精算機率論
大數定律
/ LLN /
大數定律是一切保險核心處那個靜默的承諾:當你對越來越多相互獨立的個案取平均時,這個平均會安定下來、不再上下跳動,並越來越逼近真正的期望值。擲一枚均勻硬幣十次,你可能得到 7 次正面;擲一萬次,正面所佔的比例就會極其緊密地貼近 50%。個體結果的混沌,消融成一個穩定、可預測的平均。
嚴格地說,如果你有許多來自同一分布、均值為 μ 的相互獨立觀測,那麼它們的滑動平均會隨觀測數無限增長而收斂到 μ。個體個案依舊同樣不可預測——下一次擲硬幣仍是五五開——但它們當中許多個的平均卻變得幾乎確定。關鍵在於,這個平均的標準差按「觀測數平方根分之一」的比例縮小,所以要把平均的抖動減半,你需要四倍的個案。
這是使保險成為可能的那一條原理。沒有人能預測某一棟特定房屋今年是否會失火,但承保十萬棟相互獨立房屋的保險公司,卻能以極高的把握預測總理賠,因此可以收取接近預期損失再加一點適度邊際的保費。風險匯集、精算控制循環,以及「為一個不確定的個體風險收取平均價格」的整套邏輯,全都建立在大數定律之上。它那條無聲的條件——獨立性——也正是它的斷層線:當損失相關時(颶風、瘟疫),這條定律給出的安慰會弱得多,可預測的平均也可能就此崩潰。
單獨一棟房屋有 0.5% 的火災機率——完全無法預測。但在 10 萬棟相互獨立的房屋之間,保險公司預期每年約有 500 起火災,而實際數目幾乎年年都落在 500 附近。個體是個謎;風險池卻可預測。
個體不可預測,龐大的風險池卻可以——這正是保險的全部訣竅。
這條定律承諾的是「平均」收斂,而不是結果會「相互抵消」——連續出現正面並不意味著「該」出現反面來糾正。而且它依賴獨立性;相關的巨災風險並不服從它,這正是為什麼分散化是有極限的。
又稱
另見