O MODELO DE BUHLMANN-STRAUB

CoNtRStOS
* viSETIS DUeSNTi c

s
-A ↑RicDa

SE
NES
iNTER
CONTAM
controM

DE FORMA
1,

PROPORCIONAL CPRO RATA TEMPORS)

INFORMAPA ESTATISTICA
CLASSE RiSCO
DE it
I

j PERYODO ANTERIOR Tivo - DETERMINAR

=

=e.g. Ano
PREUTO
-

· INDIVIDUAL EM PERIODC
·
Sij = AGREGAD Enj FUTUR

-BS.:SFVrInT
·

Vij=NUMERO RiSCOS
DE EM j* -

=MEDIDA DETERMINSTICA

ihrer VAe(XisIe:]:
DEME

Xij=Sic

I
·

Vij
PERIODO
~ I

=CUSTO MED1O PUR

NA CLASSE i ·
Prmic Tart
(E(SijlEi] Vij lfX; (8i]
=

INDICE
DE SINSTLIDAD CRESE DE LINEAR coM Vij
FURMA
=
 -DE
But

I
·
EM MUTAS ARE AS DE NiGocios

PREMICS TOTAiS
CARTERS - I CATEGORAS
'
RiSCO
BE
"MiD.
= Di VOLUME
"TAXA
- DE premic" Xij = INR 2 SiNiSTroLiDADE

UNDY A MEDIDA DE VOLUME = PESC CORRESPONDENTE

wij
INOTAGE GERSC)
ISCOLHIDA
is APROPRIADAMETE
SES
A (MOD. 2-URNAS)
PARS AREA
A DE NEGOCTO.
DAD G;(Xij:j=1, ..., MY IND.
↓

· NOTE A DiFERENCA COMPARADO 1E(Xij1i] ylei =

AS MODEL SIMPLES DE BUHLMAN

VAe[XijI0i):
ONDE VAe[XijlEi) G;
=

(Ei) =. (E., X.), (E2, Yn),..- Ne.

/G., t2, ... 1.i.D.

 PL (POISSON COMPOSTC
Xij= Sir/wij

-
E E
CoMP.
S E
SijIGi = PoissoN M(0i) lE(Xij (ei]
=

COM TAXA (Ei)IEfY 18i]

=

Sis (8;,wis)
=

wij
(Ei)* vas(XiglEi] 1 b10i)IE(YYE
=

E SiNiSTRo YN FY wijei)
 INTERESSE
-ADES
DE

REMiC
↑
Riscc <NBiV.
i
so
-
m iss.
Inthe

y(0i) 1=(Xig(0i) ~VeteriePeter

I
=

62(0i) wij
=

VAe(Xij10i]
-ivo (CARTERS Pramic contivo

- variencia
(oil) MDia dotro
de Di

Mo IE( m
-
=

VARIANCIS ENTER PREMIOS Risco INDIV.

6 (E =

(60il] ~
2 = vAr(r (8i)]
 -
DE /ei)= EST. IRED. INOMOGINED

RICLEMBR AS EG. NORUDis

i)(E(π(6) r(0)) - 0
=

ii) Cor(y(), Yaj) cor (8, Xi]

=

j e,
=

...,n,k= I

Pa intrapezi wi (Er, kil, (E2, Val, ...

TFOS

iN.
za.
NORM.
i

cor (ii), xre] = Cov [alEil, Xur] o

UKE

,is Xig (see S

a

=>
(0i) a =
+
 SE COLCCARMOS COMC SANDIDATO

(i) =

ci
+ (1 -

ci) Y. S
PARA

<it(1) I
Alsun

=>
(= (il] y.
=

rE(h(ei)] Is
=

Ea.
Norm.)
A
Dissa,
or (Mei), (i) rei,Xil
A sequin
=
X: cor (5i, Xil
* vremos
por que
=C:VAr[Fi]
ragar
Xi erDis
=

an
Wi.e, Wij
wine

e um bow estimador.
Por cute
LAOC,
Tw is
-2
- e
VAR(XiJ IECVral:18i]] Vne(IC: 1e:]]
-

+
=

nam -

-(i)
04/wi. 12

Yw:. I 22 Varfizi]
e

corluce., Xi] [coulmeil, :10i]]+corfrioil, if eil]

=

((m10:);loiD-lei)IE(Ele) =

M(ei)

E
22
Assim, 2 cor[M(ei), Fi)
=

cov(0i), Ki)
=

=>
2iVAr(i]

4:(= e)
=

ai
ojer
=

->

2
i
TEOREMA (ESTiMADOR DE GRID. INMOGENEC)
-

CoNsiD MODELC B. S. DEFINA

E

E
Xis onewie= wij
=

=
I1

ENTA o Esi. DE CED. IN. E DADC POR

(i) aixi
= (1
+
-
xi) 4.
a
E
=

OND a =

ywint
VA
↑ Elo O foi
QUE Visio, SO FALTAVERIFILARMCS QUE

cor(eil, Xij).** oi, Xird

6E(Exis1Ei]xij)
=

m?
-

(EfIn/ICXig (Ei) X;; (ei)] -

M.

=11 (rE[xis(ei)) -
m Wxe(uo)]
=

32
=
 Assi,
cor[usei, tij) =

4)Scorxie, xij] C

!
nei) mLoi)
-

coultin, Xij]=IE [corkin, Xij10;]] zou

+

[Elielbi), 1Ekij(ei)]
lE
=

EvAr[Xij(8j]Snj] + 22 =

Sej e

a:(e--
S yen ((3w,.+0)
-

=
22 -
 mdor
-
de Gedibilidade
Haugeno

Releubre: Hom(8:)= menor

per da quadratica pala
Estimadores - estimadores de Jana ais Xis
de Y(0,) no-virsados

Pro
=
(r(bi) ((e(hXig(j))

PARA Achar um candidato Baseado EM Y: ollios

PRIMIIRC PARS PROJIGIEM

A (e (i) be M(8i].
 MiniMizAR
=>

IE[] bijXij -M(oi))2]

noise
podemos minimijal
=>

it

·Morlaloe
-
=beil bi
ONe IE
(Ebij Xij (ei) M(ei)
=

65bij 1
=
AssiM TEMoS c PROBLEMA DE OTimizACE

f(5) (ei)
Si
E
=

LaGesciANO!
=>

9(b) Ebis-1
=

0
=

ESet e
6jf(5) 32jg(5)
bit
E
=

=>

->

q(5) 0
=
 SOLUGE bij 1wij,
=

=Sbij= 1 Wi.
26 oil
↳e wig 264eil

si
1
i. bij
s
=>
=

=
=>

a
204ei)
~
Come as
bigS DETERuinisticus (NE DEP. De Ei)

PRo(M(ti) (de())
=> 2
=

Xij=Xi
Wie
I

sie:)

NaTE QUE
EEsteve(xile!): ne
wij
Usando a iteratividade das
progecoes
be como (0:) Inow viesado), podemos esaver

or 0) =
Pro((e)/Le (Xishial)
-now-viesado

= 2: Pro(Xi(Le(Xij7ij)) + (1- xi) Pro(do(e):))

2i
= Xi (1
+
-

xi)
oude =Pro (Yr/Le ((xij(;j))
 Para determinal , ircemos primeiro pogetam
e. em Le
(Xi dado compinidos

(M. 1 Le (44:9i ..,z)

-

Mc
= Pro

Sis
=

&
depois verificar que o Y.- =

(nor viesado)

E
ai;
=

ande
a:=1
=

Eq Mo
-
~1
Mo Yn-X CowCY, Xn]:cooli., Xe]
Normain X k,l X k,l
 assie,
2 wis [Xis (0:]

witilxal
Vor

wi?

lee
ee
sw
=

an Van
=

[n]
F i

y(bi)
outro
=

Por lado,

var (i) 1E[Van[X;18;]]

= van[/E[X;le;]]
+

227
a 22) = Ya:
=

=
 xic,fai
2
aie 1
=
=

=>

ai
=>

andex.
=

Sai
=

I E. Ki
=>
=
(waw-viesado

Para
que
verific

M.-i.t
so
Xae-The
basta

XRe,
terres

n,s
que

E)

Yo-Xi1Xke-Xas *i,ar,n,s
 Es asven do

Xue -Xar= (Xne Fn)+ (Xn-Xn) (Xn-Xmn)

-

pela independencia entre Die In

Mo-FitXke -Fu F kt i

pelo o retro anteriormente

e
que for

Mo -X,1 Xn-Xr

falta verificar
=>

que M.-xit Xis-X;

 Como -5i (u. -y(ei)) (n(ei) Xi)
=

lo + -

e
u.
-

M(ei) 1
Xij -Xi(verifique cond. Mm 0:)

baste
=>

verifical que M(ei) -Xit Xij -Fi.

was inso de come de Xi Pro

=

(n(e.)(Le (4:)).
Tearme
-
/Estimadar de Gedibilidade Homogeneo
Horcet =
aiXi (1
+ -

cm.
S
media poude nada
on de = :(ran pesos de audibilitate

E
yer
a
=

X. = -;
i e
i1
=