در یک مثال تاس، محاسبه احتمال بسیار ساده است. محاسباتی که برای وقوع طوفان ها و زمین لرزه های عظیم انجام می شوند به مراتب پیچیده ترند. آنچه که می توان در شرکت برک شایر (Berkshire) انجام داد تخمین میزان احتمالات چنین وقایعی می­باشد. نداشتن اطلاعات دقیق و به ندرت اتفاق افتادن این حوادث سبب می شود که معمولاً کارشناس خبره ای برای اعلام احتمال خسارت های بیمه گذار بالقوه استخدام شود. در حقیقت این کارشناس نه تنها چیزی از دست نمی­دهد بلکه، حتى اگر پیش بینی هایش درست هم نباشد باز هم پیش پرداخت دریافت می­نماید. شگفت اینکه هنگامی که مبالغ سرمایه گذاری بالاست همواره می توان پی برد که چه کارشناسی تأیید می شود، برمی گردیم به مثال تاس شانس آوردن ۱۲، ۱ به ۳۶ نیست بلکه ۱ به ۱۰۰ است (البته می بایست اضافه کنیم که کارشناس احتمالاً باور دارد که حدس او درست است، این حقیقتی است که او را کمتر در خور سرزنش و اما بیشتر خطرناک می سازد).

در ماه های اخیر حرفه آمار بیمه شاهد بحث راجع به این مسئله بوده است که چگونه می بایست نظريه مالی ایجاد و اجرا شود. این مساله اصولاً یک تمرين دستوری و فلسفی است که دیدگاهی از چگونگی بهینه شدن کار آمار بیمه را تعیین می کند. در این مقاله برای فهمیدن و شرح کار آمار بیمه روش دیگری را مطرح کرده ایم. این روش بیشتر اثباتی است تا دستوری. همچنین کار و نظریه های آمار بیمه که بر مبنای این روش قرار دارند را بررسی کرده و سعی داریم تا شرح دهیم که چرا این اعمال و نظریه ها در ارائه دستوراتی برای نظریه هایی موفق، برترند. ما “نظریه” را در معنای گسترده آن استفاده می کنیم تا در کل به ایده و استدلال آمار بیمه اشاره کنیم. این اصطلاحات از حسابداری مالی قرض گرفته می شود. به این روش توصیف شده، نظریه حسابداری اثباتی گفته می شود.

در یک مثال تاس، محاسبه احتمال بسیار ساده است. محاسباتی که برای وقوع طوفان ها و زمین لرزه های عظیم انجام می شوند به مراتب پیچیده ترند. آنچه که می توان در شرکت برک شایر (Berkshire) انجام داد تخمین میزان احتمالات چنین وقایعی می­باشد. نداشتن اطلاعات دقیق و به ندرت اتفاق افتادن این حوادث سبب می شود که معمولاً کارشناس خبره ای برای اعلام احتمال خسارت های بیمه گذار بالقوه استخدام شود. در حقیقت این کارشناس نه تنها چیزی از دست نمی­دهد بلکه، حتى اگر پیش بینی هایش درست هم نباشد باز هم پیش پرداخت دریافت می­نماید. شگفت اینکه هنگامی که مبالغ سرمایه گذاری بالاست همواره می توان پی برد که چه کارشناسی تأیید می شود، برمی گردیم به مثال تاس شانس آوردن ۱۲، ۱ به ۳۶ نیست بلکه ۱ به ۱۰۰ است (البته می بایست اضافه کنیم که کارشناس احتمالاً باور دارد که حدس او درست است، این حقیقتی است که او را کمتر در خور سرزنش و اما بیشتر خطرناک می سازد).

در ماه های اخیر حرفه آمار بیمه شاهد بحث راجع به این مسئله بوده است که چگونه می بایست نظريه مالی ایجاد و اجرا شود. این مساله اصولاً یک تمرين دستوری و فلسفی است که دیدگاهی از چگونگی بهینه شدن کار آمار بیمه را تعیین می کند. در این مقاله برای فهمیدن و شرح کار آمار بیمه روش دیگری را مطرح کرده ایم. این روش بیشتر اثباتی است تا دستوری. همچنین کار و نظریه های آمار بیمه که بر مبنای این روش قرار دارند را بررسی کرده و سعی داریم تا شرح دهیم که چرا این اعمال و نظریه ها در ارائه دستوراتی برای نظریه هایی موفق، برترند. ما “نظریه” را در معنای گسترده آن استفاده می کنیم تا در کل به ایده و استدلال آمار بیمه اشاره کنیم. این اصطلاحات از حسابداری مالی قرض گرفته می شود. به این روش توصیف شده، نظریه حسابداری اثباتی گفته می شود.