Académique Documents
Professionnel Documents
Culture Documents
Tarification apriori
9.1 Introduction
Dans la tarification dite a priori, l'idée est de séparer les contrats
ot les assurés) en plusieurs catégories, defaçon quà l'intérieur d'une
catégorie, les risques puissent étre considérés comme équivalents.
Les bases de la tarification en univers segnenté ont été jetées dans
le Tome 1 (voyez la Section 3.8).
Comme nous l'avons vu à la Section 3.7, I'hétérogénéité au sein
d'un portefeuille pose un grand nombre de problèmes, en particu
lier d'antisélection: si la mêmne prime est appliquée à l'ensemble du
portefeuille, les mauvais risques s'assureront (à un prix d'ailleurs
moins élevé que celui qui devrait leur être réclamé), mais les bons
pourraient être découragés par le tarif trop élevé, ce qui aura ten
dance à dégrader le résultat. Lidée naturelle qui est développée
dans les premières sections de ce chapitre est de partitionner le
portefeuille afin de constituer des sous-portefeuilles sur lesquels les
risques peuvent être considérés comme indépendants et de même loi.
On parle alors de classes de risques. Les classes sont dites apriori
lorsqu'il s'agit de classer le risque a partir d'information disponible a
priori (sur l'assuré, le bien assuré..) et a posteriori si l'information
Sur l'historique des sinistres de l'assuré est prise en considération
(comme cela sera fait dans les deux chapitres suivants).
Les Chapitres 3 et 4 du Tome 1 ont présenté les principes
généraux de calcul des primes, reposant essentiellement sur le cal
1. Insistons encore une fois sur l'absence de caractère péjoratif dans le qualifi
catif "nauvais" Il ne s'agit pas de stigmatiser une certaine catégorie d'individus
mais bien de reconnaitre techniquement que certains assurés causent davantage
de sinistres, ou des sinistres plus coûteux, que d'autres.
Chapitre 9. Tarifcation
prkorj
cul de la prime pure, correspondant à l'espérsne matbématiqpurene
Cout anuel des sinistres déclarés à 'ssreur. Cette pritne
décomposait toutelojs en denx composantes: la fréqence
moyen, en notant simplenent que
empirique
9.3.1 Fonction de répartition
Le cas non-groupé
Supposons disposer desobeervatiops
considérons-les conme autat de réalisations de varinbles
même
XX,Xn indépendantes et deexemple fonction de
peuvent par
E Ces observations compagnie.
sinistres déclarés à la
La fonction de répartition enpirique, iotée Fa donne
représenter repertitik
observations
de l'allure de Fà partir des probabilité de 1/n à
en accordant une tnasse de chacun de
#{ tels que a Sr} te R
F()=
En d'autres ternes, F ) est la proportion d'observations
l'échantillon qui sont inférieures ou égales à R. La
F(r) est une fonction en escaliers, présentant un sautd an fonctioN
plitude k/n à chaque valeur apparaissant k fois dans l'échantillon.
Lapproche empirique consisteà utiliser F lien et place de
pour tous les calculs actuariels, Cette façon de faire est justifiée
le théorème de Glivenko-Cantelli quiassure que
Prsup F()- F()| ’0 lorsque ntend vers+ool.
En d'autres ternes, le graphe de F épouse d'autant mieuX celui d
Fà mesure que le n nombre d'observations, i.e. notre informatio
angnente: le graphe de F devrait donc fournir une bonne appror
mation de celui de F pour n "grand"
La loi de nFa() est Bin(n,F()). Dès lors, en vertu du théorème
central-limite, on a quel que soit z,
par
et on
considère que C,+00. Parfois, la moyene m, des montants des
sinistres tombant dans la classe C est également fournie.
Le groupement des données a pour conséquence que la fonction
de répartition enpirique F, n'est connue avec précision qu' aux li
mites de classes cj, où elle vaut F,(co) 0et
0, si j = 0
i j=1,2,..T.
On approxime alors Fn par interpolation linéaire sur les segments
jG-1clpour obtenir
0, si r < C0;
(e-)FalG-dte-e-)É.c) si e;-1r< Cjy
1,si t > Cr
lest ànoter que dans le cas groupé, Fn n'est pas définie sur C1,t
o lorsque c,= too, àmoins que n, =0.
Remarque 9.3.2. Puisque F, est à présent une fonction linéaire
par morceaur, Fn est dérivable partout, etcepté auT estrémités des
Chapitre 9.
Tarification a pri
où les derivées à droite eti
classes c0.C1p gasche ete
néanmoins. Cette dérivée cstime lu fonction de densité
estimateur, encore appelé
à F; nous noterons fa cet
L'estimateur In est donné par histogrumne
C-j-1
0 si Cr
La variance En notant,
tí (cas non-groupé)
JreR
3r(C;-Cj-1) (cas groupé)
9.3. Principes de base de la statistique
4pT) pour
Dans le cas groupé, T'estimnation du peme quantile se fait comme
suit. On détermine tout d'abord jo tel que
Fa(Cjo-1) Sp< Fn(o).
Il vient alors
Cjo Cjo-1