Exercice 4.1. Le montant de sinistre causé par une police du portefeuille est de la forme Solution.

(1) Nous avons

0 avec la probabilité 0.9 κ + ̺nµ

β= = = 1, 0607.
100 000 + 0, 05 × 5000 × 200
S=
X avec la probabilité 0.1 σ n
√ √
2000 5000
½

où Or, si R représente le résultat de la compagnie d’assurance, on sait que

1
P [X > x] = , x > 0. 1
x+1 = 0, 8889.
µ ¶3/2

β2
P [R < −κ ou R > κ + 2̺nµ] ≤
1. Calculez la prime pure pour cette police.
2. Calculez le montant de la prime nette de façon à ce que la probabilité que le montant La situation de l’assureur est donc assez risquée. Remarquez que c’est le cas lorsque β <<< 4.
de sinistre S dépasse ce montant soit au plus de 1%. (2a) Pour avoir β κ+̺nµ
√
σ n
≥ 4, il suffit que
√ √
Solution. (1) La prime pure ppure pour cette police est k ≥ 4σ n − ̺nµ = 4 × 2000 × 5000 − 0, 05 × 5000 × 200 = 515 685, 425.

Le montant annuel de perte que l’assureur peut supporter en un an doit donc être au minimum
F X (x)dx
de 515 685,425.
E [S] = 0, 1 · E [X] = 0, 1 ·
0
Z +∞

(2b) Pour avoir β κ+̺nµ

√
σ n
≥ 4, il suffit que
1 1
x+1 x+1
= 0, 1 · dx = 0, 1 · (−2)
0
√ √
0
+∞ µ ¶3/2
Z "µ ¶1/2 #+∞

= = 0, 4657.
4σ n − κ 4 × 2000 × 5000 − 100 000
= 0, 2 nµ
̺≥
5000 × 200
(2) Calculons à présent le montant de la prime nette p nette de façon à ce que probabilité Le taux de chargement doit donc être au minimum de 46, 57%.
que le montant de sinistre S dépasse ce montant soit au plus de 1%. Nous avons (2c) Pour avoir β κ+̺nµ
√
σ n
≥ 4, il suffit que

1 √
P [S > pnette ] = P [S > 0] P [X > pnette ] = 0, 1 . ̺nµ − 4σ n + κ ≥ 0.
1 + pnette
µ ¶3/2

√
Or, il est évident que l’équation ̺nµ − 4σ n + κ = 0 admet les racines
Ainsi, la prime nette recherchée doit être telle que

1 4σ +
= 619 838, 6677
16σ 2 − 4̺µκ
0, 1 = 0, 01 n1 =
2̺µ
p !2

1 + pnette
µ ¶3/2

c’est-à-dire et

= 161, 3323.
pnette = (0, 1)−2/3 − 1 = 3, 6416. 4σ − 16σ 2 − 4̺µκ
n2 =
2̺µ
p !2

Exercice 4.2. Un assureur a un portefeuille de n polices dont les coûts annuels des
sinistres S1 , . . . , Sn sont indépendants et identiquement distribués, de moyenne 200 et d’écart-
type 2000. L’assureur dispose d’un capital κ et tarifie sur base du principe de l’espérance
mathématique, de taux ̺.
1. Que vaut le coefficient de sécurité β lorsque κ = 100000, ̺ = 5% et n = 5000 ? Comment
jugez-vous la situation de l’assureur ?
2. On veut avoir β ≥ 4. Pour ce faire,
(a) quel doit être le capital κ pour ̺ = 5% et n = 5000 ?
(b) quel doit être le taux de chargement ̺ pour κ = 100000 et n = 5000 ?
Ainsi, afin d’obtenir β ≥ 4, il faut que le nombre n de polices en portefeuille soit inférieur ou
égal à n2 = 161, 3323 ou supérieur ou égal à n 1 = 619 838, 6677. Cependant, n2 est trop petit
pour pouvoir appliquer le Théorème Central Limite et n 1 est irréaliste pour le marché !
(3) Comme il est impossible d’agir uniquement sur un seul paramètre, nous conseillerons
à l’assureur d’agir simultanément sur n, ̺ et κ, i.e. augmenter ̺ et κ et diminuer n.
Exercice 4.3. La charge totale S des sinistres relatifs à un portefeuille d’assurances vaut
S= N i=1 Xi où N ∼ Poi(λ), où les Xi sont indépendants et de même loi Exp(θ). Les X i et
N sont en outre supposés indépendants.
P

(c) quel est le nombre minimal de contrats à avoir en portefeuille pour κ = 100000 et 1. Calculez la prime pure relative au portefeuille.
̺ = 5% ? 2. Fixez la hauteur du chargement de sécurité afin que la probabilité de ruine soit de
3. A la lumière de la question précédente, que conseillez-vous à l’assureur pour atteindre maximum ǫ si l’assureur dispose d’un capital κ
β ≥ 4? (a) sur base du théorème central-limite

1 2
 (b) sur base de l’approximation NP. 1. Calculez la probabilité que S excède 15 000
(a) à l’aide du théorème central-limite ;
Solution. (1) Comme S ∼ CPoi (λ, FX ) où FX est la fonction de répartition de X ∼
Exp (θ), il vient (b) à l’aide de l’approximation Normal-Power.
Commentez les deux réponses que vous avez obtenues.
+∞
λ 2. Calculez le seuil que S ne dépassera qu’avec une probabilité de 0.1% (i.e. le quantile
E [S] = P [N = k] E Xi = P [N = k] k E [X1 ] = E [N ] E [X1 ] =
θ d’ordre 0.999 de S)
" k # +∞

k=1 i=1 k=1

X X X

=E[N ] (a) à l’aide du théorème central-limite ;

(b) à l’aide de l’approximation Normal-Power.
| {z }

car les risques Xi sont indépendants et identiquement distribués.

(2a) Comme Var [S] = E [N ] Var [X1 ] + Var [N ] (E [X1 ])2 = 2λ Commentez les deux réponses que vous avez obtenues. (Rappel : le quantile d’ordre 0.999
θ 2 , on a
de la loi normale centrée-réduite vaut 3.09)
̺λ + κ
Solution. (1a) Il vient
S − E [S]
> θ√
2λ
≤ε
Var [S]
" #
P [S > (1 + ̺) E [S] + κ] ≤ ε ⇔ P p

̺λ + κθ S − E [S] ̺λ + κθ
 

⇔ Φ √ > √ ≤ε
2λ Var [S] 2λ
"θ #

000
µ ¶
 S − E [S] 15 000 − 10 000 

=5
≈P p

̺λ+κθ
P [S > 15 000] = P   ≈ 1 − Φ(5) = 2.87 · 10−7

, alors
 pVar [S] > 

√
2λ
Ainsi, si on note z1−ε = Φ−1 (1 − ε) =
| 1 {z }

(1b) Par l’approximation NP, nous avons

√
.
z1−ε 2λ − θκ
̺ε = 9
λ P [S > x = 15 000] ≈ Φ
−3
+ + 1 +
6 (x − E [S])
= Φ (1.772) = 2.7857 · 10−3
γS γS2 γS Var [S]
s !

Remarque. L’approximation précédente n’est valable que si λ est suffisamment grand !

p

Commentaires. On obtient des approximations assez différentes en raison de la forte

(2b) Par l’approximation NP, le fait que P S > q1−ε = (1 + ̺) λθ + κ = ε, nous donne dissymétrie des montants de sinistre. En effet, la qualité de l’approximation NP décroı̂t au
fur et à mesure que γS augmente.
£ ¤

λ
(1 + ̺) (2a) Notons xmin le seuil que S ne peut dépasser qu’avec une probabilité de 0.1%. Nous
θ 6
+ κ ≈ E [S] + Var [S] zε + zε − 1
√
2λ
avons
h

=λ
p

=
γS ¡ 2 ¢i

θ θ
> .
S − E [S] xmin − 10 000
| {z } | {z }

Var [S] 1 000

" #

S−E[S]
où γS = E Z 3 = E
Var[S]
√
En utilisant le Théorème Central Limite, il vient
et zα est tel que Φ (zα ) = 1 − α. Ainsi
"µ 0.001 = P [S > xmin ] = P p
¶3 #
£ ¤

λ 2λ = 0.001
xmin − 10 000
zε + 1 000
1−Φ
θ θ 6 ε
̺ +κ≈ z −1 ,
√ h µ ¶
γS ¡ 2 ¢i

ou encore
ce qui nous donne
γS = 3.09
xmin − 10 000
2λ zε + 6 zε2 − 1 − κθ 1 000
̺ε = .
λ
√ £ ¡ ¢¤

c’est-à-dire xmin = 3.09 × 1 000 + 10 000 = 13 090.

Remarque. L’approximation précédente n’est valable que pour autant que λ soit suffi- (2b) Sachant que P [S > xmin ] = 0.001 = α, l’approximation NP nous donne
samment grand et que 0 ≤ γS ≤ 2 !
6 α
xmin ≈ E [S] + Var [S] zα + z − 1 = 15 939.3667
Exercice 4.4. Soit un portefeuille comprenant 10 000 polices dont la charge annuelle
p h γS ¡ 2 ¢i

totale S des sinistres admet les moyenne, variance et coefficient d’asymétrie suivants : où zα désigne le 100(1 − α)ème quantile de la loi normale centrée-réduite, i.e. z α = 3.09.
Commentaires. Cfr. question (1).
E [S] = 10 000, Var [S] = 1 000 000 et γ[S] = 2.

3 4
 Exercice 4.5. On considère un groupe de risques dans lequel on peut distinguer deux où β est le coefficient de sécurité global. β s’écrit alors
classes (notées 1 et 2). Le montant annuel des dépenses de chaque classe est noté X 1 et X2
κ + E [B] κ + ̺ 1 m 1 + ̺2 m 2
respectivement. En outre, pour la classe i (i = 1 ou 2), le taux de chargement technique, β= = = .
κ + (1 + ̺1 ) E [X1 ] + (1 + ̺2 ) E [X2 ] − E [X]
l’espérance mathématique de la dépense annuelle et l’écart-type de la dépense annuelle sont σ (X) σ (B) s21 + s22
notés respectivement ̺i , mi et si
p

Numériquement,
800 + 86
Classe 1 Classe 2 β= ≈ 2.46.
360
̺i 0.04 0.06
mi 800 900 (c) Si X peut être approché par une loi normale, p est égal à 1 − Φ (β) où Φ est la fonction
si 200 300 de répartition de la loi normale centrée réduite. Ainsi,

Pour l’ensemble du groupe, le montant du capital affecté au risque est κ = 800. Par ailleurs p = 1 − Φ (β) = 1 − Φ (2.46) ≈ 0.69%.
on suppose que les variables aléatoires X 1 et X2 sont indépendantes.
(d) La probabilité de ruine étant p, la probabilté de non-ruine (sur 1 an) est 1 − p. La
(a) Calculez le bénéfice annuel Bi de la classe i, ainsi que le bénéfice annuel B de l’en- probabilité de non-ruine sur 3 années consécutives est alors (1 − p) 3 , c’est-à-dire
semble du groupe. En déduire l’espérance mathématique et la variance de ces variables
aléatoires. probabilité de non-ruine = Φ (2.46)3 = (1 − 0.0069)3 ≈ 97.9%.
(b) Calculez le coefficient de sécurité global β ainsi que sa valeur numérique.
Exercice 4.6. (i) Montrez que quelle que soit la variable aléatoire positive S de
(c) En supposant que la loi de X = X1 + X2 peut être approchée par une loi normale, moyenne µ et de variance σ 2 ,
calculer la probabilité de déficit annuel pour ce groupe.
1 σ2
(d) En supposant que les données précédentes ne sont pas modifiées et que les résultats 1+( x−µ
2 si x > µ + µ
σ )
annuels successifs sont indépendants, calculer la probabilité pour que le groupe considéré 2


F S (x) ≤
x µ


ne subisse pas de déficit pendant 3 années consécutives.

 µ si µ < x < µ + σ .

Solution. (a) Bi = (1 + ̺i ) E [Xi ] − Xi pour i = 1, 2, donc (ii) En appliquant ces inégalités à la charge totale des sinistres S = i=1 Si , montrez que
l’inégalité
Pn

1
P
E [Bi ] = (1 + ̺i ) E [Xi ] − E [Xi ] = ̺i E [Xi ] = ̺i mi
1 + β2
Si > κ + (1 + ρ)nµ ≤
Var [Bi ] = Var [Xi ] = s2i
" n #

i=1
½
X

Le bénéfice total est alors B = B1 + B2 , qui vérifie est valable pour autant que

E [B] = E [B1 ] + E [B2 ] = ̺1 m1 + ̺2 m2 σ2 σ (n)

κ + (1 + ρ)nµ > nµ +
Var [B] = Var [X] = Var [X1 + X2 ] = Var [X1 ] + Var [X2 ] + 2Cov [X1 , X2 ] µ nµ
⇔β> √ ⇔ β > CV [S ].
½

Sous l’hypothèse d’indépendance entre les deux risques, la variance se simplifie alors en Solution. (i) Quel que soit x ≥ a > 0 on a
Var [B] = s21 + s22 .
Numériquement, on obtient E (S − a)2 = (ξ − a)2 dFS (ξ)
ξ∈R+
Z
£ ¤

E [B] = 0.04 × 800 + 0.06 × 900 = 32 + 54 = 86

≥ (ξ − a)2 dFS (ξ)
et ξ>x
Z

√
σ (B) = s21 + s22 = 2002 + 3002 = 130000 ≈ 360. ≥ (x − a)2 F S (x).
q p

(b) La probabilité de ruine s’écrit D’autre part, on a toujours

p = P [X > κ + (1 + ̺1 ) E [X1 ] + (1 + ̺2 ) E [X2 ]] E (S − a)2 = (µ − a)2 + σ 2 .

£ ¤

= P >
X − E [X] κ + (1 + ̺1 ) E [X1 ] + (1 + ̺2 ) E [X2 ] − E [X]
On déduit ainsi l’inégalité
σ (X) σ (X)
· ¸

= P >β (5)
X − E [X] (µ − a)2 + σ 2
σ (X)
F S (x) ≤
· ¸

(x − a)2

5 6
qui est valable quel que soit x ≥ a. L’idée est alors d’optimiser la borne supérieure
sur a (i.e. de la rendre la plus petite possible). La valeur minimum de la fonction
2 +σ 2

(x−a)2
a 7→ (µ−a) est obtenue pour

σ2
a∗ = µ − .
x−µ
Comme l’inégalité (5) nous intéresse pour des valeurs de x excédant la moyenne µ de
S, il faut
σ2
µ
a∗ > 0 ⇔ x > µ + .

En insérant a∗ dans le membre de droite de (5), on obtient finalement l’inégalité

1 σ2
(6)
µ
F S (x) ≤
1+ σ

σ2
¡ x−µ ¢2 valable pour x > µ + .

Pour µ < x < µ + µ , on peut obtenir l’inégalité suivante :

µ = ξdFS (ξ)
ξ∈R+
Z

≥ ξdFS (ξ)
ξ>x
Z

≥ x dFS (ξ) = xF S (x)

ξ>x
Z

d’où l’on tire l’inégalité

µ σ2
(7) valable pour µ < x < µ + .
x µ
F S (x) ≤

√
(ii) Si on note S = i=1 Si , on sait que E [S] = nµ et σ (S) = σ n. Ainsi, vu (i), il
vient
Pn

1
x−nµ
F S (x) ≤
1+ √
σ n
³ ´2 ,

nσ2
pour tout x > nµ + nµ , l’inégalité

1
1 + β2
P [S > κ + (1 + ρ)nµ] ≤

κ+ρnµ
avec β = √
σ n
est valable si et seulement si

σ2
κ + (1 + ρ)nµ > nµ +
µ
c’est-à-dire si et seulement si
σ (n)
µ n
β > √ = CV [S ].