사고빈도분포 (Claim Frequency Distribution)
쉽게 풀면
한 달 동안 특정 도로에서 접촉사고가 몇 건 일어날지 예측하는 상황을 떠올려 보면 됩니다. 매달 정확히 같은 건수가 발생하는 것은 아니지만, 평균적으로 몇 건 정도 발생하는지와 그 주변에 어떻게 흩어져 있는지를 확률로 나타낼 수 있습니다. 이렇게 사고 건수 자체가 어떤 분포를 따르는지를 표현한 것이 사고빈도분포이며, 손해액의 크기와는 별개로 다뤄집니다.
왜 중요한가
사고빈도분포는 사고심도분포와 결합되어 총손해액분포를 구성하는 핵심 요소이기 때문에 손해보험수리에서 가장 먼저 추정해야 하는 대상 중 하나입니다. 정확한 빈도 추정은 보험료 산출과 위험 세분화의 기초가 됩니다. 사고건수분포의 형태를 정확히 파악해야 신뢰도이론이나 요율산정 모형에서 위험집단 간 사고발생 경향의 차이를 통계적으로 검증할 수 있어, 자동차보험 등 다빈도 종목의 요율산정에서 핵심적으로 다루어집니다.
논문에서는 이렇게 쓰입니다
실제 사고 데이터를 특정 확률분포에 맞춰 추정하는 표준적인 접근을 보여주는 문장입니다.
포아송분포가 적합하지 않을 때 다른 빈도분포를 대안으로 검토하는 연구 흐름을 설명하는 예문입니다.
조금 더 깊게 보면
사고빈도분포로는 포아송분포가 가장 기본적으로 사용되지만, 실제 데이터에서 분산이 평균보다 큰 과대산포 현상이 나타나면 음이항분포와 같은 대안 분포가 활용됩니다. 계약자 특성에 따라 빈도가 달라지는 경우 혼합 포아송분포와 같은 형태로 이질성을 반영하기도 합니다. 사고건수분포로는 포아송분포가 가장 널리 쓰이지만, 실제 자료에서 분산이 평균보다 큰 과대산포(overdispersion)가 관측되면 음이항분포나 포아송-감마 혼합모형을 대신 적용하는 경우가 많습니다. 포아송분포는 평균과 분산이 같다는 제약을 가지지만, 실제 계약자 집단 사이에 이질적인 위험도가 섞여 있으면 관측된 분산이 평균보다 커지는 현상이 흔히 나타나 음이항분포로의 전환이 필요해집니다.
주의할 점
사고빈도분포를 추정할 때 특정 분포를 가정하면 그 가정이 실제 데이터의 특성과 맞는지 검증하는 과정이 반드시 필요합니다.
과대산포를 무시하고 포아송분포를 그대로 적용하면 보험료 산정 시 위험의 변동성을 과소평가하게 될 수 있습니다.