采用两弧二次样条对x=0到x=20之间的观察值ux进行修匀，已知如下信息：
（1）两弧的连接点为x=10；
（2）；
（3）p1（15）=3p0（5）；
（4）p1（20）=800；
则p1（16）的值为()

已知：
（1）某保单的损失服从两参数帕累托分布Pareto（α，θ），其中α不随保单持有人的不同而变化；
（2）θ随保单持有人不同而不同，而且θ有如下密度函数：
（3）当一年中观察到一次索赔时的Bühlmann信度因子为0.05；则α的值为()

对于下面的观察值u及修匀值v：
已知：
（1）所有权重均为3；
（2）拟合度量F为误差平方和；
（3）垂直度量和光滑度量均为一阶差分的平方和；
（4）Whittaker修匀算子；
则M的值为()

假设随机变量X1、X2、…X10独立同分布于F（x），现有它们的一组观测值：
  1.2、3.2、3.9、6.4、3.6、3.7、6.0、5.4、3.1、3.9下面是被模拟的经验分布的自助样本，每个样本有10个数据样本1：3.6、1.2、3.2、3.2、3.2、3.2、3.2、1.2、6.0、1.2；
样本2：3.7、6.0、3.1、3.7、1.2、6.0、6.4、3.2、3.7、3.1；
样本3：5.4、3.7、3.2、1.2、6.4、3.6、3.7、6.0、3.7、1.2现使用这三个自助样本估计60%分位点，则该估计值的均方误差为()

在包含3个生命体的死亡研究中，1人在t=3时死亡，1人在t=4时退出研究，1人在t=5时死亡。假设采用乘积极限估计方法估计生存分布函数S（3），则该乘积极限估计量的均方误差的Bootstrap近似值为()

可信性标准是使得实际索赔次数低于期望索赔次数的110%的概率为95%，假设索赔次数服从泊松分布，则完全可信性时所需的期望最低索赔次数为()

某团体由100人构成，每人有相同的死亡概率q=0.01，且每个人的死亡相互独立。现采用反函数法模拟该团体过去3年的死亡经验，假设下面三个[0，    1]上的均匀分布随机数：
  0.12，0.35，0.68分别被用来模拟该团体过去三年的死亡数，则三年内总死亡数的模拟值为()

假设两组被保险人在过去三年的经验数据如下表所示：

则采用非参数经验贝叶斯信度方法，第一组被保险人对应的可信性因子（假设）为()

现采用总损失模型和反函数法模拟某机动车辆保险保单的总损失。假设索赔次数服从参数为4的泊松分布，每次索赔的金额服从均值为1000的指数分布。用区间[0，1]上均匀分布的随机数0.13来模拟该类保单的年索赔次数，用区间[0，1]上均匀分布的随机数列u1=0.05、u2=0.95、u3=0.10依次模拟各次索赔的金额。则对于该类保单，模拟的年总损失为()

某险种的年索赔次数服从参数为λ的泊松分布，参数λ的先验分布如下：
假设第一年某保单发生10次索赔，则该保单在第二年索赔次数的Bayes信度估计值为()

下表给出了对4个生命体从2000年1月1日到2004年1月1日观察到的死亡研究数据：

给定死亡力：则参数b的极大似然估计值为()

利用Everett四点修匀公式对于如下序列：
进行修匀，已知如下：
（1）
（2）
（3）此公式是线性的；
（4）公式是相切的；
（5）此公式是再生的假设得到的修匀值序列为，则的值为()

在Kimeldorf-Jones修匀中，已知：
其中m是先验均值向量，A是先验协方差矩阵，u是观察值向量，B是给T定U后的条件协方差矩阵，v是修匀值向量。则r的值为()

通过参数修匀（其中为整数）得到生存人数的以下结果：
假设
则年龄23岁的人在一年内死亡概率q23的修匀值为()

对称移动加权平均公式满足：
（1）该公式是再生三次多项式；
（2）该公式使得极小化；
（3）w为该公式的权重；
则的值为()

在某个Whittaker修匀公式中，
由得到，
由得到
并已知w1=6，则K+L的值为()

已知一容量为n的样本取自总体是参数α的极大似然估计，则的渐进方差为()

考虑如下5个赔付数据：1，3，5，7，14。现将此赔付数据拟合于指数分布，指数分布的参数以极大似然估计法取得，则相应的p-p图中点为()

假设机动车辆保险中赔付额服从指数分布。下表中是两个不同品牌的汽车的赔付记录：

现以似然比检验这两个品牌的汽车赔付额是否出自同一指数分布，则似然比检验统计量T的值为()

已知理赔数据样本如下：35，59，79，112，143，202。假设样本来自指数分布，且拟合分布参数用极大似然估计法给出，则假设检验时的K-S统计量的值为()

已知t=0时有3个活着的个体，观察到死亡时间为：t1＝4，t2＝7，t3＝9。假设死亡服从（0，10）上的均匀分布，则假设检验中的Anderson-Darling统计量A2的值为()

已知有20个理赔数据如下表所示：

假设理赔变量服从参数为（α，θ）的帕累托分布，即概率密度函数为：则以30%，80%为分位数点时，θ的分位数估计值为()

对一个泊松盈余过程，已知如下信息：
（1）理赔额变量分布为
（2）调节系数为ln4；
（3）保费连续均匀收入；
则ψ（0）的值为()

对于一个泊松盈余过程，每次理赔额为ln2，安全附加保费率为，则调节系数的值为()

设复合泊松模型中理赔额变量取值于正整数，已知对某个固定k成立
且E（S）=1.48，则复合泊松模型中泊松参数为()

设某保险公司共售出某种汽车保单1500张，保单持有者被分作两类，情况如下表所示：

其中理赔额Bk服从参数为（λ，L）的截断指数分布，分布密度函数为：若要求收取的保费总额低于理赔总额的概率不超过5%，则安全附加保费率θ为()

假设某险种的损失额服从参数为α=4，θ=900的帕累托分布，免赔额为200元。损失次数服从奇异负二项分布，r=2，β=2。则索赔次数等于3的概率为()

已知随机变量X1，X2，X3相互独立，且，则FS（7）的值为()

已知理赔次数N服从类分布，则N的数学期望为()

考虑某门诊医疗保险计划，已知每个人每年的门诊理赔次数服从均值为3的泊松分布，现将齿科门诊从该医疗保险计划中去除。根据历史数据，齿科门诊发生概率为15%，则对去除齿科门诊保险以后的保险计划，每人每年门诊理赔2次的概率为()

假设明年的通货膨胀率服从4%到8%之间的均匀分布，如果某险种实际损失额X服从均值为20000元，标准差为600元的伽玛分布，则明年损失额的标准差为()

假设实际损失额X服从参数为（α，θ）的帕累托分布，且α=3，则的值为()