ces deux graphiques ? devient stable à partir de 82 ème observation qui correspond à ? = 0 ,
la linéarité du seuil avec FME commence à 250 000 et au-delà du seuil de 800 000 cette linéarité n'est plus assurée. Ce graphique nous donne un seuil à partir duquel nous BIBLIOGRAPHIE Ouvrages, p.1 ,
Assurance Non-Vie Modélisation, pp.356-381, 2005. ,
Initiation à la statistique avec R, 2010. ,
URL : https://hal.archives-ouvertes.fr/hal-00520902
Cours de la théorie des valeurs extrêmes, p.4 ,
Coherent risk measures, Bl??tter der DGVFM, vol.22, issue.4, pp.13-20, 1998. ,
DOI : 10.1007/BF02809088
Application de la théorie des valeurs extrêmes en assurance automobile, 2007. ,
Rough Set Approach to Marine Cargo Risk Analysis ,
Modélisation par exposition des sinistres graves en aviation. Mémoire d, 2013. ,
Analyse des solutions actuarielles en tarification des traités de réassurance non-proportionnels Non-Vie. Mémoire d'Actuariat, CEA, 10. B.IEMMI. Modélisation du risque catastrophe et impacts en prévoyance dans le cadre de Solvabilité 2, 2008. ,
Normale notée Log N (µ, ? 2 ) est une transformée exponentielle de la loi Normale et possède deux paramètres la moyenne µ et l ,
la fonction de répartition de la loi Log-Normale n'a pas de forme explicite ,
Variance : Les moments d'ordre k: Les quantiles d'ordre p : où p est l'ordre de quantile et est la fonction de répartition inverse de la loi Log-Normale Weibull ,
La densité : Les moments d'ordre k: Les quantiles d'ordre p : Pareto Généralisée Nous avons déjà introduit la loi Pareto Généralisée lors de l'estimation du seuil par la théorie des valeurs extrêmes, Nous rappelons néanmoins ses caractéristiques théoriques ,