fa احتمال ورشکستگی فرآیند مخاطره انفرادی شرکت بیمه با خسارتهای وابسته آمار کاربردی Applied Statistics پژوهشی بنیادی Research <p style="text-align: justify;">در فرآیند مخاطره انفرادی شرکت بیمه ای که اندازه های خسارت بیمه گذاران آن به یکدیگر وابسته اند، تعیین احتمال و زمان ورشکستگی از اهمیت بسزایی برخوردار است. محاسبه دقیق این احتمالات به دلیل ساختار پیچیده آن، کار آسانی نیست. در این مقاله، برآورد احتمالات ورشکستگی، تعیین زمان های ورشکستگی و بازه اطمینان احتمالات ورشکستگی&nbsp; در سطوح مختلف همبستگی خسارتها با روش شبیه سازی مونت کارلو انجام شده است. در این شبیه سازی برای تولید خسارت های وابسته از تابع مفصل فرانک چند متغیره و الگوریتم مارشال و الکین کمک گرفته و نشان داده شده است که با افزایش سطح وابستگی بین اندازه های خسارت، احتمال ورشکستگی فرآیند مخاطره افزایش و زمان ورشکستگی آن کاهش می یابد</p> <div style="text-align: justify;">In the individual risk processes of an insurance company with dependent claim sizes, determination of the ruin probability and time to ruin are very important. Exact computing of theses probabilities, because of it&#39;s complex structure, is not easy. In this paper, Monte Carlo simulation method is used to obtain the ruin probabilities estimates, times to ruin and confidence interval for the ruin probability estimates of the mentioned process for different dependence level of claims. In this simulation the multivariate Frank copula function and Marshall and Olkin&#39;s algorithm are provided to generate the dependent claims. Then it has shown that with increasing the dependence level of claim sizes the ruin probability of the risk process increases, while its time to ruin decreases</div> احتمال ورشکستگی, الگوریتم مارشال و الکین, تابع مفصل فرانک, فرآیند مخاطره انفرادی Ruin Probability, Marshall and Olkin's Algorithm, Frank Copula Function, Individual Risk Process 21 37 http://jss.irstat.ir/browse.php?a_code=A-10-367-1&slc_lang=fa&sid=1 Abouzar Bazyari ابوذر بازیاری ab_bazyari@yahoo.com 10031947532846006279 10031947532846006279 Yes Department of Statistics, Persian Gulf University, Bushehr, Iran. گروه آمار، دانشگاه خلیج فارس