歡迎來到保險數學的世界！

在本章中，我們將連接純粹機率與現實世界保險應用之間的橋樑。到目前為止，你已經對隨機變數有了概括性的了解。現在，我們要看看保險公司是如何利用這些變數來計算他們的預期賠付金額。

如果起初覺得這些概念有點抽象，請不要擔心！你可以把這一章想像成「有規則的機率」。我們取一個基本的損失（例如車禍），並應用相關規則（例如墊底費和賠償限額），來觀察最終的「動差」（平均值或變異數）是什麼樣子。讓我們開始吧！

1. 認識兩個主角：損失 (Loss) 與 賠付 (Payment)

在我們計算動差之前，必須先搞清楚我們測量的是什麼。在 Exam P 考試中，損失 (Loss) 和 賠付 (Payment) 之間有很大的區別。

  • 損失 (X)： 這是發生的實際損害金額。如果一棵樹倒在車上造成 5,000 美元的損失，那麼 \( X = 5000 \)。
  • 賠付 (Y)： 這是保險公司在應用保單規則後實際支付的金額。如果車主有 500 美元的墊底費 (deductible)，保險公司只會支付 4,500 美元。因此，\( Y = 4500 \)。

小貼士： 務必仔細閱讀題目，確認題目問的是損失的動差，還是賠付的動差。它們兩者通常是不一樣的！

2. 「遊戲規則」：墊底費與賠償限額

在「單變量」(Univariate) 的世界裡，我們通常會透過兩種方式來調整隨機變數 \( X \)：

A. 墊底費 (Deductible, d)

墊底費是保單持有人在保險開始賠付前必須支付的金額。賠付變數 \( Y \) 的定義為：
\( Y = \max(0, X - d) \)

類比： 想像遊樂園裡的「身高限制」。如果你沒達到墊底費 \( d \) 的高度，你就不能玩（賠付為 0）。如果你達到了，你只能獲得「超出門檻」部分的回饋。

B. 保單賠償限額 (Policy Limit, u)

限額是保險公司支付的最高金額。賠付變數 \( Y \) 的定義為：
\( Y = \min(X, u) \)

類比： 這就像是有上限的「吃到飽」自助餐。你可以隨意吃，但一旦達到限額（例如 5 盤），服務生就不再提供餐點。即使你還很餓（損失更高），「賠付」也會在 \( u \) 處停止。

3. 計算一階動差：期望值 (平均值)

期望值 \( E[Y] \) 是「長期平均」賠付金額。由於賠付 \( Y \) 是損失 \( X \) 的函數，我們使用無意識統計學家定律 (LOTUS) 來處理。

針對墊底費 (d)：

如果 \( X \) 是機率密度函數為 \( f(x) \) 的連續隨機變數：
\( E[Y] = \int_{d}^{\infty} (x - d) f(x) dx \)

逐步邏輯：
1. 從 \( x = 0 \) 到 \( x = d \)，賠付為 0，我們忽略積分的這部分。
2. 從 \( x = d \) 到無限大，賠付為 \( x - d \)。
3. 將賠付金額乘以機率 \( f(x) \) 然後進行積分！

針對賠償限額 (u)：

\( E[Y] = \int_{0}^{u} x f(x) dx + \int_{u}^{\infty} u f(x) dx \)

逐步邏輯：
1. 如果損失小於限額（從 \( 0 \) 到 \( u \)），保險公司支付全部損失 \( x \)。
2. 如果損失大於限額（從 \( u \) 到無限大），保險公司支付固定金額 \( u \)。
3. 常見錯誤： 忘了積分的第二部分！即使損失非常巨大，保險公司仍然支付限額 \( u \)。別把那筆錢漏掉了！

你知道嗎？ 平均值還有一個捷徑！對於任何非負隨機變數：
\( E[\min(X, u)] = \int_{0}^{u} S(x) dx \)
其中 \( S(x) \) 是殘存函數 (Survival Function) \( 1 - F(x) \)。這通常比積分密度函數簡單得多！

4. 二階動差與變異數

保險公司不只在乎平均值，他們更在乎風險。風險是透過變異數 (Variance) 來衡量的。

變異數的公式與你之前學過的一樣：
\( Var(Y) = E[Y^2] - (E[Y])^2 \)

若要尋找墊底費 \( d \) 下的二階動差 \( E[Y^2] \)：
\( E[Y^2] = \int_{d}^{\infty} (x - d)^2 f(x) dx \)

快速複習：
- 一階動差 = 平均值 \( E[Y] \)
- 二階動差 = \( E[Y^2] \)
- 變異數 = 賠付金額的離散程度。

5. 常見機率分配的應用

在 Exam P 中，你會經常看到指數分配 (Exponential Distribution)，因為它的「無記憶性」(memoryless) 使墊底費的問題處理起來非常簡單。

如果 \( X \sim \text{Exponential}(\theta) \)：
1. 損失的平均值為 \( E[X] = \theta \)。
2. 有了墊底費 \( d \)，在已知發生賠付的情況下，預期賠付金額仍然是 \( \theta \)！
3. 整體的預期賠付為 \( E[Y] = \theta \cdot P(X > d) = \theta \cdot e^{-d/\theta} \)。

記憶輔助： 對於指數分配，墊底費只是將平均值根據「超過墊底費的機率」進行了「縮放」。這就像分配在墊底費點處「重新開始」了一樣。

6. 重點總結

  • 損失 (X) 是總損害；賠付 (Y) 是保險公司支付的金額。
  • 墊底費會從損失中扣除：\( (X - d)_+ \)。
  • 限額會限制損失上限：\( \min(X, u) \)。
  • 平均賠付： 使用 LOTUS 將賠付函數與密度函數相乘後積分。
  • 殘存函數捷徑： \( E[\min(X, u)] = \int_{0}^{u} S(x) dx \) 是你在考試中節省時間的好幫手。
  • 變異數： 務必先算二階動差，再減去平均值的平方。

最後鼓勵： 積分這些分段函數（公式在 \( d \) 或 \( u \) 處發生變化）是本章最困難的部分。建議先練習為均勻分配 (Uniform distribution) 設定積分——這是掌握邊界條件最簡單的方法，之後再去挑戰更難的微積分。你一定做得到的！