非人寿保险的理赔经验取决于理赔频率和理赔严重性的随机事件。 通过设计，一个单一的保单可能会产生多个索赔，使得任何给定投资组合的索赔总数以及索赔总规模无法预测。 为了使保险公司能够解决在某些将来的时间段内可能存在于现有保单组合中的索赔，他们必须对索赔经验的历史数据和当前数据进行充分建模； 这可用于预测预期的未来索赔经验并设置足够的准备金。 非人寿保险公司在对索赔数据进行建模时经常面临两个挑战。 为索赔数据选择适当的统计分布，并确定所选统计分布与索赔数据的拟合程度。 对索赔频率和索赔严重性的准确评估在确定以下方面起着关键作用：适当的保费装载率，所需的准备金水平，产品盈利能力以及保单修改的影响。 尽管就保险公司的偿付能力状况对精算风险进行评估是一个复杂的过程，但迈向解决方案的第一步是对个人理赔频率和严重性进行建模。 本文提供了一个用于选择合适的概率模型的方法框架，该模型可以最好地描述汽车索赔频率和损失严重性及其在风险管理中的应用。 选定的统计分布适合使用最大似然法估算的历史汽车索赔数据和参数。 卡方检验用于检查索赔频率分布的拟合优度，而Kolmogorov-Smirnov和Anderson-