回归分析中假定随机扰动服从这样的一些 正态分布：其方差取常值，而均值则为附 属数据的线性函数 很多精算问题可以利用特殊的广义线性模 型来处理，如方差分析，泊松回归以及 Logistic 对数（logit ）与概率（Probit ） 模型等的几类 。 精算数据与模型 实践中采集的数据往往显示方差要大于均 值 用于描述索赔额的分布通常具有厚重的右 尾 有待建模的现象极少关于附属数据是可加 的, 一般往往可用乘法模型 广义线性模型 它允许偏离均值的随机误差服从不是正态分布。如，随机 误差可服从指数散布族中的任一种分布，包含了泊松分布 、（负）二项分布、伽玛分布与逆高斯分布等. 并不要求随机变量的均值是解释变量的线性函数。但进行 某些变换后它仍是是线性的譬如，当对数时，我们可以 用乘法模型替代了加法模型 广义线性模型具有以下三个特征： 伽玛 随机变 量 逆高斯随机变 量 上面所列的分布的均值。 注8.2.1 （典则联结） 注8.2.2 （方差函数） 以下依方差函数中 的幂次的升幂序，分别表述 之：8.3 若干传统的估计方法与广义线 性模型不妨先假定逐项置换法首先可将（8.4 ）中的第一组方程
