혼합포아송과정 (Mixed Poisson Process)

한 줄 정의: 포아송분포의 평균(사고 발생률)이 고정된 값이 아니라 어떤 확률분포를 따르는 확률변수라고 가정하여 계약자별 이질성을 반영한 사고건수모형입니다.

쉽게 풀면

모든 운전자가 똑같은 사고 확률을 가지고 있다고 가정하면 실제 데이터와 잘 맞지 않습니다. 어떤 사람은 원래 사고를 낼 확률이 높고, 어떤 사람은 낮기 때문입니다. 혼합포아송과정은 이런 개인차를 반영하기 위해, 각 계약자의 사고 발생률 자체를 하나의 확률변수로 보고 그 발생률이 어떤 분포(예: 감마분포)를 따른다고 가정합니다. 그런 다음 그 발생률을 조건으로 포아송분포를 적용하는 두 단계 구조를 씁니다. 비유하자면 "주사위마다 눈금 확률이 조금씩 다른 여러 개의 주사위가 섞여 있다"고 보는 셈입니다.

왜 중요한가

단순 포아송분포는 평균과 분산이 같아야 한다는 제약이 있는데, 실제 사고 데이터는 분산이 평균보다 큰 과산포(overdispersion) 현상을 보이는 경우가 많습니다. 혼합포아송과정은 이 과산포를 자연스럽게 설명할 수 있어, 계약자 간 위험 이질성을 반영한 보험료 산정과 신뢰도 이론의 이론적 기반으로 널리 쓰입니다.

논문에서는 이렇게 쓰입니다

"사고건수 데이터의 분산이 평균보다 유의하게 커 과산포가 확인되었으며, 이를 반영하기 위해 감마분포를 혼합분포로 하는 혼합포아송과정을 적용하였다."

과산포 문제를 해결하기 위해 이 모형을 도입하는 전형적인 예문입니다.

"혼합포아송과정에서 혼합분포로 감마분포를 사용하면 사고건수의 주변분포가 음이항분포로 유도됨을 보였다."

혼합포아송과정과 음이항분포 사이의 이론적 연결을 설명하는 예문입니다.

조금 더 깊게 보면

혼합포아송과정에서 계약자별 사고 발생률(강도)을 확률변수 Λ로 두고 Λ가 어떤 분포를 따른다고 가정한 뒤, 조건부로 사고건수가 포아송분포를 따른다고 설정합니다. Λ의 분포로 감마분포를 사용하면 주변분포가 음이항분포가 되는데, 이는 계리학에서 가장 널리 쓰이는 조합 중 하나입니다. 이 구조는 베이지안 신뢰도 이론에서 사후분포를 구하는 데도 활용됩니다.

주의할 점

혼합분포의 선택에 따라 결과 모형의 성질이 크게 달라지므로, 감마분포 외의 혼합분포를 쓸 경우 음이항분포처럼 닫힌 형태의 해가 나오지 않을 수 있습니다. 또한 혼합포아송과정은 과산포를 설명할 수 있지만 과소산포(underdispersion) 현상은 설명하지 못합니다.