Contents. 1 Introduction Objectifs des systèmes bonus-malus Système bonus-malus à classes Système bonus-malus : Principes

Dimension: px
Commencer à balayer dès la page:

Download "Contents. 1 Introduction Objectifs des systèmes bonus-malus Système bonus-malus à classes Système bonus-malus : Principes"

Transcription

1 Université Claude Bernard Lyon 1 Institut de Science Financière et d Assurances Système Bonus-Malus Introduction & Applications SCILAB Julien Tomas Institut de Science Financière et d Assurances Laboratoire de recherche de Sciences Actuarielle et Financière 2/12/213 - ISFA - Journée ISFA-APHEC - Paris Slide 1/33

2 Contents 1 Introduction Objectifs des systèmes bonus-malus Système bonus-malus à classes Système bonus-malus : Principes 2 Exemple introductif Application SCILAB 3 Echelles et chaines de Markov Généralisation à l aide des chaines de Markov Lois transitoires Loi stationnaire Prime relative & Méthode de Norberg 4 Exemple Le modèle brésilien & Application SCILAB 5 Raffinements Slide 2/33 Julien Tomas Système Bonus-Malus 2/12/213 - ISFA - Journée ISFA-APHEC - Paris

3 Contents 1 Introduction Objectifs des systèmes bonus-malus Système bonus-malus à classes Système bonus-malus : Principes 2 Exemple introductif Application SCILAB 3 Echelles et chaines de Markov Généralisation à l aide des chaines de Markov Lois transitoires Loi stationnaire Prime relative & Méthode de Norberg 4 Exemple Le modèle brésilien & Application SCILAB 5 Raffinements Slide 2/33 Julien Tomas Système Bonus-Malus 2/12/213 - ISFA - Journée ISFA-APHEC - Paris

4 Contents 1 Introduction Objectifs des systèmes bonus-malus Système bonus-malus à classes Système bonus-malus : Principes 2 Exemple introductif Application SCILAB 3 Echelles et chaines de Markov Généralisation à l aide des chaines de Markov Lois transitoires Loi stationnaire Prime relative & Méthode de Norberg 4 Exemple Le modèle brésilien & Application SCILAB 5 Raffinements Slide 2/33 Julien Tomas Système Bonus-Malus 2/12/213 - ISFA - Journée ISFA-APHEC - Paris

5 Contents 1 Introduction Objectifs des systèmes bonus-malus Système bonus-malus à classes Système bonus-malus : Principes 2 Exemple introductif Application SCILAB 3 Echelles et chaines de Markov Généralisation à l aide des chaines de Markov Lois transitoires Loi stationnaire Prime relative & Méthode de Norberg 4 Exemple Le modèle brésilien & Application SCILAB 5 Raffinements Slide 2/33 Julien Tomas Système Bonus-Malus 2/12/213 - ISFA - Journée ISFA-APHEC - Paris

6 Contents 1 Introduction Objectifs des systèmes bonus-malus Système bonus-malus à classes Système bonus-malus : Principes 2 Exemple introductif Application SCILAB 3 Echelles et chaines de Markov Généralisation à l aide des chaines de Markov Lois transitoires Loi stationnaire Prime relative & Méthode de Norberg 4 Exemple Le modèle brésilien & Application SCILAB 5 Raffinements Slide 2/33 Julien Tomas Système Bonus-Malus 2/12/213 - ISFA - Journée ISFA-APHEC - Paris

7 Content 1 Introduction Objectifs des systèmes bonus-malus Système bonus-malus à classes Système bonus-malus : Principes 2 Exemple introductif Application SCILAB 3 Echelles et chaines de Markov Généralisation à l aide des chaines de Markov Lois transitoires Loi stationnaire Prime relative & Méthode de Norberg 4 Exemple Le modèle brésilien & Application SCILAB 5 Raffinements Slide 3/33 Julien Tomas Système Bonus-Malus 2/12/213 - ISFA - Journée ISFA-APHEC - Paris

8 Objectifs des systèmes bonus-malus L instauration d un système bonus-malus poursuit essentiellement : La responsabilisation des assurés et les inciter à plus de prudence au volant : les assurés qui ont causé un sinistre pour lequel la compagnie a du intervenir voient leur prime augmenter l année suivante. Ainsi, il y a un intérêt objectif à prendre autant de précautions que possible au volant. Ajuster le montant de la prime au cours du temps afin qui celui-ci reflète le risque réel que représente l assuré. Slide 4/33 Julien Tomas Système Bonus-Malus 2/12/213 - ISFA - Journée ISFA-APHEC - Paris

9 Système bonus-malus à classes Un système à classes se présente comme suit : Niveau s... `... Prime bs... b` = r` BP... b Prime relative rs... r`... r Le niveau est celui auquel est associée la plus grande ristourne, alors que le niveau s correspond à la pénalité maximale. A chaque échelon est associé un pourcentage. Si l assuré occupe le niveau `, la prime qu il devra payer s obtient en appliquant le pourcentage r` à la prime de base BP librement fixée par l assureur. Slide 5/33 Julien Tomas Système Bonus-Malus 2/12/213 - ISFA - Journée ISFA-APHEC - Paris

10 Système bonus-malus : Principes Un degré de l échelle est prévu pour le nouvel assuré. Ensuite, un réajustement de la position est effectué annuellement en fonction de la sinistralité de cet assuré et conformément aux règles du système. Ce système a pour effet de pénaliser par une augmentation de prime le responsable d un ou de plusieurs accidents, tandis que dans la situation inverse, l assuré bénéficiera d une réduction de prime. Slide 6/33 Julien Tomas Système Bonus-Malus 2/12/213 - ISFA - Journée ISFA-APHEC - Paris

11 Content 1 Introduction Objectifs des systèmes bonus-malus Système bonus-malus à classes Système bonus-malus : Principes 2 Exemple introductif Application SCILAB 3 Echelles et chaines de Markov Généralisation à l aide des chaines de Markov Lois transitoires Loi stationnaire Prime relative & Méthode de Norberg 4 Exemple Le modèle brésilien & Application SCILAB 5 Raffinements Slide 7/33 Julien Tomas Système Bonus-Malus 2/12/213 - ISFA - Journée ISFA-APHEC - Paris

12 On considère que le portefeuille est constitué de deux types de risques : les bons, pour lesquels le nombre de sinistres obéit à la loi de P(λθ1 ), et les mauvais pour lesquels le nombre de sinistre obéit à la loi P(λθ2 ), avec θ2 > 1 > θ1. Si la proportion de bons risques est ρ, cela revient à écrire ( Θ= θ1 avec une probabilité ρ, θ2 avec une probabilité 1 ρ, où les paramètres θ1, θ2 et ρ sont contraints par E Θ = ρ θ1 + (1 ρ)θ2 = 1. Slide 8/33 Julien Tomas Système Bonus-Malus 2/12/213 - ISFA - Journée ISFA-APHEC - Paris

13 Un assuré pris au hasard dans le portefeuille génère une suite de sinistres N1, N2, N3... au cours de ses années de conduite. Les variables N1, N2, N3... sont supposées iid. L assureur utilise une échelle bonus-malus à trois niveaux, numérotés, 1 et 2. Les nouveaux assurés font leur entrée dans le système au niveau 1. Chaque année sans sinistre est récompensée par une descente d un degré dans l échelle. Chaque sinistre est pénalisé par une remontée d un niveau. Slide 9/33 Julien Tomas Système Bonus-Malus 2/12/213 - ISFA - Journée ISFA-APHEC - Paris

14 On note Lt le niveau occupé par l assuré au cours de la période (t, t + 1), t =, 1, 2,.... L hypothèse d indépendance des nombres annuels de sinistre permet d écrire pour les bons conducteurs Pr Lt+1 = ` Lt =, Θ = θ1 = exp( λθ1 ) pour ` =, λθ1 exp( λθ1 ) pour ` = 1, 1 exp( λθ )(1 + λθ ) pour ` = 2, 1 1 Slide 1/33 Julien Tomas Système Bonus-Malus 2/12/213 - ISFA - Journée ISFA-APHEC - Paris

15 et de la même manière Pr Lt+1 = ` Lt = 1, Θ = θ1 exp( λθ1 ) pour ` =, pour ` = 1, = 1 exp( λθ ) pour ` = 2, 1 et Pr Lt+1 = ` Lt = 2, Θ = θ1 pour ` =, exp( λθ1 ) pour ` = 1, = 1 exp( λθ ) pour ` = 2, 1 avec des expressions similaires pour les mauvais conducteurs. Slide 11/33 Julien Tomas Système Bonus-Malus 2/12/213 - ISFA - Journée ISFA-APHEC - Paris

16 On peut ranger les probabilités de passer du niveau `1 au niveau `2 d une année sur l autre, Pr Lt+1 = `2 Lt = `1, Θ = θ1 : exp( λθ1 ) λθ1 exp( λθ1 ) 1 exp( λθ1 )(1 + λθ1 ) 1 exp( λθ1 ) P(θ1 ) = exp( λθ1 ) exp( λθ1 ) 1 exp( λθ1 ) qui a la propriété que la somme des lignes donne 1. Cette matrice est appelée matrice de transition, car elle décrit les transitions opérées par les assurés entre les différents niveaux du système bonus-malus. De la même manière pour les mauvais conducteurs. Slide 12/33 Julien Tomas Système Bonus-Malus 2/12/213 - ISFA - Journée ISFA-APHEC - Paris

17 L évolution dans le système est gouvernée pour un bon conducteur par la relation 2 X Pr Lt = `2 Θ = θ1 = Pr Lt = `2 Lt 1 = `1, Θ = θ1 Pr Lt 1 = `1 Θ = θ1. `1 = Si on note p (t) (θ1 ) le vecteur colonne dont la composante ` est Pr Lt = ` Θ = θ1, on s aperçoit que (1) p (t) (θ1 ) = P T (θ1 )p (t 1) (θ1 ). et en itérant, on a p (t) (θ1 ) = P T (θ1 )P T (θ1 )... P T (θ1 ) 1 puisque Pr[L = 1 = 1 d où p () (θ1 ) = (, 1, )T. Slide 13/33 Julien Tomas Système Bonus-Malus 2/12/213 - ISFA - Journée ISFA-APHEC - Paris

18 Il suffit de calculer les différentes puissances de la transposée P T (θ1 ) pour obtenir la loi de probabilité des niveaux L1, L2, L3,... qu ils occuperont dans l échelle au cours du temps. On peut s interroger quant à la stabilisation éventuelle des proportions de bons conducteurs dans les différents niveaux de l échelle. Cela revient à étudier le comportement asymptotique de p (t) (θ1 ) lorsque t +, i.e. à chercher l existence d une limite π` (θ1 ) = lim Pr Lt = ` Θ = θ1 = lim p (t) (θ1 ). t + Slide 14/33 Julien Tomas Système Bonus-Malus 2/12/213 - ISFA - Journée ISFA-APHEC - Paris t +

19 Application SCILAB λ = 1% θ1 =.5 et θ2 = 1.5 ρ = 5% Slide 15/33 Julien Tomas Système Bonus-Malus 2/12/213 - ISFA - Journée ISFA-APHEC - Paris

20 Le régime stationnaire fournit rapidement une bonne approximation des lois p (t) (θ1 ) et p (t) (θ2 ). On note L le niveau occupé par un conducteur dans l échelle. On a donc Pr L = ` Θ = θ1 = π(θ1 ) et Pr L = ` Θ = θ2 = π(θ2 ), pour ` =, 1, 2. On cherche à présent la probabilité qu un assuré occupant le niveau ` une fois le système stabilisé soit un bon conducteur : Pr Θ = θ1 L = ` = Pr L = ` Θ = θ1 Pr[Θ = θ1 Pr L = ` Θ = θ1 Pr Θ = θ1 Slide 16/33 Julien Tomas Système Bonus-Malus 2/12/213 - ISFA - Journée ISFA-APHEC - Paris + Pr L = ` Θ = θ2 Pr Θ = θ2

21 En supposant les coûts moyens des sinistres unitaires, la prime a priori vaut Pr Θ = θ1 λθ1 + Pr Θ = θ2 λθ2 A posteriori la prime passe à Pr Θ = θ1 L = ` λθ1 + Pr Θ = θ2 L = ` λθ2 pour les assurés occupant le niveau ` de l échelle. On peut aussi la réécrire comme : λ Pr Θ = θ1 L = ` θ1 + Pr Θ = θ2 L = ` θ2 = λe Θ L = ` Le niveau ` occupé par le conducteur renseigne quand à la loi de Θ et précise donc la qualité du risque. La réévaluation des fréquences annuelles de sinistre passe par le calcul des E Θ L = `, pour ` =, 1, 2. Slide 17/33 Julien Tomas Système Bonus-Malus 2/12/213 - ISFA - Journée ISFA-APHEC - Paris

22 Content 1 Introduction Objectifs des systèmes bonus-malus Système bonus-malus à classes Système bonus-malus : Principes 2 Exemple introductif Application SCILAB 3 Echelles et chaines de Markov Généralisation à l aide des chaines de Markov Lois transitoires Loi stationnaire Prime relative & Méthode de Norberg 4 Exemple Le modèle brésilien & Application SCILAB 5 Raffinements Slide 18/33 Julien Tomas Système Bonus-Malus 2/12/213 - ISFA - Journée ISFA-APHEC - Paris

23 Généralisation à l aide des chaines de Markov Soit λ la fréquence annuelle moyenne de sinistre au niveau du portefeuille. On considère que le nombre annuel de sinistres causés par un assuré pris au hasard dans le portefeuille est de loi MP(λΘ) où Θ est une variable aléatoire positive de moyenne 1, souvent supposée de loi G(a, a), i.e. le niveau de risque relatif. Chaque assuré occupe un degré dans l échelle bonus-malus, qui en compte s + 1 numérotés de à s. On note dorénavant Lt le degré occupé par l assuré entre les instants t et t + 1. La trajectoire de l assuré est ainsi représentée par le processus stochastique à temps discret {Lt, t N}. Slide 19/33 Julien Tomas Système Bonus-Malus 2/12/213 - ISFA - Journée ISFA-APHEC - Paris

24 Généralisation à l aide des chaines de Markov Le degré d un assuré pour une période d assurance donnée est déterminé par le degré de la période précédente et le nombre de sinistres relatifs à cette période. Si l assuré descend d un niveau par an dans l échelle et que chaque sinistre est pénalisé par une remontée de ω degrés, le niveau Lt+1 où sera versé l assuré à l instant t + 1 est donné par Lt+1 = max{min{lt + ωnt+1 1, s}, }. De manière générale, Lt+1 = Φ(Lt, Nt+1 ), où Φ(, ) est une fonction non décroissante, dès lors Pr Lt+1 = `t+1 Lt = `t,..., L = `, Θ = Pr Lt+1 = `t+1 Lt = `t, Θ. L état occupé par l assuré dans l échelle résume toute l information utile pour connaître son évolution future. Slide 2/33 Julien Tomas Système Bonus-Malus 2/12/213 - ISFA - Journée ISFA-APHEC - Paris

25 Généralisation à l aide des chaines de Markov Cette propriété nous permet de modéliser l assuré à l aide d un processus de Markov. Rappel : Une chaine de Markov est un processus stochastique dans lequel le développement futur dépend uniquement du présent et non de l histoire du processus. C est un processus sans mémoire tels que les différents états de la chaine représentent les différents échelons du système. Pour rappel, le niveau occupé à l instant présent et le nombre de sinistres occasionnés par l assuré durant l année suffisent pour déterminer le niveau que l assuré occupera l année suivante. Il n est donc pas nécessaire de savoir comment a été atteint le niveau qu occupe l assuré actuellement. Le système Bonus-Malus en vigueur en France peut se représenter à l aide d une chaine de Markov, en associant à chaque niveau un pourcentage entre 5 et 35, voir Kelle (2). Slide 21/33 Julien Tomas Système Bonus-Malus 2/12/213 - ISFA - Journée ISFA-APHEC - Paris

26 Lois transitoires (ν) Si on note p` ` (ϑ) la probabilité qu un assuré dont la fréquence 1 2 annuelle de sinistre ϑ soit envoyé du niveau `1 au niveau `2 en ν années, i.e. (ν) p`1 `2 (ϑ) = Pr Lt+ν = `2 Lt = `1, λθ = ϑ. Clairement, (ν) p`1 `2 (ϑ) = s X Pr Lt+ν = `2 Lt+ν 1 = k, Lt = `1, λθ = ϑ k= Pr Lt+ν 1 = k Lt = `1, λθ = ϑ = s X (ν 1) pk`2 (ϑ)p`1 k (ϑ). k= On reconnait la formule correspondant à la multiplication matricielle. Ainsi, la νème puissance de la transposée P T (ϑ) de la matrice P(ϑ) fournit la matrice de transition en ν pas dont (ν) l élément (`1 `2 ), p`1 `2 (ϑ). Slide 22/33 Julien Tomas Système Bonus-Malus 2/12/213 - ISFA - Journée ISFA-APHEC - Paris

27 Lois transitoires Si on note (ν) p` (ϑ) = Pr Lν = ` λθ = ϑ. et si on désigne par p (ν) (ϑ) le vecteur dont la `ème composante (ν) est p` (ϑ), on a p (ν) (ϑ) = P T (ϑ)p (ν 1) (ϑ). En général, p () (ϑ) est fixé par l assureur, de sorte qu une application successive de la dernière relation permet de calculer p (ν) (ϑ), lequel donne les pourcentages d assurés occupant les différents niveaux de l échelle après ν années. Slide 23/33 Julien Tomas Système Bonus-Malus 2/12/213 - ISFA - Journée ISFA-APHEC - Paris

28 Lois stationnaire Il existe un entier ξ 1 tel que tous les éléments de la matrice {P(ϑ)}ξ sont strictement positifs. Dans ce cas la chaine de Markov est dite ergodique, et possède de ce fait une loi stationnaire représentée par le vecteur de probabilités π(ϑ), dont la `ème composante π` (ϑ) est la probabilité qu un assuré depuis suffisamment longtemps dans le portefeuille et dont la fréquence de sinistre est ϑ occupe le niveau `, i.e. π(ϑ) = lim p (ν) (ϑ). ν + Il est intéressant de noter que π(ϑ) ne dépend pas du niveau dans lequel sont versés les nouveaux assurés, conséquence du caractère markovien du système, qui oublie donc son passé. Slide 24/33 Julien Tomas Système Bonus-Malus 2/12/213 - ISFA - Journée ISFA-APHEC - Paris

29 Lois stationnaire Les probabilités stationnaires π` (ϑ) s obtiennent selon lim p (ν) (ϑ) = P T (ϑ) lim p (ν 1) (ϑ) ν + ν + T π(ϑ) = P (ϑ)π(ϑ) Dès lors, le vecteur π(ϑ) est solution du système ( π T (ϑ) = π T (ϑ)p(ϑ), π T (ϑ)e = 1. Rolski et al. (1999) donnent le résultat suivant : Soit E la matrice de dimension (s + 1) (s + 1) dont tous les éléments valent 1, On a : π T (ϑ) = e T I P(θ) + E Slide 25/33 Julien Tomas Système Bonus-Malus 2/12/213 - ISFA - Journée ISFA-APHEC - Paris 1.

30 Prime relative & Méthode de Norberg Norberg (1976) suggère l idée de déterminer les r` de façon à 2 minimiser Q = E (Θ r` ). L idée est donc de choisir les r` qui approximent le mieux Θ au sens des moindres carrées. En développant l expression de Q, on a Q= s X E (Θ r` )2 L = ` Pr[L = ` `= = s Z X `= θ> (Θ r` )2 u(θ `)dθ Pr[L = ` où u( `) désigne la densité de Θ sachant L = `. Ainsi, Pr[L = ` Θ = θ u(θ) u(θ `) =. Pr[L = ` Slide 26/33 Julien Tomas Système Bonus-Malus 2/12/213 - ISFA - Journée ISFA-APHEC - Paris

31 Prime relative & Méthode de Norberg On obtient Q= s X Z θ> `= Il suffit à présent d imposer = Z θ (θ r` )2 π` (λθ)u(θ)dθ. Q = pour obtenir r` (θ r` )π` (λθ)u(θ)dθ d où l on trouve que R θπ` (λθ)u(θ)dθ. θ π` (λθ)u(θ)dθ θ r` = R Slide 27/33 Julien Tomas Système Bonus-Malus 2/12/213 - ISFA - Journée ISFA-APHEC - Paris

32 Content 1 Introduction Objectifs des systèmes bonus-malus Système bonus-malus à classes Système bonus-malus : Principes 2 Exemple introductif Application SCILAB 3 Echelles et chaines de Markov Généralisation à l aide des chaines de Markov Lois transitoires Loi stationnaire Prime relative & Méthode de Norberg 4 Exemple Le modèle brésilien & Application SCILAB 5 Raffinements Slide 28/33 Julien Tomas Système Bonus-Malus 2/12/213 - ISFA - Journée ISFA-APHEC - Paris

33 Le modèle brésilien Application SCILAB ϑ = 1% Degré 7 (départ) Slide 29/33 Julien Tomas Système Bonus-Malus 2/12/213 - ISFA - Journée ISFA-APHEC - Paris Classe d arrivée si sinistre(s)

34 Le modèle brésilien La matrice de transition P(ϑ) s écrit P(ϑ) = p (ϑ) p1 (ϑ) p2 (ϑ) p3 (ϑ) p4 (ϑ) p5 (ϑ) p (ϑ) p1 (ϑ) p2 (ϑ) p3 (ϑ) p4 (ϑ) p (ϑ) p1 (ϑ) p2 (ϑ) p3 (ϑ) p (ϑ) p1 (ϑ) p2 (ϑ) p (ϑ) p (ϑ) p1 (ϑ) p (ϑ) où pk (ϑ) = Slide 3/33 Julien Tomas Système Bonus-Malus 2/12/213 - ISFA - Journée ISFA-APHEC - Paris ϑk exp( ϑ). k! P5 pk (ϑ) Pk= 4 pk (ϑ) 1 Pk= 3 pk (ϑ) 1 Pk= 2 pk (ϑ) 1 Pk= pk (ϑ) k= 1 p (ϑ) 1 p (ϑ)

35 Content 1 Introduction Objectifs des systèmes bonus-malus Système bonus-malus à classes Système bonus-malus : Principes 2 Exemple introductif Application SCILAB 3 Echelles et chaines de Markov Généralisation à l aide des chaines de Markov Lois transitoires Loi stationnaire Prime relative & Méthode de Norberg 4 Exemple Le modèle brésilien & Application SCILAB 5 Raffinements Slide 31/33 Julien Tomas Système Bonus-Malus 2/12/213 - ISFA - Journée ISFA-APHEC - Paris

36 Raffinements Univers segmenté : Les classes tarifaires sont déterminés sur base des caractéristiques observables des assurés. Pour chacune des classes, une fréquence annuelle de sinistre λk est déterminée par régression de Poisson et un poids wk est affecté à la classe en faisant le rapport entre l exposition au risque de la classe et l exposition au risque totale du portefeuille. La variance de l effet aléatoire Θ est estimée par la méthode des moments. Soif de bonus : Les pénalités induites par les SBM dépendent exclusivement du nombres de sinistres en tort déclarés par l assuré. Leur coût n est pas pris en compte. Une conséquence est l apparition du phénomène bonus hunger, la soif de bonus. Comme les pénalités du système sont indépendantes du montant des sinistres, les assurés ont tout intérêt à dédommager eux-mêmes les petits sinistres. Performance des échelles bonus-malus : Degré moyen relatif à l état stable (degré qu occupera un assuré moyen au moment où le système bonus-malus atteint l état stationnaire). Le coefficient de variation des primes des assurés (Plus les primes payées par les assurés sont variables, moins il y a de solidarité et plus le système est sévère). Slide 32/33 Julien Tomas Système Bonus-Malus 2/12/213 - ISFA - Journée ISFA-APHEC - Paris

37 References Denuit, M. and Charpentier, A. (25). Mathématiques de l assurance non-vie Tome II : Tarification et provisionnement. Economie et Statistiques Avancées. Economica. Kelle, M. (2). Modélisation du système de bonus-malus fançais. Bulletin Français d Actuariat, 4(7), Norberg, R. (1976). A credibility theory for automobile bonus system. Scandinavian Actuarial Journal, pages Rolski, T., Schmidli, H., Schmidt, V., and Teugels, J. (1999). Stochastic process for insurance and finance. Wiley, New-York. Slide 33/33 Julien Tomas Système Bonus-Malus 2/12/213 - ISFA - Journée ISFA-APHEC - Paris

Gestion du niveau de la franchise d un contrat avec bonus-malus. Pierre THEROND & Stéphane BONCHE

Gestion du niveau de la franchise d un contrat avec bonus-malus. Pierre THEROND & Stéphane BONCHE Gestion du niveau de la franchise d un contrat avec bonus-malus Pierre THEROND & Stéphane BONCHE SOMMAIRE 1. Réduction de franchise en l absence de système bonus-malus A - Bonnes propriétés du modèle collectif

Plus en détail

CNAM 2002-2003 2léments de cours Bonus-malus et Crédibilité

CNAM 2002-2003 2léments de cours Bonus-malus et Crédibilité 1 CNAM 2002-2003 2léments de cours Bonus-malus et Crédibilité Une situation fréquente en pratique est de disposer non pas d un résultat mais de plusieurs. Le cas se présente en assurance, par exemple :

Plus en détail

Simulation d un système d assurance automobile

Simulation d un système d assurance automobile Simulation d un système d assurance automobile DESSOUT / PLESEL / DACHI Plan 1 Introduction... 2 Méthodes et outils utilisés... 2.1 Chaines de Markov... 2.2 Méthode de Monte Carlo... 2.3 Méthode de rejet...

Plus en détail

Processus aléatoires avec application en finance

Processus aléatoires avec application en finance Genève, le 16 juin 2007. Processus aléatoires avec application en finance La durée de l examen est de deux heures. N oubliez pas d indiquer votre nom et prénom sur chaque feuille. Toute documentation et

Plus en détail

Modèles à Événements Discrets. Réseaux de Petri Stochastiques

Modèles à Événements Discrets. Réseaux de Petri Stochastiques Modèles à Événements Discrets Réseaux de Petri Stochastiques Table des matières 1 Chaînes de Markov Définition formelle Idée générale Discrete Time Markov Chains Continuous Time Markov Chains Propriétés

Plus en détail

Mémoire d Actuariat Tarification de la branche d assurance des accidents du travail Aymeric Souleau aymeric.souleau@axa.com 3 Septembre 2010 Plan 1 Introduction Les accidents du travail L assurance des

Plus en détail

Chaînes de Markov. Mireille de Granrut

Chaînes de Markov. Mireille de Granrut Chaînes de Markov Mireille de Granrut Quelques précisions à propos de ce cours : Préambule 1. Tel que je l ai conçu, le cours sur les chaînes de Markov interviendra dès la rentrée, pour faire un peu de

Plus en détail

5 Méthodes algorithmiques

5 Méthodes algorithmiques Cours 5 5 Méthodes algorithmiques Le calcul effectif des lois a posteriori peut s avérer extrêmement difficile. En particulier, la prédictive nécessite des calculs d intégrales parfois multiples qui peuvent

Plus en détail

Master Modélisation Statistique M2 Finance - chapitre 3 Modèles financiers discrets

Master Modélisation Statistique M2 Finance - chapitre 3 Modèles financiers discrets Master Modélisation Statistique M2 Finance - chapitre 3 Modèles financiers discrets Clément Dombry, Laboratoire de Mathématiques de Besançon, Université de Franche-Comté. C.Dombry (Université de Franche-Comté)

Plus en détail

Cours 1: lois discrétes classiques en probabilités

Cours 1: lois discrétes classiques en probabilités Cours 1: lois discrétes classiques en probabilités Laboratoire de Mathématiques de Toulouse Université Paul Sabatier-IUT GEA Ponsan Module: Stat inférentielles Définition Quelques exemples loi d une v.a

Plus en détail

Journées d études IARD

Journées d études IARD Journées d études IARD Gestion des risques liés à la refonte tarifaire d un portefeuille automobile Niort, le 20 mars 2014 Marie Foucher mfoucher@galea-associes.eu Pierre Thérond ptherond@galea-associes.eu

Plus en détail

Prévention et gestion des risques naturels et environnementaux

Prévention et gestion des risques naturels et environnementaux Prévention et gestion des risques naturels et environnementaux Risque et assurance : quelques éléments théoriques Ecole des Ponts - Le 6 Avril 01 Jacques Pelletan 1 Théorie du risque et pérennité de l

Plus en détail

DEFINITION et PROPRIETES des PRINCIPALES LOIS de PROBABILITES

DEFINITION et PROPRIETES des PRINCIPALES LOIS de PROBABILITES Université Paris1, Licence 00-003, Mme Pradel : Principales lois de Probabilité 1 DEFINITION et PROPRIETES des PRINCIPALES LOIS de PROBABILITES Notations Si la variable aléatoire X suit la loi L, onnoterax

Plus en détail

Cours de spécialité mathématiques en Terminale ES

Cours de spécialité mathématiques en Terminale ES Cours de spécialité mathématiques en Terminale ES O. Lader 2014/2015 Lycée Jean Vilar Spé math terminale ES 2014/2015 1 / 51 Systèmes linéaires Deux exemples de systèmes linéaires à deux équations et deux

Plus en détail

RAPPORT SUR L ETUDE DES DONNEES FINANCIERES ET STATISTIQUES A L AIDE DU LOGICIEL SCILAB

RAPPORT SUR L ETUDE DES DONNEES FINANCIERES ET STATISTIQUES A L AIDE DU LOGICIEL SCILAB RAPPORT SUR L ETUDE DES DONNEES FINANCIERES ET STATISTIQUES A L AIDE DU LOGICIEL SCILAB PAR : MAROOF ASIM DAN BENTOLILA WISSAM ESSID GROUPE 1 LM206 Lundi 10H45 INTRODUCTION : ( Ce rapport est un compte

Plus en détail

SOMMAIRES D OUVRAGES PARUS

SOMMAIRES D OUVRAGES PARUS SOMMAIRES D OUVRAGES PARUS TITRE : MÉTHODES ACTUARIELLES DE L'ASSURANCE VIE (cours et exercices corrigés) AUTEUR : Christian HESS ÉDITEUR : ÉCONOMICA, PARIS DATE DE PARUTION : NOVEMBRE 2000 357 pages prix

Plus en détail

Lois de probabilité. Anita Burgun

Lois de probabilité. Anita Burgun Lois de probabilité Anita Burgun Problème posé Le problème posé en statistique: On s intéresse à une population On extrait un échantillon On se demande quelle sera la composition de l échantillon (pourcentage

Plus en détail

5255 Av. Decelles, suite 2030 Montréal (Québec) H3T 2B1 T: 514.592.9301 F: 514.340.6850 info@apstat.com www.apstat.com

5255 Av. Decelles, suite 2030 Montréal (Québec) H3T 2B1 T: 514.592.9301 F: 514.340.6850 info@apstat.com www.apstat.com Application des réseaux de neurones au plan de répartition des risques 5255 Av. Decelles, suite 2030 Montréal (Québec) H3T 2B1 T: 514.592.9301 F: 514.340.6850 info@apstat.com www.apstat.com Copyright c

Plus en détail

Actuariat I ACT2121. huitième séance. Arthur Charpentier. Automne 2012. charpentier.arthur@uqam.ca. http ://freakonometrics.blog.free.

Actuariat I ACT2121. huitième séance. Arthur Charpentier. Automne 2012. charpentier.arthur@uqam.ca. http ://freakonometrics.blog.free. Actuariat I ACT2121 huitième séance Arthur Charpentier charpentier.arthur@uqam.ca http ://freakonometrics.blog.free.fr/ Automne 2012 1 Exercice 1 Soit X une variable aléatoire continue de fonction de densité

Plus en détail

Processus de comptage, Poisson mélange, fonction de perte exponentielle, système bonus-malus.

Processus de comptage, Poisson mélange, fonction de perte exponentielle, système bonus-malus. JF WALHIN* J PARIS* * Université Catholique de Louvain, Belgique Le Mans Assurances, Belgique RÉSUMÉ Nous proposons une méthodologie générale pour construire un système bonus-malus équilibré basé sur une

Plus en détail

Bac Blanc Terminale ES - Février 2014 Épreuve de Mathématiques (durée 3 heures)

Bac Blanc Terminale ES - Février 2014 Épreuve de Mathématiques (durée 3 heures) Bac Blanc Terminale ES - Février 2014 Épreuve de Mathématiques (durée 3 heures) L attention des candidats est attirée sur le fait que la qualité de la rédaction, la clarté et la précision des raisonnements

Plus en détail

ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #12

ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #12 ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #12 ARTHUR CHARPENTIER 1 Une compagnie d assurance modélise le montant de la perte lors d un accident par la variable aléatoire continue X uniforme sur l intervalle

Plus en détail

Actuariat I ACT2121. septième séance. Arthur Charpentier. Automne 2012. charpentier.arthur@uqam.ca. http ://freakonometrics.blog.free.

Actuariat I ACT2121. septième séance. Arthur Charpentier. Automne 2012. charpentier.arthur@uqam.ca. http ://freakonometrics.blog.free. Actuariat I ACT2121 septième séance Arthur Charpentier charpentier.arthur@uqam.ca http ://freakonometrics.blog.free.fr/ Automne 2012 1 Exercice 1 En analysant le temps d attente X avant un certain événement

Plus en détail

Méthodes de Monte-Carlo Simulation de grandeurs aléatoires

Méthodes de Monte-Carlo Simulation de grandeurs aléatoires Méthodes de Monte-Carlo Simulation de grandeurs aléatoires Master Modélisation et Simulation / ENSTA TD 1 2012-2013 Les méthodes dites de Monte-Carlo consistent en des simulations expérimentales de problèmes

Plus en détail

Chapitre 2 Maîtrise des flux. - Chapitre 2 - Maîtrise des flux

Chapitre 2 Maîtrise des flux. - Chapitre 2 - Maîtrise des flux - - Facteurs agissant sur les flux Les modèles pour les SP Les réseaux de files d attente 1 Facteurs agissant sur les flux Au niveau physique : L implantation Le nombre de machines Automatisation (robots,

Plus en détail

Provisionnement face au risque de défaut des emprunteurs

Provisionnement face au risque de défaut des emprunteurs Provisionnement face au risque de défaut des emprunteurs Geoffrey Nichil et Pierre Vallois Institut Elie Cartan de Lorraine. 6-11 Avril 2014 1/12 Geoffrey Nichil et Pierre Vallois Provisionnement face

Plus en détail

Master Modélisation Statistique M2 Finance - chapitre 4 Mouvement Brownien et modèle de Black-Scholes

Master Modélisation Statistique M2 Finance - chapitre 4 Mouvement Brownien et modèle de Black-Scholes Master Modélisation Statistique M2 Finance - chapitre 4 Mouvement Brownien et modèle de Black-Scholes Clément Dombry, Laboratoire de Mathématiques de Besançon, Université de Franche-Comté. C.Dombry (Université

Plus en détail

Introduction aux modèles financiers

Introduction aux modèles financiers Notes pour le module spécifique Introduction aux modèles financiers Ecole Centrale de Lyon Option Mathématiques 1 2 Introduction Quelques références Pour comprendre les marchés financiers, avoir un apreçu

Plus en détail

N 1644 ASSEMBLÉE NATIONALE PROPOSITION DE LOI

N 1644 ASSEMBLÉE NATIONALE PROPOSITION DE LOI N 1644 ASSEMBLÉE NATIONALE CONSTITUTION DU 4 OCTOBRE 1958 DOUZIÈME LÉGISLATURE Enregistré à la Présidence de l Assemblée nationale le 8 juin 2004. PROPOSITION DE LOI visant à établir un lien entre le bon

Plus en détail

Queue de la solution stationnaire d un modèle auto-régressif d ordre 1 à coefficients markoviens.

Queue de la solution stationnaire d un modèle auto-régressif d ordre 1 à coefficients markoviens. . Queue de la solution stationnaire d un modèle auto-régressif d ordre 1 à coefficients markoviens. Benoîte de Saporta Université de Nantes Université de Nantes - 9 juin 2005 p. 1/37 Plan de l exposé 1.

Plus en détail

COMPORTEMENT ASYMPTOTIQUE D UNE FILE D ATTENTE À UN SERVEUR

COMPORTEMENT ASYMPTOTIQUE D UNE FILE D ATTENTE À UN SERVEUR Université Paris VII. Préparation à l Agrégation. (François Delarue) COMPORTEMENT ASYMPTOTIQUE D UNE FILE D ATTENTE À UN SERVEUR Ce texte vise à l étude du temps d attente d un client à la caisse d un

Plus en détail

Restauration d images

Restauration d images Restauration d images Plan Présentation du problème. Premières solutions naïves (moindre carrés, inverse généralisée). Méthodes de régularisation. Panorama des méthodes récentes. Problème général Un système

Plus en détail

Modèle classique Extensions Modèle multi-branches. Théorie de la ruine. Esterina Masiello (ISFA)

Modèle classique Extensions Modèle multi-branches. Théorie de la ruine. Esterina Masiello (ISFA) Esterina Masiello Institut de Science Financière et d Assurances Université Lyon 1 Premières Journées Actuarielles de Strasbourg 6-7 octobre 2010 En résumé... Modèle classique de la théorie de la ruine

Plus en détail

Modélisation aléatoire en fiabilité des logiciels

Modélisation aléatoire en fiabilité des logiciels collection Méthodes stochastiques appliquées dirigée par Nikolaos Limnios et Jacques Janssen La sûreté de fonctionnement des systèmes informatiques est aujourd hui un enjeu économique et sociétal majeur.

Plus en détail

CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures)

CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures) CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE Cinquième épreuve d admissibilité STATISTIQUE (durée : cinq heures) Une composition portant sur la statistique. SUJET Cette épreuve est composée d un

Plus en détail

Modélisation aléatoire en fiabilité des logiciels

Modélisation aléatoire en fiabilité des logiciels collection Méthodes stochastiques appliquées dirigée par Nikolaos Limnios et Jacques Janssen La sûreté de fonctionnement des systèmes informatiques est aujourd hui un enjeu économique et sociétal majeur.

Plus en détail

INTRODUCTION AUX MÉTHODES DE MONTE CARLO PAR CHAÎNES DE MARKOV

INTRODUCTION AUX MÉTHODES DE MONTE CARLO PAR CHAÎNES DE MARKOV Séminaire MTDE 22 mai 23 INTRODUCTION AUX MÉTHODES DE MONTE CARLO PAR CHAÎNES DE MARKOV Vincent Mazet CRAN CNRS UMR 739, Université Henri Poincaré, 5456 Vandœuvre-lès-Nancy Cedex 1 juillet 23 Sommaire

Plus en détail

Simulation de variables aléatoires

Simulation de variables aléatoires Simulation de variables aléatoires S. Robin INA PG, Biométrie Décembre 1997 Table des matières 1 Introduction Variables aléatoires discrètes 3.1 Pile ou face................................... 3. Loi de

Plus en détail

BONUS MALUS. Voici, la façon de calculer la prime : Le montant de la prime à acquitter est égale à : P = PB. C où : P

BONUS MALUS. Voici, la façon de calculer la prime : Le montant de la prime à acquitter est égale à : P = PB. C où : P BONUS MALUS Le propriétaire d un véhicule automobile est tenu d assurer sa voiture auprès d une compagnie d assurances. Pour un véhicule donné, le propriétaire versera annuellement une «prime» à sa compagnie.

Plus en détail

Distributions bayésiennes nonparamétriques sur les matrices binaires triangulaires infinies : Applications aux modèles graphiques

Distributions bayésiennes nonparamétriques sur les matrices binaires triangulaires infinies : Applications aux modèles graphiques Distributions bayésiennes nonparamétriques sur les matrices binaires triangulaires infinies : Applications aux modèles graphiques Patrick Dallaire Université Laval Département d informatique et de génie

Plus en détail

ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #16

ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #16 ACTUARIAT 1, ACT 2121, AUTOMNE 201 #16 ARTHUR CHARPENTIER 1 Dans une petite compagnie d assurance le nombre N de réclamations durant une année suit une loi de Poisson de moyenne λ = 100. On estime que

Plus en détail

Travail d Initiative Personnel Encadré : Chaines de Markov et protocole de gestion des communications radios par satellite relais.

Travail d Initiative Personnel Encadré : Chaines de Markov et protocole de gestion des communications radios par satellite relais. Yongwe Jean-Luc Travail d Initiative Personnel Encadré : Chaines de Markov et protocole de gestion des communications radios par satellite relais. (Système ALOHA) (Sous la tutelle de Madame Anne Perrut)

Plus en détail

TARIFICATION EN ASSURANCE COMPLEMENTAIRE SANTE: il était une fois, un statisticien, un actuaire, un économiste de la santé

TARIFICATION EN ASSURANCE COMPLEMENTAIRE SANTE: il était une fois, un statisticien, un actuaire, un économiste de la santé TARIFICATION EN ASSURANCE COMPLEMENTAIRE SANTE: il était une fois, un statisticien, un actuaire, un économiste de la santé Plan de l intervention 1 2 3 Généralités sur le fonctionnement de l assurance

Plus en détail

Texte Agrégation limitée par diffusion interne

Texte Agrégation limitée par diffusion interne Page n 1. Texte Agrégation limitée par diffusion interne 1 Le phénomène observé Un fût de déchets radioactifs est enterré secrètement dans le Cantal. Au bout de quelques années, il devient poreux et laisse

Plus en détail

Théorie de la crédibilité

Théorie de la crédibilité ISFA - Année 2008-2009 Théorie de la crédibilité Chapitre 2 : Prime de Bayes Pierre-E. Thérond Email, Page web, Ressources actuarielles Langage bayesien (1/2) Considérons une hypothèse H et un événement

Plus en détail

Bac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures)

Bac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures) Bac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures) Eercice 1 (5 points) pour les candidats n ayant pas choisi la spécialité MATH Le tableau suivant donne l évolution du chiffre

Plus en détail

Baccalauréat ES/L Amérique du Sud 21 novembre 2013

Baccalauréat ES/L Amérique du Sud 21 novembre 2013 Baccalauréat ES/L Amérique du Sud 21 novembre 2013 A. P. M. E. P. EXERCICE 1 Commun à tous les candidats 5 points Une entreprise informatique produit et vend des clés USB. La vente de ces clés est réalisée

Plus en détail

UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2013 2014 MATHS/STATS. Solution des exercices d algèbre linéaire

UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2013 2014 MATHS/STATS. Solution des exercices d algèbre linéaire UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 3 4 Master d économie Cours de M. Desgraupes MATHS/STATS Document : Solution des exercices d algèbre linéaire Table des matières

Plus en détail

Exercices de simulation 1

Exercices de simulation 1 Licence MIA 2ème année Année universitaire 2009-2010 Simulation stochastique C. Léonard Exercices de simulation 1 Les simulations qui suivent sont à effectuer avec Scilab. Le générateur aléatoire de Scilab.

Plus en détail

Examen d accès - 1 Octobre 2009

Examen d accès - 1 Octobre 2009 Examen d accès - 1 Octobre 2009 Aucun document autorisé - Calculatrice fournie par le centre d examen Ce examen est un questionnaire à choix multiples constitué de 50 questions. Plusieurs réponses sont

Plus en détail

14. Introduction aux files d attente

14. Introduction aux files d attente 14. Introduction aux files d attente MTH2302D S. Le Digabel, École Polytechnique de Montréal H2015 (v2) MTH2302D: Files d attente 1/24 Plan 1. Introduction 2. Modèle M/M/1 3. Modèle M/M/1/K MTH2302D: Files

Plus en détail

Examen de rattrapage

Examen de rattrapage Université Denis Diderot Paris 7 7 juin 4 Probabilités et Simulations UPS36 Examen de rattrapage durée : 3 heures Les documents et calculatrices ne sont pas autorisés. On prendra soin de bien justifier

Plus en détail

StatEnAction 2009/10/30 11:26 page 111 #127 CHAPITRE 10. Machines à sous

StatEnAction 2009/10/30 11:26 page 111 #127 CHAPITRE 10. Machines à sous StatEnAction 2009/0/30 :26 page #27 CHAPITRE 0 Machines à sous Résumé. On étudie un problème lié aux jeux de hasard. Il concerne les machines à sous et est appelé problème de prédiction de bandits à deux

Plus en détail

Examen d accès - 28 Septembre 2012

Examen d accès - 28 Septembre 2012 Examen d accès - 28 Septembre 2012 Aucun document autorisé - Calculatrice fournie par le centre d examen Cet examen est un questionnaire à choix multiples constitué de 50 questions. Plusieurs réponses

Plus en détail

Chapitre 1: Introduction au calcul des probabilités, cas d un univers fini.

Chapitre 1: Introduction au calcul des probabilités, cas d un univers fini. Chapitre 1: Introduction au calcul des probabilités, cas d un univers fini. 1 Introduction Des actions comme lancer un dé, tirer une carte d un jeu, observer la durée de vie d une ampoule électrique, etc...sont

Plus en détail

Baccalauréat ES/L Métropole La Réunion 13 septembre 2013 Corrigé

Baccalauréat ES/L Métropole La Réunion 13 septembre 2013 Corrigé Baccalauréat S/L Métropole La Réunion 13 septembre 2013 Corrigé A. P. M.. P. XRCIC 1 Commun à tous les candidats Partie A 1. L arbre de probabilité correspondant aux données du problème est : 0,3 0,6 H

Plus en détail

Segmentation en assurance et problématiques de gestion des risques associées en mortalité

Segmentation en assurance et problématiques de gestion des risques associées en mortalité Segmentation en assurance et problématiques de gestion des risques associées en mortalité 13 septembre 2013, version 1.0 Aymric Kamega, Actuaire aymric.kamega@univ-brest.fr www.euria.univ-brest.fr Sommaire

Plus en détail

Épreuve de mathématiques Terminale ES 200 minutes

Épreuve de mathématiques Terminale ES 200 minutes Examen 2 Épreuve de mathématiques Terminale ES 200 minutes L usage de la calculatrice programmable est autorisé. La bonne présentation de la copie est de rigueur. Cet examen comporte 7 pages et 5 exercices.

Plus en détail

Chapitre IV : Couples de variables aléatoires discrètes

Chapitre IV : Couples de variables aléatoires discrètes UNIVERSITÉ DE CERG Année 0-03 UFR Économie & Gestion Licence d Économie et Gestion MATH0 : Probabilités Chapitre IV : Couples de variables aléatoires discrètes Généralités Définition Soit (Ω, P(Ω), P)

Plus en détail

MATHÉMATIQUES ET SCIENCES HUMAINES

MATHÉMATIQUES ET SCIENCES HUMAINES MATHÉMATIQUES ET SCIENCES HUMAINES B. MARCHADIER Dépendance et indépendance de deux aléas numériques images Mathématiques et sciences humaines, tome 25 (1969), p. 2534.

Plus en détail

Université d Orléans - Maitrise Econométrie Econométrie des Variables Qualitatives

Université d Orléans - Maitrise Econométrie Econométrie des Variables Qualitatives Université d Orléans - Maitrise Econométrie Econométrie des Variables Qualitatives Examen Décembre 00. C. Hurlin Exercice 1 (15 points) : Politique de Dividendes On considère un problème de politique de

Plus en détail

Filtrage stochastique non linéaire par la théorie de représentation des martingales

Filtrage stochastique non linéaire par la théorie de représentation des martingales Filtrage stochastique non linéaire par la théorie de représentation des martingales Adriana Climescu-Haulica Laboratoire de Modélisation et Calcul Institut d Informatique et Mathématiques Appliquées de

Plus en détail

Classe : TES1 Le 12/05/2003. MATHEMATIQUES Devoir N 7 (rattrapage) Calculatrice et formulaire autorisés

Classe : TES1 Le 12/05/2003. MATHEMATIQUES Devoir N 7 (rattrapage) Calculatrice et formulaire autorisés Classe : TES1 Le 12/05/2003 MATHEMATIQUES Devoir N 7 (rattrapage) Calculatrice et formulaire autorisés Durée : 3h Exercice 1: (5 points) Le tableau suivant donne l évolution du prix d un paquet de café

Plus en détail

12/06/2012 INTRODUCTION

12/06/2012 INTRODUCTION Université Abdelmalek Essàadi Ecole Supérieure Normale - Martil - Réalisée par : - Noura ZEKKARI - Laila KARIM INTRODUCTION Une file d attente est le résultat d un système lorsque la demande pour un bien

Plus en détail

Majeure d informatique

Majeure d informatique Nicolas Sendrier Majeure d informatique Introduction la théorie de l information Cours n 1 Une mesure de l information Espace probabilisé discret L alphabet est X (fini en pratique) Variable aléatoire

Plus en détail

Baccalauréat ES Amérique du Nord 4 juin 2008

Baccalauréat ES Amérique du Nord 4 juin 2008 Baccalauréat ES Amérique du Nord 4 juin 2008 EXERCICE 1 Commun à tous les candidats f est une fonction définie sur ] 2 ; + [ par : 4 points f (x)=3+ 1 x+ 2. On note f sa fonction dérivée et (C ) la représentation

Plus en détail

Mathématiques appliquées à la finance J. Printems Année 2008 09

Mathématiques appliquées à la finance J. Printems Année 2008 09 IAE Gustave Eiffel Master 2 Gestion de Portefeuille Université Paris xii Val de Marne Mathématiques appliquées à la finance J. Printems Année 2008 09 Épreuve du 15 juillet 2009 Durée : 1 heure 30 Calculatrices

Plus en détail

À propos des matrices échelonnées

À propos des matrices échelonnées À propos des matrices échelonnées Antoine Ducros appendice au cours de Géométrie affine et euclidienne dispensé à l Université Paris 6 Année universitaire 2011-2012 Introduction Soit k un corps, soit E

Plus en détail

Température corporelle d un castor (une petite introduction aux séries temporelles)

Température corporelle d un castor (une petite introduction aux séries temporelles) Température corporelle d un castor (une petite introduction aux séries temporelles) GMMA 106 GMMA 106 2014 2015 1 / 32 Cas d étude Temperature (C) 37.0 37.5 38.0 0 20 40 60 80 100 Figure 1: Temperature

Plus en détail

Courant électrique et distributions de courants

Courant électrique et distributions de courants Cours d électromagnétisme Courant électrique et distributions de courants 1 Courant électrique 1.1 Définition du courant électrique On appelle courant électrique tout mouvement d ensemble des particules

Plus en détail

Chapitre 2 : Méthode de Monte-Carlo avec tirages indépendants, pour le calcul approché d une intégrale.

Chapitre 2 : Méthode de Monte-Carlo avec tirages indépendants, pour le calcul approché d une intégrale. Aix Marseille Université. Algorithmes Stochastiques. M MIS. Fabienne Castell... Chapitre : Méthode de Monte-Carlo avec tirages indépendants, pour le calcul approché d une intégrale. Le but de ce chapitre

Plus en détail

Séminaire TEST. 1 Présentation du sujet. October 18th, 2013

Séminaire TEST. 1 Présentation du sujet. October 18th, 2013 Séminaire ES Andrés SÁNCHEZ PÉREZ October 8th, 03 Présentation du sujet Le problème de régression non-paramétrique se pose de la façon suivante : Supposons que l on dispose de n couples indépendantes de

Plus en détail

ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #6

ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #6 ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #6 ARTHUR CHARPENTIER 1 Supposons que le nombre X de coups de téléphone durant une heure suive une loi de Poisson avec moyenne λ. Sachant que P (X = 1 X 1) = 0.8, trouver

Plus en détail

Principales caractéristiques de Mixmod

Principales caractéristiques de Mixmod Modèle de mélanges Principales caractéristiques de Mixmod Gérard Govaert et Gilles Celeux 24 octobre 2006 1 Plan Le modèledemélange Utilisations du modèle de mélange Les algorithmes de Mixmod Modèle de

Plus en détail

Modèles stochastiques et applications à la finance

Modèles stochastiques et applications à la finance 1 Université Pierre et Marie Curie Master M1 de Mathématiques, 2010-2011 Modèles stochastiques et applications à la finance Partiel 25 Février 2011, Durée 2 heures Exercice 1 (3 points) On considère une

Plus en détail

Le métier d actuaire IARD

Le métier d actuaire IARD JJ Mois Année Le métier d actuaire IARD Journées Actuarielles de Strasbourg 6-7 octobre 2010 PLAN Présentation de l assurance non vie Le rôle de l actuaire IARD La tarification des contrats L évaluation

Plus en détail

Université René Descartes Faculté de Pharmacie - Master Professionnel Dimension Économique des Produits de Santé 14 décembre 2005

Université René Descartes Faculté de Pharmacie - Master Professionnel Dimension Économique des Produits de Santé 14 décembre 2005 Université René Descartes Faculté de Pharmacie - Master Professionnel Dimension Économique des Produits de Santé 14 décembre 2005 Prise en Compte de l Incertitude dans l Évaluation des Technologies de

Plus en détail

Gestion du niveau de la franchise d'un contrat avec bonus-malus

Gestion du niveau de la franchise d'un contrat avec bonus-malus Gestion du niveau de la franchise d'un contrat avec bonus-malus Pierre Thérond Stéphane Bonche Résumé Réduire la franchise d'un contrat d'assurance permet d'améliorer la qualité du contrat du point de

Plus en détail

Une illustration de l utilisation des modèles de durée en actuariat

Une illustration de l utilisation des modèles de durée en actuariat Une illustration de l utilisation des modèles de durée en actuariat Olivier Lopez Université Paris VI, LSTA Formation IPR ENS Cachan Bretagne, 28-09-11 Outline 1 Introduction 2 Tarification d une rente

Plus en détail

Travaux Dirigés de Probabilités - Statistiques, TD 4. Lois limites ; estimation.

Travaux Dirigés de Probabilités - Statistiques, TD 4. Lois limites ; estimation. Travaux Dirigés de Probabilités - Statistiques, TD 4 Lois limites ; estimation. Exercice 1. Trois machines, A, B, C fournissent respectivement 50%, 30%, 20% de la production d une usine. Les pourcentages

Plus en détail

Chapitre 1 : Évolution COURS

Chapitre 1 : Évolution COURS Chapitre 1 : Évolution COURS OBJECTIFS DU CHAPITRE Savoir déterminer le taux d évolution, le coefficient multiplicateur et l indice en base d une évolution. Connaître les liens entre ces notions et savoir

Plus en détail

L enseignement des probabilités à Telecom Paristech

L enseignement des probabilités à Telecom Paristech L enseignement des probabilités à Telecom Paristech L. Decreusefond TPT L. Decreusefond (TPT) L enseignement des probabilités à Telecom Paristech 1 / 39 1 Enjeux 2 Difficultés 3 Modèle de Cox-Ross-Rubinstein

Plus en détail

Exercice 1 Métropole juin 2014 5 points

Exercice 1 Métropole juin 2014 5 points Le sujet comporte 6 pages. Seule l annexe est à rendre avec la copie. BAC BLANC MATHÉMATIQUES TERMINALE STMG Durée de l épreuve : 3 heures Les calculs doivent être détaillés. Les calculatrices sont autorisées,

Plus en détail

LE BONUS-MALUS FRANÇAIS

LE BONUS-MALUS FRANÇAIS LE BONUS-MALUS FRANÇAIS A-T-IL ENCORE UN AVENIR? Arthur Charpentier Université Rennes I et université de Montréal Au lieu de considérer une tarification sur des critères a priori (à l aide de modèles de

Plus en détail

ORDRE DE RÉACTION : MÉTHODES DE

ORDRE DE RÉACTION : MÉTHODES DE ORDRE DE RÉACTION : MÉTHODES DE RÉSOLUTION Table des matières 1 Méthodes expérimentales 2 1.1 Position du problème..................................... 2 1.2 Dégénérescence de l ordre...................................

Plus en détail

L assurance, source de connaissance sur la sinistralité des évènements naturels

L assurance, source de connaissance sur la sinistralité des évènements naturels Mercredi 12 juin 2013, AG de l AFPS L assurance, source de connaissance sur la sinistralité des évènements naturels Michel LUZI 2 Segmentation des risques Le Régime des Catastrophes Naturelles Dommages

Plus en détail

Un corrigé de l épreuve de mathématiques du baccalauréat blanc

Un corrigé de l épreuve de mathématiques du baccalauréat blanc Terminale ES Un corrigé de l épreuve de mathématiques du baccalauréat blanc EXERCICE ( points). Commun à tous les candidats On considère une fonction f : définie, continue et doublement dérivable sur l

Plus en détail

BACCALAURÉAT TECHNOLOGIQUE. MATHÉMATIQUES Séries STI2D et STL spécialité SPCL ÉPREUVE DU JEUDI 18 JUIN 2015

BACCALAURÉAT TECHNOLOGIQUE. MATHÉMATIQUES Séries STI2D et STL spécialité SPCL ÉPREUVE DU JEUDI 18 JUIN 2015 BACCALAURÉAT TECHNOLOGIQUE SESSION 2015 MATHÉMATIQUES Séries STI2D et STL spécialité SPCL ÉPREUVE DU JEUDI 18 JUIN 2015 Durée de l épreuve : 4 heures Coefficient : 4 Ce sujet comporte 8 pages numérotées

Plus en détail

Table des matières. I Mise à niveau 11. Préface

Table des matières. I Mise à niveau 11. Préface Table des matières Préface v I Mise à niveau 11 1 Bases du calcul commercial 13 1.1 Alphabet grec...................................... 13 1.2 Symboles mathématiques............................... 14 1.3

Plus en détail

Loi normale ou loi de Laplace-Gauss

Loi normale ou loi de Laplace-Gauss LivreSansTitre1.book Page 44 Mardi, 22. juin 2010 10:40 10 Loi normale ou loi de Laplace-Gauss I. Définition de la loi normale II. Tables de la loi normale centrée réduite S il y avait une seule loi de

Plus en détail

Préparation à l agrégation 2012/2013. Mots clés : Graphes. Vecteur propre ; matrices stochastiques ; matrices à coefficients positifs.

Préparation à l agrégation 2012/2013. Mots clés : Graphes. Vecteur propre ; matrices stochastiques ; matrices à coefficients positifs. Mots clés : Graphes. Vecteur propre ; matrices stochastiques ; matrices à coefficients positifs. Le jury n exige pas une compréhension exhaustive du texte. Vous êtes laissé(e) libre d organiser votre discussion

Plus en détail

Résumé des communications des Intervenants

Résumé des communications des Intervenants Enseignements de la 1ere semaine (du 01 au 07 décembre 2014) I. Titre du cours : Introduction au calcul stochastique pour la finance Intervenante : Prof. M hamed EDDAHBI Dans le calcul différentiel dit

Plus en détail

Chaînes de Markov au lycée

Chaînes de Markov au lycée Journées APMEP Metz Atelier P1-32 du dimanche 28 octobre 2012 Louis-Marie BONNEVAL Chaînes de Markov au lycée Andreï Markov (1856-1922) , série S Problème 1 Bonus et malus en assurance automobile Un contrat

Plus en détail

Baccalauréat ES/L Métropole 21 juin 2013 (sujet dévoilé)

Baccalauréat ES/L Métropole 21 juin 2013 (sujet dévoilé) Baccalauréat ES/L Métropole 21 juin 2013 (sujet dévoilé) EXERCICE 1 4 points Cet exercice est un questionnaire à choix multiples (QCM). Pour chacune des questions posées, une seule des quatre réponses

Plus en détail

Axe MSA Bilan scientifique et perspectives. ENSM.SE L. Carraro - 17 décembre 07

Axe MSA Bilan scientifique et perspectives. ENSM.SE L. Carraro - 17 décembre 07 Axe MSA Bilan scientifique et perspectives ENSM.SE L. Carraro - 17 décembre 07 17 décembre 07 2 Plan Compétences acquises domaines scientifiques compétences transverses Domaines ou activités accessibles

Plus en détail

Projet CLANU en 3GE: Compléments d algèbre linéaire numérique

Projet CLANU en 3GE: Compléments d algèbre linéaire numérique Projet CLANU en 3GE: Compléments d algèbre linéaire numérique Année 2008/2009 1 Décomposition QR On rappelle que la multiplication avec une matrice unitaire Q C n n (c est-à-dire Q 1 = Q = Q T ) ne change

Plus en détail

de tarification de l assurance en cas de décès et de l assurance en cas d incapacité de gain dans le cadre de la prévoyance professionnelle

de tarification de l assurance en cas de décès et de l assurance en cas d incapacité de gain dans le cadre de la prévoyance professionnelle PRINCIPES de tarification de l assurance en cas de décès et de l assurance en cas d incapacité de gain dans le cadre de la prévoyance professionnelle Avec ces principes, l Office fédéral des assurances

Plus en détail

Statistiques Descriptives à une dimension

Statistiques Descriptives à une dimension I. Introduction et Définitions 1. Introduction La statistique est une science qui a pour objectif de recueillir et de traiter les informations, souvent en très grand nombre. Elle regroupe l ensemble des

Plus en détail

Chapitre 2 Le problème de l unicité des solutions

Chapitre 2 Le problème de l unicité des solutions Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)

Plus en détail

Commun à tous les candidats

Commun à tous les candidats BACCALAURÉAT GÉNÉRAL SESSION 213 MATHÉMATIQUES Série ES/L Durée de l épreuve : 3 heures Coefficient : 5 (ES), 4 (L) ES : ENSEIGNEMENT OBLIGATOIRE L : ENSEIGNEMENT DE SPECIALITE Les calculatrices électroniques

Plus en détail