, Ce dernier est connu pour son manque "d'aléatoire" et largement décrié par la communauté scientifique 2 . Nous préférons alors utiliser le générateur aléatoire de Mersenne et Twister 3 , considéré comme un des générateurs aléatoire les plus puissants. Nous utilisons le code écrit par Makoto Matsumoto et Takuji Nishimura, développeurs de cet algorithme, Limites du simulateur intégré dans VBA Les limites de cette modélisation repose sur l'utilisation du générateur aléatoire d'Excel

, Dans la partie suivante, nous présenterons les simulations obtenues par ce procédé grâce aux estimations des différentes probabilités obtenues précédemment

B. D. Mccullough and D. A. Heiser, On the accuracy of statistical procedures in Microsoft Excel, Computational Statistics Data Analysis, vol.52, pp.4570-4578, 2007.

M. Makoto and T. Nishimura, Mersenne twister : a 623-dimensionally equidistributed uniform pseudo-random number generator, ACM Transactions on Modeling and Computer Simulation (TOMACS), vol.8, pp.3-30, 1998.

, ayant pour but d'anticiper le montant des prestations futures versées à l'individu dépendant, évoluent en réponse du nombre d'individus en dépendance. Puisqu'il y a de plus en plus d'individus en dépendance, il est alors normal que l'assureur ait à constituer des provisions de plus en plus importantes (cf. Illustration 8.8). Elles devraient toutefois diminuer à terme

. R. Fleming-t and . P. Harrington-d, Elle s'explique par un nombre d'assurés en dépendance faible en comparaison du nombre d'individus autonomes. L'effet de mutualisation observé précédemment pour les cotisations n'est plus à l'oeuvre ici. Pour l'ensemble de ces graphiques, nous constatons une grande homogénéité des simulations. En effet, puisque le portefeuille comporte environ 46 000 individus, une première mutualisation est effectuée intra-simulation. Les "mauvais résultats" d'un assuré compensent les "excellents résultats" d'un autre. Ce que nous entendons par mauvais et excellents résultats correspond aux résultats se trouvant respectivement, Remarquons aussi la moins grande homogénéité des différents trajectoires concernant les prestations et le PMR en comparaison des cotisations et des PRC, 1991.

E. A. Gehan, ] « A generalized Wilcoxon test for comparing arbitrarily singly-censored samples, Biommetrika, vol.41, pp.361-372, 1965.

P. Kamega-a and . Planchet-f, Mesure du risque d'estimation associé à une table d'expérience, 2010.

E. L. Kaplan and P. Meier, Nonparametric estimation from incomplete observations, Journal of the American statistical association, vol.53, issue.282, pp.457-481, 1958.

. Langmeier-r, Etude de différentes méthodes d'ajustement de tables de mortalité : application aux données d'une compagnie d'assurance, Journal of the Institute of Actuaries, vol.13, pp.325-358, 2000.

M. Matsumoto and T. N. , Mersenne twister : a 623-dimensionally equidistributed uniform pseudo-random number generator, ACM Transactions on Modeling and Computer Simulation (TOMACS), vol.8, pp.3-30, 1998.

B. D. Mccullough and D. A. Heiser, On the accuracy of statistical procedures in Microsoft Excel, Computational Statistics Data Analysis, vol.52, pp.4570-4578, 2007.

U. S. Metropolis-n, C. «-the-monte, and . Method, Journal of the American Statistical Association, vol.44, pp.335-341, 1949.

. Petauton-p, , 1996.

, Théorie et pratique de l'assurance vie

. Peto-r and . Peto-j, « Asymptotically efficient rank invariant test procedures (with discussion), J. R. Stat. Soc. A, vol.135, pp.185-207, 1972.

J. Tomas and F. Planchet, Constructing entity specific projected mortality table : adjustment to a reference. Cahiers de recherche de l'ISFA, pp.1-32, 2013.

. Weibull-w, A Statistical Distribution Function of Wide applicability, Journal of Applied Mechanic, vol.18, pp.292-297, 1951.

. Cours-dillinger-angélique, Cours sur la dépendance, DUAS 2 SALLAH Kankoé, Méthode actuarielle d'estimation des courbes de survie : principe, différences avec la méthode de Kaplan-Meier EISELE Karl Theodor, Cours d'analyse de survie