因此,我们不能使用案例2的参数来识别H(·X),从而识别H(dd(X)|X)。被保险人的合同选择,isMJ*|χ、 X(t | c,X)=E[eJ*t|χ=c,X=X]=E{E[eJ*t | J,χ,X]|χ=c,X=X}=E[Hχ(X)+(1- Hχ(X)et]J|χ=c,X=X= EnE[eJ log[Hχ(X)+(1)-Hχ(X))et]|θ,χ,X]|χ=c,X=xo=Eheθ[Hχ(X)+(1-Hχ(X))et-1] |χ=c,X=xi=Mθ|χ,X[(1- Hχ(X))(et- 1) |c,x],(22),其中第三等式使用J的矩母函数*给定(J,χ,X),其分布为二项B(J,1- Hχ(X))使用A3-(ii),第五个等式遵循A3-(iii)和泊松分布的矩母函数。因此,Mθ|χ,X[u | c,X]=MJ*|χ、 X日志1+u1- Hχ(X)c、 x,为了你∈ (-1+Hχ(X)+∞). 特别是,给出的风险θ(χ,X)的分布取决于Hχ(X)的知识。因为∧θ=(1- H(X))θ,其矩母函数给定(χ,X)isM |θ|χ,X(u | c,X)=Mθ|χ,X(u(1- H(x)| c,x)=乔丹*|χ、 Xhlog1+uλ(x)|1,xi如果c=1,MJ*|χ、 X[log(1+u)| 2,X]如果c=2,(23)对于所有u∈ (-λ(x)+∞) 你呢∈ (-1, +∞), 分别地因此,给定X isM |θX(u | X)=E{E[eu |θ|χ,X]|X=X}=MJ的|θ的矩生成函数*|χ、 X日志1+uλ(x)|1,xν(x)+MJ*|χ、 X[log(1+u)|2,X]ν(X),(24)表示u∈ (-λ(x)+∞), 表明f ~nθ| X(·|·)被识别为λ(X),从数据中可以知道ν(X)和ν(X)。因为fθX(θX)=(1- H(x))f∧θ| x((1)- H(x))θ| x),前一种密度被确定为高达H(x)。在第二步中,与案例3一样,我们考虑具有风险θ和特征X的被保险人选择保险范围(t(X),dd(X))的概率。使用(13)和1-H(D | X)=(1)- H(X))(1- H*(D | X)),我们注意到购买空间中的两个覆盖之间的最佳边界(△θ,a)由△θ(a,X)=t(X)给出- t(X)Rdd(X)dd(X)eaD[1- H*(D | X)]dD,(25)导致逆a(∧θ,X),其被识别。
|