Vous êtes sur la page 1sur 75

Assurances et probabilits

Charles SUQUET
http://math.univ-lille1.fr/~suquet
U.S.T.L. Lille 1 & CNRS UMR 8524
12 avril 2007
Ch. Suquet (Lille 1) Assurances et probabilits 12 avril 2007 1 / 23
Contenu
1
Notions basiques
2
Modle individuel et modle collectif
3
Probabilit de ruine
Ch. Suquet (Lille 1) Assurances et probabilits 12 avril 2007 2 / 23
Bases
M. Denuit, A. Charpentier, Mathmatiques de lassurance non
vie, tome 1 : Principes fondamentaux de thorie du risque. Economica
2004.
C. Partrat, J.-L. Besson, Assurance non-vie, modlisation,
simulation. Assurance Audit Actuariat, Economica 2005.
Police dassurance.
Prime (premium).
Mutualisation (compensation stochastique).
Moyens damliorer la solvabilit.
Ch. Suquet (Lille 1) Assurances et probabilits 12 avril 2007 3 / 23
Bases
Police dassurance.
Prime (premium).
Mutualisation (compensation stochastique).
Moyens damliorer la solvabilit.
Ch. Suquet (Lille 1) Assurances et probabilits 12 avril 2007 3 / 23
Bases
Police dassurance.
Prime (premium).
Mutualisation (compensation stochastique).
Moyens damliorer la solvabilit.
Ch. Suquet (Lille 1) Assurances et probabilits 12 avril 2007 3 / 23
Bases
Police dassurance.
Prime (premium).
Mutualisation (compensation stochastique).
Moyens damliorer la solvabilit.
Ch. Suquet (Lille 1) Assurances et probabilits 12 avril 2007 3 / 23
Prime pure 1
Soit S la charge totale de sinistre relative une police donne au cours
dune priode dassurance.
Lopration dassurance substitue une constante c la variable alatoire S.
Comment dterminer c ?
d
2
(S, c)
2
= E(S c)
2
= (ES c)
2
+ Var S,
donc d
2
(S, c) est minimal pour c = ES.
Ch. Suquet (Lille 1) Assurances et probabilits 12 avril 2007 4 / 23
Prime pure 1
Soit S la charge totale de sinistre relative une police donne au cours
dune priode dassurance.
Lopration dassurance substitue une constante c la variable alatoire S.
Comment dterminer c ?
d
2
(S, c)
2
= E(S c)
2
= (ES c)
2
+ Var S,
donc d
2
(S, c) est minimal pour c = ES.
Ch. Suquet (Lille 1) Assurances et probabilits 12 avril 2007 4 / 23
Prime pure 1
Soit S la charge totale de sinistre relative une police donne au cours
dune priode dassurance.
Lopration dassurance substitue une constante c la variable alatoire S.
Comment dterminer c ?
On cherche c proche de S en introduisant une distance pnalisant
symtriquement {c < S} et {c > S} :
d
2
(S, c)
2
:= E(S c)
2
.
d
2
(S, c)
2
= E(S c)
2
= (ES c)
2
+ Var S,
donc d
2
(S, c) est minimal pour c = ES.
Ch. Suquet (Lille 1) Assurances et probabilits 12 avril 2007 4 / 23
Prime pure 1
Soit S la charge totale de sinistre relative une police donne au cours
dune priode dassurance.
Lopration dassurance substitue une constante c la variable alatoire S.
Comment dterminer c ?
d
2
(S, c)
2
= E(S c)
2
= (ES c)
2
+ Var S,
donc d
2
(S, c) est minimal pour c = ES.
Ch. Suquet (Lille 1) Assurances et probabilits 12 avril 2007 4 / 23
Prime pure 1
Soit S la charge totale de sinistre relative une police donne au cours
dune priode dassurance.
Lopration dassurance substitue une constante c la variable alatoire S.
Comment dterminer c ?
d
2
(S, c)
2
= E(S c)
2
= (ES c)
2
+ Var S,
donc d
2
(S, c) est minimal pour c = ES.
La distance
d
1
(S, c) := E|S c|
est minimale pour c = mdiane(S). Solution pas acceptable si P(S = 0)
est grand, par exemple en assurance automobile.
Ch. Suquet (Lille 1) Assurances et probabilits 12 avril 2007 4 / 23
Prime pure 2
Thorme (loi des grands nombres)
Supposons les montants de sinistres S
1
, . . . , S
n
indpendants et de mme
loi ayant une esprance commune ES
i
= . Notons S
(n)
la charge
moyenne de sinistre par police. Alors
S
(n)
=
1
n
n

i =1
S
i
p.s.

n+
.
Remarques.
Rsultat asymptotique (n grand ).
Indpendance (ne marche pas pour catastrophes naturelles).
Homognit des risques. Necessit de segmenter le portefeuille. . .
Ch. Suquet (Lille 1) Assurances et probabilits 12 avril 2007 5 / 23
Prime pure 2
Thorme (loi des grands nombres)
Supposons les montants de sinistres S
1
, . . . , S
n
indpendants et de mme
loi ayant une esprance commune ES
i
= . Notons S
(n)
la charge
moyenne de sinistre par police. Alors
S
(n)
=
1
n
n

i =1
S
i
p.s.

n+
.
Remarques.
Rsultat asymptotique (n grand ).
Indpendance (ne marche pas pour catastrophes naturelles).
Homognit des risques. Necessit de segmenter le portefeuille. . .
Ch. Suquet (Lille 1) Assurances et probabilits 12 avril 2007 5 / 23
Prime pure 2
Thorme (loi des grands nombres)
Supposons les montants de sinistres S
1
, . . . , S
n
indpendants et de mme
loi ayant une esprance commune ES
i
= . Notons S
(n)
la charge
moyenne de sinistre par police. Alors
S
(n)
=
1
n
n

i =1
S
i
p.s.

n+
.
Remarques.
Rsultat asymptotique (n grand ).
Indpendance (ne marche pas pour catastrophes naturelles).
Homognit des risques. Necessit de segmenter le portefeuille. . .
Ch. Suquet (Lille 1) Assurances et probabilits 12 avril 2007 5 / 23
Insusance de la prime pure
Dnition (prime pure)
On appelle prime pure associe un montant de sinistre alatoire S pour
une priode dassurance, la quantit ES.
Cette prime sert de base au calcul de la prime commerciale eectivement
paye par lassur.
Elle est insusante !
En eet soit un portefeuille avec sinistres S
1
, . . . , S
n
i.i.d., tels que
ES
2
1
< + et pour lequel la compagnie nencaisserait que les primes
pures = ES
i
. Le thorme limite central implique que la loi du rsultat
dexploitation n

n
i =1
S
i
est approximativement gaussienne N(0, n
2
),
do
P(dcit) = P
_
n (S
1
+ + S
n
) < 0)
1
2
.
Ch. Suquet (Lille 1) Assurances et probabilits 12 avril 2007 6 / 23
Insusance de la prime pure
Dnition (prime pure)
On appelle prime pure associe un montant de sinistre alatoire S pour
une priode dassurance, la quantit ES.
Cette prime sert de base au calcul de la prime commerciale eectivement
paye par lassur.
Elle est insusante !
En eet soit un portefeuille avec sinistres S
1
, . . . , S
n
i.i.d., tels que
ES
2
1
< + et pour lequel la compagnie nencaisserait que les primes
pures = ES
i
. Le thorme limite central implique que la loi du rsultat
dexploitation n

n
i =1
S
i
est approximativement gaussienne N(0, n
2
),
do
P(dcit) = P
_
n (S
1
+ + S
n
) < 0)
1
2
.
Ch. Suquet (Lille 1) Assurances et probabilits 12 avril 2007 6 / 23
Insusance de la prime pure 2
Si la compagnie encaisse par police une prime p < , alors
P(dcit) = P(np (S
1
+ + S
n
) < 0)
= P
_

( S
(n)
) <

( p)
_

_

( p)
_
1.
Amlioration de la solvabilit :
Chargement de la prime pure (prime de risque).
Augmentation du nombre dassurs.
Rserve de stabilisation.
Rassurance.
Ch. Suquet (Lille 1) Assurances et probabilits 12 avril 2007 7 / 23
Insusance de la prime pure 2
Amlioration de la solvabilit :
Chargement de la prime pure (prime de risque).
Augmentation du nombre dassurs.
Rserve de stabilisation.
Rassurance.
Ch. Suquet (Lille 1) Assurances et probabilits 12 avril 2007 7 / 23
Insusance de la prime pure 2
Amlioration de la solvabilit :
Chargement de la prime pure (prime de risque).
Augmentation du nombre dassurs.
Rserve de stabilisation.
Rassurance.
Ch. Suquet (Lille 1) Assurances et probabilits 12 avril 2007 7 / 23
Insusance de la prime pure 2
Amlioration de la solvabilit :
Chargement de la prime pure (prime de risque).
Augmentation du nombre dassurs.
Rserve de stabilisation.
Rassurance.
Ch. Suquet (Lille 1) Assurances et probabilits 12 avril 2007 7 / 23
Prime de risque et solvabilit
La prime de risque p sobtient par chargement (safety loading) de la prime
pure.
Chargement proportionnel : p = (1 + )ES. Avec le modle i.i.d.
ci-dessus, la probabilit de dcit devient
P(dcit)
_

( p)
_

n+
() = 0.
Chargement par lcart-type : p = ES + . A lavantage de mieux
prendre en compte la dangerosit du risque .
Laugmentation du nombre dassurs n peut autoriser un chargement
plus faible. Pb du march concurrentiel.
Lutilisation dune rserve de stabilisation ou dun capital initial K est
ncessaire (au moins la 1
re
anne et de par la lgislation).
P(dcit)
_

n( p)

n
_
Ch. Suquet (Lille 1) Assurances et probabilits 12 avril 2007 8 / 23
Prime de risque et solvabilit
La prime de risque p sobtient par chargement (safety loading) de la prime
pure.
Chargement proportionnel : p = (1 + )ES. Avec le modle i.i.d.
ci-dessus, la probabilit de dcit devient
P(dcit)
_

( p)
_

n+
() = 0.
Chargement par lcart-type : p = ES + . A lavantage de mieux
prendre en compte la dangerosit du risque .
Laugmentation du nombre dassurs n peut autoriser un chargement
plus faible. Pb du march concurrentiel.
Lutilisation dune rserve de stabilisation ou dun capital initial K est
ncessaire (au moins la 1
re
anne et de par la lgislation).
P(dcit)
_

n( p)

n
_
Ch. Suquet (Lille 1) Assurances et probabilits 12 avril 2007 8 / 23
Prime de risque et solvabilit
La prime de risque p sobtient par chargement (safety loading) de la prime
pure.
Chargement proportionnel : p = (1 + )ES. Avec le modle i.i.d.
ci-dessus, la probabilit de dcit devient
P(dcit)
_

( p)
_

n+
() = 0.
Chargement par lcart-type : p = ES + . A lavantage de mieux
prendre en compte la dangerosit du risque .
Laugmentation du nombre dassurs n peut autoriser un chargement
plus faible. Pb du march concurrentiel.
Lutilisation dune rserve de stabilisation ou dun capital initial K est
ncessaire (au moins la 1
re
anne et de par la lgislation).
P(dcit)
_

n( p)

n
_
Ch. Suquet (Lille 1) Assurances et probabilits 12 avril 2007 8 / 23
Prime de risque et solvabilit
La prime de risque p sobtient par chargement (safety loading) de la prime
pure.
Chargement proportionnel : p = (1 + )ES. Avec le modle i.i.d.
ci-dessus, la probabilit de dcit devient
P(dcit)
_

( p)
_

n+
() = 0.
Chargement par lcart-type : p = ES + . A lavantage de mieux
prendre en compte la dangerosit du risque .
Laugmentation du nombre dassurs n peut autoriser un chargement
plus faible. Pb du march concurrentiel.
Lutilisation dune rserve de stabilisation ou dun capital initial K est
ncessaire (au moins la 1
re
anne et de par la lgislation).
P(dcit)
_

n( p)

n
_
Ch. Suquet (Lille 1) Assurances et probabilits 12 avril 2007 8 / 23
Lois des charges de sinistres
Les principales lois de probabilit utilises pour modliser le montant dun
sinistre (lorsquil y a sinistre) sont classes daprs le poids de la queue
de distribution F(x) = P(X > x).
Poids Loi Queue F(x) Ee
sX
ni ?
Trs lger Weib(, ), > 1 exp
_

_
x

_
oui, s
Lger Gam(, )
_
+
x

()
t
1
e
t
dt oui s <
Intermdiaire Lognormale P(e
Y
> x), Y N(, ) non
Weib(, ), < 1 non
Lourd Par(, ), > 1
_

+ x
_

non
Trs lourd Par(, ), 1 EX = +
Ch. Suquet (Lille 1) Assurances et probabilits 12 avril 2007 9 / 23
Lois des nombres de sinistres
Trois lois classiques modlisant le nombre N de sinistres :
Binomiale Bin(n, p) : P(N = k) = C
k
n
p
k
(1 p)
nk
,
EN = np, Var N = np(1 p). Au plus un sinistre par petit
intervalle de temps, indpendance des intervalles. . .
Poisson Pois() : P(N = k) =
e

k
k!
, EN = Var N = . Loi des
vnements rares, modlise bien le nombre de sinistres dune police
individuelle.
Binomiale ngative NBin(n, p) : P(N = k) = C
n
n+k1
p
n
(1 p)
k
,
EN =
n(1p)
p
, Var N =
n(1p)
p
2
> EN.
La loi de Poisson modlise mal le nombre de sinistres dun portefeuille en
raison de lhtrognit des assurs (exemple RC automobile).
Ch. Suquet (Lille 1) Assurances et probabilits 12 avril 2007 10 / 23
Lois des nombres de sinistres
Trois lois classiques modlisant le nombre N de sinistres :
Binomiale Bin(n, p) : P(N = k) = C
k
n
p
k
(1 p)
nk
,
EN = np, Var N = np(1 p). Au plus un sinistre par petit
intervalle de temps, indpendance des intervalles. . .
Poisson Pois() : P(N = k) =
e

k
k!
, EN = Var N = . Loi des
vnements rares, modlise bien le nombre de sinistres dune police
individuelle.
Binomiale ngative NBin(n, p) : P(N = k) = C
n
n+k1
p
n
(1 p)
k
,
EN =
n(1p)
p
, Var N =
n(1p)
p
2
> EN.
La loi de Poisson modlise mal le nombre de sinistres dun portefeuille en
raison de lhtrognit des assurs (exemple RC automobile).
Ch. Suquet (Lille 1) Assurances et probabilits 12 avril 2007 10 / 23
Lois des nombres de sinistres
Trois lois classiques modlisant le nombre N de sinistres :
Binomiale Bin(n, p) : P(N = k) = C
k
n
p
k
(1 p)
nk
,
EN = np, Var N = np(1 p). Au plus un sinistre par petit
intervalle de temps, indpendance des intervalles. . .
Poisson Pois() : P(N = k) =
e

k
k!
, EN = Var N = . Loi des
vnements rares, modlise bien le nombre de sinistres dune police
individuelle.
Binomiale ngative NBin(n, p) : P(N = k) = C
n
n+k1
p
n
(1 p)
k
,
EN =
n(1p)
p
, Var N =
n(1p)
p
2
> EN.
La loi de Poisson modlise mal le nombre de sinistres dun portefeuille en
raison de lhtrognit des assurs (exemple RC automobile).
Ch. Suquet (Lille 1) Assurances et probabilits 12 avril 2007 10 / 23
Lois des nombres de sinistres
Trois lois classiques modlisant le nombre N de sinistres :
Binomiale Bin(n, p) : P(N = k) = C
k
n
p
k
(1 p)
nk
,
EN = np, Var N = np(1 p). Au plus un sinistre par petit
intervalle de temps, indpendance des intervalles. . .
Poisson Pois() : P(N = k) =
e

k
k!
, EN = Var N = . Loi des
vnements rares, modlise bien le nombre de sinistres dune police
individuelle.
Binomiale ngative NBin(n, p) : P(N = k) = C
n
n+k1
p
n
(1 p)
k
,
EN =
n(1p)
p
, Var N =
n(1p)
p
2
> EN.
La loi de Poisson modlise mal le nombre de sinistres dun portefeuille en
raison de lhtrognit des assurs (exemple RC automobile).
Ch. Suquet (Lille 1) Assurances et probabilits 12 avril 2007 10 / 23
Lois de Poisson mlange
Pour tenir compte de lhtrognit du portefeuille, on peut considrer
que le nombre moyen de sinistres varie dun assur lautre. Il est alors
une v.a. , avec constante et E = 1.
Dnition (loi MPois(, ))
N suit la loi de Poisson mlange de moyenne et de niveau de risque
relatif , o est une v.a. positive et E = 1 si
P(N = k) = E
_
exp()
()
k
k!
_
, k N.
On vrie que
EN = et Var N = +
2
Var > EN.
Exemple. Le modle bons risques - mauvais risques , o le portefeuille
comporte deux types dassurs, les bons pour qui le nombre de sinistres
suit Pois(
1
) et les mauvais pour qui cest Pois(
2
), avec
1
< 1 <
2
.
En posant = P( =
1
) = 1 P( =
2
), on a
1
+ (1 )
2
= 1 et
P(N = k) =
e

1
(
1
)
k
k!
+ (1 )
e

2
(
2
)
k
k!
.
Ch. Suquet (Lille 1) Assurances et probabilits 12 avril 2007 11 / 23
Lois de Poisson mlange
Pour tenir compte de lhtrognit du portefeuille, on peut considrer
que le nombre moyen de sinistres varie dun assur lautre. Il est alors
une v.a. , avec constante et E = 1.
Dnition (loi MPois(, ))
N suit la loi de Poisson mlange de moyenne et de niveau de risque
relatif , o est une v.a. positive et E = 1 si
P(N = k) = E
_
exp()
()
k
k!
_
, k N.
On vrie que
EN = et Var N = +
2
Var > EN.
Exemple. Le modle bons risques - mauvais risques , o le portefeuille
comporte deux types dassurs, les bons pour qui le nombre de sinistres
suit Pois(
1
) et les mauvais pour qui cest Pois(
2
), avec
1
< 1 <
2
.
En posant = P( =
1
) = 1 P( =
2
), on a
1
+ (1 )
2
= 1 et
P(N = k) =
e

1
(
1
)
k
k!
+ (1 )
e

2
(
2
)
k
k!
.
Ch. Suquet (Lille 1) Assurances et probabilits 12 avril 2007 11 / 23
Lois de Poisson mlange
Dnition (loi MPois(, ))
N suit la loi de Poisson mlange de moyenne et de niveau de risque
relatif , o est une v.a. positive et E = 1 si
P(N = k) = E
_
exp()
()
k
k!
_
, k N.
On vrie que
EN = et Var N = +
2
Var > EN.
Exemple. Le modle bons risques - mauvais risques , o le portefeuille
comporte deux types dassurs, les bons pour qui le nombre de sinistres
suit Pois(
1
) et les mauvais pour qui cest Pois(
2
), avec
1
< 1 <
2
.
En posant = P( =
1
) = 1 P( =
2
), on a
1
+ (1 )
2
= 1 et
P(N = k) =
e

1
(
1
)
k
k!
+ (1 )
e

2
(
2
)
k
k!
.
Ch. Suquet (Lille 1) Assurances et probabilits 12 avril 2007 11 / 23
Lois de Poisson mlange
Dnition (loi MPois(, ))
N suit la loi de Poisson mlange de moyenne et de niveau de risque
relatif , o est une v.a. positive et E = 1 si
P(N = k) = E
_
exp()
()
k
k!
_
, k N.
On vrie que
EN = et Var N = +
2
Var > EN.
Exemple. Le modle bons risques - mauvais risques , o le portefeuille
comporte deux types dassurs, les bons pour qui le nombre de sinistres
suit Pois(
1
) et les mauvais pour qui cest Pois(
2
), avec
1
< 1 <
2
.
En posant = P( =
1
) = 1 P( =
2
), on a
1
+ (1 )
2
= 1 et
P(N = k) =
e

1
(
1
)
k
k!
+ (1 )
e

2
(
2
)
k
k!
.
Ch. Suquet (Lille 1) Assurances et probabilits 12 avril 2007 11 / 23
Modle individuel
Dans ce modle, on note S
i
le montant cumul(ventuellement nul) des
sinistres pay au i
e
assur, pour la priode dassurance. La charge totale
de sinistres pour un portefeuille de n assurs est donc
S
ind
=
n

i =1
S
i
.
Les S
i
sont indpendantes, mais pas forcment de mme loi. On a de plus
P(S
i
= 0) > 0. En particulier les S
i
nont pas de densit.
La fonction de rpartition G
ind
(x) = P(S
ind
x) est assez dicile
calculer en gnral. Sa connaissance donne la probabilit de ruine en
fonction du capital initial : 1 G
ind
(primes + capital), ou le capital initial
investir en fonction dune probabilit de ruine xe. . .
Ch. Suquet (Lille 1) Assurances et probabilits 12 avril 2007 12 / 23
Modle individuel
Dans ce modle, on note S
i
le montant cumul(ventuellement nul) des
sinistres pay au i
e
assur, pour la priode dassurance. La charge totale
de sinistres pour un portefeuille de n assurs est donc
S
ind
=
n

i =1
S
i
.
Les S
i
sont indpendantes, mais pas forcment de mme loi. On a de plus
P(S
i
= 0) > 0. En particulier les S
i
nont pas de densit.
La fonction de rpartition G
ind
(x) = P(S
ind
x) est assez dicile
calculer en gnral. Sa connaissance donne la probabilit de ruine en
fonction du capital initial : 1 G
ind
(primes + capital), ou le capital initial
investir en fonction dune probabilit de ruine xe. . .
Ch. Suquet (Lille 1) Assurances et probabilits 12 avril 2007 12 / 23
Modle individuel
Dans ce modle, on note S
i
le montant cumul(ventuellement nul) des
sinistres pay au i
e
assur, pour la priode dassurance. La charge totale
de sinistres pour un portefeuille de n assurs est donc
S
ind
=
n

i =1
S
i
.
Les S
i
sont indpendantes, mais pas forcment de mme loi. On a de plus
P(S
i
= 0) > 0. En particulier les S
i
nont pas de densit.
La fonction de rpartition G
ind
(x) = P(S
ind
x) est assez dicile
calculer en gnral. Sa connaissance donne la probabilit de ruine en
fonction du capital initial : 1 G
ind
(primes + capital), ou le capital initial
investir en fonction dune probabilit de ruine xe. . .
Ch. Suquet (Lille 1) Assurances et probabilits 12 avril 2007 12 / 23
Modle collectif
Dans ce modle, on considre quil y a au cours de la priode dassurance
un nombre alatoire N de remboursements de sinistres, on note X
i
le i
e
remboursement, sans tenir compte de lassur concern. La charge totale
de sinistre est donc
S
coll
=
N

i =1
X
i
,
on suppose de plus que
les X
i
sont indpendantes et de mme loi,
(X
i
)
i 1
est indpendante de N (indpendance cots-frquence).
On peut calculer facilement la transforme de Laplace L
S
de S = S
coll
en
fonction de celle de X
1
et de la srie gnratrice
N
de N.
L
S
(t) := E exp(tS),
N
(u) := E(u
N
).
Ch. Suquet (Lille 1) Assurances et probabilits 12 avril 2007 13 / 23
Modle collectif
Dans ce modle, on considre quil y a au cours de la priode dassurance
un nombre alatoire N de remboursements de sinistres, on note X
i
le i
e
remboursement, sans tenir compte de lassur concern. La charge totale
de sinistre est donc
S
coll
=
N

i =1
X
i
,
on suppose de plus que
les X
i
sont indpendantes et de mme loi,
(X
i
)
i 1
est indpendante de N (indpendance cots-frquence).
On peut calculer facilement la transforme de Laplace L
S
de S = S
coll
en
fonction de celle de X
1
et de la srie gnratrice
N
de N.
L
S
(t) := E exp(tS),
N
(u) := E(u
N
).
Ch. Suquet (Lille 1) Assurances et probabilits 12 avril 2007 13 / 23
Modle collectif
Dans ce modle, on considre quil y a au cours de la priode dassurance
un nombre alatoire N de remboursements de sinistres, on note X
i
le i
e
remboursement, sans tenir compte de lassur concern. La charge totale
de sinistre est donc
S
coll
=
N

i =1
X
i
,
on suppose de plus que
les X
i
sont indpendantes et de mme loi,
(X
i
)
i 1
est indpendante de N (indpendance cots-frquence).
On peut calculer facilement la transforme de Laplace L
S
de S = S
coll
en
fonction de celle de X
1
et de la srie gnratrice
N
de N.
L
S
(t) := E exp(tS),
N
(u) := E(u
N
).
Ch. Suquet (Lille 1) Assurances et probabilits 12 avril 2007 13 / 23
Calcul de L
S
L
S
(t) = E exp
_
t
N

i =1
X
i
_
= E
_
+

k=0
exp
_
t
N

i =1
X
i
_
1
{N=k}
_
= E
_
+

k=0
exp
_
t
k

i =1
X
i
_
1
{N=k}
_
=
+

k=0
E
_
exp
_
t
k

i =1
X
i
_
1
{N=k}
_
=
+

k=0
P(N = k)E exp
_
t
k

i =1
X
i
_
=
+

k=0
P(N = k)
_
L
X
1
(t)
_
k
= E
_
L
X
1
(t)
N
_
Proposition
La transforme de Laplace L
S
de S = S
coll
est donne par
L
S
(t) =
N
_
L
X
1
(t)
_
,
N
(u) = E(u
N
).
Cas particulier important : si N est de loi Pois(),
L
S
(t) = exp
_
(L
X
1
(t) 1)
_
.
Ch. Suquet (Lille 1) Assurances et probabilits 12 avril 2007 14 / 23
Calcul de L
S
Proposition
La transforme de Laplace L
S
de S = S
coll
est donne par
L
S
(t) =
N
_
L
X
1
(t)
_
,
N
(u) = E(u
N
).
Cas particulier important : si N est de loi Pois(),
L
S
(t) = exp
_
(L
X
1
(t) 1)
_
.
Ch. Suquet (Lille 1) Assurances et probabilits 12 avril 2007 14 / 23
Calcul de L
S
Proposition
La transforme de Laplace L
S
de S = S
coll
est donne par
L
S
(t) =
N
_
L
X
1
(t)
_
,
N
(u) = E(u
N
).
Cas particulier important : si N est de loi Pois(),
L
S
(t) = exp
_
(L
X
1
(t) 1)
_
.
Ch. Suquet (Lille 1) Assurances et probabilits 12 avril 2007 14 / 23
Passage du modle individuel au collectif
Proposition
Dans le modle individuel, si les montants de sinistres S
i
peuvent scrire
S
i
=

N
i
k=1
Y
i ,k
, o pour chaque i , la suite (Y
i ,k
)
k1
est i.i.d. de f.d.r. F
i
et indpendante de N
i
, laquelle est de loi Pois(
i
), alors S
ind
a mme loi
que S
coll
o N suit la loi Pois() avec
=
n

i =1

i
, P(X
j
x) = F(x) =
1

i =1

i
F
i
(x).
Ch. Suquet (Lille 1) Assurances et probabilits 12 avril 2007 15 / 23
Passage du modle individuel au collectif
Preuve : Il sut de vrier que S
ind
et S
coll
ont mme transforme de
Laplace.
L
S
ind(t) =
n

i =1
L
S
i
(t)
=
n

i =1
exp
_

i
(L
Y
i ,1
(t) 1)
_
= exp
_
n

i =1

i
(L
Y
i ,1
(t) 1)
_
= exp
_

_
n

i =1

L
Y
i ,1
(t) 1
__
On remarque alors que la transforme de Laplace de la loi de f.d.r. F est
L =
1

n
i =1

i
L
Y
i ,1
, do :
t 0, L
S
ind(t) = exp
_
(L(t) 1)
_
= L
S
coll (t).
Ch. Suquet (Lille 1) Assurances et probabilits 12 avril 2007 15 / 23
Passage du modle individuel au collectif
Proposition
Dans le modle individuel, si les montants de sinistres S
i
peuvent scrire
S
i
=

N
i
k=1
Y
i ,k
, o pour chaque i , la suite (Y
i ,k
)
k1
est i.i.d. de f.d.r. F
i
et indpendante de N
i
, laquelle est de loi Pois(
i
), alors S
ind
a mme loi
que S
coll
o N suit la loi Pois() avec
=
n

i =1

i
, P(X
j
x) = F(x) =
1

i =1

i
F
i
(x).
Si les N
i
ne suivent plus des lois de Poisson, mais des lois de Poisson
mlange, la loi de S
coll
nest plus gale celle de S
ind
, mais en est une
approximation dont on sait contrler lerreur.
Ch. Suquet (Lille 1) Assurances et probabilits 12 avril 2007 15 / 23
Modle discret de de Finetti
On sintresse lvolution du rsultat technique au cours des annes,
avec les hypothses simplicatrices suivantes.
1
On nglige les produits nanciers.
2
Sinistralit stable au cours du temps.
3
Part de march de la compagnie inchange.
4
Pas dination.
On note S
i
la charge sinistre de lexercice i , p lencaissement annuel net
des primes, soit (1 + )ES
i
, K le capital initial et R
i
le rsultat de
lexercice i . On a alors
R
0
= K, R
1
= K + p S
1
, R
i
= R
i 1
+ p S
i
, i 2.
On note

i
= R
i
R
i 1
= p S
i
.
On suppose les S
i
i.i.d.
Ch. Suquet (Lille 1) Assurances et probabilits 12 avril 2007 16 / 23
Modle discret de de Finetti
On sintresse lvolution du rsultat technique au cours des annes,
avec les hypothses simplicatrices suivantes.
1
On nglige les produits nanciers.
2
Sinistralit stable au cours du temps.
3
Part de march de la compagnie inchange.
4
Pas dination.
On note S
i
la charge sinistre de lexercice i , p lencaissement annuel net
des primes, soit (1 + )ES
i
, K le capital initial et R
i
le rsultat de
lexercice i . On a alors
R
0
= K, R
1
= K + p S
1
, R
i
= R
i 1
+ p S
i
, i 2.
On note

i
= R
i
R
i 1
= p S
i
.
On suppose les S
i
i.i.d.
Ch. Suquet (Lille 1) Assurances et probabilits 12 avril 2007 16 / 23
Modle discret de de Finetti
On sintresse lvolution du rsultat technique au cours des annes,
avec les hypothses simplicatrices suivantes.
1
On nglige les produits nanciers.
2
Sinistralit stable au cours du temps.
3
Part de march de la compagnie inchange.
4
Pas dination.
On note S
i
la charge sinistre de lexercice i , p lencaissement annuel net
des primes, soit (1 + )ES
i
, K le capital initial et R
i
le rsultat de
lexercice i . On a alors
R
0
= K, R
1
= K + p S
1
, R
i
= R
i 1
+ p S
i
, i 2.
On note

i
= R
i
R
i 1
= p S
i
.
On suppose les S
i
i.i.d.
Ch. Suquet (Lille 1) Assurances et probabilits 12 avril 2007 16 / 23
Modle discret de de Finetti
On sintresse lvolution du rsultat technique au cours des annes,
avec les hypothses simplicatrices suivantes.
1
On nglige les produits nanciers.
2
Sinistralit stable au cours du temps.
3
Part de march de la compagnie inchange.
4
Pas dination.
On note S
i
la charge sinistre de lexercice i , p lencaissement annuel net
des primes, soit (1 + )ES
i
, K le capital initial et R
i
le rsultat de
lexercice i . On a alors
R
0
= K, R
1
= K + p S
1
, R
i
= R
i 1
+ p S
i
, i 2.
On note

i
= R
i
R
i 1
= p S
i
.
On suppose les S
i
i.i.d.
Ch. Suquet (Lille 1) Assurances et probabilits 12 avril 2007 16 / 23
Modle discret de de Finetti
On sintresse lvolution du rsultat technique au cours des annes,
avec les hypothses simplicatrices suivantes.
1
On nglige les produits nanciers.
2
Sinistralit stable au cours du temps.
3
Part de march de la compagnie inchange.
4
Pas dination.
On note S
i
la charge sinistre de lexercice i , p lencaissement annuel net
des primes, soit (1 + )ES
i
, K le capital initial et R
i
le rsultat de
lexercice i .
On a alors
R
0
= K, R
1
= K + p S
1
, R
i
= R
i 1
+ p S
i
, i 2.
On note

i
= R
i
R
i 1
= p S
i
.
On suppose les S
i
i.i.d.
Ch. Suquet (Lille 1) Assurances et probabilits 12 avril 2007 16 / 23
Modle discret de de Finetti
On sintresse lvolution du rsultat technique au cours des annes,
avec les hypothses simplicatrices suivantes.
1
On nglige les produits nanciers.
2
Sinistralit stable au cours du temps.
3
Part de march de la compagnie inchange.
4
Pas dination.
On note S
i
la charge sinistre de lexercice i , p lencaissement annuel net
des primes, soit (1 + )ES
i
, K le capital initial et R
i
le rsultat de
lexercice i . On a alors
R
0
= K, R
1
= K + p S
1
, R
i
= R
i 1
+ p S
i
, i 2.
On note

i
= R
i
R
i 1
= p S
i
.
On suppose les S
i
i.i.d.
Ch. Suquet (Lille 1) Assurances et probabilits 12 avril 2007 16 / 23
Modle discret de de Finetti
On sintresse lvolution du rsultat technique au cours des annes,
avec les hypothses simplicatrices suivantes.
1
On nglige les produits nanciers.
2
Sinistralit stable au cours du temps.
3
Part de march de la compagnie inchange.
4
Pas dination.
On note S
i
la charge sinistre de lexercice i , p lencaissement annuel net
des primes, soit (1 + )ES
i
, K le capital initial et R
i
le rsultat de
lexercice i . On a alors
R
0
= K, R
1
= K + p S
1
, R
i
= R
i 1
+ p S
i
, i 2.
On note

i
= R
i
R
i 1
= p S
i
.
On suppose les S
i
i.i.d.
Ch. Suquet (Lille 1) Assurances et probabilits 12 avril 2007 16 / 23
Modle de de Finetti, probabilit de ruine
On note
d
(K, j ) la probabilit que lun au moins des j premiers exercices
soit dcitaire :

d
(K, j ) = P
_
i {1, . . . , j }; R
i
0 | R
0
= K
_
Comme cette probabilit est croissante en j , on a

d
(K, j )
d
(K) = P
_
i N

; R
i
0 | R
0
= K
_
Thorme (de Finetti)
Pour le modle temps discret ci-dessus, si E exp(tS
1
) < + pour
0 < t t
0
+, on a :

d
(K, j )
d
(K) exp(K),
o lindice de risque est dni comme la solution positive de lquation :
L

(t) = E exp(t
i
) = 1 E exp(tS
i
) = exp(pt).
Ch. Suquet (Lille 1) Assurances et probabilits 12 avril 2007 17 / 23
Modle de de Finetti, probabilit de ruine
On note
d
(K, j ) la probabilit que lun au moins des j premiers exercices
soit dcitaire :

d
(K, j ) = P
_
i {1, . . . , j }; R
i
0 | R
0
= K
_
Comme cette probabilit est croissante en j , on a

d
(K, j )
d
(K) = P
_
i N

; R
i
0 | R
0
= K
_
Thorme (de Finetti)
Pour le modle temps discret ci-dessus, si E exp(tS
1
) < + pour
0 < t t
0
+, on a :

d
(K, j )
d
(K) exp(K),
o lindice de risque est dni comme la solution positive de lquation :
L

(t) = E exp(t
i
) = 1 E exp(tS
i
) = exp(pt).
Ch. Suquet (Lille 1) Assurances et probabilits 12 avril 2007 17 / 23
Modle de de Finetti, probabilit de ruine
On note
d
(K, j ) la probabilit que lun au moins des j premiers exercices
soit dcitaire :

d
(K, j ) = P
_
i {1, . . . , j }; R
i
0 | R
0
= K
_
Comme cette probabilit est croissante en j , on a

d
(K, j )
d
(K) = P
_
i N

; R
i
0 | R
0
= K
_
Thorme (de Finetti)
Pour le modle temps discret ci-dessus, si E exp(tS
1
) < + pour
0 < t t
0
+, on a :

d
(K, j )
d
(K) exp(K),
o lindice de risque est dni comme la solution positive de lquation :
L

(t) = E exp(t
i
) = 1 E exp(tS
i
) = exp(pt).
Ch. Suquet (Lille 1) Assurances et probabilits 12 avril 2007 17 / 23
Preuve du thorme de de Finetti
On montre par rcurrence sur j que
d
(K, j ) exp(K), puis j +.
Cest vrai pour j = 0 car
d
(K, 0) = 0.
Supposons lingalit vraie pour j 1.

d
(K, j ) = P(R
1
< 0) + P
_
R
1
0 et i ]1, j ]; R
i
< 0
_
= P(S
1
> K + p) +
_
K+p
0

d
(K + p s
1
, j 1) dF
S
1
(s
1
)
Or
d
(K + p s
1
, j 1) = 1 pour K + p < s
1
, donc
_
+
K+p

d
(K + p s
1
, j 1) dF
S
1
(s
1
) =
_
+
K+p
dF
S
1
(s
1
) = P(S
1
> K + p),
do en recollant les deux intgrales :

d
(K, j ) =
_
+
0

d
(K + p s
1
, j 1) dF
S
1
(s
1
)
Ch. Suquet (Lille 1) Assurances et probabilits 12 avril 2007 18 / 23
Preuve du thorme de de Finetti
On montre par rcurrence sur j que
d
(K, j ) exp(K), puis j +.
Cest vrai pour j = 0 car
d
(K, 0) = 0.
Supposons lingalit vraie pour j 1.

d
(K, j ) = P(R
1
< 0) + P
_
R
1
0 et i ]1, j ]; R
i
< 0
_
= P(S
1
> K + p) +
_
K+p
0

d
(K + p s
1
, j 1) dF
S
1
(s
1
)
Or
d
(K + p s
1
, j 1) = 1 pour K + p < s
1
, donc
_
+
K+p

d
(K + p s
1
, j 1) dF
S
1
(s
1
) =
_
+
K+p
dF
S
1
(s
1
) = P(S
1
> K + p),
do en recollant les deux intgrales :

d
(K, j ) =
_
+
0

d
(K + p s
1
, j 1) dF
S
1
(s
1
)
Ch. Suquet (Lille 1) Assurances et probabilits 12 avril 2007 18 / 23
Preuve du thorme de de Finetti
On montre par rcurrence sur j que
d
(K, j ) exp(K), puis j +.
Cest vrai pour j = 0 car
d
(K, 0) = 0.
Supposons lingalit vraie pour j 1.

d
(K, j ) = P(R
1
< 0) + P
_
R
1
0 et i ]1, j ]; R
i
< 0
_
= P(S
1
> K + p) +
_
K+p
0

d
(K + p s
1
, j 1) dF
S
1
(s
1
)
Or
d
(K + p s
1
, j 1) = 1 pour K + p < s
1
, donc
_
+
K+p

d
(K + p s
1
, j 1) dF
S
1
(s
1
) =
_
+
K+p
dF
S
1
(s
1
) = P(S
1
> K + p),
do en recollant les deux intgrales :

d
(K, j ) =
_
+
0

d
(K + p s
1
, j 1) dF
S
1
(s
1
)
Ch. Suquet (Lille 1) Assurances et probabilits 12 avril 2007 18 / 23
Preuve du thorme de de Finetti
On montre par rcurrence sur j que
d
(K, j ) exp(K), puis j +.
Cest vrai pour j = 0 car
d
(K, 0) = 0.
Supposons lingalit vraie pour j 1.

d
(K, j ) = P(R
1
< 0) + P
_
R
1
0 et i ]1, j ]; R
i
< 0
_
= P(S
1
> K + p) +
_
K+p
0

d
(K + p s
1
, j 1) dF
S
1
(s
1
)
Or
d
(K + p s
1
, j 1) = 1 pour K + p < s
1
, donc
_
+
K+p

d
(K + p s
1
, j 1) dF
S
1
(s
1
) =
_
+
K+p
dF
S
1
(s
1
) = P(S
1
> K + p),
do en recollant les deux intgrales :

d
(K, j ) =
_
+
0

d
(K + p s
1
, j 1) dF
S
1
(s
1
)
Ch. Suquet (Lille 1) Assurances et probabilits 12 avril 2007 18 / 23
Preuve du thorme de de Finetti
On montre par rcurrence sur j que
d
(K, j ) exp(K), puis j +.
Cest vrai pour j = 0 car
d
(K, 0) = 0.
Supposons lingalit vraie pour j 1.

d
(K, j ) = P(R
1
< 0) + P
_
R
1
0 et i ]1, j ]; R
i
< 0
_
= P(S
1
> K + p) +
_
K+p
0

d
(K + p s
1
, j 1) dF
S
1
(s
1
)
Or
d
(K + p s
1
, j 1) = 1 pour K + p < s
1
, donc
_
+
K+p

d
(K + p s
1
, j 1) dF
S
1
(s
1
) =
_
+
K+p
dF
S
1
(s
1
) = P(S
1
> K + p),
do en recollant les deux intgrales :

d
(K, j ) =
_
+
0

d
(K + p s
1
, j 1) dF
S
1
(s
1
)
Ch. Suquet (Lille 1) Assurances et probabilits 12 avril 2007 18 / 23
Preuve du thorme de de Finetti (n)
En appliquant lhypothse de rcurrence, on obtient :

d
(K, j )
_
+
0
exp
_
(K + p s
1
)
_
dF
S
1
(s
1
)
= exp(K) E exp
_
(S
1
p)
_
= exp(K),
en utilisant la dnition de .
Ch. Suquet (Lille 1) Assurances et probabilits 12 avril 2007 19 / 23
Modle temps continu - processus de Poisson
Dans le modle temps continu, on reprsente le nombre de sinistres au
cours du temps par un processus de comptage (N
t
)
tR
+, gnralement un
processus de Poisson. En voici deux dnitions quivalentes.
Dnition
Un processus de Poisson homogne sur R
+
, de paramtre > 0 est un
processus de comptage (N
t
)
tR
+ qui saute de +1 aux instants alatoires
T
i
, les variables alatoires T
i +1
T
i
tant indpendantes de mme loi
exponentielle de paramtre .
Dnition
Un processus de Poisson homogne sur R
+
, de paramtre > 0 est un
processus de comptage (N
t
)
tR
+ accroissements indpendants tels que
pour tous t, s 0, N
t+s
N
t
suive une loi Pois(s).
Ch. Suquet (Lille 1) Assurances et probabilits 12 avril 2007 20 / 23
Modle temps continu - processus de Poisson
Dans le modle temps continu, on reprsente le nombre de sinistres au
cours du temps par un processus de comptage (N
t
)
tR
+, gnralement un
processus de Poisson. En voici deux dnitions quivalentes.
Dnition
Un processus de Poisson homogne sur R
+
, de paramtre > 0 est un
processus de comptage (N
t
)
tR
+ qui saute de +1 aux instants alatoires
T
i
, les variables alatoires T
i +1
T
i
tant indpendantes de mme loi
exponentielle de paramtre .
Dnition
Un processus de Poisson homogne sur R
+
, de paramtre > 0 est un
processus de comptage (N
t
)
tR
+ accroissements indpendants tels que
pour tous t, s 0, N
t+s
N
t
suive une loi Pois(s).
Ch. Suquet (Lille 1) Assurances et probabilits 12 avril 2007 20 / 23
Modle temps continu - processus de Poisson
Dans le modle temps continu, on reprsente le nombre de sinistres au
cours du temps par un processus de comptage (N
t
)
tR
+, gnralement un
processus de Poisson. En voici deux dnitions quivalentes.
Dnition
Un processus de Poisson homogne sur R
+
, de paramtre > 0 est un
processus de comptage (N
t
)
tR
+ qui saute de +1 aux instants alatoires
T
i
, les variables alatoires T
i +1
T
i
tant indpendantes de mme loi
exponentielle de paramtre .
Dnition
Un processus de Poisson homogne sur R
+
, de paramtre > 0 est un
processus de comptage (N
t
)
tR
+ accroissements indpendants tels que
pour tous t, s 0, N
t+s
N
t
suive une loi Pois(s).
Ch. Suquet (Lille 1) Assurances et probabilits 12 avril 2007 20 / 23
Modle temps continu - processus de risque
Lvolution du rsultat de la compagnie au cours du temps est reprsente
par le processus de risque :
R
t
= K + ct
N
t

i =1
X
i
o
K est le capital initial.
c est le taux constant de rentre des primes.
Les X
i
montants de sinistres sont i.i.d. (cf. modle collectif).
(N
t
)
tR
+ est un processus de Poisson homogne dintensit .
(N
t
)
tR
+ et (X
i
)
i 1
sont indpendants.
Ch. Suquet (Lille 1) Assurances et probabilits 12 avril 2007 21 / 23
Modle temps continu - processus de risque
Lvolution du rsultat de la compagnie au cours du temps est reprsente
par le processus de risque :
R
t
= K + ct
N
t

i =1
X
i
o
K est le capital initial.
c est le taux constant de rentre des primes.
Les X
i
montants de sinistres sont i.i.d. (cf. modle collectif).
(N
t
)
tR
+ est un processus de Poisson homogne dintensit .
(N
t
)
tR
+ et (X
i
)
i 1
sont indpendants.
Ch. Suquet (Lille 1) Assurances et probabilits 12 avril 2007 21 / 23
Modle temps continu - processus de risque
Lvolution du rsultat de la compagnie au cours du temps est reprsente
par le processus de risque :
R
t
= K + ct
N
t

i =1
X
i
o
K est le capital initial.
c est le taux constant de rentre des primes.
Les X
i
montants de sinistres sont i.i.d. (cf. modle collectif).
(N
t
)
tR
+ est un processus de Poisson homogne dintensit .
(N
t
)
tR
+ et (X
i
)
i 1
sont indpendants.
Ch. Suquet (Lille 1) Assurances et probabilits 12 avril 2007 21 / 23
Modle temps continu - processus de risque
Lvolution du rsultat de la compagnie au cours du temps est reprsente
par le processus de risque :
R
t
= K + ct
N
t

i =1
X
i
o
K est le capital initial.
c est le taux constant de rentre des primes.
Les X
i
montants de sinistres sont i.i.d. (cf. modle collectif).
(N
t
)
tR
+ est un processus de Poisson homogne dintensit .
(N
t
)
tR
+ et (X
i
)
i 1
sont indpendants.
Ch. Suquet (Lille 1) Assurances et probabilits 12 avril 2007 21 / 23
Modle temps continu - processus de risque
Lvolution du rsultat de la compagnie au cours du temps est reprsente
par le processus de risque :
R
t
= K + ct
N
t

i =1
X
i
o
K est le capital initial.
c est le taux constant de rentre des primes.
Les X
i
montants de sinistres sont i.i.d. (cf. modle collectif).
(N
t
)
tR
+ est un processus de Poisson homogne dintensit .
(N
t
)
tR
+ et (X
i
)
i 1
sont indpendants.
Ch. Suquet (Lille 1) Assurances et probabilits 12 avril 2007 21 / 23
Modle temps continu - processus de risque
Lvolution du rsultat de la compagnie au cours du temps est reprsente
par le processus de risque :
R
t
= K + ct
N
t

i =1
X
i
o
K est le capital initial.
c est le taux constant de rentre des primes.
Les X
i
montants de sinistres sont i.i.d. (cf. modle collectif).
(N
t
)
tR
+ est un processus de Poisson homogne dintensit .
(N
t
)
tR
+ et (X
i
)
i 1
sont indpendants.
Ch. Suquet (Lille 1) Assurances et probabilits 12 avril 2007 21 / 23
Modle temps continu - probabilit de ruine
Soit T linstant de ruine de la compagnie dni par
T := inf{t 0; R
t
< 0} = inf{t 0; S
t
> K + ct}, S
t
:=
N
t

i =1
X
i
.
avec la convention habituelle inf = +.
La probabilit de ruine sur horizon inni est (K) dnie par
(K) = P(T < + | R
0
= K) = P
_
inf
s0
R
s
< 0 | R
0
= K
_
.
Proposition
Notons := EX
i
.
Si c > , alors pour tout K 0, (K) < 1.
Si c , alors pour tout K 0, (K) = 1.
Cest une consquence de la loi forte des grands nombres pour une somme
dun nombre alatoire de v.a. . . .
Ch. Suquet (Lille 1) Assurances et probabilits 12 avril 2007 22 / 23
Modle temps continu - probabilit de ruine
Soit T linstant de ruine de la compagnie dni par
T := inf{t 0; R
t
< 0} = inf{t 0; S
t
> K + ct}, S
t
:=
N
t

i =1
X
i
.
avec la convention habituelle inf = +.
La probabilit de ruine sur horizon inni est (K) dnie par
(K) = P(T < + | R
0
= K) = P
_
inf
s0
R
s
< 0 | R
0
= K
_
.
Proposition
Notons := EX
i
.
Si c > , alors pour tout K 0, (K) < 1.
Si c , alors pour tout K 0, (K) = 1.
Cest une consquence de la loi forte des grands nombres pour une somme
dun nombre alatoire de v.a. . . .
Ch. Suquet (Lille 1) Assurances et probabilits 12 avril 2007 22 / 23
Modle temps continu - probabilit de ruine
Soit T linstant de ruine de la compagnie dni par
T := inf{t 0; R
t
< 0} = inf{t 0; S
t
> K + ct}, S
t
:=
N
t

i =1
X
i
.
avec la convention habituelle inf = +.
La probabilit de ruine sur horizon inni est (K) dnie par
(K) = P(T < + | R
0
= K) = P
_
inf
s0
R
s
< 0 | R
0
= K
_
.
Proposition
Notons := EX
i
.
Si c > , alors pour tout K 0, (K) < 1.
Si c , alors pour tout K 0, (K) = 1.
Cest une consquence de la loi forte des grands nombres pour une somme
dun nombre alatoire de v.a. . . .
Ch. Suquet (Lille 1) Assurances et probabilits 12 avril 2007 22 / 23
Modle temps continu - ingalit de Lundberg
Dans le cas o les X
i
sont de loi exponentielle de paramtre 1/, on a
(K) =

c
exp
_

_
1



c
_
K
_
.
On considre maintenant des sinistres X
i
dont la loi est du type de
Cramr, cest--dire :
t > 0 tel que M
X
1
(t) := E exp(tX
1
) < +.
Thorme (Lundberg)
La probabilit de ruine sur horizon inni vrie
(K) exp(K),
o le coecient dajustement est lunique solution strictement positive
de :
+ ct = M
X
1
(t).
Ch. Suquet (Lille 1) Assurances et probabilits 12 avril 2007 23 / 23
Modle temps continu - ingalit de Lundberg
On considre maintenant des sinistres X
i
dont la loi est du type de
Cramr, cest--dire :
t > 0 tel que M
X
1
(t) := E exp(tX
1
) < +.
Thorme (Lundberg)
La probabilit de ruine sur horizon inni vrie
(K) exp(K),
o le coecient dajustement est lunique solution strictement positive
de :
+ ct = M
X
1
(t).
Ch. Suquet (Lille 1) Assurances et probabilits 12 avril 2007 23 / 23