MODEL RISIKO I Model Frekuensi Klaim K. Syuhada, Ph.D. Pengantar Kerugian Acak dan Sifat Momen Distribusi Distribusi Poisson Distribusi Binomial Distribusi Geometrik Mixed and Mixture Distributions
AK3283
MODEL RISIKO I
Model Frekuensi Klaim
MODEL RISIKO I Model Frekuensi Klaim K. Syuhada, Ph.D. Pengantar Kerugian Acak dan Sifat Momen Distribusi Distribusi Poisson Distribusi Binomial Distribusi Geometrik Mixed and Mixture Distributions Kelas Distribusi (a, b, 0) Zero-Modified and Zero-Truncated Distributions
Pengantar
Kegiatan berasuransi pada dasarnya berkaitan dengan kerugian (klaim), baik frekuensi maupun nilai atau severitas. Frekuensi klaim dapat dikaji melalui kerugian acak diskret, khususnya distribusi Poisson, binomial, dan geometrik.
MODEL RISIKO I Model Frekuensi Klaim K. Syuhada, Ph.D. Pengantar Kerugian Acak dan Sifat Momen Distribusi Distribusi Poisson Distribusi Binomial Distribusi Geometrik Mixed and Mixture Distributions
Kerugian Acak dan
Sifat Momen Distribusi
Misalkan X peubah acak yang menyatakan kerugian (selanjutnya disebut sebagai kerugian acak atau random loss). Sebagai peubah acak, X memiliki karakteristik utama yaitu memiliki distribusi. Akibatnya, sifat-sifat statistika akan melekat pada peubah acak.
MODEL RISIKO I Model Frekuensi Klaim K. Syuhada, Ph.D. Pengantar Kerugian Acak dan Sifat Momen Distribusi Distribusi Poisson Distribusi Binomial Distribusi Geometrik Mixed and Mixture Distributions Kelas Distribusi (a, b, 0) Zero-Modified and Zero-Truncated Distributions
Kerugian acak dan distribusinya dapat dikaji lebih jauh melalui sifat momen (khususnya hingga momen ke-4) dan perilaku ekor distribusi. Kedua sifat ini dapat digunakan sebagai indikator adanya observasi ekstrem yang penting dalam menghitung risiko.
MODEL RISIKO I Model Frekuensi Klaim K. Syuhada, Ph.D. Pengantar Kerugian Acak dan Sifat Momen Distribusi Distribusi Poisson Distribusi Binomial Distribusi Geometrik Mixed and Mixture Distributions
Misalkan X kerugian acak dengan fungsi peluang fX(x).
Fungsi pembangkit momen (fpm) untuk X adalah
MX(t) = E etX = Z ∞ −∞ etxfX(x) dx. Perhatikan bahwa etx= 1 + tx + t 2x2 2! + · · · + trxr r! + · · · Jadi, MX(t) = · · · (*)
MODEL RISIKO I Model Frekuensi Klaim K. Syuhada, Ph.D. Pengantar Kerugian Acak dan Sifat Momen Distribusi Distribusi Poisson Distribusi Binomial Distribusi Geometrik Mixed and Mixture Distributions Kelas Distribusi (a, b, 0) Zero-Modified and Zero-Truncated Distributions
Misalkan MX(t) adalah fpm untuk kerugian acak X.
Turunan pertama fpm terhadap t adalah
M0X(t) = dMX(t) dt = d dtE e tX = E d dte tX = E XetX. Jika hasil turunan tersebut dievaluasi di t = 0, kita peroleh
M0X(0) = E(X),
atau momen pertama dari X. Kita dapat pula menentukan momen ke-r secara simultan menggunakan (*).
MODEL RISIKO I Model Frekuensi Klaim K. Syuhada, Ph.D. Pengantar Kerugian Acak dan Sifat Momen Distribusi Distribusi Poisson Distribusi Binomial Distribusi Geometrik Mixed and Mixture Distributions
Contoh 1
MODEL RISIKO I Model Frekuensi Klaim K. Syuhada, Ph.D. Pengantar Kerugian Acak dan Sifat Momen Distribusi Distribusi Poisson Distribusi Binomial Distribusi Geometrik Mixed and Mixture Distributions Kelas Distribusi (a, b, 0) Zero-Modified and Zero-Truncated Distributions Solusi: MX(r)(t) = d r MX(t) dtr = dr dtrE e tX = E d r dtr e tX = E XretX. Jika hasil tersebut dievaluasi di t = 0, kita peroleh
MX(r)(0) = E(Xr).
MODEL RISIKO I Model Frekuensi Klaim K. Syuhada, Ph.D. Pengantar Kerugian Acak dan Sifat Momen Distribusi Distribusi Poisson Distribusi Binomial Distribusi Geometrik Mixed and Mixture Distributions
Contoh 2
Misalkan X1dan X2kerugian acak-kerugian acak yang saling
MODEL RISIKO I Model Frekuensi Klaim K. Syuhada, Ph.D. Pengantar Kerugian Acak dan Sifat Momen Distribusi Distribusi Poisson Distribusi Binomial Distribusi Geometrik Mixed and Mixture Distributions Kelas Distribusi (a, b, 0) Zero-Modified and Zero-Truncated Distributions Solusi: MX1+X2(t) = Eet(X1+X2) = E etX1etX2 = E etX1 E etX2 = MX1(t) MX2(t).
Jika X1, X2sampel acak dari X, maka
MX1+X2(t) =MX(t)
2 .
MODEL RISIKO I Model Frekuensi Klaim K. Syuhada, Ph.D. Pengantar Kerugian Acak dan Sifat Momen Distribusi Distribusi Poisson Distribusi Binomial Distribusi Geometrik Mixed and Mixture Distributions
Latihan 1
Misalkan X kerugian acak dengan MX(t) sebagai fungsi
pembangkit momen. Didefinisikan g(t) = ln MX(t).
MODEL RISIKO I Model Frekuensi Klaim K. Syuhada, Ph.D. Pengantar Kerugian Acak dan Sifat Momen Distribusi Distribusi Poisson Distribusi Binomial Distribusi Geometrik Mixed and Mixture Distributions Kelas Distribusi (a, b, 0) Zero-Modified and Zero-Truncated Distributions
Latihan 2
Misalkan N kerugian acak dengan fungsi peluang
P(N = n) = e−55
n
n!, n= 0, 1, 2, . . . . Hitung E 3N.
MODEL RISIKO I Model Frekuensi Klaim K. Syuhada, Ph.D. Pengantar Kerugian Acak dan Sifat Momen Distribusi Distribusi Poisson Distribusi Binomial Distribusi Geometrik Mixed and Mixture Distributions
Distribusi Poisson
Misalkan N kerugian acak yang menyatakan frekuensi kerugian klaim (yang masuk atau diajukan) pada suatu periode waktu. Distribusi untuk N adalah Poisson dengan parameter λ > 0. Notasi: N ∼ Poi(λ). Fungsi peluang untuk N adalah
P(N = n) = e−λ λ
n
n!, n= 0, 1, 2, . . . .
Ciri khas distribusi ini adalah nilai mean dan variansinya sama, yaitu
MODEL RISIKO I Model Frekuensi Klaim K. Syuhada, Ph.D. Pengantar Kerugian Acak dan Sifat Momen Distribusi Distribusi Poisson Distribusi Binomial Distribusi Geometrik Mixed and Mixture Distributions Kelas Distribusi (a, b, 0) Zero-Modified and Zero-Truncated Distributions
Dalam praktiknya, mungkinkah kita memperoleh data dengan nilai mean yang sama dengan variansi (equidispersion)? (selanjutnya nanti akan dipelajari konsep overdispersion dan underdispersion)
MODEL RISIKO I Model Frekuensi Klaim K. Syuhada, Ph.D. Pengantar Kerugian Acak dan Sifat Momen Distribusi Distribusi Poisson Distribusi Binomial Distribusi Geometrik Mixed and Mixture Distributions
Jika kita memiliki kerugian acak Poisson (atau kerugian acak diskret lainnya), maka kita dapat menentukan
(i) peluang frekuensi kerugian melalui fungsi peluang atau fungsi pembangkit peluang atau fungsi pembangkit momen,
MODEL RISIKO I Model Frekuensi Klaim K. Syuhada, Ph.D. Pengantar Kerugian Acak dan Sifat Momen Distribusi Distribusi Poisson Distribusi Binomial Distribusi Geometrik Mixed and Mixture Distributions Kelas Distribusi (a, b, 0) Zero-Modified and Zero-Truncated Distributions
Contoh
Diketahui N kerugian acak yang berdistribusi Poisson dengan mean 0.1. Hitung P(N = 1|N ≤ 1).
MODEL RISIKO I Model Frekuensi Klaim K. Syuhada, Ph.D. Pengantar Kerugian Acak dan Sifat Momen Distribusi Distribusi Poisson Distribusi Binomial Distribusi Geometrik Mixed and Mixture Distributions Solusi: P(N = 1|N ≤ 1) = P(N = 1, N ≤ 1) P(N ≤ 1) = P(N = 1) P(N = 0) + P(N = 1) = e −0.1(0.1) e−0.1+ e−0.1(0.1) = 1 11.
MODEL RISIKO I Model Frekuensi Klaim K. Syuhada, Ph.D. Pengantar Kerugian Acak dan Sifat Momen Distribusi Distribusi Poisson Distribusi Binomial Distribusi Geometrik Mixed and Mixture Distributions Kelas Distribusi (a, b, 0) Zero-Modified and Zero-Truncated Distributions
Latihan
MODEL RISIKO I Model Frekuensi Klaim K. Syuhada, Ph.D. Pengantar Kerugian Acak dan Sifat Momen Distribusi Distribusi Poisson Distribusi Binomial Distribusi Geometrik Mixed and Mixture Distributions Teorema:
Jika N1, . . . , Nkkerugian acak-kerugian acak yang saling bebas
dengan Ni∼ Poi(λi), maka
MODEL RISIKO I Model Frekuensi Klaim K. Syuhada, Ph.D. Pengantar Kerugian Acak dan Sifat Momen Distribusi Distribusi Poisson Distribusi Binomial Distribusi Geometrik Mixed and Mixture Distributions Kelas Distribusi (a, b, 0) Zero-Modified and Zero-Truncated Distributions
Perhatikan kasus k = 2. Distribusi N1+ N2dapat ditentukan
melalui (i) teknik fungsi peluang atau (ii) teknik fungsi pembangkit momen.
MODEL RISIKO I Model Frekuensi Klaim K. Syuhada, Ph.D. Pengantar Kerugian Acak dan Sifat Momen Distribusi Distribusi Poisson Distribusi Binomial Distribusi Geometrik Mixed and Mixture Distributions
Misalkan N1dan N2kerugian acak Poisson yang saling bebas
dengan parameter, berturut-turut, λ1dan λ2. Apa yang dapat kita
katakan tentang kerugian acak N1|N1+ N2= m? Bagaimana kita
MODEL RISIKO I Model Frekuensi Klaim K. Syuhada, Ph.D. Pengantar Kerugian Acak dan Sifat Momen Distribusi Distribusi Poisson Distribusi Binomial Distribusi Geometrik Mixed and Mixture Distributions Kelas Distribusi (a, b, 0) Zero-Modified and Zero-Truncated Distributions P(N1= n|N1+ N2= m) = P(N1 = n, N1+ N2= m) P(N1+ N2 = m) = P(N1 = n, N2= m − n) P(N1+ N2= m) = P(N1 = n) P(N2 = m − n) P(N1+ N2= m) = · · ·
MODEL RISIKO I Model Frekuensi Klaim K. Syuhada, Ph.D. Pengantar Kerugian Acak dan Sifat Momen Distribusi Distribusi Poisson Distribusi Binomial Distribusi Geometrik Mixed and Mixture Distributions
MODEL RISIKO I Model Frekuensi Klaim K. Syuhada, Ph.D. Pengantar Kerugian Acak dan Sifat Momen Distribusi Distribusi Poisson Distribusi Binomial Distribusi Geometrik Mixed and Mixture Distributions Kelas Distribusi (a, b, 0) Zero-Modified and Zero-Truncated Distributions
Distribusi Binomial
Misalkan kerugian acak N menyatakan frekuensi kerugian klaim yang diproses dari semua klaim yang masuk. Distribusi yang tepat untuk N adalah distribusi binomial dengan parameter m (frekuensi klaim yang masuk) dan θ (peluang klaim diproses). Notasi: N ∼ Bin(m, θ). Fungsi peluang untuk N adalah
P(N = n) =m n
MODEL RISIKO I Model Frekuensi Klaim K. Syuhada, Ph.D. Pengantar Kerugian Acak dan Sifat Momen Distribusi Distribusi Poisson Distribusi Binomial Distribusi Geometrik Mixed and Mixture Distributions
Sifat momen, atau momen ke-r, dapat ditentukan dengan memanfaatkan fungsi peluang (fp), yaitu
E(Nr) =
m
X
n=0
nrP(N = n).
MODEL RISIKO I Model Frekuensi Klaim K. Syuhada, Ph.D. Pengantar Kerugian Acak dan Sifat Momen Distribusi Distribusi Poisson Distribusi Binomial Distribusi Geometrik Mixed and Mixture Distributions Kelas Distribusi (a, b, 0) Zero-Modified and Zero-Truncated Distributions
Selain itu, dapat diperoleh
Var(N) = m θ(1 − θ) = (1 − θ) E(N).
Ini berarti kerugian acak binomial mempunyai nilai variansi yang lebih kecil daripada nilai meannya (underdispersion).
MODEL RISIKO I Model Frekuensi Klaim K. Syuhada, Ph.D. Pengantar Kerugian Acak dan Sifat Momen Distribusi Distribusi Poisson Distribusi Binomial Distribusi Geometrik Mixed and Mixture Distributions
Momen-momen untuk N dapat juga ditentukan dengan menggunakan fungsi pembangkit momen (fpm):
MN(t) = (1 − θ + θet)m.
Catatan: Fpm suatu kerugian acak berkorespondensi satu-satu dengan distribusi kerugian acak tersebut.
MODEL RISIKO I Model Frekuensi Klaim K. Syuhada, Ph.D. Pengantar Kerugian Acak dan Sifat Momen Distribusi Distribusi Poisson Distribusi Binomial Distribusi Geometrik Mixed and Mixture Distributions Kelas Distribusi (a, b, 0) Zero-Modified and Zero-Truncated Distributions
Bagaimana dengan fungsi pembangkit peluang (fpp), manfaat apa yang dapat diperoleh dengan fpp? Bagaimana menentukan peluang secara rekursif?
MODEL RISIKO I Model Frekuensi Klaim K. Syuhada, Ph.D. Pengantar Kerugian Acak dan Sifat Momen Distribusi Distribusi Poisson Distribusi Binomial Distribusi Geometrik Mixed and Mixture Distributions
Misalkan N1, N2, . . . , Nk sampel acak dari N yang berdistribusi
binomial dengan parameter (m, θ). Parameter θ dapat ditaksir dengan menggunakan metode likelihood maksimum sbb:
• Fungsi likelihood dan log-likelihood: ...
• Turunan pertama terhadap θ dan normalisasi: ...
• Penaksir bθ: ...
MODEL RISIKO I Model Frekuensi Klaim K. Syuhada, Ph.D. Pengantar Kerugian Acak dan Sifat Momen Distribusi Distribusi Poisson Distribusi Binomial Distribusi Geometrik Mixed and Mixture Distributions Kelas Distribusi (a, b, 0) Zero-Modified and Zero-Truncated Distributions
Latihan
AXAh menjamin 60 risiko secara bebas. Setiap risiko memiliki peluang 0.04 untuk terjadi rugi setiap tahunnya. Seberapa sering lima atau lebih risiko akan diharapkan merugi pada tahun yang sama?
MODEL RISIKO I Model Frekuensi Klaim K. Syuhada, Ph.D. Pengantar Kerugian Acak dan Sifat Momen Distribusi Distribusi Poisson Distribusi Binomial Distribusi Geometrik Mixed and Mixture Distributions
Distribusi Geometrik
Distribusi lain yang dapat digunakan untuk memodelkan frekuensi kerugian klaim adalah distribusi geometrik. Pertanyaannya, definisi peubah acak apakah yang tepat untuk menggambarkan distribusi ini?
MODEL RISIKO I Model Frekuensi Klaim K. Syuhada, Ph.D. Pengantar Kerugian Acak dan Sifat Momen Distribusi Distribusi Poisson Distribusi Binomial Distribusi Geometrik Mixed and Mixture Distributions Kelas Distribusi (a, b, 0) Zero-Modified and Zero-Truncated Distributions
Misalkan N ∼ Geo(θ) dengan fungsi peluang
P(N = n) = (1 − θ)n−1θ, n= 1, 2, . . . .
Kita dapat menentukan sifat momen seperti sebelumnya,
E(N) = 1
θ, Var(N) = 1 − θ
θ2 ,
serta fpm dan fpp. Kemudian, kita dapat pula menentukan sifat distribusi dari N∗= N − 1.
MODEL RISIKO I Model Frekuensi Klaim K. Syuhada, Ph.D. Pengantar Kerugian Acak dan Sifat Momen Distribusi Distribusi Poisson Distribusi Binomial Distribusi Geometrik Mixed and Mixture Distributions
Dari mean dan variansi sebelumnya, perhatikan bahwa
Var(N) = 1 θ 1 θ − 1 = E(N)E(N) − 1.
Karena E(N) > 1, berarti nilai variansi dari distribusi geometrik lebih besar daripada nilai meannya (overdispersion).
MODEL RISIKO I Model Frekuensi Klaim K. Syuhada, Ph.D. Pengantar Kerugian Acak dan Sifat Momen Distribusi Distribusi Poisson Distribusi Binomial Distribusi Geometrik Mixed and Mixture Distributions Kelas Distribusi (a, b, 0) Zero-Modified and Zero-Truncated Distributions
Selain itu, yang menarik untuk dikaji adalah apakah sifat khusus yang hanya dimiliki distribusi geometrik? Jelaskan!
MODEL RISIKO I Model Frekuensi Klaim K. Syuhada, Ph.D. Pengantar Kerugian Acak dan Sifat Momen Distribusi Distribusi Poisson Distribusi Binomial Distribusi Geometrik Mixed and Mixture Distributions
Sifat tanpa memori (memoryless property):
MODEL RISIKO I Model Frekuensi Klaim K. Syuhada, Ph.D. Pengantar Kerugian Acak dan Sifat Momen Distribusi Distribusi Poisson Distribusi Binomial Distribusi Geometrik Mixed and Mixture Distributions Kelas Distribusi (a, b, 0) Zero-Modified and Zero-Truncated Distributions P(N ≥ t + s|N ≥ t) = P(N ≥ t + s, N ≥ t) P(N ≥ t) = P(N ≥ t + s) P(N ≥ t) = · · ·
MODEL RISIKO I Model Frekuensi Klaim K. Syuhada, Ph.D. Pengantar Kerugian Acak dan Sifat Momen Distribusi Distribusi Poisson Distribusi Binomial Distribusi Geometrik Mixed and Mixture Distributions
Untuk N ∼ Geo(θ), kita tahu bahwa P(N ≥ n) = (1 − θ)n−1. Jadi, P(N ≥ t + s) P(N ≥ t) = (1 − θ)t+s−1 (1 − θ)t−1 = (1 − θ)s−1 = P(N ≥ s).
MODEL RISIKO I Model Frekuensi Klaim K. Syuhada, Ph.D. Pengantar Kerugian Acak dan Sifat Momen Distribusi Distribusi Poisson Distribusi Binomial Distribusi Geometrik Mixed and Mixture Distributions Kelas Distribusi (a, b, 0) Zero-Modified and Zero-Truncated Distributions
Latihan
MODEL RISIKO I Model Frekuensi Klaim K. Syuhada, Ph.D. Pengantar Kerugian Acak dan Sifat Momen Distribusi Distribusi Poisson Distribusi Binomial Distribusi Geometrik Mixed and Mixture Distributions
Mixed Distribution
Kita dapat memiliki suatu kerugian acak yang bersifat diskret dan kontinu secara bersamaan. Distribusi tersebut dikatakan distribusi campuran atau mixed distribution.
MODEL RISIKO I Model Frekuensi Klaim K. Syuhada, Ph.D. Pengantar Kerugian Acak dan Sifat Momen Distribusi Distribusi Poisson Distribusi Binomial Distribusi Geometrik Mixed and Mixture Distributions Kelas Distribusi (a, b, 0) Zero-Modified and Zero-Truncated Distributions
Contoh
Misalkan X kerugian acak yang menyatakan nilai atau severitas klaim; nilai klaim secara seragam berada pada [0, 100].
Didefinisikan
Y = (
0, X≤ 20, X− 20, X> 20.
Tentukan fungsi peluang, fungsi kesintasan, mean dan momen pusat kedua dari nilai kerugian acak Y.
MODEL RISIKO I Model Frekuensi Klaim K. Syuhada, Ph.D. Pengantar Kerugian Acak dan Sifat Momen Distribusi Distribusi Poisson Distribusi Binomial Distribusi Geometrik Mixed and Mixture Distributions
Mixture Distribution
Perhatikan ilustrasi berikut. Suatu perusahaan asuransi kendaraan bermotor mencatat terdapat a1= 60% polis Basic dan a2= 40%
polis Deluxe. Setiap pemegang polis Basic maupun polis Deluxe dapat mengajukan klaim beberapa kali dalam setahun, dengan frekuensi, berturut-turut, N1dan N2.
MODEL RISIKO I Model Frekuensi Klaim K. Syuhada, Ph.D. Pengantar Kerugian Acak dan Sifat Momen Distribusi Distribusi Poisson Distribusi Binomial Distribusi Geometrik Mixed and Mixture Distributions Kelas Distribusi (a, b, 0) Zero-Modified and Zero-Truncated Distributions
Kita dapat membangun kerugian acak baru, N, yang menyatakan frekuensi klaim dari suatu polis yang dipilih secara acak. Jika fNi
fungsi peluang untuk Ni, i = 1, 2, maka fungsi peluang untuk N
adalah
fN(n) = a1fN1(n) + a2fN2(n).
Ini berarti kerugian acak N akan bernilai Nidengan peluang ai,
MODEL RISIKO I Model Frekuensi Klaim K. Syuhada, Ph.D. Pengantar Kerugian Acak dan Sifat Momen Distribusi Distribusi Poisson Distribusi Binomial Distribusi Geometrik Mixed and Mixture Distributions
Fungsi peluang fNterdefinisi dengan baik, asalkan himpunan
semua nilai yang mungkin dari N1dan N2sama.
MODEL RISIKO I Model Frekuensi Klaim K. Syuhada, Ph.D. Pengantar Kerugian Acak dan Sifat Momen Distribusi Distribusi Poisson Distribusi Binomial Distribusi Geometrik Mixed and Mixture Distributions Kelas Distribusi (a, b, 0) Zero-Modified and Zero-Truncated Distributions
Latihan
Pada ilustrasi di atas, misalkan N1dan N2berdistribusi Poisson
dengan parameter, berturut-turut, λ1dan λ2. Tentukan mean dan
variansi dari N. Bandingkan dengan mean dan variansi dari kerugian acak N∗= a1N1+ a2N2.
MODEL RISIKO I Model Frekuensi Klaim K. Syuhada, Ph.D. Pengantar Kerugian Acak dan Sifat Momen Distribusi Distribusi Poisson Distribusi Binomial Distribusi Geometrik Mixed and Mixture Distributions
Kelas Distribusi (a, b, 0)
Perhatikan fungsi peluang dari kerugian acak Poi(λ) berikut:
f(n) = e
−λλn
n! , n= 0, 1, 2, . . . ,
yang dapat dituliskan secara rekursif dengan memerhatikan fungsi peluang saat N = n − 1,
f(n − 1) = e
−λλn−1
MODEL RISIKO I Model Frekuensi Klaim K. Syuhada, Ph.D. Pengantar Kerugian Acak dan Sifat Momen Distribusi Distribusi Poisson Distribusi Binomial Distribusi Geometrik Mixed and Mixture Distributions Kelas Distribusi (a, b, 0) Zero-Modified and Zero-Truncated Distributions Diperoleh f(n) f(n − 1) = e−λλn n! e−λλn−1 (n − 1)! = λ n atau f(n) = λ n f(n − 1), n= 1, 2, . . . ,
MODEL RISIKO I Model Frekuensi Klaim K. Syuhada, Ph.D. Pengantar Kerugian Acak dan Sifat Momen Distribusi Distribusi Poisson Distribusi Binomial Distribusi Geometrik Mixed and Mixture Distributions
Distribusi-distribusi diskret yang sudah dikenalkan sebelumnya (Poisson, binomial, geometrik, dan juga binomial negatif) dapat dikelompokkan menjadi sebuah Kelas Distribusi (a, b, 0) dengan fungsi peluang yang memenuhi sifat rekursif
f(n) = a+b n f(n − 1), n= 1, 2, . . . ,
dengan a, b konstanta dan f (0) diberikan.
Catatan: Kelas Distribusi (a, b, 1) dapat pula dibentuk dengan analogi.
MODEL RISIKO I Model Frekuensi Klaim K. Syuhada, Ph.D. Pengantar Kerugian Acak dan Sifat Momen Distribusi Distribusi Poisson Distribusi Binomial Distribusi Geometrik Mixed and Mixture Distributions Kelas Distribusi (a, b, 0) Zero-Modified and Zero-Truncated Distributions
Zero-Modified and Zero-Truncated
Distributions
Misalkan N ∼ Bin(3, 0.4). Kita dapat menentukan distribusi peluang sebagai berikut:
n f(n) 0 0.216 1 0.432 2 0.288 3 0.064
MODEL RISIKO I Model Frekuensi Klaim K. Syuhada, Ph.D. Pengantar Kerugian Acak dan Sifat Momen Distribusi Distribusi Poisson Distribusi Binomial Distribusi Geometrik Mixed and Mixture Distributions
Dalam aplikasi teori peluang, seringkali kita dihadapkan pada fenomena peluang terjadinya “0” telah ditentukan, misalnya P(N = 0) = 0.3, atau bahkan mungkin tidak ada, P(N = 0) = 0. Untuk itu, perlu adanya modifikasi fungsi peluang di atas. Distribusi yang dihasilkan dikatakan sebagai distribusi modifikasi-nol (zero-modified distribution) dan distribusi tak-bernilai-nol (zero-truncated distribution).
MODEL RISIKO I Model Frekuensi Klaim K. Syuhada, Ph.D. Pengantar Kerugian Acak dan Sifat Momen Distribusi Distribusi Poisson Distribusi Binomial Distribusi Geometrik Mixed and Mixture Distributions Kelas Distribusi (a, b, 0) Zero-Modified and Zero-Truncated Distributions
Misalkan kerugian acak N dari suatu distribusi (a, b, 0) memiliki fungsi peluang f (n). Misalkan fmod(n) fungsi peluang yang merupakan modifikasi dari f (n); fmod(n) adalah fungsi peluang dari distribusi (a, b, 1). Untuk fmod(0) yang ditentukan, hubungan antara fmod(n) dan f (n) adalah
fmod(n) = c f (n), n= 1, 2, . . . ,
MODEL RISIKO I Model Frekuensi Klaim K. Syuhada, Ph.D. Pengantar Kerugian Acak dan Sifat Momen Distribusi Distribusi Poisson Distribusi Binomial Distribusi Geometrik Mixed and Mixture Distributions
Fungsi peluang fmod(n) haruslah terdefinisi dengan baik;
akibatnya, c dapat diperoleh sbb:
c= 1 − f
mod(0)
MODEL RISIKO I Model Frekuensi Klaim K. Syuhada, Ph.D. Pengantar Kerugian Acak dan Sifat Momen Distribusi Distribusi Poisson Distribusi Binomial Distribusi Geometrik Mixed and Mixture Distributions Kelas Distribusi (a, b, 0) Zero-Modified and Zero-Truncated Distributions
Untuk distribusi binomial dengan parameter (3, 0.4) di atas, kita dapat menghitung fmod(n), n = 1, 2, 3, sebagai berikut:
fmod(1) = 1 − f mod(0) 1 − f (0) f(1) = 1 − 0.3 1 − 0.216(0.432) = 0.386.
Dengan cara sama, kita peroleh fmod(2) = 0.258 dan fmod(3) = 0.056.
MODEL RISIKO I Model Frekuensi Klaim K. Syuhada, Ph.D. Pengantar Kerugian Acak dan Sifat Momen Distribusi Distribusi Poisson Distribusi Binomial Distribusi Geometrik Mixed and Mixture Distributions
Untuk zero-truncated distribution, nilai P(N = 0) = 0 sehingga fungsi peluangnya adalah
ftr(n) = 1
1 − f (0)f(n), n= 1, 2, 3.
Diperoleh nilai-nilai peluang seperti tabel berikut:
n f(n) fmod(n) ftr(n) 0 0.216 0.3 0 1 0.432 0.386 0.551 2 0.288 0.258 0.367 3 0.064 0.056 0.082 Jumlah 1 1 1
MODEL RISIKO I Model Frekuensi Klaim K. Syuhada, Ph.D. Pengantar Kerugian Acak dan Sifat Momen Distribusi Distribusi Poisson Distribusi Binomial Distribusi Geometrik Mixed and Mixture Distributions Kelas Distribusi (a, b, 0) Zero-Modified and Zero-Truncated Distributions Bin(3, 0.4) Zero-Modified Zero-Truncated 0 1 2 3 n 0.2 0.4 0.6 f (n) 0 1 2 3 n 0.2 0.4 0.6 fmod(n) 0 1 2 3 n 0.2 0.4 0.6 ftr(n)
MODEL RISIKO I Model Frekuensi Klaim K. Syuhada, Ph.D. Pengantar Kerugian Acak dan Sifat Momen Distribusi Distribusi Poisson Distribusi Binomial Distribusi Geometrik Mixed and Mixture Distributions
Latihan
Tentukan distribusi nilai peluang dari zero-modified distribution dan zero-truncated distribution untuk N yang berdistribusi Poisson dengan parameter 2.5.