Chapitre2-Modélisation en assurance IARD : fréquence des

sinistres

Le but de ce chapitre est de présenter di↵érents modèles pour

la fréquence des sinistres N
Les principales caractéristiques des lois de probabilité les plus
souvent utilisées pour le dénombrement des sinistres en
assurance N :

La loi binomiale : E (N) > Var (N)

La loi de Poisson : E (N) = Var (N)
La loi binomiale négative : E (N) < Var (N)

Fouad Marri MATHÉMATIQUES DE L’ASSURANCE NON-VIE

Chapitre2-Modélisation en assurance IARD : fréquence des
sinistres

Un portefeuille d’assurance compte 26 contrats. Le tableau

ci-dessous résume l’information connue à propos des nombres des
sinistres .

1, 0, 0, 1, 2, 0, 1, 0, 0, 1, 1, 0, 0, 2, 0, 0, 0, 0, 2, 3, 3, 3, 2, 3, 1, 4

Parmi les distributions binomiale, Poisson, binomiale négative,

Laquelle semble la plus appropriée pour modéliser ces données ?

Fouad Marri MATHÉMATIQUES DE L’ASSURANCE NON-VIE

Chapitre2-Modélisation en assurance IARD : fréquence des
sinistres
1, 0, 0, 1, 2, 0, 1, 0, 0, 1, 1, 0, 0, 2, 0, 0, 0, 0, 2, 3, 3, 3, 2, 3, 1, 4

La fonction de vraisemblance pour la loi de poisson est

Y1 ⇣ ⌘n k 1 ✓ k
Y ◆n k
e
L( ) = Pr (N = k) =
k!
k=0 k=0
La fonction de log-vraisemblance est
X1 ⇣ ⌘
l( ) = nk k ln( ) ln(k!) .
k=0
Fouad Marri MATHÉMATIQUES DE L’ASSURANCE NON-VIE
Chapitre2-Modélisation en assurance IARD : fréquence des
sinistres

1, 0, 0, 1, 2, 0, 1, 0, 0, 1, 1, 0, 0, 2, 0, 0, 0, 0, 2, 3, 3, 3, 2, 3, 1, 4

L’estimateur du maximum de vraisemblance du paramètre est :

X 1
ˆ= 1 knk =
30
= 1.153846
n 26
k=0

Fouad Marri MATHÉMATIQUES DE L’ASSURANCE NON-VIE

Modélisation en assurance IARD : fréquence des sinistres

Test du khi carré de Pearson

Sur un échantillon de taille n, on observe des e↵ectifs O1 , · · · , Ok .
La statistique du test est
k
X k
(Observéj Espéréj )2 X (Oj rj )2
Q= = ,
Espéréj rj
j=1 j=1

où : rj = npj et p1 , · · · , pk sont les fréquences théoriques

Asymptotiquement, la statistique Q ⇠ 2 (k N 1), où N est le
nombre de paramètres estimés. On rejette donc H0 si, et seulement
si, la valeur de la statistique est supéieure au 100(1 ↵)e quantile
d’une telle loi.
Ce test est valide si le nombre espéré de données dans chacune des
classes est supérieur à 5. Si ce n’est pas le cas, il faut regrouper
des classes.

Fouad Marri MATHÉMATIQUES DE L’ASSURANCE NON-VIE

Modélisation en assurance IARD : fréquence des sinistres
j p̂j np̂j Oj
0 0, 3154 8, 20 11
1 0, 3639 9, 46 6
2 0, 3297 8, 34 9

ˆk ˆ
e
avec p̂k = k!
est la probabilité d’observer la valeur k selon le modèle et np̂k la
fréquence espérée de cette valeur dans un échantillon de taille n.
On a alors
(11 8, 20)2 (6 9, 46)2 (9 8, 34)2
Q= + +
8, 20 9, 46 8, 34
= 2, 2738.

La statistique du test a une distribution khi carré avec

3 1 1 = 1 degré de liberté. Le 95e centile d’une loi 2 (1) étant
3, 8415, on ne rejette pas le modèle.
Fouad Marri MATHÉMATIQUES DE L’ASSURANCE NON-VIE
Modélisation en assurance IARD : fréquence des sinistres

Fouad Marri MATHÉMATIQUES DE L’ASSURANCE NON-VIE

Modélisation en assurance IARD : fréquence des sinistres

Un portefeuille d’une compagnie d’assurance comptant 1000

contrats a produit les fréquences des sinistres ci-dessous
Nombre de sinistres Nombre de contrats
0 100
1 267
2 311
3 208
4 87
5 23
6 4
7 0
Parmi les distributions , Poisson, binomiale négative, laquelle
semble la plus appropriée pour modéliser ces données ?

Fouad Marri MATHÉMATIQUES DE L’ASSURANCE NON-VIE