Approximation exponentielle des gains d’une compagnie d’assurance
Partiel : M1 MAF-Mod´ elisation Stochastique-Dur´ ee 3h 23 mars 2015
Il est rappel´ e que l’on n’exige pas ici une compr´ ehension exhaustive du texte. Vous ˆ etes laiss´ es libres d’organiser votre discussion comme vous l’entendez. Des suggestions de d´ eveloppement, largement ind´ ependantes les unes des autres, vous sont propos´ ees en fin de texte. Vous n’ˆ etes pas tenus de les suivre. Il vous est conseill´ e de mettre en lumi` ere vos connaissances ` a partir du fil conducteur constitu´ e par le texte. Il est imp´ eratif que la discussion soit accompagn´ ee d’exemples trait´ es sur ordinateur. Vous composerez sur des copies mais les programmes (comment´ es) et courbes (comment´ ees) devront imp´ erativement ˆ etre evoy´ es par courriel le 23 mars avant 12h45
`
a fabrice.gamboa@gmail.com un accus´ e de r´ eception vous sera transmis dans l’apr` es-midi.
R´ esum´ e Une compagnie d’assurance d´ esire ´ evaluer ses profits avant qu’un ´ ev´ enement catastro- phique C ne se produise. Sous l’hypoth` ese que les profits sur des p´ eriodes de temps successifs sont de variables al´ eatoires ind´ ependantes, on se propose de donner une approximation de la loi du pro- fit avant l’occurrence de l’´ ev´ enement catastrophique. On suppose que la probabilit´ e θ pour que C se produise dans une unit´ e de temps est petite. On mod´ elise tout d’abord le profit P par une somme constitu´ ee d’un nombre al´ eatoire de variables al´ eatoires. On montre ensuite un th´ eor` eme limite sur θP dans l’asymptotique o` u le param` etre θ tend vers 0. La loi limite est la loi exponentielle. On s’int´ eresse ensuite ` a l’utilisation pratique de ce th´ eor` eme limite dans un cadre non asymptotique o` u θ prend des valeurs proches de 0.
Mots clefs : Loi exponentielle. Loi des grands nombres.
1 Mod` ele probabiliste du profit
Pour construire un mod` ele probabiliste du profit on fait les hypoth` eses suivantes :
— L’´ echelle de temps est disr` ete. On consid` ere donc des p´ eriodes de temps successives (par exemple des mois, des ann´ ees ...) not´ ees 1, . . . , n, . . ..
— Pour n ∈ N
∗, on note X
nle profit de la compagnie d’assurance lors de la n ` eme p´eriode de
temps. On suppose que (X
n) forme une suite de variables ind´ ependantes de mˆ eme esp´ erance
µ > 0. On suppose de plus que toutes ces variables poss` edent une variance born´ ee par une
constante C. En d’autres termes, la loi du profit n’est pas fix´ ee, elle peut varier au cours du
temps mais sa moyenne reste constante et la moyenne de son ´ ecart ` a la moyenne au carr´ e est
uniform´ ement born´ ee dans le temps. En outre, on suppose que la suite (X
n) est ind´ ependante
du nombre de p´ eriodes de temps avant l’occurrence de C (la catastrophe).
— La probabilit´ e d’occurrence de C sur une p´ eriode de temps donn´ ee vaut θ. Pour n ∈ N , notons A
nl’´ ev´ enement : C se produit ` a la n ` eme p´eriode de temps. On suppose que (A
n) est une suite d’´ ev´ enements ind´ ependants.
On mod´ elise alors les diff´ erentes grandeurs du mod` ele par les variables al´ eatoires suivantes :
— N est le nombre de p´ eriodes de temps avant l’occurrence de C.
— On appelle P le profit r´ ealis´ ee par la compagnie d’assurance jusqu’` a la p´ eriode pr´ ec´ edant l’occurrence de C.
On a alors, d’apr` es les hypoth` eses faites sur le mod` ele, les r´ esultats suivants.
1.1 Premiers r´ esultats de mod´ elisation
a) La distribution de N est la loi g´ eom´ etrique de param` etre 1 − θ :
P (N = k) = (1 − θ)
kθ, (k ∈ N ). (1) b) Avec la convention que P
0j=1
X
j= 0, le profit P est donn´ e par : P =
N
X
j=1
X
j, de plus E (P ) = µ(1 − θ)
θ .
1.2 Un exemple tr` es particulier
On rappelle que l’on dit qu’une variable al´ eatoire suit la loi exponentielle d’esp´ erance a > 0 si sa loi poss´ ede la densit´ e (par rapport ` a la mesure de Lebesgue) :
f
a(x) = 1
a e
−xa1
R+(x).
On suppose ici que la loi des X
iest la loi exponentielle d’esp´ erance µ. On peut alors compl` etement caract´ eriser la loi de P :
— La loi de θ(1 − θ)
−1P est la loi exponentielle de moyenne µ.
2 Un th´ eor` eme limite pour le profit
Lorsque θ est petit (θ tend vers 0), on se propose de montrer que la loi de la variable al´ eatoire θ(1 − θ)
−1P peut ˆ etre approch´ ee par la loi exponentielle de moyenne µ. Il est d’abord utile de pr´ eciser la notion de convergence que nous allons utiliser. C’est l’objet du prochain paragraphe.
2.1 Quelques ´ el´ ements sur la convergence en loi
Dans toute la suite, W d´ esigne une variable al´ eatoire dont la loi poss` ede une densit´ e par rapport ` a la mesure de Lebesgue. Rappelons que l’on dit qu’une famille de variables al´ eatoires (W
θ)
θ>0converge en loi vers W , quand θ tend vers 0
+, si la fonction de r´ epartition F
Wθde W
θconverge ponctuellement vers celle de W . En d’autres termes si l’on a, pour tout t ∈ R ,
θ→0
lim
+F
Wθ(t) = lim
θ→0+
P (W
θ≤ t) = P (W ≤ t) = F
W(t).
On rappelle ´ egalement que la convergence en loi est ´ equivalente ` a la convergence ponctuelle des fonc- tions caract´ eristiques. C’est-` a-dire que (W
θ)
θ>0converge en loi, quand θ tend vers 0, vers W si, et seulement si, pour tout t ∈ R , on a
θ→0
lim
+E [exp(itW
θ)] = E [exp(itW )].
On admettra ou montrera le Lemme suivant :
Lemme 1 Soit (W
θ)
θ>0et (Z
θ)
θ>0deux familles de variables al´ eatoires. Soit ψ une fonction sur R
+, continue ` a droite en 0, avec ψ(0) = 1. On suppose que :
a) (W
θ)
θ>0converge en loi, quand θ tend vers 0, vers W .
b) (V
θ)
θ>0converge en probabilit´ e, quand θ tend vers 0. C’est-` a-dire, pour tout ε > 0, on a
θ→0
lim
+P (|V
θ| > ε) = 0.
Alors,
— (W
θ+ V
θ)
θ>0et (ψ(θ)W
θ) convergent en loi, quand θ tend vers 0, vers W .
2.2 R´ esultat principal pour l’approximation
Le r´ esultat principal qui permet d’approximer la loi de P est le Th´ eor` eme de convergence suivant : Th´ eor` eme 1 θ(1 − θ)
−1P converge en loi vers une variable de loi exponentielle de moyenne µ.
La preuve du Th´ eor` eme est bas´ ee sur la d´ ecomposition suivante : P = µN +
N
X
j=1
(X
j− µ).
Le Lemme suivant donne la convergence en loi de θ(1 − θ)
−1µN .
Lemme 2 θ(1− θ)
−1µN converge en loi, quand θ tend vers 0
+, vers une variable de loi exponentielle de moyenne µ.
D’autre part la variance de θ(1 − θ)
−1P
Nj=1