Obiekt

Tytuł: Loss modeling with mixtures distributions in R package

Tytuł odmienny:

Silesian Statistical Review

Autor:

Sitek, Grzegorz

Opis:

Śląski Przegląd Statystyczny = Silesian Statistical Review, 2017, Nr 15, s. 183-199

Abstrakt:

Finite mixtures of probability distributions may be successfully used in the modeling of probability distributions of losses. These distributions are typically heavy tailed and positively skewed. Finding the distribution that fits loss data well is often difficult. The paper shows that the use of mixed models can significantly improve the goodness-of-fit of the loss data. The paper also presents an algorithm to find estimates of parameters of mixture distribution and gives an illustrative example. The analytical approach is probably the most often used in practice and certainly the most frequently adopted in the actuarial literature. It is reduced to finding a suitable analytical expression which fits the observed data well. For parameters estimation we use the maximum likelihood method applying the Newton-Raphson and EM algorithm. Computations of goodness-of-fit can be judged using the Akaike information criterion

Wydawca:

Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu

Miejsce wydania:

Wrocław

Data wydania:

2017

Typ zasobu:

artykuł

Identyfikator zasobu:

doi:10.15611/sps.2017.15.09 ; oai:dbc.wroc.pl:37333

Język:

eng

Powiązania:

Śląski Przegląd Statystyczny = Silesian Statistical Review, 2017, Nr 15 (21)

Prawa:

Pewne prawa zastrzeżone na rzecz Autorów i Wydawcy

Prawa dostępu:

Dla wszystkich zgodnie z licencją

Licencja:

CC BY-NC-ND 3.0 PL

Lokalizacja oryginału:

Uniwersytet Ekonomiczny we Wrocławiu

Kolekcje, do których przypisany jest obiekt:

Data ostatniej modyfikacji:

11 cze 2022

Data dodania obiektu:

15 wrz 2017

Liczba wyświetleń treści obiektu:

837

Liczba wyświetleń treści obiektu w formacie PDF

835

Wszystkie dostępne wersje tego obiektu:

https://dbc.wroc.pl./publication/41415

Wyświetl opis w formacie RDF:

RDF

Wyświetl opis w formacie OAI-PMH:

OAI-PMH

Podobne

×

Cytowanie

Styl cytowania:

Ta strona wykorzystuje pliki 'cookies'. Więcej informacji