표제어 · 확률·통계

적분꼬리분포

Integrated Tail Distribution · 원저자: X. Sheldon Lin · 출처: Encyclopedia of Actuarial Science (Wiley, 2004)

읽는 법. 본문은 원문 표제어의 내용을 그대로 옮긴 것입니다. 회색 해설 · 예제 상자는 학부 입문 학습을 돕기 위해 새로 추가한 부분이며 원문에는 없습니다. 모르는 용어는 글 끝 부록을 참고하세요.

1. 정의 Definition

분포함수 F(x)를 갖는 양의 확률변수 X(보통 보험금액·청구액 등 비음수 손실)를 생각하자. 생존함수(꼬리확률)를 F̄(x) = 1 − F(x)로 쓰고, 평균이 μ = E[X] < ∞로 유한하다고 가정한다. 이때 X의 적분꼬리분포(integrated tail distribution), 다른 이름으로 평형분포(equilibrium distribution)는 다음 분포함수 F_e로 정의된다.

즉, 원래 분포의 생존함수 F̄를 0부터 x까지 적분한 뒤 평균 μ로 나눈 것이다. 평균 μ는 다음과 같이 생존함수의 전체 적분과 같으므로,

F_e는 x → ∞에서 1로 수렴하는 올바른 분포함수가 된다. 대응하는 확률밀도함수는 원래 분포의 생존함수를 평균으로 나눈 형태이다.

해설 "꼬리를 적분한다"는 말의 뜻

평형분포의 밀도 f_e(x) = F̄(x)/μ는 원래 분포의 꼬리(생존함수) 자체를 정규화한 밀도다. 따라서 원래 X가 꼬리가 두꺼우면 평형분포는 더 큰 값 쪽에 질량을 더 많이 둔다. 이름 그대로 "꼬리(tail)를 적분(integrate)"해서 만든 분포라는 의미다.

적분꼬리분포의 생존함수는 다음과 같이 쓸 수 있다.

2. 평균잔여수명과의 관계 Relationship with the Mean Residual Lifetime

적분꼬리분포는 평균잔여수명(mean residual lifetime) 또는 평균초과함수(mean excess function)와 밀접하다. 수준 x를 넘은 조건에서의 초과량의 기대값은

로 정의된다. 이 식의 분자는 바로 적분꼬리분포의 생존함수에 μ를 곱한 것이므로, 평균초과함수와 적분꼬리분포는 서로 직접 변환된다. 특히 e(0) = μ이다. 신뢰성이론(reliability theory)에서 X가 NWU/NBU(new worse/better than used) 같은 노화(aging) 성질을 가질 때, 그 성질이 F_e의 꼬리 거동으로 옮겨가며, 이는 파산확률·정지손실(stop-loss) 보험료의 상·하한을 구하는 데 쓰인다.

해설 평균초과함수가 중요한 이유

재보험에서 초과액 손해(excess-of-loss) 계약은 보유한도 x를 넘는 부분만 부담한다. 그 평균 부담액이 바로 e(x)이다. 따라서 적분꼬리분포는 "한도 위로 새는 위험"을 정량화하는 도구이며, 손실분포의 꼬리가 지수형인지(일정한 e(x)) 두꺼운지(증가하는 e(x))를 진단한다.

3. 적률과 라플라스 변환 Moments and Laplace Transform

적분꼬리분포를 따르는 확률변수를 X_e라 하면, 그 k차 적률은 원래 분포의 (k+1)차 적률로 깔끔하게 표현된다.

특히 E[X_e] = E[X²] / (2μ)이다. 또한 라플라스–스틸체스 변환을 f̃(s)로 쓰면, 적분꼬리분포의 변환은 다음과 같이 원래 변환으로 표현된다.

이 관계는 적분꼬리분포가 재생이론(renewal theory)·복합기하분포 계산에서 해석적으로 다루기 쉬운 이유를 보여준다.

예제 지수분포의 적분꼬리분포

X가 평균 μ = 1/λ인 지수분포를 따른다. 적분꼬리분포 F_e는 무엇인가?

지수분포는 F̄(x) = e^−λx이고 μ = 1/λ이다. 정의에 넣으면 f_e(x) = F̄(x)/μ = λe^−λx 로, 원래 분포와 똑같은 지수분포가 된다. 이는 지수분포의 무기억성의 또 다른 표현이다(평균초과함수 e(x) = 1/λ 가 일정). 지수분포는 F = F_e가 성립하는 유일한 연속분포다.

4. 파산이론에서의 응용 Applications in Ruin Theory

적분꼬리분포는 파산이론(ruin theory)의 중심 도구다. 복합 포아송 위험모형에서 청구액분포가 P(x)일 때, 최종 파산확률은 청구액분포의 적분꼬리분포 P_e를 핵으로 하는 복합기하분포(compound geometric)의 생존함수로 표현된다.

여기서 φ는 안전계수와 관련된 매개변수이고, F_e^*n은 n중 합성곱(convolution)이다. 이 표현은 벡먼 합성곱공식(Beekman's convolution formula)으로 알려져 있다. 청구액분포가 가벼운 꼬리를 가질 때, 조정계수(adjustment coefficient) κ는 적분꼬리분포에 대한 룬드베리(Lundberg) 기본방정식

으로 결정되며, 이로부터 룬드베리 부등식과 크라메르–룬드베리 근사가 따라 나온다. 적분꼬리분포의 노화 성질(NWU 등)은 정지손실 적률과 파산확률에 대한 정밀한 상·하한을 제공한다.

해설 왜 파산확률에 평형분포가 등장하나

잉여금이 파산수준 아래로 처음 내려갈 때의 "하향폭"의 분포가 바로 청구액의 적분꼬리분포다. 파산은 이런 하향들이 누적되어 일어나므로, 전체 파산확률이 적분꼬리분포의 합성곱(복합기하)으로 나타난다. 적분꼬리분포는 이렇게 "한 번 새는 크기"를 모형화한다.

참고 및 관련 표제어

관련 표제어. 벡먼 합성곱공식(Beekman's Convolution Formula) · 일반화 룬드베리 근사(Lundberg Approximations, Generalized) · 위상형 분포(Phase-type Distributions) · 점과정(Point Processes) · 재생이론(Renewal Theory)

부록. 이 글에 나온 용어 (배경지식 보충)

생존함수 (survival function) — F̄(x) = 1 − F(x), 즉 값이 x를 초과할 확률(꼬리확률).
적분꼬리분포 (integrated tail distribution) — 생존함수를 적분·정규화해 만든 분포. 평형분포라고도 함.
평형분포 (equilibrium distribution) — 적분꼬리분포의 다른 이름. 재생과정의 정상 잔여수명 분포.
평균잔여수명 / 평균초과함수 (mean residual life / mean excess) — 수준 x를 넘은 초과량의 기대값 e(x).
합성곱 (convolution) — 독립 확률변수 합의 분포. F_e^*n은 n개 합의 분포.
복합기하분포 (compound geometric) — 항의 개수가 기하분포인 확률합의 분포. 파산확률 표현에 등장.
조정계수 (adjustment coefficient) κ — 룬드베리 부등식에서 파산확률의 지수 감쇠율을 정하는 상수.
NWU / NBU — new worse/better than used, 신뢰성이론의 노화 성질로 꼬리 거동을 분류.
정지손실 보험료 (stop-loss premium) — 한도 초과분에 대한 기대지급. 평균초과함수와 직결.
라플라스 변환 (Laplace transform) — 분포를 변환공간에서 다루는 도구. 적분꼬리분포 계산을 단순화.

한국보험시장 현황 Korea Market Practice

적분꼬리분포(평형분포)는 집합위험 모형에서 클레임 금액 분포의 꼬리 행동을 분석하는 데 쓰이며, 복합 푸아송 모형의 파산확률 근사 공식에 직접 등장한다. 국내 손해보험사는 자동차보험·장기손해보험의 대형 클레임 분포를 분석할 때 꼬리가 무거운 분포(Pareto, log-normal 등)를 적합화하는데, 이때 평형분포 개념이 VaR·TVaR 추정의 수학적 배경이 된다.

재보험 가격 산출에서도 적분꼬리분포가 중요하다. 초과손해(excess of loss) 재보험 조약의 순보험료는 원분포 생존함수의 적분으로 표현되며, 이는 적분꼬리분포 정의와 직결된다. 국내 손해보험사가 코리안리 또는 외국 재보험사와 XL 조약 협상 시 제시하는 경험통계도 결국 이 꼬리 확률 구조를 반영한다.

K-ICS 보험위험 요구자본 산출에서 대형 단일사고(CAT 위험 등)를 별도 처리하는 방식도 꼬리 손실 분포의 추정 정밀도에 달려 있다. 평형분포의 성질 — 원분포보다 평균이 같고 분산은 작은 방향으로 정규화된다 — 은 클레임 건수에 따른 총 클레임 분포의 점근 행동을 이해하는 데 도움을 준다.

실무 XL 재보험과 꼬리 적분

초과손해 재보험 조약의 순보험료 P(d, d+l) = E[min(X, d+l)] - E[min(X, d)]는 원분포 생존함수의 구간 적분과 동일하다. 이 계산의 정밀도는 꼬리 분포 가정에 민감하므로, 국내 대형 손보사의 계리팀은 로그정규·파레토·Burr 분포를 후보로 적합화한 후 꼬리 면적을 비교해 최적 모형을 선택한다.

[한국보험시장 현황]은 한국 보험시장 실무 관점(2026.6 기준)에서 추가 작성한 것임. · 원문: Encyclopedia of Actuarial Science (Wiley, 2004), "Integrated Tail Distribution", X. Sheldon Lin. · 본 해설서의 [해설]·[예제]·[부록]은 학부 입문 학습용으로 추가·구성한 것임.