En aktuaries synpunkter på könsneutrala premier



Relevanta dokument
Upprepade mätningar och tidsberoende analyser. Stefan Franzén Statistiker Registercentrum Västra Götaland

Matematisk statistik 9hp Föreläsning 5: Summor och väntevärden

FMSF55: Matematisk statistik för C och M OH-bilder på föreläsning 5, a 2 e x2 /a 2, x > 0 där a antas vara 0.6.

Lektionsanteckningar 11-12: Normalfördelningen

Statistik 1 för biologer, logopeder och psykologer

Föreläsning 1, Matematisk statistik för M

4 Diskret stokastisk variabel

Föreläsning 5, FMSF45 Summor och väntevärden

SUS SjuklighetsUnderSökning inom svensk försäkring

Föreläsning 12: Regression

Föreläsning 5, Matematisk statistik Π + E

STOCKHOLMS UNIVERSITET MATEMATISKA INSTITUTIONEN Avd. Matematisk statistik, GA 08 januari Lösningar

Föreläsning 1, Matematisk statistik Π + E

Vetenskaplig metod och statistik

F5 STOKASTISKA VARIABLER (NCT , samt del av 5.4)

Föreläsning 8, Matematisk statistik 7.5 hp för E Punktskattningar

Matematisk statistik 9 hp, HT-16 Föreläsning 10: Punktskattningar

1.1 Diskret (Sannolikhets-)fördelning

SF1901 Sannolikhetsteori och statistik I

Three Monkeys Trading. Tärningar och risk-reward

F19, (Multipel linjär regression forts) och F20, Chi-två test.

SF1922/SF1923: SANNOLIKHETSTEORI OCH DISKRETA STOKASTISKA VARIABLER STATISTIK. Tatjana Pavlenko. 23 mars, 2018

Föreläsning 8, Matematisk statistik 7.5 hp för E, HT-15 Punktskattningar

Sannolikhetslära till pdf.notebook. May 04, Sannolikhetslära.

Matematisk statistik fo r B, K, N, BME och Kemister. Matematisk statistik slumpens matematik. Beskriva Data Florence Nightingale.

Föreläsning 1. Repetition av sannolikhetsteori. Patrik Zetterberg. 6 december 2012

Mer om slumpvariabler

Matematisk statistik for B, K, N, BME och Kemister. Matematisk statistik slumpens matematik. Beskriva Data Florence Nightingale. Forel.

Föreläsningsmanus i matematisk statistik för lantmätare, vecka 5 HT06

MVE051/MSG Föreläsning 7

Laboration 4: Stora talens lag, Centrala gränsvärdessatsen och enkla punktskattningar

Vetenskaplig metod och Statistik

Föreläsning 7: Punktskattningar

Föreläsning 2. Kapitel 3, sid Sannolikhetsteori

Veckoblad 3. Kapitel 3 i Matematisk statistik, Blomqvist U.

Föreläsning 3. Kapitel 4, sid Sannolikhetsfördelningar

Matematisk statistik 9 hp för I, Pi, C, D och fysiker Föreläsning 1: Introduktion och Sannolikhet

Går det att prognosticera skillnaden mellan kvinnlig och manlig livslängd?

Kapitel 4 Sannolikhetsfördelningar Sid Föreläsningsunderlagen är baserade på underlag skrivna av Karl Wahlin

Matematisk statistik 9hp Föreläsning 7: Normalfördelning

Livförsäkringsmatematik II. Erik Alm Hannover Life Re Sweden

Föreläsning 6, Matematisk statistik Π + E

Vetenskaplig metod och statistik

Kapitel 17: HETEROSKEDASTICITET, ROBUSTA STANDARDFEL OCH VIKTNING

(a) Avgör om A och B är beroende händelser. (5 p) (b) Bestäm sannolikheten att A inträffat givet att någon av händelserna A och B inträffat.

1 Föreläsning I, Vecka I: 5/11-11/11 MatStat: Kap 1, avsnitt , 2.5

Exempel: Väljarbarometern. Föreläsning 1: Introduktion. Om Väljarbarometern. Statistikens uppgift

Föreläsning G70 Statistik A

F9 SAMPLINGFÖRDELNINGAR (NCT

Vetenskaplig Metod och Statistik. Maja Llena Garde Fysikum, SU Vetenskapens Hus

Statistik. Det finns tre sorters lögner: lögn, förbannad lögn och statistik

TMS136. Föreläsning 2

BIOSTATISTISK GRUNDKURS, MASB11, VT-16, VT2 ÖVNING 3, OCH INFÖR ÖVNING 4

Föreläsning 7: Punktskattningar

Finansiell statistik, vt-05. Slumpvariabler, stokastiska variabler. Stokastiska variabler. F4 Diskreta variabler

Två innebörder av begreppet statistik. Grundläggande tankegångar i statistik. Vad är ett stickprov? Stickprov och urval

Matematisk statistik - Slumpens matematik

Föreläsning 12: Linjär regression

Påbyggnad/utveckling av lagen om ett pris Effektiv marknad: Priserna på en finansiell marknad avspeglar all relevant information

PROGRAMFÖRKLARING I. Statistik för modellval och prediktion. Ett exempel: vågriktning och våghöjd

Laboration 4: Stora talens lag, Centrala gränsvärdessatsen och enkla punktskattningar

Föreläsning 7: Punktskattningar

Matematisk statistik 9hp för: C,D,I, Pi

Mål C-236/09 Association belge des Consommateurs Test-Achats ASBL och andra mot Conseil des Ministres (Belgien)

Matematisk statistik för D, I, Π och Fysiker

F22, Icke-parametriska metoder.

Kvantitativ strategi Univariat analys 2. Wieland Wermke

Statistik 1 för biologer, logopeder och psykologer

Bild 1. Bild 2 Sammanfattning Statistik I. Bild 3 Hypotesprövning. Medicinsk statistik II

Föreläsning 1: Introduktion

SF1901: Övningshäfte

Kap 3: Diskreta fördelningar

Innehåll. Standardavvikelse... 3 Betarisk... 3 Value at Risk... 4 Risknivån i strukturerade produkter... 4

Matematisk statistik 9 hp Föreläsning 6: Linjärkombinationer

Varför försäkringar?

Tentamen i TMA321 Matematisk Statistik, Chalmers Tekniska Högskola.

(b) Bestäm sannolikheten att minst tre tåg är försenade under högst tre dagar en given vecka.

Första sidan är ett försättsblad (laddas ned från kurshemsidan) Alla frågor som nns i uppgiftstexten är besvarade

Föreläsning 5, Matematisk statistik 7.5hp för E Linjärkombinationer

Föreläsning 1: Introduktion

Stokastiska signaler. Mediesignaler

Bestäm med hjälp av en lämplig och välmotiverad approximation P (X > 50). (10 p)

Regressionsmodellering inom sjukförsäkring

FACIT: Tentamen L9MA30, LGMA30

Om erbjudandet för din pensionsförsäkring med traditionell förvaltning.

Föreläsning 1. NDAB02 Statistik; teori och tillämpning i biologi

SF1905 Sannolikhetsteori och statistik: Lab 2 ht 2011

4.3 Stokastiska variabler (slumpmässiga variabler) 4.4 Väntevärde och varians till stokastiska variabler

SF1901: SANNOLIKHETSTEORI OCH STATISTIKTEORI KONSTEN ATT DRA INTERVALLSKATTNING. STATISTIK SLUTSATSER. Tatjana Pavlenko.

F3 Introduktion Stickprov

Varför statistik? det finns inga dumma frågor, bara dumma svar! Serik Sagitov

Laboration 3: Stora talens lag, centrala gränsvärdessatsen och enkla punktskattningar

Finansiell Statistik (GN, 7,5 hp,, VT 2009) Föreläsning 2. Diskreta Sannolikhetsfördelningar. (LLL Kap 6) Stokastisk Variabel

Föreläsning 11: Mer om jämförelser och inferens

Föreläsning 1: Introduktion

Livåterförsäkring II Lönsamhetsanalys

Försäkringstekniska riktlinjer inom PP Pension Fondförsäkring AB

Tentamen i statistik (delkurs C) på kursen MAR103: Marina Undersökningar - redskap och metoder.

Summor av slumpvariabler

Transkript:

En aktuaries synpunkter på könsneutrala premier Erland Ekheden erland@math.su.se och försäkringsmatematik Stockholms universitet

Bakgrund Introduktion Vi aktuarier har levt i Sus och Dus de senaste åren... Men i december 2012 är det slut med det!? Sus - Sjuklighetsundersökningen, 2011 Dus - Dödlighetsundersökningen, 2007 Syftade bl a till att klartlägga könsskillnader i sjuklighet och dödlighet.

Snabbkurs i matematisk statistik - Väntvärde Väntvärde = sannolikhetsviktat medelvärde av möjliga utfall = det förväntade genomsnittsvärdet vid många upprepade observationer. Ex tärningskast: utfall 1, 2... 6, sannolikheter 1/6, Väntvärde = 1 1/6 + 2 1/6 +... + 6 1/6 = 3, 5. Ex lotteri: Vinschans 1 på 100 000, vinst 1Mkr, Väntvärde = 0 0, 99999 + 1 000 000kr 0, 00001 = 10kr.

Snabbkurs i matematisk statistik - Varians Varians = förväntad avvikelse från väntevärdet, dvs hur stor spridning har vi i utfallet av ett experiment eller i våra observationer. Ex tärningskast: varians = 2, 9. Ex lotteri: varians = 9 999 900kr 2. Standardavvikelse = roten ur variansen. Ibland mer praktiskt mått, har samma enhet som det vi observerar. Ex lotteri: Standardavvikelse = 9 999 900kr 2 = 3162kr. Relativt stor varians = stor variation, mycket slumpässighet i utfallet, våra observationer. Relativt liten varians = liten variation, relativt liten slumpmässighet i utfallet, våra observationer.

Statistisk modellering Statistisk modellering syftar till att skilja systematisk variation från slumpen. Generell modellbeskrivning: Observation = funktion av förklarande variabler + slump. En korrekt modell predikterar i medeltal rätt, dvs väntvärdet av slumptermen är lika med noll. Ex Hemförsäkring: Skadekostnad = f (försäkrat belopp, postnr, # i hushållet, larm...) + slumpen. Modellval: Få variabler - robust modell, förklarar mindre systematisk variation. Många variabler - kännsligare modell, förklarar mer, men risk för att slump misstas för systematik.

Betingat väntvärde Betingat väntvärde = väntvärdet givet att vi har extra information. Ex tärningskast: Väntvärdet betingat på att vi får ett jämnt antal ögon är 4. Ex Hemförsäkring: Medelskadan för en hemförsäkring = obetingat väntvärde. Medelskadan då vi vet att skadan är ett inbrott = betingat väntevärde.

Stora talens lag Introduktion Stora talens lag: medelvärdet av ett (stort) antal observationer väntevärdet. Stort beror på variansen, hög varians kräver fler observationer för att ge ett bra närmevärde. Ex försäkring: Det är tack vare stora talens lag som försäkring fungerar! Vi kan inte förutse resultatet för en enskild försäkring, men samlar vi ett antal risker så blir det totala resultatet förutsägbart. Ofta krävs dock en relativt stor portfölj för att uppnå stabila resultat.

Värdet av modellering Hitta kausala samband och prediktera utfall. Storkar och födslotal. Golfare och surdegsbagare. Skörbjugg och apelsinjuice. Cancer, morötter och betakaroten. Statistikern påvisar samband, medicinare, sociologer etc får avgöra sambandets natur: Direkt effekt, inderekt effekt eller nonsens?

Matematisk rättvisa Ett spel är rättvist om väntvärdet av vinsten minus insatsen är noll. Ex lotteri: Vinschans 1 på 100 000, vinst 1Mkr, väntvärde vinst 10kr. Rättvist om lotten kostar 10kr, för i medeltal vinner man 10kr per lott. Ex tärningsspel: Vinner 10kr per öga som tärningen visar. Rättvist om spelet kostar 35kr, eftersom väntvärdet av antal ögon är 3,5.

Ex tärningsspel: Jessika och Vladimir vinner 10kr per öga som deras tärning visar, spelet kostar 35kr/omgång. Knasiga tärningar, Jessika har fått en jämn tärning (2,4,6), Vladimir en udda (1,3,5)! Rättvist spel ur husets synvinkel, om de spelar samtidigt. Men Jessika tjänar i snitt 5kr/omgång och Vladimir förlorar 5kr. Är spelet rättvist? Jessika spelar gärna mer då hon har en turkväll, men Vladimir som haft otur går hem tidigt. Nu börjar huset förlora och höjer priset för spelet till 40kr/omgång.

Könsskillnader - risk Delkasko: 18-27år, män 150% skadekostnad jmf kvinnor. Sjuk: 25-65år, män 50-70% skadekostnad jmf kvinnor. Liv (dödsrisk): 30-65år män jmf kvinnor oblig förs 200% oblig förs tjm 175% frivilligt förs 130%

Könsskillnader - livslängd Pension: Vid 65år är förväntad återstående livslängd 3år kortare för män än kvinnor, ca 10% kortare, men här spelar flera faktorer in: män kvinnor oblig förs 19år 22år oblig förs tjm 20år 23år frivilligt förs 21år 24år I vissa andra EU-länder är skillnaderna mer betydande. I Littauen är vid 65års ålder förväntad återstående livslängd 5år för en man men 15år för en kvinna. Rimligt med samma premie oavsett om pensionen förväntas räcka i 5 eller 15år?

Fysiska skillnader? Undantag från kravet på jämställdhet kan göras när fysiska skillnader föreligger. Ex Mammografi: En man anses inte diskriminerad då han inte kallas på kontroll. 8 män dör i bröstcancer varje år, att jämföra med 1500 kvinnor. Ex Aortan: Män över 65år erbjuds en aortaundersökning, mer än dubbelt så många män än kvinnor dör av brusten aorta. Ingen forskare har kunnat påvisa någon fysisk skillnad som förklarar varför det är på detta sätt, sambandet är bara statistiskt. Diskriminering?

Fysiska skillnader? Vem kan avgöra om en skillnad mellan män och kvinnor är fysisk? Debatt mellan biologister och sociala konstruktivister. Skillnad i livslängd mellan könen verkar finnas i alla kulturer, varierar mellan 2 och 15år till kvinnors fördel, och skillnader kvarstår då man tar hänsyn till socioekonomiska och andra faktorer. Rimligt att anta att det finns fysiska skillnader som gör kvinnor mer robusta, t ex XX ger bättre skydd mot genetisk sjukdom än XY. Riskbeteende? Är det fysiska skillnader i hjärnan som gör unga män riskbenägna?

Introduktion 1 Vissa tycker det är rättvist att alla betalar lika mycket. Typiskt för socialförsäkring och gruppförsäkring, alla är med och delar kostnaderna lika. 2 Vissa tycker det är rättvist att var och en betalar sina förväntade kostnader. Typiskt för individuell försäkring, var och en betalar sitt eget väntvärde. I slutändan en politisk fråga, båda kan hanteras aktuariellt, men...

Direkta konsekvenser Produkter för det billigare könet blir dyra/försvinner För det dyra som tidigare, tveksamt om det blir prissänkningar. Produkter med relativt liten skillnad ej problem, skillnader redan borta. Ny risk, könssammansättningsrisk! Selektiva uppsägningar? Massiv flytt av pensionsförsäkringar till nya med bättre villkor? Reservsättningen sker efter best estimate. Könsneutral premie, könsberoende reservsättning!

Indirekta konsekvenser Andra premieargument, yrke, lön, utbildning (=klass)? Hur tolka EUs rättighetsstadga art 21 som förutom förbjuder även social diskriminering? Gränsdragning mot indirekt diskriminering? Riktad marknadsföring? Marknadsför pensionsförsäkringar i motortidningar och liv- och bilförsäkring i skvallertidningar? Försäkringsnöd?

Frågeställningar Introduktion Könsneutral riskbedömning? Anemi: Hb 9 g/dl är svår anemi för män (avslag), moderat anemi för kvinnor (accept) (Hannover Life Res riskbedömningsmanual). Direktivet bör endast gälla försäkringar och pensioner som är privata, frivilliga och åtskilda från anställningsförhållandet, var går gränsen? Teckna försäkringar via jobbet? Gränsöverskridande handel, får mäklare rekomendera en billigare Schweizisk produkt? Får mäklaren låta bli? Resultatberoende provisioner? Differentiering mellan grupper ok, hur liten får en grupp vara? Barbiedockans vänner? Mansgruppen karlakarlarna? Åldersdiskriminering?

Referenser Introduktion Försäkrade i Sverige - dödlighet och livslängder, prognoser 2007-2050. (DUS), Svenska Försäkringsföreningen, 2007, ISBN 91-974960-4-9 Sjuklighetsundersökning inom svensk försäkring, insjuknande och avveckling 2000-2007, (SUS), Svenska Försäkringsföreningen, 2011, ISBN 978-91-633-8009-9 Stokastik - sannolikhetsteori och statistiskteori med tillämpningar, Alm & Britton, 2008, ISBN 978-91-47-05351-3