Louiza Soltane*
Laboratoire de Mathématiques Appliquées Université Mohamed Khider, Biskra, Algérie
Ciências Ulisboa, C6, Floor 4, SASLab (Room 6.4.29) & Zoom
25 June 2025 (Wednesday) – 14h30
Abstract:
La prime nette est un outil pratique de gestion des risques et l’une des mesures de risque les plus connues en assurance. Il est également connu sous le nom de principe de la valeur moyenne (𝝁 = 𝑬[𝑿]), le principe de prime le plus simple, équivalent à l’espérance de la variable de taille de sinistre (risque). Dans ce principe, le taux de prime est fixé égal à la valeur attendue du risque 𝑿 (𝑿 ≥ 𝟎), de fonction de répartition 𝑭, qui est définie par
Où 𝜫: 𝝌 → ℝ, appelée fonction de mesure du risque et 𝝌 un ensemble de variables aléatoires réelles. En effet, il existe dans la littérature une grande variété d’estimateurs asymptotiquement normaux sur la base des données complètes.
Cependant, il arrive souvent en pratique que les données soient censurées pour une raison ou une autre de telle façon que les techniques d’estimation basées sur les données complètes deviennent inappropriées. On utilise dans ce travail la théorie des valeurs extrêmes pour proposer une estimation alternative pour les données censurées aléatoirement à droite. Sous des conditions modérées, nous établissons la normalité asymptotique de l’estimateur proposé. La preuve repose fortement sur l’approximation gaussienne de Brahmi et al. (2015), Stute (1995) et les résultats de Kaplan-Meier (1958).
*En collaboration avec D. Meraghni et A. Necir
Short bio:
Louiza Soltane est maître de conférences à la Faculté des Sciences Économiques, de Gestion et de Commerce de l’université de Biskra, en Algérie. Elle est également membre du Laboratoire de Mathématiques Appliquées (LMA) de la même université. Elle a obtenu son master en mathématiques (probabilités et statistiques) en 2011 et son doctorat en mathématiques appliquées (statistiques) à l’université de Biskra en 2017.
A joint CEAUL / CEMAT