표제어 · 확률·통계

일반화 이산분포 (Generalized Discrete Distributions)

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. 처음 보는 용어는 글 끝 부록(보험·통계 용어 풀이)을 참고하세요.

1. 멱급수 분포족 Power series distributions (PSD)

확률함수가

꼴로 쓰이는 계수분포를 멱급수 분포(power series distribution, PSD)라 한다. 여기서 a(k)≥0이고 f(θ)=Σa(k)θ^k<∞는 정규화 상수다. (이산) 선형 지수족이라고도 부른다. PSD의 확률생성함수는

로 매우 단순하다. 잘 알려진 이산분포들이 모두 이 족에 속한다.

표 1. 멱급수 분포족의 대표적 구성원
분포	f(θ)	비고
이항	(1+θ)ⁿ	θ=p/(1−p)
포아송	e^θ	θ=λ
음이항	(1−θ)^−r, r>0	θ=β/(1+β)
로그	−ln(1−θ)	0에 질량 없음

해설 왜 하나의 틀로 묶는가

PSD라는 우산 아래에서는 적률·추정·검정의 공식을 분포별로 따로 만들 필요가 없다. 예컨대 E[N]=θf′(θ)/f(θ)이고, MLE는 항상 "표본평균=이론평균"의 해이며, pgf는 (2)처럼 기계적으로 나온다. 표 1의 네 분포에서 이를 확인해 보는 것이 좋은 연습이다 — 포아송이면 f(θ)=e^θ에서 P(z)=e^θ(z−1)이 즉시 복원된다.

2. 수정·일반화 멱급수 분포 MPSD and GPSD

확률함수가

꼴이면 — 받침은 음이 아닌 정수의 임의 부분집합, a(k)≥0, b(θ)≥0 — 수정 멱급수 분포(MPSD)라 한다. b(θ)가 정의역에서 가역(즉 순단조)이면 MPSD를 일반화 멱급수 분포(GPSD)라 부르며, 그 pgf는

이다. PSD·MPSD·GPSD에 관한 많은 문헌과 결과는 Johnson–Kotz–Kemp의 책에 정리되어 있다.

3. 라그랑주 확률분포 Lagrangian probability distributions (LPD)

또 하나의 일반화 빈도분포 족은 라그랑주 확률분포(LPD)다. zg(t)=t 관계 아래 함수 f(t)를 z의 멱급수로 전개하는 라그랑주 전개에서 확률함수가 유도되며, 여기서 f(t)와 g(t)는 모두 어떤 분포의 pgf다. g(t)=1이면 라그랑주 전개는 테일러 전개와 같다.

LPD의 중요한 구성원이 (이동) 라그랑주 포아송 분포 — 이동 보렐–탄너 분포, 콘술(Consul)의 일반화 포아송 분포라고도 한다 — 로, 확률함수는

이다. λ=0이면 보통의 포아송으로 돌아간다.

기본 라그랑주 분포. g(0)≠0인 음이 아닌 정수 위 분포의 pgf g(t)에 대해, 변환 t=zg(t)는 (가장 작은 양근 t에 대해) 새로운 pgf t=P(z)를 정의하며, 그 z-멱급수 전개가 라그랑주 전개

로 주어진다. 이 P(z)를 기본(basic) 라그랑주 분포의 pgf라 하며, 대응하는 확률함수는 g의 합성곱 거듭제곱으로

이다(g^*n은 계수열 g_j의 n중 합성곱). 기본 라그랑주 분포의 대표적 예 세 가지:

보렐–탄너(Borel–Tanner) 분포 (θ>0):

하이트(Haight) 분포 (0<p<1):

콘술(Consul) 분포 (0<θ<1, m은 양의 정수):

심화 해설 보렐–탄너 분포의 정체 — 분기과정과 대기행렬

t=zg(t)라는 함수방정식은 분기과정(branching process)의 총자손 수, M/G/1 대기행렬의 바쁜 기간 중 고객 수의 pgf가 만족하는 방정식이다. 보렐–탄너 분포는 "포아송(θ) 자손 분기과정에서 시조 1명이 만드는 총 인원수"의 분포로, θ<1일 때 정상분포가 된다. 보험에서는 한 건의 사고가 후속 클레임을 연쇄적으로 유발하는 전염형(cascade) 클레임 발생 구조의 자연스러운 모형이며, 과대산포가 포아송보다 훨씬 큰 자료를 수용한다.

4. 확장 — 0에 확률을 주기 General Lagrangian distributions

기본 라그랑주 분포는 k=1부터 시작한다. 0에서의 확률을 허용하도록 확장하면 pgf와 확률함수는

가 된다. g(t)와 f(t)를 포아송·이항·음이항 등 이산분포의 pgf로 갈아 끼우면 수많은 분포가 생성된다(Consul–Shenton의 조합표 참조).

5. 총클레임 계산과의 연결 Aggregate claims recursions

건수 N이 일반화 분포를 따를 때의 총클레임(총손실)

의 분포에 대해 (2~3단 재귀를 포함한) 재귀 공식들이 여러 저자에 의해 개발되었다. 이들은 포아송·이항·음이항에 대한 판여(Panjer) 재귀(순트–주얼 분포족 표제어 참조)를 일반화한 것이다 — Goovaerts–Kaas, Kling–Goovaerts, Sharif–Panjer 등의 결과가 있다.

예제 라그랑주(일반화) 포아송의 과대산포

식 (5)의 콘술 일반화 포아송은 평균 θ/(1−λ), 분산 θ/(1−λ)³ (0≤λ<1)임이 알려져 있다. θ=1.5, λ=0.25일 때 평균·분산과 분산/평균 비를 구하고, p₀·p₁을 계산하라.

평균 = 1.5/0.75 = 2, 분산 = 1.5/0.75³ = 3.556이므로 분산/평균 = 1/(1−λ)² = 1.778 — 포아송(비=1)보다 78% 과대산포다. 확률은 p₀ = e^−θ = e^−1.5 = 0.2231, p₁ = θe^−θ−λ = 1.5e^−1.75 = 0.2607. λ 하나로 산포를 자유로이 키울 수 있어(λ→1이면 폭발적) 음이항으로도 부족한 강한 과대산포 — 예컨대 자연재해로 클레임이 무더기로 나는 종목 — 에 쓸 수 있는 빈도모형이다. 다만 이런 일반화 빈도로 총클레임을 계산하려면 5절의 일반화 재귀가 필요하다.

참고 및 관련 표제어

관련 표제어. Continuous Parametric Distributions(연속 모수분포) · Discrete Multivariate Distributions(이산 다변량분포) · Discrete Parametric Distributions(이산 모수분포) · Sundt and Jewell Class of Distributions(순트–주얼 분포족) · Compound Distributions(합성분포)

원문 참고문헌(발췌). Consul, Generalized Poisson Distributions (Marcel Dekker, 1989) · Consul & Shenton, SIAM J. Appl. Math. 23 (1972) 239–248 · Johnson, Kotz & Kemp, Univariate Discrete Distributions, 2nd ed. (Wiley, 1992) · Goovaerts & Kaas, ASTIN Bulletin 21 (1991) 193–198 · Kling & Goovaerts, Scand. Actuarial J. (1993) 60–72 · Sharif & Panjer, MVSV 1 (1995) 93–98

부록. 이 글에 나온 용어 (배경지식 보충)

멱급수 분포 (PSD) — p_k ∝ a(k)θ^k 꼴의 통일 분포족. 이항·포아송·음이항·로그를 포괄.
선형 지수족 (linear exponential family) — 로그우도가 모수에 선형인 족. PSD의 다른 이름(이산판).
정규화 상수 f(θ) — 확률의 합을 1로 만드는 급수. 분포의 모든 정보가 여기 담긴다.
라그랑주 전개 (Lagrange expansion) — 음함수 t=zg(t)의 해를 z의 멱급수로 전개하는 공식.
합성곱 거듭제곱 (convolution power) — g^*n: 같은 분포 n개 독립합의 분포. 식 (7)의 재료.
보렐–탄너 분포 (Borel–Tanner) — 포아송 분기과정의 총자손 수 분포. M/G/1 바쁜 기간과 동형.
콘술 일반화 포아송 (Consul) — 모수 θ, λ의 라그랑주 포아송. λ로 과대산포를 조절.
분기과정 (branching process) — 개체가 무작위 수의 자손을 낳는 과정. 연쇄 클레임 모형의 원형.
과대산포 (overdispersion) — 분산 > 평균. 일반화 분포족이 필요한 일차적 이유.
판여 재귀 (Panjer recursion) — (a,b,0)족 빈도의 총클레임 분포 점화식. 일반화 분포에는 다단 재귀가 대응.

한국보험시장 현황 Korea Market Practice

멱급수 분포족(PSD)·수정 멱급수 분포족(MPSD) 같은 일반화 이산분포의 추상적 틀은, 한국 실무에서는 "표준 빈도 모형(포아송·음이항)이 안 맞을 때 어디로 확장할 것인가"라는 질문의 지도 역할을 한다. 국내 자동차·장기보험의 사고 건수 자료는 과대산포에 더해, 0건의 비중이 표준 모형 예측보다 크거나(영과잉 — 사고를 내고도 할인할증 불이익 때문에 자비 처리하는 행동이 한 원인) 반대로 "클레임이 있는 계약만" 관측되는(영절단) 구조를 자주 보인다. 이때 라그랑주 전개로 유도되는 일반화 포아송·일반화 음이항이나 영수정(zero-modified) 분포가 확장 후보가 된다.

이 분포족의 실무적 가치는 총손실 계산과의 접속에서 분명해진다. 판저 재귀가 적용되는 (a,b,0)·(a,b,1)족 — 본문의 일반화 분포들과 겹치는 가족 — 에 빈도 분포가 속하면, 심도분포와 합성해 총손실분포를 재귀 한 번으로 계산할 수 있다. 단체보험 손익 분석, 재보험 구조 평가, IFRS17 위험조정(RA)의 신뢰수준 방식 계산처럼 분포 전체가 필요한 자리에서, "어떤 일반화 분포를 쓰면 계산 가능성이 보존되는가"가 모형 선택의 실질적 기준이 된다.

다만 균형 감각도 필요하다. 모수가 늘어난 일반화 분포는 적합도는 좋아지지만 해석과 외삽의 안정성이 떨어지므로, 국내 실무의 통상 순서는 포아송 → 음이항 → 영수정·혼합 확장이며, 그 이상의 일반화는 적합 부족이 데이터로 확인될 때만 쓴다. 모형 비교는 우도비·정보기준(AIC 등)으로 하되, 빈도 모형의 선택이 요구자본·위험조정 수치로 직결된다는 점에서 "복잡한 모형의 더 나은 적합"과 "단순한 모형의 더 나은 강건성" 사이의 선택은 통계가 아니라 계리적 판단의 문제다.

실무 확장은 데이터가 요구할 때만

일반화 이산분포를 검토하는 실무 순서: ① 분산/평균 비와 0의 비중을 표준 모형 예측과 비교 → ② 벗어남이 확인되면 영수정·혼합 등 "이유를 설명할 수 있는" 확장부터 → ③ AIC·우도비로 개선을 확인하되 홀드아웃 기간 예측력도 본다. 이유 없는 모수 추가는 다음 해 갱신 분석에서 추정치가 크게 흔들리는 형태로 비용을 청구한다.

[한국보험시장 현황]은 한국 보험시장 실무 관점(2026.6 기준)에서 추가 작성한 것임. · 원문: Encyclopedia of Actuarial Science (Wiley, 2004), “Generalized Discrete Distributions”, Harry H. Panjer. · 본 해설서의 [해설]·[예제]·[부록]은 학부 입문 학습용으로 추가·구성한 것임. 수식은 원문 기준 복원.