Vous êtes sur la page 1sur 62
Ministère de l’Enseignement Supérieur et de la Recherche Scientifique Université de Sfax F aculté des

Ministère de l’Enseignement Supérieur et de la Recherche Scientifique Université de Sfax Faculté des Sciences Economiques et de Gestion de Sfax

Rapport de Stage

E conomiques et de G estion de S fax Rapport de Stage Présenté en vue d'obtenir

Présenté en vue d'obtenir le diplôme du MASTER PROFESIONNEL EN

ACTUARIAT ET GESTION DES RISQUES

Elaboré par

CHIKHAOUI KHALIL

Modélisation et Simulation des sinistres : Cas d’assurance Automobile

Réalisé au sein de

L’assurance islamique « ZITOUNA TAKAFUL »

Encadré par

Encadrant(s) universitaire(s) Mr. Ghorbel Ahmed

Encadrant(s) professionnel(s) Mr. Ben Ammar Naceur

1
1

Remerciements

La réalisation de ce travail a été possible grâce à Dieu le père tout puissant et au concours de nombreuses personnes auxquelles nous témoignons ici notre gratitude.

Nous pensons au :

-Mr. Ahmed Ghorbel responsable du Master actuariat et gestion des risques pour son encadrement et son dévouement tout au long de formation.

-Mr. Makrem Ben Sassi Président Directeur Général de la compagnie d’assurance Zitouna Takaful qui m’a donné la possibilité de faire ce stage académique dans sa société.

-Mr. Riadh Maaouia Directeur de la Direction Technique, pour ses nombreux conseils et son apport dans la mise en œuvre de ce mémoire.

-Mr. Naceur Ben Ammar Responsable du service sinistre matériel automobile, l’encadreur professionnel, pour sa disponibilité et son apport dans la mise en œuvre de ce mémoire.

-Mr. Mondher Jouiri Responsable du service Production automobile.

-Tout le personnel de Zitouna Takaful pour leur accueil chaleureux, leur disponibilité et tout leur soutien.

Nous ne saurions oublier mes camarades de master, ma famille, et mes amis.

2

Table des matières

Remerciements

 

2

Table des matiéres

3

Liste

des

figures

5

Liste des Tableaux

6

Introduction générale

7

CHAPITRE I. PRESENTATION DE LA COMPAGNIE D’ASSURANCE ET SES GARANTIES…….8 1.Présentation de la compagnie d’assurance islamique Zitouna Takaful

1.1 Identité

1.2 Conseil d’Administration

1.3 Principaux indicateurs d'activités de l'assurance "ZITOUNA TAKAFUL" 2012-2016

2.Présentation des garanties en assurance automobile et leurs tarifications

10

 

2.1 Garantie Responsabilité Civile

2.2 Garantie défense et recours

2.3 Garantie vol et tentative de vol du véhicule

2.4 Garantie Incendie du véhicule

2.5 Garantie Bris de Glace

2.6 Garantie Dommage Collision

2.7 Garantie Dommages au véhicule

3.

Processus opérationnel de gestion des sinistres

16

3.1 Réception et traitement de déclaration sinistre

3.2 Evaluation d’un sinistre

3.3

Désignation de l’expert

3.4

Mode de gestion des dossiers matériels

3.4.1 Gestion des dommages

3.4.2 des Sinistres inter-compagnies

Gestion

CHAPITRE II.MODELISATION DE TYPE DES SINISTRES PAR UNE CHAINE DE MARKOV22

1. Présentation des Données

2. Modélisation de Type de sinistre par une Chaine de Markov

2.1 Rappels Théorique sur les Chaînes de Markov

2.1.1 Chaînes de Markov irréductibles

2.1.2 Etats récurrents / Transitoires

2.1.3 Etat Absorbant

23

2.2 Analyse Descriptive De Type des sinistres ………………………………………………………

2.3 Estimation de la chaine de Markov

3

Table des matières

CHAPITRE III. MODELISATION DE NOMBRE ET DU COÛT DES SINISTRES …………………

30

1.

Modélisation du nombre de sinistres

 

1.1 Statistique descriptive du nombre des sinistres

1.2 Emission d’hypothèse

1.3 Estimation du paramètre de la loi de poisson par la méthode du maximum de vraisemblance

 

1.3.1 Rappel théorique sur la loi de Poisson

1.3.2 Estimation du paramètre de la loi de poisson par méthode « MLE »

 

1.4 Tests d’adéquations

 

1.4.1 Analyse graphique des fonctions de densités et de Réparation empiriques et théorique

1.4.2 Test d’adéquation χ2

1.4.3 Test d’adéquation d’Anderson Darling

2.

Modélisation du Montant d’indemnisation d’un sinistre

37

2.1

Analyse statistique du coût de sinistre

 

2.1.1 Analyse statistique univariée

2.1.2 Analyse Bivariée : Test ANOVA à un facteur

 

2.2

Emission d’hypothèses

 

2.2.1 Loi log-normale

2.2.2 Loi

Weibull

2.2.3 Loi

Gamma

 

2.3

Estimation des paramètres et Test d’adéquations

 
 

2.3.1 Estimations des paramètres des lois par la méthode de vraisemblance

2.3.2 Résultats des modélisations

CHAPITRE IIII . TECHNIQUE DE SIMULATION DUN SCENARIO DE

45

1.

Définition de la simulation numérique

2.

Démarche de simulation d’un scénario de sinistres

3.

Cas Pratique

3.1

Simulation d’un scénario de nombre de sinistre annuel

3.2

Simulation du type des sinistres

3.3

Simulation du montant des sinistres

Conclusion

Annexes

4

Liste des figures

Figure 1 Evolution du chiffre d'affaires en millions de dinars

9

Figure 2 Diagramme en Bâton des différents garanties touchées

26

Figure 3 Matrice de Transition de la chaine de Markov

26

Figure 4 Ecart-type des Probabilités estimés

27

Figure 5 Intervalles de confiance des Probabilités de passage

27

Figure 6 Diagramme de la chaine de Markov Estimée

28

Figure 7 Matrice de Passage après 5 étapes

28

Figure 8 Histogramme des nombres de sinistres

31

Figure 9 Fonction de Répartition de nombre de sinistre

32

Figure 10 – Résultat d’estimation de paramètre λ

Figure

14

Histogramme du montant d’un sinistre

33

Figure 11 Fonctions de densités et de répartition Empiriques et théoriques

34

Figure 12 Résultat du test de Chi-deux

35

Figure 13 – Résultat du test d’Anderson-Darling

36

37

38

Figure 15 Résultat du test ANOVA Figure 16 Quelques Lignes des sinistres Simulés

48

5

Liste des tableaux

Tableau 1 – Indicateurs d’activité de la compagnie d’assurance Zitouna Takaful

9

Tableau 2 Tarification de la responsabilité civile

10

Tableau 3 Coefficients Bonus-Malus pour usage « Affaire »

11

Tableau 4 Coefficients Bonus-Malus pour autre usages

12

Tableau 5 Tarification des garanties « Incendie » et « Vol »

14

Tableau 6 Exemple de pourcentages appliqués au Garantie « DV »

16

Tableau 7 Les modalités de la variable « USAGE »

22

Tableau 8 Les modalités de la variable Type de sinistre

23

Tableau 9 Répartition des différents sinistres selon leurs types

25

Tableau 10 Analyse descriptive du nombre de sinistre hebdomadaire

31

Tableau 11– Analyse descriptive du montant d’un sinistre

37

Tableau 12– Analyse descriptive du montant d’un sinistre par type

38

6

INTRODUCTION GENERALE

L’assurance fournis les moyens aux différents intervenants économiques de transférer la charge de l’incertitude à l’assureur moyennant une contrepartie financière dite prime. En échange, l’assureur s’engage à apporter un appui financier en cas de survenance d’un péril ou d’une perte spécifiée. Il s’agit là d’un mécanisme efficace de transfert du risque par lequel des individus ou des sociétés peuvent échanger l’incertitude de la perte financière par la sécurité de la prime à payer.

Soumis aux incertitudes inhérentes à la fréquence, à la survenance et au coût des sinistres, l’assureur peut aussi de son côté faire appel à la réassurance pour permettre la dispersion et le partage du risque.

On retrouve la modélisation statistique dans de plus en plus de domaines (phénomènes physiques, économique, ou autres) puisque l’un des grands enjeux aujourd’hui est celui du traitement des masses de données enregistrées dans diésèrent secteurs, et les exploiter au mieux d’un point de vue statistique. Dans le monde de l’Industrie notamment, des disciplines telles que le contrôle de qualité ou la fiabilité connaissent un développement considérable de cette modélisation statistique.

Notre travail se consiste à mettre en pratique des applications de la modélisation statistique, à savoir la modélisation de types, nombre et montants de sinistres en se référant à la base des données des sinistres déclarées au sein de la compagnie d’assurance islamique Zitouna Takaful.

Dans une première partie, nous présenterons la compagnie d’assurance « Zitouna Takaful », ses garanties en assurance automobile en mettant l’accent sur leurs tarifications ainsi que le processus opérationnel de gestion des sinistres.

Nous présentons ensuite, une modélisation de type des sinistres par une chaine de Markov et la modélisation du nombre et du coûts des sinistres par une approximation des distributions par des lois usuelles.

En fin, on va présenter une Technique de Simulation des scénarios possibles des sinistres futurs.

7

CHAPITRE 1. PRESENTATION DE LA COMPAGNIE D’ASSURANCE ET SES GARANTIES

1.Présentation de la compagnie d’assurance islamique Zitouna Takaful

« ZITOUNA TAKAUL » a obtenu à la fin du mois de janvier 2010 un agrément pour la création de la première compagnie d’assurance islamique Takaful en Tunisie. Elle est régie par le code des assurances promulgué par la loi N° 92 – 24 du 09 Mars 1992 et l’ensemble des textes qui l’ont modifié ou complété. L’ensemble de ses produits et services sont conformes aux principes de la Finance Islamique.

1.1 Identité

Capital Social : 15 000 000 dinars

RC : B01100102011

Matricule fiscal : 1183749MPM000

Siège social : Immeuble ZITOUNA TAKAFUL avenue de la bourse les jardins du lac

Directeur Général : M. Makrem BEN SASSI

1.2 Conseil d’Administration

Monsieur Abdelkader Zgholli, Président du Conseil d’Administration

La Société Al Karama Holding S.A

La Banque Zitouna

La Société Portefeuille Invest SARL

l’Etat Tunisien

Monsieur Mahfoudh BAROUNI

Monsieur Makrem BEN SASSI

8

1.3 Principaux indicateurs d'activités de l'assurance "ZITOUNA TAKAFUL" 2012-2016

40.000 35.718 35.000 30.000 27.256 25.000 19.303 20.000 15.000 8.846 10.000 5.000 1.660 0.000 2012
40.000
35.718
35.000
30.000
27.256
25.000
19.303
20.000
15.000
8.846
10.000
5.000
1.660
0.000
2012
2013
2014
2015
2016
Chiffre d'affaires

Figure 1 l'évolution du chiffre d'affaires en millions de dinars

Tableau 1 – Indicateurs d’activité de la compagnie d’assurance ZT

Indicateurs d’activité de la compagnie d’assurance Z T Crée en 2011 avec un capital de 15

Crée en 2011 avec un capital de 15 000 000 dinars tunisiens, ZITOUNA TAKAFUL est une compagnie d’assurances et de réassurances proposant une large gamme de produits Takaful Général et Takaful Family destinés aux particuliers, professionnels et entreprises. On s’intéresse à la Présentation des garanties destinés aux véhicules terrestres à moteur.

9

2. Présentation des garanties en assurance automobile et leurs tarifications

2.1 Garantie Responsabilité Civile

Zitouna Takaful garantit l’assuré contre les conséquences pécuniaires de la responsabilité civile que celui ci peut encourir en raison des dommages corporels ou matériels causés aux personnes et aux biens du fait de l’usage du véhicule assuré, et ce conformément aux dispositions des articles 110 et 117 du code des assurances, et résultant Des dommages, incendies ou explosions causés par le véhicule terrestre à moteur, ses remorques, ses accessoires, les équipements servant à son utilisation, les objets ou substances qu’il transporte.

2.1.1 Tarification de la responsabilité civile

Le système de tarification de la responsabilité civile utilisé en Tunisie, instauré en 1993, se base essentiellement sur la puissance et l’usage de l’automobile, et d'un système bonus-malus pour la responsabilité Civile Dans cette partie nous allons présenter le barème de tarification déterminé par le ministère des Finances pour les différents types de véhicules en 2017, le système de bonus-malus appliqué ainsi que leurs limites.

Tableau 2 Tarification de la responsabilité civile

le système de bonus-malus appliqué ainsi que leurs limites. Tableau 2 – Tarification de la responsabilité

10

2.1.2 Les limites de la Tarification RC

Des études ont montré que La tarification de l’assurance Responsabilité Civile automobile est inadaptée et largement inégalitaire, En effet, l’Etat impose, par la force de la loi, une sous-tarification de la RC obligatoire qui se traduit par un Ratio de Sinistres à Primes (S/P) largement supérieurs à 100%. Cette sous Tarification oblige les assureurs à entrer dans un jeu complexe de compensation, notamment à travers la Sur-tarification des garanties annexes (facultatives).

Le déséquilibre de la RC Auto pèse même sur l’ensemble du marché : dans la mesure où la compensation entre les garanties annexes facultatives et la garantie RC obligatoire peut ne pas suffire à assurer la rentabilité globale de la branche, le déficit de la branche est alors compensé par les autres branches.

Malgré ce constat peu encourageant, il est important de souligner qu’il existe des exemples de pays placés dans une situation identique et qui ont su mener à bien une réforme de la RC Auto : ainsi, le Maroc se trouvait dans une situation comparable à celle de la Tunisie il y a plus de 20 ans et a su, en moins de 10 ans, élaborer et mettre en place un programme de réforme qui a permis à la branche Auto de devenir excédentaire.

2.1.3 Présentation du système bonus-malus

Le système Bonus- Malus est appliqué pour tous les véhicules terrestres à moteur à l’exception des véhicules à deux roues. La prime est déterminée en multipliant la prime de base pour la responsabilité civile (fixée par le ministère des Finances selon la puissance et l’usage de la voiture) par un coefficient de réduction ou de majoration fixé conformément aux Tableaux 3 et 4.

Tableau 3 Coefficients Bonus-Malus pour usage « Affaire »

Classe

Coefficient de Bonus-Malus

11

350%

10

300%

9

250%

8

200%

7

160%

6

140%

5

120%

4

100%

3

90%

2

80%

1

70%

11

Tableau 4 Coefficients Bonus-Malus pour autre usages

Classe

Coefficient de Bonus-Malus

7

200%

6

170%

5

150%

4

120%

3

100%

2

90%

1

80%

2.1.4 Application du système bonus-malus

Pour les nouveaux conducteurs des véhicules terrestres à moteurs qui ont obtenu un permis de conduite qui ne dépasse pas deux ans d’ancienneté ou qui ne peuvent pas prouver une attestation d’assurance passé seront classés dans la classe 8 pour l’usage « affaire » et la classe 7 pour autres usages qui correspondent à un coefficient de Bonus-Malus égale à 200% et ils se bénéficient d’un coefficient égal à 100% (classe 4 pour usage « Affaire » et classe 3 pour autres usages) si aucun sinistre est déclaré pendant deux ans Consécutifs.

Le passage d’une classe à une autre se passe comme suit :

Baisser d’une classe si aucun sinistre a eu lieu pendant deux années consécutives.

Monter de deux classes si un sinistre a eu lieu et qui a causé des dommages

corporels et de trois classes

dommages corporels commis pendant la même année de souscription.

pour chaque autre sinistre qui a causé des

Monter d’une classe pour chaque sinistre qui a causé seulement de dommages matériels

2.1.5 Limites de Système Bonus-Malus

Le système de bonus-malus n’a pas d’effet déterminant sur la sinistralité du marché en raison d’une conception (à un degré moindre) et d’une application défaillante, en effet, Le système est mal appliqué ou contourné par le marché. Cela est le fait, d’une part de l’attitude des compagnies qui ne respectent pas toujours les procédures, et d’autre part, du comportement de certains des assurés les plus accidentogènes, De plus, un nombre relativement faible d’années suffit pour atteindre le bonus maximal.

12

2.2

Garantie défense et recours

Zitouna Takaful indemnise, à concurrence du montant indiqué aux conditions particulières, le paiement de tous frais d’enquête, d’expertise, d’assistance judiciaire pouvant incomber à l’assuré suite à un accident de la circulation garanti et causé par le vé hicule assuré et ce dans les cas suivants :

En cas de poursuite judiciaire de l’assuré devant les tribunaux correctionnels pour homicide ou blessures involontaires.

En cas de défense des intérêts et des droits de l’assuré devant les tribunaux civils en raison des poursuites judiciaires suite à un accident de la circulation garanti et provoqué par le véhicule assuré.

En cas des dommages subis par le véhicule assuré et imputables à un tiers pour réclamer à ce dernier ou à son assureur soit à l’amiable soit devant les tribunaux la réparation des préjudices corporels et matériels éprouvés par l’assuré.

Tarification de la garantie défense et recours

Pour la garantie Défense et Recours, chaque participant paie un montant égal à 30D pour un capital garanti de 1000D.

2.3 Garantie vol et tentative de vol du véhicule

2.1.3 Le vol du véhicule

Le vol du véhicule doit être matérialisé par : l’effraction du local qui renferme le véhicule et dont l’assuré a seul l’accès ou l’agression de son conducteur ou l’effraction du véhicule lui même. Dans ce dernier cas, pour être garanti, le vol par effraction du véhicule doit être caractérisé par un ensemble d’indices sérieux rendant vraisemblable cette appropriation frauduleuse : le forcement de la direction et de la serrure de blocage de celle – ci et des dégradations de l’appareillage électrique de démarrage.

Le conducteur doit prendre tous les soins en vue de préserver le véhicule et notamment fermer les vitres latérales, mettre en action les dispositifs de protection et d’alarme, verrouiller les portières avant de s’en éloigner, ne pas laisser la carte grise et les clés sur ou dans le véhicule.

2.1.3 La tentative de vol

Dans ce cas, Zitouna Takaful garantit les dommages subis par le véhicule et précisés ci-après lorsqu’ils sont, à dire d’expert, les conséquences directes de la tentative du vol.

Pour être garantie, la tentative de vol doit être caractérisée par au moins un indice sérieux qui la rend vraisemblable et qui détermine l’intention des voleurs : effraction de l’habitacle ou forcement de la direction ou effraction de la serrure de blocage de celle ci ou dégradation de l’appareillage électrique de démarrage.

13

2.4 Garantie Incendie du véhicule

Zitouna Takaful indemnise l’assuré des dommages subis par le véhicule désigné aux conditions particulières ainsi que les accessoires et les pièces de rechange que le constructeur livre en même temps que le véhicule et résultant des évènements suivants : incendie, explosion, combustion spontanée, chute de la foudre, à l’exclusion de ceux causés par la dynamite ou autres explosions.

Tarification des Garanties Vol et Incendie

La tarification pour la garantie vol et la garantie incendie se répartit en deux tranches :

Une tranche fixe (15D pour vol et 10D pour incendie)

Une tranche supplémentaire calculée en multipliant la valeur du véhicule par un pourcentage bien déterminée.

Tableau 5 Tarification des garanties « Incendie » et « Vol »

véhicule par un pourcentage bien déterminée. Tableau 5 – Tarification des garanties « Incendie » et

14

2.5

Garantie Bris de Glace

Si cette garantie est souscrite, la compagnie d’assurance indemnise les dommages résultant d’un bris des glaces involontaire causé par le jet des objets externes ou par collision avec un corps fixe ou mobile ou à cause du renversement du véhicule, et ce pour le pare-brise, la lunette arrière et les vitres latérales (Les Rétroviseurs sont exclus de la garantie).

Le montant total des indemnités au titre des sinistres survenus au cours d’une même année de souscription, ne peut pas dépasser la somme assurée et indiquée aux conditions particulières et pour chaque sinistre, une franchise de 10% des dommages reste à la charge de l’assuré.

Tarification de la garantie Bris de Glace

Pour la garantie Bris de glace, Pour un Capital garanti égale à 500D en cas de sinistre et avec une franchise de 10% (toujours pour cette garantie) supportée par l’assuré, le montant à payer est égale à 25D

2.6 Garantie Dommage Collision

Si cette garantie est souscrite, Zitouna Takaful indemnise les dommages résultant de la collision survenant hors des garages ou propriétés occupées par l’assuré, avec un véhicule ou un animal à condition que le propriétaire de ce véhicule ou cet animal soit une personne identifiée.

Le montant total des indemnisations au titre des sinistres survenus au cours d’une même année d’assurance, ne peut pas dépasser la somme assurée indiquée aux conditions particulières et le pourcentage de la vétusté, indiqué au rapport de l’expert mandaté, est déduit sur les prix des pièces de rechange.

Tarification de la garantie Dommage Collision

Pour la garantie Dommage Collision, pour chaque 1000D du capital garantie (cette garantie est toujours sans franchise), l’assuré paie un montant qui est égale à 70D.

2.7 Garantie Dommages au véhicule

Si cette garantie est souscrite, la compagnie d’assurance Zitouna Takaful indemnise les dommages subis par le véhicule ainsi que les accessoires et les pièces de rechange que le constructeur a livré en même temps avec le véhicule lorsque ces dommages résultent de l’un des événements suivants :

Choc entre le véhicule assuré et tout corps étranger.

Renversement du véhicule assuré.

Immersion du véhicule assuré consécutive à l’un des événements définis ci – dessus.

15

La garantie « Dommages au véhicule » est assortie d’une franchise calculée en fonction de la valeur catalogue du véhicule au jour de la souscription du contrat.

Cette franchise sera calculée comme le pourcentage indiqué aux conditions particulières multiplié par la valeur catalogue du véhicule au mo ment de la souscription du contrat. Elle sera déduite de l’indemnité et ce indépendamment de la valeur des dommages.

Tarification de la garantie Dommages au véhicule

Pour la garantie Dommages au véhicule, le montant à payer est déterminé en multipliant un pourcentage par la valeur de la voiture lors de la souscription du contrat, ce pourcentage est déterminé selon la franchise choisie et l’usage du véhicule.

Tableau 6 Exemple de pourcentages appliqués au Garantie DV

6 – Exemple de pourcentages appliqués au Garantie DV 3. Processus opérationnel de gestion des sinistres

3. Processus opérationnel de gestion des sinistres

Généralement, la gestion d’un dossier sinistre passe par 4 Phases :

la gestion d’un dossier sinistre passe par 4 Phases : Réception et traitement de déclaration sinistre

Réception et traitement de déclaration sinistre

Désignation de l'expert

les mécanismes de gestions (gestion des

dommages, gestion des

sinistres)

gestion des réglements/récupératio ns

3.1 Réception et traitement de déclaration sinistre

Lors de la survenance d’un sinistre, l’assuré doit faire parvenir la déclaration de sinistre au plus tard dans les cinq jours qui suivent la date de survenance de l’accident, ce délai est ramené à 2 jours en cas de vol. En cas de non-respect de ce délai, l’assuré doit expliquer par écrit la cause de retard (maladie, force majeure etc…).

Il existe plusieurs types de déclaration d’un sinistre citons :

Constat amiable : Le constat est la déclaration la plus classique d’un sinistre, il doit être déposé à l’assureur pour connaitre les circonstances du sinistre.

Lettre d’ouverture de la compagnie adverse : En cas d’un sinistre responsable touchant la responsabilité civile de l’assuré, ce dernier peut ne pas déclarer surtout s’il n’avait pas aucune garantie lui permettant de s’indemniser contre les dommages. Dans ces cas, la compagnie adverse doit obligatoirement, après

16

la déclaration d’un sinistre par son assuré, envoyez à l’autre compagnie d’assurance une lettre d’ouverture du sinistre avec une copie du constat amiable.

Constat préliminaire Pour les dommages supérieurs à 5000 Dinars, l’expert désigné par l’assureur doit remettre contre décharge au siège de l’assureur de l’auteur responsable ou par lettre recommandée avec accusé de réception un constat préliminaire des dégâts, dans un délai de dix jours à compter de la date de la réception de l’ordre de mission.

Procès-verbal

Jugement

Dès la réception de la déclaration du sinistre, le gestionnaire doit nécessairement vérifier :

La validité du contrat et l’existence de la garantie couvrant le risque déclaré. :

Si en cas d’un sinistre touchant la responsabilité civile et après la réception de la lettre d’ouverture auprès de la compagnie adverse, le gestionnaire doit envoyez une lettre de rejet officiel si le contrat n’a pas d’effet lors de la survenance du sinistre ou si l’assuré n’existe pas.

La concordance du numéro de contrat déclaré avec le numéro de contrat sur le système.

Les circonstances et le remplissage du constat (caches cochées, texte et schéma).

Le délai de la déclaration

Déterminer la responsabilité et le cas à partir du barème de responsabilité établi par la Fédération Tunisienne des Sociétés d’Assurances « FTUSA », ce barème se compose de 25 cas

De 1 à 5 cas des véhicules circulant dans le même sens et sur une même chaussée.

De 6 à 7 cas des véhicules circulant en sens inverse.

De 8 à 9 cas des véhicules provenant de deux chaussées différentes.

De 10 à 13 cas des véhicules en stationnement ou à l’arrêt.

De 14 à 25 des cas spéciaux.

La direction des véhicules, leur positionnement sur la chaussé et le stationnement de l’un des véhicules doivent être pris en considération. Par contre, tout interprétation tel que vitesse, avertisseur sonore etc. est exclue pour l’application du barème.

Si la garantie est souscrite et le contrat est bien validé, le gestionnaire doit procéder à l’ouverture et l’enregistrement d’un dossier sinistre sur le système-informatique. Tous les documents relatifs au sinistre sont classés dans un dossier portant un identifiant unique.

17

3.2

Evaluation d’un sinistre

Un dossier sinistre doit être obligatoirement provisionné à l’ouverture, cette provision doit englober les dépenses nécessaires au règlement de ce sinistre et réévaluer en fonction de toute nouvelle information (rapport d’expertise, Constat préliminaire …)

Il arrive que certains sinistres touchent plusieurs garanties, dans ce cas il y a lieu de faire autant d’évaluations que de garanties touchées.

3.3 Désignation de l’expert

Après l’ouverture du dossier sinistre, le gestionnaire doit désigner un expert pour évaluer les dégâts et établir un ordre de mission. En effet,

Le participant doit réparer les dégâts subis et remettre les factures de réparation à l’expert et ce dernier doit nécessairement photographier le véhicule avant et après accident, évaluer les dégâts, voir si les circonstances sur le constat amiable concordent avec les dégâts subis, et établir son rapport d’expertise.

3.4 Mode de gestion des dossiers matériels

La procédure de gestion d’un sinistre matériel varie selon La garantie impliquée et les circonstances de l’accident, un dossier sinistre peut être traité soit dans l’entité « Gestion des Dommages » soit dans l’entité « Gestion des Sinistres inter-compagnies » soit dans ces deux entités.

3.4.1 Gestion des dommages

Les dossiers dommages sont les dossiers où le participant est souscrit à une garantie lui permettant de s’indemniser contre les dommages subis à son propre véhicule : Bris de glace, Dommage Collision, Vol, Incendie. Pour la gestion des dossiers dommages, le gestionnaire doit dès la réception des documents de déclaration, d’expertise et de réparation :

Saisir les informations nécessaires du rapport et honoraires d’expert.

Exécuter le règlement d’honoraire expert.

Exécuter le règlement au profit du participant et imprimer la quittance.

Transmettre au service financier la quittance de règlement éditée à fin d’établir le chèque d’indemnisation.

Transmettre le chèque au participant contre décharge sur la quittance.

Après le traitement du dossier, deux cas sont possibles :

Si le dossier est un dossier sans tiers, le dossier sera clôturé.

Si le dossier est un dossier avec tiers, le dossier est transféré au service Gestion des sinistres inter-compagnies.

18

3.4.2 Gestion des Sinistres inter-compagnies

Les dossiers Sinistres inter-compagnies sont les dossiers où le sinistre est causé par deux véhicules assurés ou plus 3 types de dossiers sont possibles

DEFENSE : Un dossier sinistre est de type Défense si le participant supporte une part des responsabilités pouvant entraîner l’indemnisation des dommages subis à un tier ou à ses biens, suite à la souscription au garantie « responsabilité Civile »

RECOURS : Un dossier sinistre est de type Recours lorsque le participant, dont le véhicule a subi des dommages, s’avère être partiellement ou nullement responsable de sinistre, suite à la souscription au garantie « défense et recours »

CONNEXE : Un dossier sinistre est de type Connexe si les véhicules sont assurés dans la même compagnie d’assurance, dans ce cas, pour chaque véhicule un dossier sinistre est ouvert selon leurs responsabilités dans l’accident.

Il Existe deux Types De gestion des sinistres selon les conventions inter-compagnies à savoir la convention « IDA » et la convention « HIDA ».

CONVENTION D’INDEMNISATION DIRECTE DE L’ASSURE (IDA)

Conscientes de l’importance d’un règlement rapide des sinistres matériels automobiles, les compagnies d’assurances tunisiens ont signé une convention qui leur permet d’indemniser eux-mêmes leurs assurés de leurs dommages matériels dans la proportion de la responsabilité de la partie adverse et demander la récupération du montant d’indemnisation ultérieurement.

Pour l’application de cette convention, des conditions doit être respectés :

Le sinistre doit être survenus dans le territoire tunisien

La collision entre deux et seulement deux véhicules terrestres à moteur identifiés et assurés en responsabilité civile.

Les dommages doivent être purement matériels (pas de lésions corporelles à quiconque) et le montant de l’indemnité alloué ne doit pas dépasser 5000D en tenant compte du pourcentage de la responsabilité incombant à la partie adverse.

19

La déclaration sur le constat amiable doit être soigneusement écrit et bien remplie (La responsabilité dans l’accident doit être bien définie à l’aide du constat amiable).

Si ces conditions sont respectées dans un dossier, l’assureur directe doit envoyer après l’ouverture du dossier au siège de l’assureur de l’assuré responsable une « Lettre IDA » indiquant l’identification des assurés, la date de survenance et la responsabilité déterminé par le barème de FTUSA accompagnée d’une photocopie du constat amiable.

L’assureur de l’auteur responsable dispose d’un délai de quinze jours à compter de la date de la réception de la lettre IDA s’opposer au règlement de l’indemnité en envoyant une lettre de Rejet IDA Si non l’assureur directe procède au règlement de l’indemnité de l’assuré victime et exerce le recours en s’adressant chaque mois un bordereau indiquant tous les sinistres réglés dans le cadre de cette convention avec toutes les pièces originales des sinistres afin de récupérer le montant payé.

Si une des conditions de l’application de cette convention n’est pas respecté ou si L’assureur de l’autre responsable du sinistre a envoyé une lettre de rejet IDA, La gestion du sinistre se fait sur une convention Hors IDA.

CONVENTION HORS « IDA »

Afin de parvenir à des règlements rapides et équitables des sinistres et d’éviter les procédures judiciaires, les entreprises d’assurances pratiquant l’assurance automobile ont signés une convention dite « convention hors IDA » qui leurs engagent à exercer un recours au nom de leurs assurés.

En premier temps, L’agent de recours remet les pièces du sinistre originaux (constat amiable, rapport d’expertise, factures de réparation …) auprès de l’agent du tiers responsable. Les travaux des séances de recours sont consignés dans des procès-verbaux de réunions signés par l’agent de recours et par l’agent de défense. En cas où l’agent de défense refuse de signer le procès-verbal, son responsable direct est saisi immédiatement par l’agent de recours. Trois cas sont possibles :

Cas 1 : L’assureur de l’auteur responsable donne son accord pour le règlement d’un sinistre, il remet à l’assureur direct une quittance visée par ses soins et libellée au profit du tiers, elle est réglée par l’assureur direct. L’assureur de l’auteur responsable émetteur des quittances rembourse à l’assureur direct le montant des quittances réglées par ce dernier et signées par les tiers lésés.

20

Cas 2 : L’assureur de l’auteur responsable peut désigner un deuxième expert s’il a un doute sur le sinistre : Dégâts non conforme aux circonstances de sinistre ou le montant de réparation est trop gonflé, le deuxième expert doit

vérifier les circonstances de l’accident en analysant les dégâts sur les véhicules dans l’accident, évaluer le montant des pièces changés et le montant de main d’œuvre et envoyer son rapport d’expertise à toutes les compagnies d’assurances des véhicules assurés. Le règlement d’honoraire de l’expert est pris en charge par l’assureur de l’auteur responsable. Deux cas sont possibles :

La deuxième expertise est identique au premier expertise, l’assureur donne son accord pour le règlement.

Sinon, un troisième expert prend une mission d’arbitrage, Le règlement

d’honoraire de l’expert est pris en charge par les deux assurés en moitié. Le rapport d’expertise d’arbitrage est le rapport décisif de sinistre.

Cas 3 : Les deux assurés ont un désaccord sur le cas de responsabilité de leurs assurés, dans ces cas, ils s’adressent à la Fédération Tunisienne des Sociétés d’Assurances « FTUSA », un comité neutre va analyser les circonstances de l’accident et prend une décision sur le cas de responsabilité des assurés. La décision doit être obligatoirement respectée par les assureurs et l’assureur de l’auteur responsable doit régler le sinistre dans un délai de 10 jours de la décision.

Remarque : L’adresse au FTUSA n’est pas de type judiciaire, la gestion des sinistres matériels est toujours à l’amiable.

21

CHAPITRE 2. MODELISATION DE TYPE DES SINISTRES PAR UNE CHAINE DE MARKOV

1. Présentation des Données

Les données que nous avons en notre possession ont été extraites de la base de données des sinistres enregistrés en 2013-2017. Après extraction des données sous la forme brute (sous forme de table relative aux notions de base de données), nous les avons traitées sous Excel afin d’avoir un tableau statistique standard (des unités statistiques sur lesquelles on fait des observations sur des variables). A l’issue de ce travail, nous avons pu avoir un tableau statistique constitué de 13998 lignes et 4 variables.

Dans notre étude, une unité statistique est tout sinistre automobile déclaré sur la période 2013-2017 à Zitouna Takaful. Pour chacun des sinistres, on a observé :

Date de Survenance : La date où l’accident a eu lieu, elle est exprimée en « jj/mm/aaaa ».

Usage : Cette variable est une variable qualitative nominale qui décrit l’usage du véhicule sinistré, elle comprend plusieurs modalités présentées en Tableau 7

Tableau 7 Les modalités de la variable USAGE

elle comprend plusieurs modalités présentées en Tableau 7 Tableau 7 – Les modalités de la variable

22

Type de sinistre : C’est une variable qualitative nominale qui renseigne sur la garantie permettant de s’indemniser suite au sinistre. Elle comprend 8 modalités cité en Tableau 8.

Tableau 8 Les modalités de la variable Type de sinistre

8 – Les modalités de la variable Type de sinistre  Coût de sinistre : Cette

Coût de sinistre : Cette variable est une variable quantitative continue qui exprime le montant nécessaire à l’indemnisation des dommages suite au sinistre, ce montant peut être le montant effectif de l’indemnisation ou évalué soit dès l’ouverture soit réévaluer en fonction de toute nouvelle information (Rapport d’expertise, constat préliminaire etc.)

2. Modélisation de Type de sinistre par une Chaine de Markov

2.1 Rappels Théorique sur les Chaînes de Markov

Une chaîne de Markov est une suite de variables aléatoires X n , qui permet de modéliser l’évolution dynamique d’un système aléatoire : x n représente l’état du système à l’étape n. La propriété fondamentale des chaînes de Markov, dite propriété de Markov, est que son évolution future ne dépend du passé qu’au travers de sa valeur actuelle. Statistiquement parlant, on a :

( + = = , = , = , … . ) = ( + =

= )

Une chaîne de Markov possédant un ensemble d’états possible E se caractérise essentiellement par une matrice appelé Matrice de Passage noté P qui a pour éléments les probabilités de passage d’un état donné à une autre en une seule étape et par un diagramme en points et flèches désignant les états et les probabilités de transition.

23

=

,

,

,

,

,

,

,()

,()

(),()

P i,j Représente la probabilité d’une transition à l’état j sachant qu’elle a été dans l’état i à l’étape précédente. Cette matrice est une matrice carrée d’ordre Dim(E) qui présente le nombre des états possibles de X.

On désigne par , () la probabilité de passage de l’état i vers l’état j après n étapes.

Définition Une matrice vérifiant les deux propriétés suivantes est une matrice stochastique

.∀(, ) ≤ ,

. ∀ , ∑

, =

La matrice d'une chaîne de Markov est forcément stochastique et inversement, toute matrice stochastique est la matrice d'une chaîne de Markov.

2.1.1 Chaînes de Markov irréductibles

Une chaîne de Markov est dite irréductible lorsque tous ses états communiquent entre eux, c’est-`a-dire lorsque, pour toute paire d’états possible ( , ) la probabilité d’aller de l’un à l’autre est strictement non nulle :

()

.∀(, ) ∈ ,

>

Cette propriété peut se lire généralement sur le diagramme en points et flèches. En effet, on s’assure que la chaîne est irréductible en vérifiant que chaque paire de points est reliée soit par une flèche unique soit par une succession de flèches.

2.1.2 Etats récurrents / Transitoires

Un état x i tel que, lorsque la chaîne est issue de ce point, elle y retourne en un temps fini avec une probabilité strictement positive, s’appelle un état récurrent, sinon l’état est dit transitoire.

()

,

> : i est un état récurent

() = : i est un état transitoire

,

24

Cette distinction entre états récurrents et transitoires est nettement plus délicate à déduire du diagramme en points et flèches. Notons simplement que lorsqu’une chaine de Markov est irréductible, ses états sont tous récurrents, on parle alors d’une matrice récurrente.

2.1.3 Etat absorbant

Un état est absorbant si la probabilité de quitter cet état est nulle, c’est-à-dire un état i est dit absorbant si :

, =

De

même, on a , = % .

2.2 Analyse Descriptive De Type des sinistres

Dans la suite du chapitre, on pose Y la variable aléatoire qualitative désignant le type de sinistre déclaré. Cette variable possède 6 valeurs possibles {, , , , , } citées dans le Tableau 7.

D’après le Tableau 9 et la figure 2 on remarque que 38.92% des sinistres déclarés sont des sinistres matériels touchant la responsabilité civile de l’assuré où ce dernier est responsable totalement ou partiellement de l’accident et l’assurance s’engage à indemniser les dommages subis au(x) véhicules de tier(s). 26.3% sont des sinistres payés par la garantie Dommages au véhicule, ce pourcentage important s’explique par le nombre important des véhicules qui sont achetés à travers des différents institutions financières (Banques, Leasing …), qui obligent l’assuré à se couvrir de tous les dommages matériels qui peuvent se réaliser au véhicule quel que soit la responsabilité de l’assuré dans le sinistre.

Tableau 9 Répartition des différents sinistres selon leurs types

de l’assuré dans le sinistre. Tableau 9 – Répartition des différents sinistres selon leurs types 25

25

Figure 2 – Diagramme en Bâton des différents garanties touchées 2.3 Estimation de la chaine

Figure 2 Diagramme en Bâton des différents garanties touchées

2.3 Estimation de la chaine de Markov

Dans notre étude nous allons modéliser l’évolution dynamique de la variable « TYPE DE SINISTRE » à chaque sinistre déclaré. C’est-à-dire de déterminer, étant donnée un état initial (type de sinistre initiale donnée), les probabilités de réalisation de chaque type de sinistre. Le logiciel R facilite le Travail.

L’espace des états possibles du chaine de Markov noté « E » correspond aux modalités de la variable Y et une étape correspond à un sinistre déclaré.

La fonction markovchainFit du package markovchain permet d’estimer par méthode de maximum de vraisemblance les probabilités de transition ou encore la matrice de Transition à une seule étape.

Code sur R : > library(readxl)

> SINISTRES_2013_2017 <- read_excel("C:/Users/Desktop/SINISTRES.x

lsx")

> View(SINISTRES)

> chaine_markov<-markovchainFit(data = SINISTRES$`TYPE DE SINISTR

E`, method = "mle") > chaine_markov$estimate

E`, method = "mle") > chaine_markov$estimate Figure 3 – Matrice de Transition de la chaine de

Figure 3 Matrice de Transition de la chaine de Markov

26

La matrice de Transition obtenue en figure 3 nous renseigne sur les probabilités de passage d’un état à un autre pour deux étapes successives, prenons un exemple, si un sinistre déclaré est de type « Bris de Glace », le sinistre suivant est de type :

Bris de Glace avec une probabilité = 58.6428%

Dommage Collision avec une probabilité = 26.8399%

Dommages au véhicule avec une probabilité = 10.2296%

Incendie avec une probabilité = 0.1689%

RC avec une probabilité = 0.5739%

VOL avec un probabilité = 0.1013%

Nous pouvons avoir l’écart type des probabilités de passage estimés en figure 4 et pour un niveau de confiance de 95%, le logiciel nous donne une matrice pour les bornes inférieures et une matrice pour les bornes supérieures des intervalles de confiance des probabilités estimé qu’on va les assembler dans une seule matrice qu’on notera P_interval en figure 5.

Code sur R :

> chaine_markov$standardError #pour les écarts types

> P_interval<-matrix(nrow = 6, ncol = 6)

> colnames(P_interval)<-c("BG","DC","DV","INC","RC","VOL")

> rownames(P_interval)<-c("BG","DC","DV","INC","RC","VOL")

> for (i in 1:36) {P_interval[i]<-paste("[",chaine_markov$lowerEndpointMatr

ix[i],chaine_markov$upperEndpointMatrix[i],"]")}

> P_interval

> P_interval Figure 4 – Ecart-type des Probabilités estimés Figure

Figure 4 Ecart-type des Probabilités estimés

Figure 4 – Ecart-type des Probabilités estimés Figure 5 – Intervalles de confiance des Probabilités de

Figure 5 Intervalles de confiance des Probabilités de passage

27

Une chaine de Markov peut être définie par un diagramme en points et flèches désignant respectivement les états et les probabilités de transition il suffit de taper la commande > plot(chaine_markov$estimate). Le diagramme obtenu est présenté dans la figure 6.

Le diagramme obtenu est présenté dans la figure 6. Figure 6 – Diagramme de la chaine

Figure 6 Diagramme de la chaine de Markov Estimée

La matrice de Transition ̂ estimé correspond à la matrice du passage à une seule étape c’est-à-dire d’un sinistre au sinistre suivant. Pour avoir la matrice de passage à n étapes il suffit de calculer ̂ . Nous prenons comme exemple d’estimer une matrice désignant les probabilités de passage à 5 étapes en figure 7.

Code R : > chaine_markov$estimate^5

à 5 étapes en figure 7. Code R : > chaine_markov$estimate^5 Figure 7 – Matrice de

Figure 7 Matrice de Passage après 5 étapes

28

Si un sinistre déclaré est de type « Dommage Collision », le 5éme sinistre qui le suit est de type :

Bris de Glace avec une probabilité = 16.5835%

Dommage Collision avec une probabilité = 8.063%

Dommages au véhicule avec une probabilité = 30.5672%

Incendie avec une probabilité = 0.4699%

RC avec une probabilité = 43.453%

VOL avec un probabilité = 0.8634%

Pour savoir les caractéristiques de la chaine de Markov obtenue et de ses états, il suffit

de taper la commande : > summary(Chaine_markov$estimate)

taper la commande : > summary(Chaine_markov$estimate) Les résultats obtenus annoncent que :  La chaine de

Les résultats obtenus annoncent que :

La chaine de Markov obtenue est irréductible.

Tous les états sont des états récurrents.

La chaine de Markov est récurrente.

Pas d’états absorbants.

29

CHAPITRE 3. MODELISATION DE NOMBRE ET DU COÛT DES SINISTRES

Dans ce chapitre nous intéressons à modéliser la fréquence et le coût des sinistres déclarés par une approche paramétrique qui consiste à choisir un modèle (une loi) connu pour le phénomène sous étude. Ce modèle comportera habituellement de(s) paramètre(s) qu’il faudra être déterminer.

En général, nous opterons pour une technique ayant un certain degré d’objectivité et se basant sur des observations du phénomène. En termes plus statistiques, on cherche à estimer

le vecteur de paramètres θ =

, de masse de probabilité f (x, θ) à partir des observations.

1 ,

θ p ) d’une fonction de densité de probabilité ou fonction

Pour répondre à cette question, on distingue deux approches complémentaires :

Une analyse descriptive et une estimation des paramètres de loi par la méthode de maximum de vraisemblance.

Des tests statistiques d’adéquation.

Le package fitdistrplus du logiciel R fournit une fonction fitdist qui se charge d’estimer les paramètres approximés à une loi donnée à partir des observations par la méthode de maximum de vraisemblance (« Maximum likelihood estimator).

1. Modélisation du nombre de sinistres

Etant donnée les dates de survenance des sinistres, nous avons créé un vecteur qui contient comme éléments le nombre de sinistres hebdomadaire (qui s’effectue chaque semaine sur la période 2014-2017). On note N la variable aléatoire désignant le nombre de sinistre par semaine.

1.1 Statistique descriptive du nombre des sinistres

Nous commençons par présenter les statistiques descriptives de notre base de données, ainsi que l’histogramme et la fonction de répartition.

Notre base de données contient un ensemble de 220 observations avec une moyenne empirique de 62.83 qui n’est pas loin de la valeur de la variance (64.97), le maximum du nombre des sinistres observé par semaine est égal à 83 et le minimum est égale à 45. La valeur la plus fréquente est 63 (voir Tableau 10), ces informations confirment la forme asymétrique de notre histogramme (figure 8).

30

Tableau 10 Analyse descriptive du nombre de sinistre hebdomadaire

– Analyse descriptive du nombre de sinistre hebdomadaire Code R : > hist(NB_SIN_HEBDO$nombre, xlab = "Nombre

Code R : > hist(NB_SIN_HEBDO$nombre, xlab = "Nombre de sinistre par semaine", ylab = 'Fréquence', col = "Grey")

ylab = 'Fréquence', col = "Grey") Figure 8 – Histogramme des nombres de sinistres Code R

Figure 8 Histogramme des nombres de sinistres

Code R : > plot(ecdf(NB_SIN_HEBDO$nombre), xlab= 'N', ylab='Fn(N)')

31

Figure 9 – Fonction de Répartition de nombre de sinistre 1.2 Emission d’hypothèse Nous cherchons

Figure 9 Fonction de Répartition de nombre de sinistre

1.2 Emission d’hypothèse

Nous cherchons à trouver la loi de N (variable aléatoire correspondant au nombre des sinistres). Nous émettons alors, puisqu’il s’agit d’une distribution discrète asymétrique avec une espérance mathématique proche de la valeur de la variance, l’hypothèse que N suit la loi de Poisson.

1.3 Estimation du paramètre de la loi de poisson par la méthode du maximum de vraisemblance

1.3.1 Rappel théorique sur la loi de Poisson

La loi de Poisson est une loi de probabilité discrète qui s’applique aux évènements rares : contrôles de qualité, probabilités de de défaut de crédit, accidents, etc.

On dit quune variable aléatoire dénombrable N suit une loi de Poisson de paramètre λ (λ > 0), si et seulement si :

( = ) =

!

L’espérance, la variance et l’écart-type de la loi de poisson de paramètre λ que l’on notera P(λ) sont :

E (X) = λ

V (X) = λ

σ (X) = √λ

32

1.3.2

Estimation du paramètre de la loi de poisson par méthode « MLE »

On essaie d’approcher nos N observations du nombre de sinistres par la loi de Poisson. En effectuant le calcul à la main, on obtient ce qui suit : La méthode du maximum de vraisemblance consiste à estimer le paramètre λ, en maximisant la fonction de vraisemblance qui s’écrit comme suit

() = ∏ !

=

On prend le logarithme de la fonction de vraisemblance, cette opération ne change pas le maximum de la fonction.

l(λ) = ln(L(λ))

= ∑[−

=

+ () − ( !) ]

Le λ qui maximise la fonction de vraisemblance est celui qui annule sa dérivée

()

=

∑[− + ] =

=

̂

=

=

̂

On trouve par application numérique que = 62.83 obtenue par la méthode de vraisemblance coïncide avec la valeur de la moyenne de notre distribution, ce qui confirme la propriété théorique connue pour la loi de Poisson.

Sur R, on utilise la fonction tdist et on obtient le résultat suivant par la méthode du maximum de vraisemblance appliquée à la distribution de Poisson (figure 10)

Code R : > fitdist(NB_SIN_HEBDO$nombre, ppois)

10) Code R : > fitdist(NB_SIN_HEBDO$nombre, ppois) Figure 10 – Résultat d’estimation de paramètre λ 33

Figure 10 – Résultat d’estimation de paramètre λ

33

1.4 Tests d’adéquations

Dans cette étape, nous aurons recours à 2 tests pour tester si le nombre de sinistre suit une loi de poisson de paramètre λ = 62.82667 à savoir le Test de Chi-deux et le Test d’adéquation d’Anderson-Darling.

1.4.1 Analyse graphique des fonctions de densités et de Réparation empiriques et théoriques

Nous remarquons que les représentations empiriques (en noir) et théoriques (en rouge) dans la figure 11 des densités, comme dans celui de la fonction de répartition ou cumulative, sont très proches, et donc que la loi de Poisson approche très bien notre distribution.

Code R : > plot(fitdist(NB_SIN_HEBDO$nombre,ppois))

Code R : > plot(fitdist(NB_SIN_HEBDO$nombre,ppois)) Figure 11 – Fonctions de densités et de répartition

Figure 11 Fonctions de densités et de répartition Empiriques et théoriques

1.4.2 Test d’adéquation χ2

A travers sa commande gofstat, R nous permet d’effectuer le test χ2, et d’avoir en plus les valeurs des critères d’adéquation AIC et BIC, les résultats obtenus en figure 12.

34

Code R : > gofstat(fitdist(NB_SIN_HEBDO$nombre, ppois))

Code R : > gofstat(fitdist(NB_SIN_HEBDO$nombre, ppois)) Figure 12 – Résultat du test de Chi-deux Le paramètre

Figure 12 Résultat du test de Chi-deux

Le paramètre khi-2 de l’échantillon est égale à 3,938. Avec un risque traditionnel de 5%, la valeur théorique du Khi-deux est de 15,5 (8 degrés de liberté), donc le test est réussi : rien ne permet de rejeter l’hypothèse. On peut aussi raisonner sur le p-value qui est égale à 0,8627, donc on peut même valider notre hypothèse avec un risque de 86,27%. (Pas seulement 5%).

1.4.3 Test d’adéquation d’Anderson Darling

Le test d’adéquation d’Anderson Darling est un test d’adéquation de la variable N à un loi L, Il repose sur les hypothèses suivantes :

: "N suit la loi L" contre

: "N ne suit pas la loi L"

Nous mettons en œuvre le test d’adéquation d'Anderson-Darling en utilisant la p- valeur. La p-valeur est le plus petit réel α ]0, 1[calculé à partir des données tel que l’on puisse se permettre de rejeter H 0 au risque 100α%. Autrement écrit, la p-valeur est une estimation ponctuelle de la probabilité critique de se tromper en rejetant H 0 alors que H 0 est vraie.

Nous allons tester l’adéquation des observations de N à une loi de poisson, le package ADGofTest fournit une fonction ad.test pour le test d’adéquation des observations à une loi donnée.

35

Code R : > ad.test(NB_SIN_HEBDO$nombre, ppois,62.82667)

Code R : > ad.test(NB_SIN_HEBDO$nombre, ppois,62.82667) Figure 13 – Résultat du test d’Anderson -Darling La p-

Figure 13 – Résultat du test d’Anderson-Darling

La p-value du test d’adéquation d’Anderson-Darling est égale à 51.23% donc on peut même valider notre hypothèse avec un risque de 86,27%. (Pas seulement 5%), On conclut, que le nombre de sinistre par semaine N suit la loi de poisson de paramètre λ = 62.82667.

36

2. Modélisation du Montant d’indemnisation d’un sinistre

2.1 Analyse statistique du coût de sinistre

2.1.1 Analyse statistique univariée

Pour la variable « Coût de sinistre », on constate que le montant d’un sinistre déclaré présente une moyenne de 2545,346 DT avec un écart-type de 3952,202 DT, l’ensemble des valeurs sont comprises entre 19.79 DT et 128500 DT. D’après l’histogramme en figure 14 et le tableau 11, On remarque que 95% des sinistres ont un montant d’indemnisation inférieur à 9510.751 DT et 99% ont un montant inférieur à 15921.184DT, En effet, la réalisation d’un sinistre grave (un sinistre a coût très élevé) est rare.

Tableau 11– Analyse descriptive du montant d’un sinistre

Tableau 11 – Analyse descriptive du montant d’un sinistre Figure 14 – Histogramme du montant d’un
Tableau 11 – Analyse descriptive du montant d’un sinistre Figure 14 – Histogramme du montant d’un

Figure 14 – Histogramme du montant d’un sinistre

37

2.1.2 Analyse Bivariée : Test ANOVA à un facteur pour « Coût sinistre » par « Type de sinistre »

ANOVA est l’abréviation de « Analysis Of Variance". L’ANOVA est une méthode d’analyse bivariée, c’est-à-dire le croisement de 2 variables de nature différente. L’analyse de variance, à un facteur (One way ANOVA) est une technique permettant de savoir si une variable Y (variable à expliquer) est en relation avec une seule variable indépendante X (variable explicative).

L ’ANOVA consiste à construire le test d ’hypothèse :

: µ = µ = µ = : ∃ µ

µ

µ

=

µ

L’hypothèse nulle annonce que la moyenne de la variable dépendante est la même quel que soit les groupes définis par le facteur, il est égal à la moyenne globale (en filigrane, le facteur n ’a aucune influence sur la variable dépendante)

La variable dépendante X est une variable numérique ou quantitative (coût d’un sinistre) et la variable indépendante est appelée aussi facteur. C’est une variable catégorielle (Type de sinistre).

Code R : # test ANNOVA :

> oneway.test(SINISTRES$MONTANT~SINISTRES$`TYPE DE SINISTRE`)

Code R :

# Analyse descriptive des montants selon le type de sinistre :

> tapply(SINISTRES$MONTANT,SINISTRES$`TYPE DE SINISTRE`, mean)

> tapply(SINISTRES$MONTANT,SINISTRES$`TYPE DE SINISTRE`, median)

> tapply(SINISTRES$MONTANT,SINISTRES$`TYPE DE SINISTRE`, sd)

> tapply(SINISTRES$MONTANT,SINISTRES$`TYPE DE SINISTRE`, min)

> tapply(SINISTRES$MONTANT,SINISTRES$`TYPE DE SINISTRE`, max)

Tableau 12– Analyse descriptive du montant d’un sinistre par type

 

BG

DC

DV

INC

RC

VOL

Moyenne

401,629

1621,297

5955,174

10625,492

1397,666

12610,740

Médiane

359,157

1333,991

5209,054

4962,071

673,558

2666,180

Ecart-type

210,329

1250,788

3640,332

17938,928

2400,358

17772,723

Minimum

22,209

47,418

130,609

361,953

19,791

47,877

Maximum

1817,437

8436,046

41475,437

128500,000

34080,777

95000,000

1817,437 8436,046 41475,437 128500,000 34080,777 95000,000 Figure 15 – Résultat du test ANOVA 38

Figure 15 Résultat du test ANOVA

38

D’après le test d’ANOVA à un facteur (figure 15) et le tableau 12, on rejette l’hypothèse nulle du test. En effet, la distribution du montant d’indemnisation se diffère selon le type de sinistre. Ainsi, on remarque que les 2 types « Incendie » et « VOL » se caractérisent par un écart type très élevé par rapport aux autres ceci est expliqué par la volatilité très important du coût de sinistre. En effet, l’incendie ou le vol peut être total (indemniser la véhicule épave par la valeur vénale de la voiture) ou partielle (indemniser les dégâts subis au véhicule).

A fin d’améliorer la modélisation du coût de sinistre que l’on notera X, on va modéliser la distribution du montant d’un sinistre pour chaque type de sinistre. Statistiquement parlons, nous modélisons X (montant d’un sinistre) sachant Y (type de

sinistre) ( ⁄ )

2.2 Emission d’hypothèses

On cherche à trouver les lois correspondant au montant d’un sinistre selon type. On émet alors, puisqu’il s’agit des distributions continues, les hypothèses que les lois possibles sont la loi de Gamma, la loi log-normale et celle de Weibull.

2.2.1 Loi log-normale

La loi log-normale est aussi appelée loi de Galton. Une variable aléatoire X suit une loi log-normale quand son logarithme suit une loi normale, c’est à dire que Y= ln(X) suit une loi N (µ, σ) avec les paramètres de la loi normale. On prend la formulation suivante :

() = (−

( ()− µ

) )

L’espérance, la variance et l’écart-type de la loi log normal de paramètre (µ, σ) que l’on notera Lnorm (µ, σ) sont :

E (X) = µ+

V (X) = ( − ). µ+

2.2.2 Loi Weibull

La loi de Weibull est une loi de probabilité continue avec deux paramètres (k, λ). La fonction de densité de probabilité est :

() =

(

) (−

)

K est le paramètre de forme et λ est le paramètre d’échelle de la distribution. Les deux paramètres sont strictement positifs.

L’espérance, la variance et l’écart-type de la loi Weibull de paramètre (k, λ), que l’on notera Weibull (k, λ) sont :

39

E (X) = λ ( +

)

( + ) − ()

V (X) =

2.2.3 Loi Gamma

Soient λ et a deux valeurs positives. On appelle loi Gamma de paramètres a et λ, la loi de probabilité absolument continue dont la densité est donnée par :

() = ()

λx

, ∀ >

L’espérance, la variance et l’écart-type de la loi Gamma de paramètre (a, λ), que l’on notera Gamma (a, λ) sont :

E (X) =

V (X) =

λ

λ

2

2.3 Estimation des paramètres et Test d’adéquations

2.3.1 Estimations des paramètres des lois par la méthode de vraisemblance

2.3.1.1 Loi log-normale

Soit X les n observations suivant la loi log-normale de paramétres (µ, σ), la méthode de maximum de vraisemblance donne comme résultat :

σ̂ 2 =

µ̂ =

1

=1

ln( )

1

=1

(ln( ) − µ) 2

2.3.1.2 Loi Weibull

Soit X les n observations

suivant la loi weibull de paramétres (k, λ), la méthode de

maximum de vraisemblance donne un système de deux équations à deux inconnues k et λ :

̂

+1

̂

λ ̂

=1

̂

40

̂

−1 =

=1

̂

ln( )

=1

̂

1

=1

ln( )

2.4.1.3 Loi gamma

Soit X les n observations suivant la loi gamma de paramètres (a, λ) avec une fonction de densité :

( , , ) = ()

∀ ∶ …

On cherche les estimateurs du maximum de vraisemblance des paramètres a et λ. La fonction de log-vraisemblance est, ici :

(, ) = ∑ ( ( , , ))

=

On obtient un système de deux équations à deux inconnues :

̂

. (

+

=

)

−.̂

̂

(̂)

(̂)

+

=

=

( ) =

Les deux systèmes obtenus pour la loi de gamma et la loi de Weibull sont implicites. Pour le résoudre, nous utiliserons les méthodes numériques.

2.3.2 Résultats des modélisations

Nous cherchons à modéliser le coût de sinistre pour chaque type de sinistre, pour cela on a créé des sous bases de données du montant des sinistres pour chaque type de sinistre, on a estimé les paramètres des 3 lois et effectuer le test d’adéquation des observations à une des lois pour chaque base de données.

D’après les graphiques, les estimations des paramètres des lois et les tests d’adéquations annexés, on a obtenu les résultats suivants :

Le montant d’un sinistre de type « Bris de Glace » suit une loi gamma de p

aramètres a= 3.71239356 ; λ = 0.00924412 (Voir annexe 1)

(

= ""

) =

(

= ""

) =

3.71239356

0.00924412 = 401.5951, la valeur empirique est de 401,629

3.71239356

0.00924412

2 = 43443.31, la valeur empirique est de 44238.08

41

Le montant d’un sinistre de type « Dommage Collision » suit une loi

Weibull de paramètres k= 1.311451 ; λ = 1759.396932 (Voir annexe 2)

(

(

= ""

= ""

)

)

= 1625.008, la valeur empirique est de 1621.297

= 1561985, la valeur empirique est de 1564471

Le montant d’un sinistre de type « Responsabilité civile » suit une loi

log-normale de paramètres µ= 6.500240; σ = 1.218118 (Voir annexe 3)

(

= ""

)

= 6.500240+ 1.218118

= 1397.088, la valeur empirique est de 1397.66

(

⁄ = ""

) = ( 1.218118 2 − 1). 26.500240+ 1.218118 2 =5782358, la valeur

empirique est de 5761717.

Le montant d’un sinistre de type « Incendie » suit une loi Weibull de para

mètres k= 0.8269802; λ = 9378.0557925 (Voir annexe 4)

(

(

= ""

= ""

)

)

= 10389.99, la valeur empirique est de 10625.49

= 329449198, la valeur empirique est de 321805153

Le montant d’un sinistre de type « VOL » suit une loi Weibull de paramètr

es k= 0.5839462; λ = 8200.8857259 (Voir annexe 5)

(

(

= ""

= ""

)

)

= 12794.53, la valeur empirique est de 12610.74

= 341900282, la valeur empirique est de 315869673

42

Le montant d’un sinistre de type « DV » suit une loi gamma de paramètres

a= 2.6768549824; λ = 0.0004495007 (Voir annexe 6)

(

= ""

(

= ""

)

)

=

=

2.6768549824

0.0004495007

= 6155.396, la valeur empirique est de 5955,174

2.6768549824

0.0004495007

2 = 13693852.71, la valeur empirique est de 13252015

Etant donnée la fonction de densité de la variable Y désignant le type d’un sinistre :

() =

Y="BG" é = 0.2116 Y="DC" é = 0.1234 Y="DV" é = 0.2632 Y="INC" é = 0.0045 Y="RC" é = 0.3892 { Y="VOL" é = 0.0081

On peut conclure que le montant d’un sinistre déclaré X

Suit la loi gamma (3.71239356 ; 0.00924412) avec une probabilité 0.2116

Suit la loi Weibull (1.311451 ; 1759.396932 avec une probabilité 0.1234

Suit la loi gamma (2.6768549824; 0.0004495007) avec une probabilité 0.2632

Suit la loi Weibull (0.8269802 ; 9378.0557925) avec une probabilité 0.0045

Suit la log-normale (6.500240 ; 1.218118) avec une probabilité 0.3892

Suit la loi Weibull (0.5839462 ; 8200.8857259) avec une probabilité 0.0081

Et on aura :

() = ∑ (

=

) ∗ ( = )

= 401.5951 ∗ 0.2116 + 1625.008 ∗ 0.1234 + 6155.

396 ∗ 0.2632 +

10389.99 ∗ 0.0045 + 1397.088 ∗ 0.3892 + 12794.53 ∗ 0.0081

= 2599.741

La moyenne empirique du montant d’un sinistre X est de 2545.346.

43

() = ( 2 ) − () 2

( 2 ) = ∑ ( 2

=

=

∑ [ (

=

) ∗ ( = )

)

+ (

=

) 2 ] ∗ ( = )

= ( 43443.31 + 401.5951 2 ) ∗ 0.2116 + (1561985 + 1625.008 2 ) ∗ 0.1234

+ ( 13693852.71 + 6155.396 2 ) ∗ 0.2632 + (329449198 + 10389.99 2 )

∗ 0.0045 + (5782358 + 1397.088 2 ) ∗ 0.3892

+ (341900282 + 12794.53 2 ) ∗ 0.0081 = 23212328

() = 23212328 − 2599.741 2 = 16453675

La variance empirique du montant d’un sinistre X est de 37251026, nous pouvons dire que les modélisations effectuées sous-estiment la variance.

On pose maintenant S la variable aléatoire continues désignant le montant total des sinistres déclarés dans une semaine :

S = ∑

=1

Avec N est la variable discrète du nombre de sinistre hebdomadaire qui suit la loi de

poisson de paramètre

poisson composée et on a :

λ = 62.82667 et X la variable du coût d’un sinistre. S suit la loi de

() ∗ () = 62.82667 ∗ 2599.741 = 163333.1

() =

() ∗ () 2 + () ∗ () = (() 2 + () )

() =

= 62.82667 ∗ ( 2599.741 2 + 16453675 ) = 1458353288

44

Chapitre 4. Technique de simulation d’un Scénario de sinistres

1. Définition de la simulation numérique

La simulation informatique ou numérique désigne l'exécution d'un programme informatique sur un ordinateur ou réseau en vue de simuler un phénomène réel et complexe. Les simulations numériques reposent sur la mise en œuvre de modèles théoriques. Elles sont donc une adaptation aux moyens numériques de la modélisation mathématique ou statistique et servent à étudier le fonctionnement et les propriétés d’un système modélisé ainsi qu’à en prédire son évolution.

Les applications de la simulation sont innombrables. Parmi les domaines dans lesquels elle est le plus utilisée, on peut citer :

L’informatique : recherche de configurations, réseaux, architecture de bases de données,

La production : gestion des ressources de fabrication, machines, stocks, moyens de manutention,

La gestion : marketing, tarification, prévisions, gestion du personnel,

l’administration

démographie,

: gestion du trafic, du système hospitalier, de la

L’environnement : pollution et assainissement, météorologie, catastrophes naturelles,

2. Démarche de simulation d’un scénario de sinistres

Nous cherchons à simuler un scénario de nombre, types et montants des sinistres sur une année. Etant donnée leurs modélisations statistiques, nous allons procéder comme suit :

Simuler le nombre de sinistres annuel qu’on notera N.

Simuler les types de N sinistres simulées

Simuler le montant de chaque sinistre étant donnée son type.

45

3. Cas Pratique

Dans cette section, nous montrons une méthode de simulation d’un scénario de sinistres annuels. Notre objectif est de créer une matrice nommée « SCENARIO » de taille (N,2) : les N lignes correspondent aux sinistres déclarés et les deux colonnes correspond au type et au montant de chaque sinistre simulé.

3.1 Simulation d’un scénario de nombre de sinistre annuel

La première étape est de simuler un scénario du nombre de sinistres annuels ce qui revient à déterminer la valeur N. Nous avons déjà montré que le nombre des sinistres hebdomadaire suit une loi de poisson de paramètre λ = 62.82667.

Pour déterminer N, nous allons procéder comme suit :

Générer 56 valeurs du nombre de sinistres par semaine

Faire la somme de ces valeurs pour obtenir le nombre de sinistre annuel N.

Code R : # Générer 56 observations suivant la loi Poisson de paramètre 62.82667

> n<-rpois(56,62.82667)

de paramètre 62.82667 > n<-rpois(56,62.82667) # Faire la somme des éléments de n pour avoir le

# Faire la somme des éléments de n pour avoir le nombre de sinistre annuel N

> N<-sum(n)

> N

le nombre de sinistre annuel N > N<-sum(n) > N Le nombre de sinistre annuel simulé

Le nombre de sinistre annuel simulé pour un scénario possible est 3589 sinistres, on va simuler les types de ces sinistres.

3.2 Simulation du type des sinistres

La deuxième étape consiste à simuler le type de chaque sinistre. Comme on a modéliser le type de sinistre par une chaine de Markov, le logiciel R permet à partir de la matrice de passage de la chaine de Markov estimé et d’un état initial donné, de générer les types des 3589 sinistres simulés grâce à la fonction markovchainSequence du Package markovchain. Les résultats obtenus constituent la première colonne de la matrice « SCENARIO ». (On pose par exemple que le dernier sinistre observé est de type « Dommage Collision » qui correspond à l’état initial).

46

Code R : # Générer 3589 observations de « Type des sinistres » à partir de la chaine de Markov avec un état initial « DC » :

> for (i in 1:N) {SCENARIO_TYPE[i]<-markovchainSequence(N, chaine_markov$es

timate, t0= "DC", include.t0 = FALSE)}

> SCENARIOS<-matrix(ncol = 2,nrow = N)

> SCENARIOS[,1]<-SCENARIO_TYPE

> SCENARIOS[,1]

3.3 Simulation du montant des sinistres

Nous avons déjà modélisé le montant de sinistre pour chaque type de sinistre, Donc, pour la simulation du coût d’un sinistre, nous allons procéder comme suit :

Si le type de sinistre est « BG », on simule une observation du montant qui suit la loi Gamma (3.71239356 ,0.00924412)

Si le type de sinistre est « DC », on simule une observation du montant qui suit la loi Weibull (1.311451 ,1759.396932)

Si le type de sinistre est « INC », on simule une observation du montant qui suit la loi Weibull (0.8269802 ,9378.0557925)

Si le type de sinistre est « DV », on simule une observation du montant qui suit la loi gamma (2.6768549824 ,0.0004495007)

Si le type de sinistre est « RC », on simule une observation du montant qui suit la loi log-normale (6.500240 ,1.218118)

Si le type de sinistre est « VOL », on simule une observation du montant qui suit la loi Weibull (0.5839462 ,8200.8857259)

47

Code R :

> for(i in 1:N) {if (SCENARIOS[i,1]=="DC") {SCENARIOS[i,2]<- rweibull(1,1.3

11451 ,1759.396932 )}}

> for(i in 1:N) {if (SCENARIOS[i,1]=="BG") {SCENARIOS[i,2]<- rgamma(1,3.712

39356 ,0.00924412 )}}

> for(i in 1:N) {if (SCENARIOS[i,1]=="RC") {SCENARIOS[i,2]<- rlnorm(1,6.500

240 ,1.218118 )}}

> for(i in 1:N) {if (SCENARIOS[i,1]=="INC") {SCENARIOS[i,2]<- rweibull(1,0.

8269802 ,9378.0557925

> for(i in 1:N) {if (SCENARIOS[i,1]=="VOL") {SCENARIOS[i,2]<- rweibull(1,0.

5839462 ,8200.8857259

> for(i in 1:N) {if (SCENARIOS[i,1]=="DV") {SCENARIOS[i,2]<- rgamma(1,2.676

8549824 ,0.0004495007

)}}

)}}

)}}

> SCENARIOS

rgamma(1,2.676 8549824 ,0.0004495007 )}} )}} )}} > SCENARIOS Figure 16 – Quelques Lignes des sinistres Simulés

Figure 16 Quelques Lignes des sinistres Simulés

48

Code R : #Pour savoir le nombre de sinistre pour chaque type de sinistre simulé

> table(factor(SCENARIOS[,1], levels = names(chaine_markov$estimate)))

levels = names(chaine_markov$estimate))) Le scénario simulé annonce que le nombre de sinistre

Le scénario simulé annonce que le nombre de sinistre annuel est de 3589 sinistres répartis : 22 sinistres de type « Bris de Glace », 1584 sinistres de type « Dommage Collision » 4 sinistres « Incendie », 7 sinistres « VOL », 333 sinistres de type « Responsabilité Civil » et 1643 sinistres de types « Dommages aux véhicules ».

Code R : #Pour savoir quelques informations sur le montant de sinistres simulés :

> summary(SCENARIOS[,2])

> sd(SCENARIOS[,2])

: > summary(SCENARIOS[,2]) > sd(SCENARIOS[,2]) Les coûts des sinistres simulés présentent une moyenne de

Les coûts des sinistres simulés présentent une moyenne de 3616.81 DT avec un écart-type de 3472.328 DT, l’ensemble des valeurs sont comprises entre 17.58 DT et 21953 DT.

49

Conclusion

Annexes

Annexe 1

Modélisation du coût de sinistre de type Bris de Glace

Analyse descriptive Code R : # Histogramme et fonction de répartition

> hist(SIN_BG$MONTANT, xlab = "Montant d'un sinistre BG", ylab = "Frequence", col="grey")

> plot(ecdf(SIN_BG$MONTANT), col= 'red')

> plot(ecdf(SIN_BG$MONTANT), col= 'red') Estimation des paramètres des lois Code R : # Estimation

Estimation des paramètres des lois Code R : # Estimation des paramètres des lois :

> fitdist(data = SIN_BG$MONTANT, distr = plnorm, method = "mle" )

> fitdist(data = SIN_BG$MONTANT, distr = pweibull, method = "mle" )

> fitdist(data = SIN_BG$MONTANT, distr = pgamma, method = "mle" )

= pweibull, method = "mle" ) > fitdist(data = SIN_BG$MONTANT, distr = pgamma, method = "mle"

51

Test d’adéquation à une loi

Code R : # Test d’adéquation d’Anderson Darling :

> ad.test(SIN_BG$MONTANT,plnorm,5.8547945,0.5549646)

> ad.test(SIN_BG$MONTANT,pweibull,2.024272,454.633632)

> ad.test(SIN_BG$MONTANT,pgamma,3.71239356,0.00924412)

> ad.test(SIN_BG$MONTANT,pgamma,3.71239356,0.00924412) Analyse graphique des fonctions de densités et de

Analyse graphique des fonctions de densités et de Réparation empiriques et théoriques Code R :

> plot( fitdist(data = SIN_BG$MONTANT, distr = pgamma, method = "mle" ))

et théoriques Code R : > plot( fitdist(data = SIN_BG$MONTANT, distr = pgamma, method = "mle"

52

Annexes

Annexe 2

Modélisation du coût de sinistre de type Dommage Collision

Analyse descriptive Code R : # Histogramme et fonction de répartition

> hist(SIN_DC$MONTANT , xlab = "Montant d'un sinistre DC", ylab = "Frequence", col="grey")

> plot(ecdf(SIN_DC$MONTANT), col= 'red')

> plot(ecdf(SIN_DC$MONTANT), col= 'red') Estimation des paramètres des lois Code R : # Estimation

Estimation des paramètres des lois Code R : # Estimation des paramètres des lois :

> fitdist(data = SIN_DC$MONTANT, distr = plnorm, method = "mle" )

> fitdist(data = SIN_DC$MONTANT, distr = pweibull, method = "mle" )

> fitdist(data = SIN_DC$MONTANT, distr = pgamma, method = "mle" )

= pweibull, method = "mle" ) > fitdist(data = SIN_DC$MONTANT, distr = pgamma, method = "mle"

53

Test d’adéquation à une loi

Code R : # Test d’adéquation d’Anderson Darling :

> ad.test(SIN_DC$MONTANT,plnorm,7.0352834,0.9463903)

> ad.test(SIN_DC$MONTANT,pweibull, 1.311451,1759.396932)

> ad.test(SIN_DC$MONTANT,pgamma, 1.681159872,0.001036923)

ad.test(SIN_DC$MONTANT,pgamma, 1.681159872,0.001036923) Analyse graphique des fonctions de densités et de

Analyse graphique des fonctions de densités et de Réparation empiriques et théoriques Code R :

> plot( fitdist(data = SIN_DC$MONTANT, distr = pweibull, method = "mle" ))

et théoriques Code R : > plot( fitdist(data = SIN_DC$MONTANT, distr = pweibull, method = "mle"

54

Annexes

Annexe 3

Modélisation du coût de sinistre de type Responsabilité Civile

Analyse descriptive Code R : # Histogramme et fonction de répartition

> hist(SIN_RC$MONTANT , xlab = "Montant d'un sinistre RC", ylab = "Frequence", col="grey")

> plot(ecdf(SIN_RC$MONTANT), col= 'red')

> plot(ecdf(SIN_RC$MONTANT), col= 'red') Estimation des paramètres des lois Code R : # Estimation

Estimation des paramètres des lois Code R : # Estimation des paramètres des lois :

> fitdist(data = SIN_RC$MONTANT, distr = plnorm, method = "mle" )

> fitdist(data = SIN_RC$MONTANT, distr = pweibull, method = "mle" )

> fitdist(data = SIN_RC$MONTANT, distr = pgamma, method = "mle" )

= pweibull, method = "mle" ) > fitdist(data = SIN_RC$MONTANT, distr = pgamma, method = "mle"

55

Test d’adéquation à une loi

Code R : # Test d’adéquation d’Anderson Darling :

> ad.test(SIN_RC$MONTANT,plnorm, 6.500240, 1.218118)

> ad.test(SIN_RC$MONTANT,pweibull, 0.8212061, 1225.1198912)

> ad.test(SIN_RC$MONTANT,pgamma, 0.3391050980, 0.0002426225)

ad.test(SIN_RC$MONTANT,pgamma, 0.3391050980, 0.0002426225) Analyse graphique des fonctions de densités et de

Analyse graphique des fonctions de densités et de Réparation empiriques et théoriques Code R :

> plot( fitdist(data = SIN_RC$MONTANT, distr = plnorm, method = "mle" ))

et théoriques Code R : > plot( fitdist(data = SIN_RC$MONTANT, distr = plnorm, method = "mle"

56

Annexes

Annexe 4

Modélisation du coût de sinistre de type Incendie

Analyse descriptive Code R : # Histogramme et fonction de répartition

> hist(SIN_INC$MONTANT , xlab = "Montant d'un sinistre INC", ylab = "Frequence", col="grey")

> plot(ecdf(SIN_INC$MONTANT), col= 'red')

> plot(ecdf(SIN_INC$MONTANT), col= 'red') Estimation des paramètres des lois Code R : # Estimation

Estimation des paramètres des lois Code R : # Estimation des paramètres des lois :

> fitdist(data = SIN_INC$MONTANT, distr = plnorm, method = "mle" )

> fitdist(data = SIN_INC$MONTANT, distr = pweibull, method = "mle" )

> fitdist(data = SIN_INC$MONTANT, distr = pgamma, method = "mle" )

= pweibull, method = "mle" ) > fitdist(data = SIN_INC$MONTANT, distr = pgamma, method = "mle"

57

Test d’adéquation à une loi

Code R : # Test d’adéquation d’Anderson Darling :

> ad.test(SIN_INC$MONTANT,plnorm, 8.538332, 1.206954)

> ad.test(SIN_INC$MONTANT,pweibull, 0.8269802, 9378.0557925)

> ad.test(SIN_INC$MONTANT,pgamma, 3.565882e-01, 3.355969e-05)

ad.test(SIN_INC$MONTANT,pgamma, 3.565882e-01, 3.355969e-05) Analyse graphique des fonctions de densités et de

Analyse graphique des fonctions de densités et de Réparation empiriques et théoriques Code R :

> plot( fitdist(data = SIN_INC$MONTANT, distr = pweibull, method = "mle" ))

et théoriques Code R : > plot( fitdist(data = SIN_INC$MONTANT, distr = pweibull, method = "mle"

58

Annexes

Annexe 5

Modélisation du coût de sinistre de type VOL

Analyse descriptive Code R : # Histogramme et fonction de répartition

> hist(SIN_VOL$MONTANT , xlab = "Montant d'un sinistre VOL", ylab = "Frequence", col="grey")

> plot(ecdf(SIN_VOL$MONTANT), col= 'red')

> plot(ecdf(SIN_VOL$MONTANT), col= 'red') Estimation des paramètres des lois Code R : # Estimation

Estimation des paramètres des lois Code R : # Estimation des paramètres des lois :

> fitdist(data = SIN_VOL$MONTANT, distr = plnorm, method = "mle" )

> fitdist(data = SIN_VOL$MONTANT, distr = pweibull, method = "mle" )

> fitdist(data = SIN_VOL$MONTANT, distr = pgamma, method = "mle" )

= pweibull, method = "mle" ) > fitdist(data = SIN_VOL$MONTANT, distr = pgamma, method = "mle"

59

Test d’adéquation à une loi

Code R : # Test d’adéquation d’Anderson Darling :

> ad.test(SIN_VOL$MONTANT,plnorm, 8.045222, 1.973555)

> ad.test(SIN_VOL$MONTANT,pweibull, 0.5839462, 8200.8857259)

> ad.test(SIN_VOL$MONTANT,pgamma, 5.079648e-01, 4.028033e-05)

ad.test(SIN_VOL$MONTANT,pgamma, 5.079648e-01, 4.028033e-05) Analyse graphique des fonctions de densités et de

Analyse graphique des fonctions de densités et de Réparation empiriques et théoriques Code R :

> plot( fitdist(data = SIN_VOL$MONTANT, distr = pweibull, method = "mle" ))

et théoriques Code R : > plot( fitdist(data = SIN_VOL$MONTANT, distr = pweibull, method = "mle"

60

Annexes

Annexe 6

Modélisation du coût de sinistre de type Dommages aux Véhicules

Analyse descriptive Code R : # Histogramme et fonction de répartition

> hist(SIN_DV$MONTANT , xlab = "Montant d'un sinistre DV", ylab = "Frequence", col="grey")

> plot(ecdf(SIN_DV$MONTANT), col= 'red')

> plot(ecdf(SIN_DV$MONTANT), col= 'red') Estimation des paramètres des lois Code R : # Estimation

Estimation des paramètres des lois Code R : # Estimation des paramètres des lois :

> fitdist(data = SIN_DV$MONTANT, distr = plnorm, method = "mle" )

> fitdist(data = SIN_DV$MONTANT, distr = pweibull, method = "mle" )

> fitdist(data = SIN_DV$MONTANT, distr = pgamma, method = "mle" )

= pweibull, method = "mle" ) > fitdist(data = SIN_DV$MONTANT, distr = pgamma, method = "mle"

61

Test d’adéquation à une loi

Code R : # Test d’adéquation d’Anderson Darling :

> ad.test(SIN_DV$MONTANT,plnorm, 8.4960581, 0.6681826)

> ad.test(SIN_DV$MONTANT,pweibull, 1.730363, 6702.973048)

> ad.test(SIN_DV$MONTANT,pgamma, 2.6768549824, 0.0004495007)

ad.test(SIN_DV$MONTANT,pgamma, 2.6768549824, 0.0004495007) Analyse graphique des fonctions de densités et de

Analyse graphique des fonctions de densités et de Réparation empiriques et théoriques Code R :

> plot( fitdist(data = SIN_DV$MONTANT, distr = pgamma, method = "mle" ))

et théoriques Code R : > plot( fitdist(data = SIN_DV$MONTANT, distr = pgamma, method = "mle"

62