Lsungen zur Klausur Stochastische Risikomodellierung und statistische Methoden (Mai 2013)

Aufgabe 1 (30 Punkte):

a)

Eine Auswertung des Lebensversicherungsbestandes im Kalenderjahr 2012 zeigt folgende Ergebnisse fr das Alter 40 (Altersbestimmung nach der Kalenderjahrmethode, d. h. Alter = Kalenderjahr Geburtsjahr):
Anzahl Dauer der Bestandszugehrigkeit
Abgangsgrund
Personen
in Monaten
1
1
1
1
96

9
6
3
10
12

Tod
Storno
Storno
-

Ermitteln Sie die rohe Sterbewahrscheinlichkeit und die rohe Stornowahrscheinlichkeit fr das Alter 40 nach der Verweildauermethode.
b) Aufgrund weiterer Auswertungen des Bestandes fr die Jahre 2009 bis 2012 sowie fr weitere
Alter liegen Ihnen folgende rohe Sterbewahrscheinlichkeiten vor:

2009
2010
2011
2012

30
0,01000
0,01980
0,02946
0,03905

Alter im Jahr 2009

31
32
33
0,02000 0,03000 0,04000
0,02973 0,03968 0,04960
0,03936 0,04930 0,05928
0,04896 0,05893 0,06896

34
0,05000
0,05964
0,06930
0,07904

d.h. die Tabelle enthlt Wahrscheinlichkeiten qxG fr Alter x = 30,...,37 und die Geburtsjahre
1975
G = 1975,...,1979 . Beispielsweise gilt q37
0, 07904 . Leiten Sie die Sterbewahrscheinlichkeit
eines 34-Jhrigen im Jahr 2013 nach

i) dem traditionellen Modell

ii) dem Kohortenmodell
her. Schtzen Sie die erforderlichen Trendfaktoren mittels geeigneter Mittelwertbildung.
c) Zeigen Sie, dass bei einem Rententarif folgender Ansatz zur Bercksichtigung des Schwankungsrisikos sinnvoll ist: Hierbei bezeichnet die Wahrscheinlichkeit, dass unter Bercksichtigung des
altersunabhngigen Sicherheitsabschlags s a (Ansatz (1 - s a ) qx ) mehr Todesflle rechnungsmig erwartet werden als tatschlich zu erwarten sind:

q (1- q ) L
x

s a = u1-a

q L

M
x x

Hierbei bezeichnen

M
x

Lsungen zur Klausur Stochastische Risikomodellierung und statistische Methoden (Mai 2013)

die Wahrscheinlichkeit, dass unter Bercksichtigung eines fr alle Alter gleichen Sicherheitsabschlags s a (Ansatz (1 - s a ) qx ) mehr Todesflle rechnungsmig erwartet
werden als tatschlich zu erwarten sind

LMx

die Lebenden des Alters x des Modellbestandes

u1-a

das (1 - a) -Quantil der Standard-Normalverteilung

s a + Schwankungsabschlag auf die Sterbewahrscheinlichkeit, unabhngig vom Alter x.

d) Nehmen Sie an, dass zur Erzeugung der Generationentafeln aus einer Basistafel ein altersunabhngiger Faktor
qxG+1
= a <1
qxG
verwendet wird. Zur Bercksichtigung des Schwankungsrisikos wird gem c) ein altersunabhngiger Schwankungsabschlag fr eine Generation G bestimmt und fr alle Generationentafeln einheitlich in Ansatz gebracht.
Zeigen Sie, dass bei unvernderter Alterszusammensetzung des Bestandes dann die Sicherheit fr
Generationentafeln mit einem spteren Geburtsjahr abnimmt.
Hinweis: Vergleichen Sie die fr ein bestimmtes Sicherheitsniveau 1 - a erforderlichen Abschlge fr die Generationen G und G + 1.

Lsung:
a) Es bezeichne
B

Beobachtungszeitraum,

Tx(B)

Menge der Personen, die im Alter x whrend des Beobachtungszeitraums B wegen Tod ausgeschieden sind
Menge der Personen, die im Alter x whrend des Beobachtungszeitraums B wegen Storno ausgeschieden sind

Sx(B)
Lx(B)

Menge der Lebenden, die im Beobachtungszeitraum (auch) im Alter x sind

d x,i 0,1

die Verweildauer der Person i aus Lx(B) im Beobachtungszeitraum B, solange die

Person im Alter x ist

Fr die Aufgabe gilt

B
x
i

=
=
=

[1.1.2012, 31.12.2012]
40
1, ..., 100

Lsungen zur Klausur Stochastische Risikomodellierung und statistische Methoden (Mai 2013)

i)

Ermittlung der rohen Sterbewahrscheinlichkeit qx nach der Verweildauermethode

Tx B

qx

iL x B

d x,i

Tx B
Tx B

iL x B \Tx B

d x,i

d. h. die Verweildauer derjenigen Personen, die aufgrund der zu untersuchenden Ursache ausscheiden (hier Tod), wird auf 1 gesetzt.

q 40

1
1

0, 0101
9 3 10
98,833

1 96

12

ii) Ermittlung der rohen Stornowahrscheinlichkeit sx nach der Verweildauermethode

Sx B

sx

iL x B

s 40

d x,i

Sx B
Sx B

2
96

2 96

12

iL x B \Sx B

d x,i

2
0, 0206
99, 25

bzw. q 34,2013 .
b) Gebucht ist q1979
34

i)
Die Vernderung der Sterbewahrscheinlichkeit ist im traditionellen Modell nur altersabhngig
nach folgendem Ansatz:
q Gx 1 q x,t 1

exp F x
q Gx
q x,t
x = 34, d. h. es ist F(34) zu ermitteln bzw. zu schtzen. Dies geschieht auf Basis der qx,t fr t =
2009, ..., 2012
G

q x,t

1975
1976
1977
1978

2009
2010
2011
2012

34
34
34
34

0,05
0,04965
0,04930
0,04896

Ergebnis (geometrisches Mittel als Schtzer):

q x,t 1
q x,t
0,993
0,993
0,993

F(x)
0,00702
0,00702
0,00702

Lsungen zur Klausur Stochastische Risikomodellierung und statistische Methoden (Mai 2013)

q 34,2013 exp F 34 q 34,2012

0,9933 0, 04896

0,993 0, 04896
0, 04861

ii)
Die Vernderung der Sterblichkeit im Kohortenmodell ist von der Differenz zwischen Jahr und
Alter abhngig nach folgendem Ansatz

q Gx 1 q x,t 1

exp H t 1 x
q Gx
q x,t
Es gilt x = 34 und t+1 = 2013, d. h. wegen t + 1 - x = 1979 ist H(1979) zu ermitteln bzw. zu schtzen, d. h. es sind die Kombinationen t+1 und x zu betrachten mit t+1-x = 1979
G

q x,t

q x,t 1

1979
1979
1979

2009
2010
2011

31
32
33

0,02000
0,02973
0,03936

0,01980
0,02946
0,03905

q x,t 1

H(t+1-x)

q x,t
0,990
0,991
0,992

0,01005
0,00904
0,00803

Ergebnis (geometrisches Mittel als Schtzer):

q 34,2013 exp H 1979 q 34,2012

0,99 0,991 0,992 0, 04896

0,991 0, 04896
0, 04852

c) Bezeichne Tx die Zufallsvariable der im Alter x Gestorbenen. Wegen des Zentralen Grenzwertsatzes knnen wir annehmen, dass die Gesamtzahl der Toten Z : xTx nherungsweise normalverteilt ist mit Erwartungswert E Z q x L x und Varianz Var Z q x 1 q x L x . Es
x

muss gelten:

!
P Z q x s q x L x 1

P Z 1 s E Z 1

Z E Z
P
s
Var Z

s u1

Var Z
E Z

E Z !
1
Var Z

q 1 q L
q L
x

u1

Lsungen zur Klausur Stochastische Risikomodellierung und statistische Methoden (Mai 2013)

d) Bezeichne fr eine Generationentafel zum Geburtsjahr G G s den fr das Sicherheitsniveau 1-

erforderlichen Sicherheitsabschlag. Dann gilt nach c)

q 1 q L
q L
G
x

u1

G
x

G
x

bzw.

G 1

q 1 q L
q L
G 1
x

u1

G 1
x

G 1
x

Wegen q Gx 1 a q Gx mit 0 < a < 1 gilt

q
q

G 1

u
s
1
G
s
u1

G
x

q 1 q L
G 1
x

Lx

G 1
x

q 1 q L

Lx

G
x

G
x

G
x

G
x

G
x

G
x

q L aq 1 aq L
a q L
q 1 q L
G
x

G 1
x

G
x

q 1 aq L
G
x

G
x

q 1 q L
G
x

G
x

Wegen 0 < a < 1 ist 1 a q Gx 1 q Gx und es gilt

G 1

s
s

Der erforderliche Abschlag fr das sptere Geburtsjahr G +1 ist grer als der fr das Geburtsjahr
G. Bei einem einheitlichen Abschlag fr alle Geburtsjahre wrde die Sicherheit also bei einem
spteren Geburtsjahr abnehmen.

Lsungen zur Klausur Stochastische Risikomodellierung und statistische Methoden (Mai 2013)

Aufgabe 2 (25 Punkte):

Bei einer Gebudeversicherung wurden in den letzten 31 Jahren folgende Ereigniszeitpunkte fr Strme mit Groschden verzeichnet:
Sturm Nr.
Datum

Sturm Nr.
Datum

10

13.6.1981

2.1.1982

4.5.1985

11.5.1987

23.9.1988

16.9.1989

9.1.1991

30.7.1993

15.8.1998

27.7.2002

11

12

13

14

15

16

17

18

19

20

26.11.2002

2.2.2003

19.7.2005

4.1.2006

15.7.2006

29.12.2007

2.2.2008

13.3.2010

12.9.2011

6.7.2012

Der Aktuar des Unternehmens mchte die Vermutung prfen, dass die Ereigniszeitpunkte durch einen
homogenen Poisson-Prozess modelliert werden knnen. Dazu rechnet er die Kalenderdaten in eine
zeitstetige Skala um (Beginn: 1.1.1981, Zeiteinheit: 1 Kalenderjahr) und trgt die Zwischenereigniszeiten ( = Verweildauern) in folgendem Q-Q-Plot auf.
a) Was wird bei korrektem Vorgehen auf den beiden
Achsen abgetragen? Warum gibt es hier nur 19
Datenpunkte?
b) Was fr ein Regressionsmodell ist hier sinnvoll?
c) Warum kann auf Grund dieser Graphik die Hypothese eines homogenen Poisson-Prozesses akzeptiert werden?
d) Ermitteln Sie aus der Graphik einen Schtzer fr
den Poisson-Parameter l.
e) Schtzen Sie damit die Wahrscheinlichkeit dafr
ein, dass innerhalb von zwei Kalenderjahren kein
Sturmereignis mit einem Groschaden eintritt.
Lsung: Der homogene Poisson-Prozess ist dadurch charakterisiert, dass seine Zwischenereigniszeiten ( = Verweildauern) stochastisch unabhngige, (l ) -exponentialverteilte Zufallsvariablen
sind.
1
a) Die (l ) -Verteilung gehrt zu einer (reinen) Skalenfamilie mit s = . Auf der Abszisse werl
den daher die Quantile der (1) -Verteilung abgetragen, bei n Daten sind das gerade die Gr
n + 1
k
en - ln (1 - uk ) = - ln 1 ln
fr k = 1, , n. Auf der Ordinate werden die
n + 1 = n + 1 - k
der Gre nach sortierten beobachteten Zwischenereigniszeiten x( k ) abgetragen.

Es liegen zwar 20 beobachtete Zeitpunkte T1 , , T20 vor, aber es gibt nur 19 Zwischenereigniszeiten X k = Tk +1 - Tk , k = 1, ,19.
b) Eine lineare Regression durch den Nullpunkt, da es sich um eine (reine) Skalenfamilie handelt.
c) Nach visueller Beurteilung ist die Anpassung an eine Gerade (durch den Nullpunkt) hinreichend gut.

Lsungen zur Klausur Stochastische Risikomodellierung und statistische Methoden (Mai 2013)

d) Als Schtzer s fr den Parameter s verwendet man die Steigung der Regressionsgeraden; der
Graphik ist zu entnehmen, dass die Gerade durch den Punkt (1,5 | 2,5) verluft, so dass sich
2,5 5
1 3
= = 1,6 und damit l = = = 0,6 ergibt.
hier s =
1,5 3
s 5

e) Das betrachtete Ereignis hat die Poisson-Wahrscheinlichkeit e-2l = 0,3012, das entspricht der
Wahrscheinlichkeit dafr, dass der (homogene) Poisson-Prozess in einem Intervall der Lnge 2
keinen Zuwachs hat (d.h. in dieser Zeitspanne keine Sturmereignisse eintreten).

Lsungen zur Klausur Stochastische Risikomodellierung und statistische Methoden (Mai 2013)

Aufgabe 3 (30 Punkte):

(W, , ) sei der zugrundeliegende Wahrscheinlichkeitsraum. Fr einen Bestand mit Volumen v

k

wird die Schadenzahl N mit der Zufallsvariablen N : W 0 und der Frequenz Z : W k 0 ,

v

N
Z :=
modelliert. Dabei wird N (lv ) mit l > 0 als Poisson-verteilt angenommen. Beobachtet
v
werden unabhngige Realisierungen von Z1 ,, Z n (Frequenzen) und Volumina v1 , , vn > 0 .

a) i) Bestimmen Sie die gemeinsame Wahrscheinlichkeitsfunktion (also die gemeinsame Zhldichte)

von ( Z1 , , Z n ) und die Fisherinformation I n (l ) von ( Z1 , , Z n ) .
n

Zwischenergebnis: I n (l ) =

, l (-lvi + zi vi ln l ) ist eine Loglikelihood

i =1

i =1

ii) Beweisen Sie, dass ln =

v Z
i

i =1
n

ein Maximum-Likelihood-Schtzer von l ist.

i =1

Mit obigen Ergebnissen sollen Erwartungswert und Varianz von N fr einen Bestand mit Volumen v
geschtzt werden.
b) Bestimmen Sie E ( N ) , Var ( N ) und begrnden Sie, dass ln v bzw.

ln v Maximum-Likelihood-

Schtzer des Erwartungswerts bzw. der Standardabweichung von N sind.

c) Ohne Beweis wird angenommen, dass Satz 5.3.9 des Folienskripts fr ln gilt, dass also ln nhe
1
-verteilt ist. Geben Sie die asymptotische Verteilung von
rungsweise l,
I (l )
n

ln v an.

Gegeben seien die folgenden Beobachtungen:

zi

2
7

1
3

3
11

0,1

1
3

0,125

vi

14

12

11

10

64

vi zi

16

d) Bestimmen Sie fr einen Bestand mit Volumen v = 16 mit obigen Daten die Schtzwerte fr
E ( N ) und Var ( N ) .

e) Geben Sie fr einen Bestand mit Volumen v = 16 mit Hilfe der Maximum-Likelihood-Theorie ein
asymptotisches 90%-Schtzintervall fr die Standardabweichung von N unter der Verwendung der
Daten und d) an.
Quantile von (0,1) :

u0,9 =1,28

u0,95 =1,64

u0,975 =1,96

u0,99 =2,33

Lsungen zur Klausur Stochastische Risikomodellierung und statistische Methoden (Mai 2013)

Lsung: Zu a) i)

k
k
Es gilt fr ( z1 ,, zn ) 1 ,, n k1 ,, kn 0 (also zi vi 0 , i = 1,, n )
v1

vn

f ( z1 ,, zn , l ) = e
i =1

-lvi

(lvi )
( zi vi )!

zi vi

n (l ) = (-lvi + zi vi (ln (l ) + ln(vi )) - ln (( zi vi )!))

i =1

oder krzer auch

n

n (l ) = (-lvi + zi vi ln l )
i =1

d
zv
n (l ) = -vi + i i

l
dl
i =1
n
d2
zi vi

l
=
(
)

2 n
2
dl
i =1 l
n

vi

n
d2

n Z i vi
l
v

i
i
=
1

I n (l ) = E - 2 n (l, Z1 ,, Z n ) = E 2 = 2 =
d l
i=1 l i=1 l

l
Zu a) ii)
Aus der dritten Zeile von i) folgt durch Nullsetzen
n

zi vi

zi vi
i =1

ln = n
.
vi =

i =1
i =1 l
vi
n

i =1

Wegen

d
zv
l = - i 2i < 0 liegt in ln ein Maximum von n vor.
2 n( )
dl
i =1 l

Zu b)
Laut Voraussetzung gilt N ~ (lv ) und somit E ( N ) = lv, Var ( N ) = lv . Die Funktionen
h : (0, ) (0, ), h (l ) = lv und g : (0, ) (0, ) , g (l ) = lv sind bijektiv und stetig differenzierbar. Damit sind h (ln ) und g (ln ) Schtzer von h (l ) =lv und g (l ) = lv .
Zu c)
Verwende die Bezeichnungen von b). Es gilt g ' (lv ) =

v
v
=
und es folgt, dass asymptotisch
2 lv 2 l

2
2

g ' (l )
g ' (l )
v l
v
v

= n
= n
gilt.
g (ln ) g (l ),
= g (l ) , n wegen

4l
I n (l )
I n (l )

4
v
v
v
4

i
i
i

i =1
i =1
i =1

Lsungen zur Klausur Stochastische Risikomodellierung und statistische Methoden (Mai 2013)

Zu d)
1
Mit a) und n = 6 gilt ln = .
4

( N ) = ln v = 4, Var ( N ) = ln v = 2.
Mit c) folgt E
Zu e)
Mit d) und c) ergibt sich, indem man die Schtzwerte einsetzt, die Varianz

v
n

4 vi

16
1
= , folg464 16

u
u
1,64
1,64
lich als 90 % Schtzintervall g (l ) - 0,95 , g (l ) + 0,95 = 2 ,2+
= (1,59;2, 41).

4
4
4
4

Lsungen zur Klausur Stochastische Risikomodellierung und statistische Methoden (Mai 2013)

Aufgabe 4 (35 Punkte):

X 1 , , X 100 seien die unabhngigen Jahresgesamtschden, welche die Versicherungsnehmer

i = 1, ,100 im Jahr 2012 verursacht haben. Beobachtet wurde das arithmetische Mittel m = 12,95
und die empirische Standardabweichung s = 16,07 dieser Jahresgesamtschden (Werte in Einheiten
von 10 EUR). Aus dem Markt sei bekannt, dass X i einer (li ) -Exponentialverteilung folgt, mit jeweils individuellem, unbekanntem Strukturparameter li (0;1].
a) Unter der Nullhypothese, dass die Strukturparameter aller Versicherungsnehmer identisch sind
(l1 = l2 = = l100 =: l ), folgen die Schden aller Versicherungsnehmer einer (l ) -Verteilung.
-

Berechnen Sie den theoretischen Varianzquotienten v :=

Var ( X i )
E ( X i )

gleichen Sie diesen mit dem empirischen Varianzquotienten v :=

dieser Verteilung und ver-

s 2
der Daten. Welche Alterm 2

nativhypothese legt der Vergleich nahe?

-

Testen Sie zum Niveau 5%, ob die Nullhypothese identischer Strukturparameter haltbar ist.
Dabei knnen Sie ohne Beweis verwenden, dass der empirische Varianzquotient v unter der
Nullhypothese mit einer Wahrscheinlichkeit von 95% Werte im Intervall [ 0, 68;1, 44 ] annimmt.

b) Um der Mglichkeit Rechnung zu tragen, dass sich die unbeobachteten Strukturparameter fr die
einzelnen Versicherungsnehmer unterscheiden, gehen Sie nun davon aus, dass jeder Strukturpara1
meter li Realisierung einer Zufallsvariablen Li :=
ist. Dabei ist U i auf dem Intervall
Ui

[1;2m -1] gleichverteilt mit m = 10,0. Berechnen Sie die lineare Credibility-Prmie fr einen Versicherungsnehmer i, fr den in den letzten drei Jahren (n = 3) die Jahresgesamtschden 12,0 sowie
7,0 und 8,0 beobachtet wurden.
Hinweis: Sie knnen (ohne Beweis) verwenden, dass die lineare Credibility-Prmie durch
Var ( E[ X i | Li ])
H i ** := zn X i + (1 - zn ) E ( X i ) definiert ist, mit zn =
. Auer1
E (Var[ X i | Li ]) + Var ( E[ X i | Li ])
n
(m - 1) 2
.
dem gilt E (U i ) = m und Var (U i ) =
3
c) Fr die Versicherungsnehmer (VN) 1 und 2 liege eine Schadenhistorie von insgesamt drei Jahren
vor:
Jahr t

Schaden X 1 (t ) von VN 1 Schaden X 2 (t ) von VN 2

0 (entspricht 2010)

2,0

6,0

1 (entspricht 2011)

7,0

9,0

2 (entspricht 2012)

8,0

13,0

Lsungen zur Klausur Stochastische Risikomodellierung und statistische Methoden (Mai 2013)

Sie mchten ein verallgemeinertes lineares Modell mit

1

f i ( xi ) = exp ( xi Ji - b( Ji )) + c( xi , y )
y

an diese Schadenbeobachtungen X i (t ) anpassen.

-

Zeigen Sie, dass sich fr b( Ji ) = - ln(-Ji ), y = 1 und c = 0 die (-Ji ) -Verteilung ergibt.

Die Exponentialverteilung ist ein Spezialfall der Gamma-Verteilung. Geben Sie mit diesem
Wissen die zur Exponentialverteilung zugehrige kanonische Link-Funktion g (m ) und die Varianzfunktion V (m ) an.

d) Ein Statistikprogramm liefert folgendes Schtzergebnis fr das verallgemeinerte lineare Modell

aus c) mit der Versicherungsnehmernummer als diskreter und dem Jahr t als stetiger Kovariate:
Modellspezifikation
Verteilung:
Exponential
Linkfunktion:
kanonisch
Beobachtungsdaten
2

7

8

6
9

13

Designmatrix
1

1
1

0
0
0
1
1
1

Schtzergebnis
Regressionsparameter

b1 0, 2481

b2 = -0,0623
b -0,0589
3

Ermitteln Sie fr Versicherungsnehmer 2 die Nettoprmie E ( X 2 (2)) im Jahr 2 und berechnen

Sie daraus eine Schtzung fr den unbeobachteten Strukturparameter l2 .

Berechnen Sie die Varianz Var ( X 2 (2)) des zugehrigen Schadens.

e) Das Statistikprogramm liefert nun zustzlich eine Schtzung y = 0,1358 fr den Parameter y.
Geben Sie damit eine neue Schtzung fr E ( X 2 (2)) und Var ( X 2 (2)) an und begrnden Sie diese.

Lsungen zur Klausur Stochastische Risikomodellierung und statistische Methoden (Mai 2013)

Lsung:
a) Fr die (l ) -Verteilung gilt E ( X i ) =
tient v =

Var ( X i )
E ( X i )

1
1
und Var ( X i ) = 2 , so dass der theoretische Varianzquol
l

= 1 betrgt.

16,07 2
= 1,54 > 1.
Dem gegenber steht ein empirischer Varianzquotient von v =
12, 952

Unter der Nullhypothese 1 = 2 = = 100 ist der empirische Varianzquotient ein Schtzer fr
den theoretischen Varianzquotienten. Aufgrund der Abweichung zwischen empirischem und theoretischem Varianzquotienten liegt die Alternativhypothese nahe, dass nicht alle Strukturparameter
i identisch sind.
Aufgrund des Hinweises ist v eine Teststatistik und [ 0,68; 1, 44 ] = (-; 0,68) (1, 44; ) ein
Verwerfungsbereich fr einen Test der Nullhypothese zum Niveau 5%. Da v = 1,54 im Verwerfungsbereich liegt, wird die Nullhypothese identischer Strukturparameter verworfen.
c

b) Es gilt
Xi =

1
12,0 + 7,0 + 8,0
1
2
= 9,0, Var ( E [ X i | Li ]) = Var = Var (U i ) = (m - 1) = 81/3 = 27,
Li
3
3

1
1
2
2
E (Var[ X i | Li ]) = E 2 = E (U i2 ) = Var (U i ) + {E (U i )} = (m - 1) + m 2 = 27 + 100 = 127 und
Li
3
1
E ( X i ) = E E ( X i | Li ) = E = E (U i ) = m = 10.
Li

(Bemerkung: Aus diesen Werten ergibt sich als Varianzquotient

v :=

Var ( X i )
2

E (Var[ X i | Li ]) + Var ( E[ X i | Li ]) 127 + 27

=
= 1,54, also der in a) berechnete
m2
100

E ( X i )

Wert, so dass m = 10,0 eine sinnvolle Wahl ist.)

Fr den Credibility-Faktor ergibt sich damit zn =

27
= 0, 3894.
27 + 127 / 3

Mit diesen Werten berechnet sich die lineare Credibility-Prmie zu

H i ** = zn X i + (1 - zn ) E ( X i ) = 0,3894 9,0 + 0,6106 10,0 = 9,61.

c) Einsetzen von b( Ji ) = - ln(-Ji ), y = 1 und c = 0 ergibt die Dichte

f i ( xi ) = exp ( xi Ji + ln(-Ji ))) = -Ji exp ( xi Ji ) = -Ji exp (- xi (-Ji ))

der (-Ji ) -Verteilung.

Lsungen zur Klausur Stochastische Risikomodellierung und statistische Methoden (Mai 2013)

Fr allgemeines y ergibt sich mit b( J) = - ln(-J) die Gamma-Verteilung, so dass die kanonische Linkfunktion g (m ) =

1
ist und die Varianzfunktion V (m ) = m 2 .
m

d) Der zugehrige lineare Prdiktor ist (1; 1; 2) (1, 2, 3)T = 0,2481 0,0623 2 0,0589 =
0,0680. Mit der kanonischen Linkfunktion berechnet sich daraus der Erwartungswert E ( X 2 (2)) =
1/0,0680 = 14,7059. Zwischen dem Strukturparameter l2 und dem Erwartungswert E ( X 2 (2)) besteht im Rahmen der Exponentialverteilung der Zusammenhang E ( X 2 (2)) =

1
, so dass l2 =
l2

0,0680.
Die Varianz ergibt sich mit der Varianzfunktion (oder direkt mit der Exponentialverteilung) gem
2

Var ( X 2 (2)) = V ( E ( X 2 (2))) = {E ( X 2 (2))} = 14,70592 = 216,2635.

e) Der konkrete Wert von y hat keinen Einfluss auf die Maximum-Likelihood-Parameterschtzung
fr die Regressionsparameter (1, 2, 3), so dass die Schtzung fr den Erwartungswert unverndert E ( X 2 (2)) = 14,7059 betrgt. In die Berechnung der Varianz geht y gem Var ( X 2 (2)) =

y V ( E ( X 2 (2))) ein, so dass eine verbesserte Schtzung der Varianz Var ( X 2 (2)) = 0,1358
V ( E ( X 2 (2))) = 0,1358 216,2635 = 29,3686 betrgt.

Verteilung der Punktzahlen auf die Unteraufgaben:

1 a)
1b)
1c)
1d)
2a)
2b)
2c)
2d)
2e)
3a)
3b)
3c)
3d)
3e)
4a)
4b)
4c)
4d)
4e)

8
10
6
6
10
3
2
5
5
10
5
5
5
5
8
10
6
8
3