欢迎来到损失程度分配（Severity Distributions）的世界！

欢迎来到 Exam FAM 学习旅程中最重要的一个章节！在保险世界里，我们主要关心两件事：频率（Frequency）（事件发生的频率）以及损失程度（Severity）（每次事件造成的金额）。在本节中，我们将全神贯注于损失程度。

你可以把损失程度分配想象成一份“形状菜单”。有些保险理赔（例如碎掉的挡风玻璃）通常金额较小且可以预测；而其他的（例如飓风造成的破坏）则可能非常庞大。选择正确的分配就像是为工作选择合适的工具。别担心如果这些数学公式起初看起来很吓人——我们会将这些“分配家族”拆解开来，让你看出它们之间是如何相互关联的！

1. 到底什么是损失程度分配？

损失程度分配是一种用于建模单次损失大小的概率分配。由于理赔金额不可能为负，因此这些分配通常定义在 \(x > 0\) 的范围内。

快速复习： - 概率密度函数 (PDF) \(f(x)\)： 理赔金额刚好为某个特定数值的可能性。 - 累积分配函数 (CDF) \(F(x)\)： 理赔金额小于或等于 \(x\) 的概率。 - 生存函数 (Survival Function) \(S(x)\)： 理赔金额超过 \(x\) 的概率。在保险业中，我们非常重视 \(S(x)\)，因为它能告诉我们关于那些巨大的、可怕的损失风险！

2. 分配的“族谱”

FAM 中使用的大多数损失程度分配都属于特定的家族。理解这些关系能帮助你更轻松地记住公式。如果你认识“父母”，通常就能推导出“孩子”。

Transformed Beta 家族

这就像是许多分配的“祖父母”。通过改变参数，你可以将 Transformed Beta 分配转变为 Pareto、Burr 或 Loglogistic 分配。 小贴士：你通常不需要背诵庞大的 Transformed Beta 公式，但你应该知道它是许多重尾（heavy-tailed）分配的“保护伞”。

Transformed Gamma 家族

这个家族包括 Gamma、Exponential 和 Weibull 分配。这些分配通常用于“较轻”的尾部（意味着与 Beta 家族相比，发生巨额理赔的可能性较低）。

关键要点： 分配不仅仅是随机的公式，它们是透过数学变换联系在一起的。如果你看到一个公式看起来跟另一个很像，只是多了一个指数，那它很可能就是“变换后”的版本！

3. 认识“明星”分配

让我们来看看在考试中最常出现的几种特定分配。

指数分配 (Exponential Distribution)（“基准线”）

这是最简单的模型。它假设理赔发生的概率随时间保持不变。 - 记忆法： 可以把它想成最“无聊”的分配。它没有“记忆”，尾部也非常简单。 - 公式： \(F(x) = 1 - e^{-x/\theta}\)

Gamma 分配

你可以把 Gamma 分配想象成几个指数分配的总和。 - 如果你有 3 个独立的理赔，每个都服从平均值为 \(\theta\) 的指数分配，那么它们的总和就会服从形状参数 \(\alpha = 3\) 且尺度参数 \(\theta\) 的 Gamma 分配。

Pareto 分配（“重磅级选手”）

这是损失程度模型中的超级巨星。它具有重尾（heavy-tailed）特性，意味着它预测到发生巨大“灾难性”理赔的概率较高。 - 真实案例： 医疗事故或责任险理赔通常服从 Pareto 分配，因为大多数理赔金额很小，但少数赔偿可能高达数百万美元。 - 要避免的错误： 不要搞混这两个参数。通常 \(\alpha\) (alpha) 是形状参数，而 \(\theta\) (theta) 是尺度参数。\(\alpha\) 越小，代表尾部越“重”（风险越高！）。

对数常态分配 (Lognormal Distribution)

如果你对理赔金额取自然对数 (\(ln(X)\))，结果呈现常态（钟形曲线）分配，那么原始的理赔金额就是对数常态分配。 - 你知道吗？ 这在财产保险中非常普遍。大多数房子的维修费用属于中等金额，极端便宜或极端昂贵的案例非常少。

4. 尾部权重：谁的“风险”最高？

Exam FAM 的一个重点就是比较“尾部权重”。这只是一种时髦的说法，问的是：“哪种分配更有可能产生巨额理赔？”

重量级层级（从最轻到最重）： 1. 常态 (Normal)（非常轻——产生巨额理赔几乎不可能） 2. 指数 (Exponential)（中等偏轻） 3. Gamma（取决于形状，但通常较轻） 4. 对数常态 (Lognormal)（中等偏重） 5. Pareto（非常重！） 6. Cauchy（极重——但在 FAM 中较少见）

考试中如何测试尾部权重： 如果你被要求比较两个分配，请查看它们生存函数的比率： \[ \lim_{x \to \infty} \frac{S_1(x)}{S_2(x)} \] 如果极限值趋向于无限大，则分配 1 比分配 2 具有更重的尾部。 比喻：想象一场跑向零的比赛。越“重”的分配，就是当我们向图表的右侧移动时，它留在零之上的时间越长的那一个。

5. 关系与变换

你可以使用以下三种技巧从旧的分配中创造出新的分配：

1. 乘以常数（尺度变换）： 如果 \(X\) 是一个分配，那么 \(Y = cX\) 只是改变了尺度参数 (\(\theta\))。它不会改变家族的“形状”。 - 例子： 将理赔金额从美元换算成欧元。

2. 幂次变换： 如果 \(X\) 是指数分配，那么 \(X^{1/\tau}\) 就会变成 Weibull 分配。 - 记忆口诀： "Power to the Weibull!"

3. 指数化： 如果 \(X\) 是常态分配，那么 \(e^X\) 就是对数常态分配。（名字里就写出来了！）

快速复习框： - 轻尾： 指数、Gamma。 - 重尾： Pareto、对数常态、Burr。 - 要使尾部变重： 减小形状参数 (\(\alpha\)) 或使用幂次变换。

6. 总结与关键要点

- 为什么我们要关心： 不同的保险产品需要不同的模型。你绝不会对一个“重尾”的责任险产品使用一个“轻尾”的指数模型。

- “尺度” (\(\theta\))： 通常与货币或金额大小有关。改变尺度不会改变形状的基本“风险程度”。

- “形状” (\(\alpha\))： 这是最重要的参数。它决定了尾部的表现方式。

- 比较尾部： 使用生存函数比率的极限。在无穷远处“保持较大值”的那一个，就是尾部较重的那个。

如果起初觉得棘手，别担心！你练习在 SOA 表格中识别这些分配的次数越多，这些关系就会越像直觉一样自然。你一定可以做到的！