. Au-vu-de, ces deux graphiques ? devient stable à partir de 82 ème observation qui correspond à ? = 0

. Au-vu-de-ce-graphique, 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

P. C. Et and B. , Assurance Non-Vie Modélisation, pp.356-381, 2005.

F. Bertrand and M. Maumy-bertrand, Initiation à la statistique avec R, 2010.
URL : https://hal.archives-ouvertes.fr/hal-00520902

A. Guillou, Cours de la théorie des valeurs extrêmes, p.4

A. P. Delbaen-f, . Eber-j-m, and H. Et, Coherent risk measures, Bl??tter der DGVFM, vol.22, issue.4, pp.13-20, 1998.
DOI : 10.1007/BF02809088

N. Benlagha and M. Grun-rehomme, Application de la théorie des valeurs extrêmes en assurance automobile, 2007.

J. Lam, Rough Set Approach to Marine Cargo Risk Analysis

R. Yahia, Modélisation par exposition des sinistres graves en aviation. Mémoire d, 2013.

M. Poulin, 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.

L. Loi and L. , Normale notée Log N (µ, ? 2 ) est une transformée exponentielle de la loi Normale et possède deux paramètres la moyenne µ et l

L. Comme-pour and . Loi-normale, la fonction de répartition de la loi Log-Normale n'a pas de forme explicite

. La-densité:-l-'espérance, 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-fonction-de-répartition, 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