洪亮（音）;瑞安·马丁 贝叶斯渐近在一般保险应用中的综述。 （英语） Zbl 1394.62142号 欧洲实际值。J。 7，第1期，231-255（2017）. 摘要：在过去二十年中，贝叶斯方法已广泛应用于一般保险应用，从可信度理论到无损估计，但本文献很少讨论该方法的渐近性质问题。本文回顾了贝叶斯在参数模型和非参数模型中的后验一致性概念及其对精算师先验选择敏感性的影响。我们回顾了一些证明后验一致性的技术，为了说明这一点，我们将这些结果应用于研究一般保险中最近提出的几种贝叶斯方法的渐近性质。 引用于三文件 MSC公司： 62P05号 统计学在精算科学和金融数学中的应用 2015年1月62日 贝叶斯推断 91立方厘米30 风险理论，保险（MSC2010） 关键词：一般保险;非参数贝叶斯;后一致性;后验稳健性;财产和意外伤害保险 软件：DP包 PDF格式BibTeX公司 XML格式引用 \textit{L.Hong}和\textit{R.Martin}，《欧洲诉讼法》。J.7，No.1，231--255（2017；Zbl 1394.62142） 全文： 内政部 参考文献： [1] Barron A（1988）后验概率的指数收敛性及其对密度函数Bayes估计的影响。伊利诺伊州香槟伊利诺伊大学统计系技术报告7 [2] Barron A，Schervish MJ，Wasserman L（1999）非参数问题中后验分布的一致性。Ann统计27:536-561·Zbl 0980.62039号 ·doi:10.1214/aos/1017939142 [3] Berger JO（1985）《统计决策理论与贝叶斯分析》，第2版。纽约州施普林格·Zbl 0572.62008号 ·doi:10.1007/9781-4757-4286-2 [4] Brockett PL，Chuang SL，Pitaktong U（2014）广义加性模型和非参数回归。在：精算科学中的预测建模应用。剑桥大学出版社。第367-397页 [5] Bühlmann H（1967）经验评级和可信度。阿斯汀公牛4:199-207·doi:10.1017/S0515036100008989 [6] Bühlmann H，Gisler A（2005）可信性理论及其应用课程。纽约州施普林格·Zbl 1108.91001号 [7] Bühlmann H，Straub E（1970）Glaubwürdigkeit für Schadensätze。Mitteilungen der Vereinigung Schweizerischer Versicherungs-Mathematiker米特伊伦根·德·维雷尼贡Schweizerscher Versichirungs-马塞马提克70:111-133·兹比尔0197.46502 [8] Bunke O，Milhaud X（1998）可能不正确模型下贝叶斯估计的渐近行为。Ann Stat 26（2）：617-644·Zbl 0929.62022号 ·doi:10.1214/aos/1028144851 [9] Cai X，Wen L，Wu X，Zhou X（2015）分布函数的可信度估计及其在一般保险经验评级中的应用。北美法案J 19（4）：311-335·Zbl 1414.91169号 ·doi:10.1080/10920277.2015.1057649 [10] Choi T，Ramamoothi RV（2008）关于后验分布一致性的评论。挑战当代统计的极限：为纪念Jayanta K.Ghosh所做的贡献。Inst Math Stat收集3:170-186·Zbl 1159.62004号 ·doi:10.1214/0774921708000000138 [11] Choi T，Schervish M（2007）关于非参数回归问题的后验一致性。多变量分析杂志98:1969-1987·Zbl 1138.62020号 ·doi:10.1016/j.jmva.2007.01.004 [12] de Alba E（2002）未决索赔准备金的贝叶斯估计。北美法案J 6（4）：1-20·Zbl 1084.62554号 ·doi:10.1080/10920277.2002.10596060 [13] de Alba E（2006）径流三角形中存在负值时的索赔保留。北美法案J 10（3）：45-59·Zbl 1483.91184号 ·doi:10.1080/10920277.2006.10597402 [14] De Blasi P，Walker SG（2013）具有错误指定模型的贝叶斯渐近性。统计Sin 23:169-187·Zbl 1257.62026号 [15] Diaconis P，Freedman D（1986）关于贝叶斯估计的一致性。Ann Stat 14（1）：1-26·Zbl 0595.62022号 ·doi:10.1214/aos/1176349830 [16] Doob JL（1949）鞅理论的应用。In：《概率计算集》（Le Calcul des Probabilités et ses applications）。国家科学研究中心国际学术讨论会。巴黎。第23-27页·Zbl 1162.91422号 [17] Escoto B（2013）混合分布的贝叶斯索赔严重性。方差7（2）:110-122 [18] Fellingham GW，Kottas A，Hartman BM（2015）群体健康索赔的贝叶斯非参数预测模型。数学经济保险60:1-10·Zbl 1308.91080号 ·doi:10.1016/j.insmateco.2014.10.111 [19] Ferguson TS（1973）一些非参数问题的贝叶斯分析。安统计1:209-230·Zbl 0255.62037号 ·doi:10.1214/aos/1176342360 [20] Gangopadhyay A，Gau WC（2007）可信度建模的贝叶斯非参数方法。《科学学报》2（I）：91-114·doi:10.1017/S1748499500000270 [21] Ghosal S（2010）Dirichlet过程，相关的先验和后验渐近。收录：尼尔斯·霍尔特（Nils Hjort）、克里斯·霍姆斯（Chris Holmes）、彼得·米勒（Peter Müller）和斯蒂芬·沃克（Stephen G.Walker）（编辑）贝叶斯非参数。剑桥大学出版社，剑桥。第35-79页·Zbl 1084.62554号 [22] Ghosal S，Ghosh JK，Ramamourthi RV（1999）密度估计中狄利克雷混合物的后验一致性。安统计27:143-158·Zbl 0932.62043号 ·doi:10.1214/aos/1018031105 [23] Ghosh JK，Ramamoorthi RV（2003）贝叶斯非参数。纽约州施普林格·Zbl 1029.62004号 [24] Hong L，Martin R（2016）关于“分布函数的可信度估计及其在一般保险经验评级中的应用”的讨论。北美法案J 20（1）：95-98·Zbl 1414.91200号 ·doi:10.1080/10920277.2016.1143751 [25] Hong L，Martin R（2017）预测未来保险索赔的灵活贝叶斯非参数模型。北美演员J.doi:10.1080/10920277.2016.1247720·Zbl 1414.91201号 [26] Jara A，Hanson T，Quintana F，Müller P，Rosner G（2011）DPpackage:R.J Stat Softw 40（1）中的贝叶斯半参数和非参数建模：1-30 [27] Jeon Y，Kim JHT（2013）保险损失数据的伽马核密度估计。数学经济保险53:569-579·Zbl 1290.62099号 ·doi:10.1016/j.insmateco.2013.08.09 [28] Kaas R，Dannenburg D，Goovaerts M（1997）加权观测的精确可信度。阿斯汀牛27（2）：287-295·doi:10.2143/AST.27.2.542053 [29] Kass RE，Wasserman L（1996）通过形式规则选择先验分布。美国统计学会杂志91:1343-1370·Zbl 0884.62007号 ·doi:10.1080/01621459.1996.10477003 [30] Kleijn BJK，van der Vaart AW（2006），无限维贝叶斯统计中的错误规范。Ann Stat 34（2）：837-877·兹比尔1095.62031 ·doi:10.1214/00905360000000029 [31] Klugman SA（1992）精算学中的贝叶斯统计，强调可信度。波士顿Kluwer·Zbl 0753.62075号 ·doi:10.1007/978-94-017-0845-6 [32] Klugman SA、Panjer HH、Willmot GE（2008）《损失模型：从数据到决策》，第3版。霍博肯·威利·Zbl 1159.62070号 ·数字对象标识代码：10.1002/9780470391341 [33] Kuo H（1975）banach空间中的高斯测度。纽约州施普林格·Zbl 0306.28010号 ·doi:10.1007/BFb0082007 [34] Lau WJ，Siu TK，Yang H（2006）关于贝叶斯混合可信度。阿斯汀公牛36（2）：573-588·Zbl 1162.91422号 ·文件编号：10.2143/AST.36.2.2017934 [35] Lee SCK，Lin XS（2010），通过混合Erlang分布建模和评估保险损失。北美法案J 14（1）：107-130·doi:10.1080/10920277.2010.10597580 [36] Lehmann EL（2006）《非参数：基于等级的统计方法》，第一版修订。纽约州施普林格·Zbl 1217.62061号 [37] Lehmann EL，Casella G（1998）点估计理论，第2版。纽约，斯普林格·Zbl 0916.62017号 [38] Makov UE，Smith AFM，Liu YH（1996）精算学中的贝叶斯方法。统计学家45（4）:503-515·doi:10.2307/2988548 [39] Makov UE（2001）贝叶斯方法在精算科学中的主要应用。北美法案J 5（4）：53-57·Zbl 1083.62538号 ·doi:10.1080/10920277.2001.10596011 [40] Merz M，Wüthrich MV（2010）《配对连锁索赔保留方法》。保险数学经济46:568-579·Zbl 1231.91217号 ·doi:10.1016/j.insmateco.2010.02.004 [41] Ntzoufras I，Dellaportas P（2002），未偿债务贝叶斯建模，包含索赔数量不确定性。北美法案J 6（1）：113-125·Zbl 1084.62544号 ·doi:10.1080/10920277.2002.10596032 [42] Pan M，Wang R，Wu X（2008）关于Esscher原则的可信度溢价的一致性。数学经济保险42:119-126·Zbl 1141.91541号 ·doi:10.1016/j.insmateco.2007.01.09 [43] Ramamoorthi RV，Sriram K，Martin R（2015），关于错误指定模型的后部浓度。贝叶斯分析10:759-789·Zbl 1335.62022号 ·doi:10.1214/15-BA941 [44] Rempala GA，Derrig RA（2005）通过EM算法对索赔严重性中的隐藏风险进行建模。北美法案J 9（2）：108-128·Zbl 1085.62515号 ·doi:10.1080/10920277.2005.10596206 [45] Schervish MJ（1995）《统计学理论》。纽约州施普林格·兹伯利0834.62002 ·doi:10.1007/978-1-4612-4250-5 [46] Schmidt KD（1991）《贝叶斯与可信度溢价的收敛性》。阿斯廷公牛20（2）：167-172·doi:10.2143/AST.20.2.2005439 [47] Schwartz L（1965）关于贝叶斯程序。Z.Wahrscheinlichkeits理论与版本。盖比特4:10-26·Zbl 0158.17606号 ·doi:10.1007/BF00535479 [48] Scollnik DPM（2001）MCMC和BUGS精算建模。北美法案J 5（2）：96-124·Zbl 1083.62543号 ·doi:10.1080/109020277.2001.10595987 [49] Shen X，Wasserman L（2001）后验分布的收敛速度。Ann Stat 29（3）：687-714·Zbl 1041.62022号 ·doi:10.1214/aos/1009210686 [50] Shi P，Basu S，Meyers GG（2012）多元损失准备金的贝叶斯对数正态模型。北美法案J 16（1）：1-29·Zbl 1291.91126号 ·doi:10.1080/10920277.2012.10590631 [51] Shyamalkumar ND（1996）循环I0投影及其在统计学中的应用。普渡大学技术报告\[\#\]#96-24 [52] Tokdar ST（2006）密度估计和回归中Dirichlet位置-尺度混合法线的后验一致性。桑基拉67（4）：90-110·Zbl 1193.62056号 [53] van der Geer S（2003）非参数混合模型中最大似然的渐近理论。计算统计数据分析41:453-464·兹比尔1429.62117 ·doi:10.1016/S0167-9473（02）00188-3 [54] van der Vaart AW，Wellner J（1996）《弱收敛和经验过程：统计应用》。纽约州施普林格·兹比尔0862.60002 ·数字对象标识代码：10.1007/978-1-4757-2545-2 [55] Wald A（1949）关于最大似然估计一致性的注释。数学统计年鉴20:595-601·Zbl 0034.22902号 ·doi:10.1214/aoms/1177729952 [56] Walker SG（2003）关于贝叶斯一致性的充分条件。生物特征90:482-488·Zbl 1034.62024号 ·doi:10.1093/biomet/90.2.482 [57] Walker SG（2004）贝叶斯一致性的新方法。Ann统计32:2028-2043·Zbl 1056.62040号 ·doi:10.1214/009053604000004009 [58] Werner G、Modlin C（2010）《基本费率制定》。阿灵顿意外保险精算协会 [59] Wu Y，Ghosal S（2008）贝叶斯密度估计中混合核先验的Kullback-Leibler性质。电子J统计2:298-331·Zbl 1135.62022号 ·doi:10.1214/07-EJS130 [60] Wüthrich MV（2012），“多元损失准备金的贝叶斯对数正态模型，彭实、桑吉布·巴苏和格伦·梅耶斯，2012年3月”。北美法案J 16（2）：398-401·Zbl 1291.91133号 ·doi:10.1080/109020277.2012.10590649 [61] Zhang Y，Dukic V（2013），贝叶斯copula框架下的多变量保险赔付预测。风险保险杂志80（4）：891-919·文件编号：10.1111/j.1539-6975.2012.01480.x 此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配，并且可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。