.pdf
- 一類帶干擾風(fēng)險過程的破產(chǎn)概率的估計.pdf
- 重尾索賠下帶干擾風(fēng)險模型破產(chǎn)概率的研究.pdf
- 幾類推廣風(fēng)險模型中破產(chǎn)概率的研究.pdf
- 幾類風(fēng)險模型破產(chǎn)概率的近似計算.pdf
- 幾類風(fēng)險模型的破產(chǎn)概率及相關(guān)問題的研究.pdf
- 帶干擾項的風(fēng)險模型研究.pdf
評論
0/150
提交評論