精算機率論
離散分布與連續分布
有些量是一塊一塊、可以數清的;另一些量則可以在一條平滑的標尺上取任意值。今年的理賠次數是 0、1、2 或 3——絕不會是 2.7。但一筆理賠的金額可以是 2719.43 元,或介於其間的任何數額。前一種隨機變數稱為離散型,後一種稱為連續型。你屬於哪一類型,決定了如何描述它的機率。
離散型隨機變數有一份(可能無限長的)彼此分開的可能取值清單,我們給每一個值都貼上一個真正的機率——即該值上的「機率質量」。連續型隨機變數可以在一個範圍內取任意值,這裡會發生一件奇怪的事:任何單一確切取值的機率都是零,因為可能的值有無窮多個。我們改用一條密度曲線來描述連續變數,而機率就是該曲線在某區間上方所圍的面積。所以對離散變數我們把機率相加,對連續變數我們做積分(求面積)。
精算師不斷地與兩者打交道,而且常常同時打交道。理賠頻率(發生幾次)天然是離散的——卜瓦松、二項、負二項。理賠嚴重度(金額多大)天然是連續的——對數常態、伽瑪、柏拉圖。總損失把一個離散的次數和連續的金額結合起來,這正是為什麼總損失模型要把兩者拼接在一起。選錯類型——把計數當成連續,或把平滑的損失硬塞進幾個區間——會悄無聲息地扭曲結果。
明年的住院次數:離散(0、1、2、…)。每次住院的費用:連續(任意正金額)。一個健康模型對前者使用計數分布,對後者使用連續分布。
計數是離散的;金額通常是連續的——真實模型常常兩者都需要。
對於連續變數,任何確切單一取值的機率都是零;只有區間才帶有正機率,所以「P(損失恰好為 1000 元)」毫無意義,而「P(損失介於 900 元與 1100 元之間)」才有意義。
又稱
另見