在风险管理中，信息的充分使用对风险管理效率的提高有着重要的意 义。在非寿险精算的统计推断中，不仅需要利用索赔的样本信息，而且要 充分挖掘风险参数的先验信息，因此非寿险精算的统计推断落入了贝叶斯 框架。本书基于贝叶斯决策理论的思想和方法，研究了非寿险精算中的三 大问题：保费定价、风险度量的估计和责任准备金评估。在贝叶斯统计 中，当样本容量较小时，先验分布的选取是至关重要的。为了克服先验分 布选取的主观性，我们建立了风险的线性贝叶斯模型，将风险保费、风险 度量和责任准备金的估计限定在样本的某种线性函数中，进而利用经验贝 叶斯方法对结构参数进行估计。本书提出的方法是经典信度理论的改进与 推广。研究证明，本方法提出的估计有良好的统计性质，且对模型的依赖 性小，能直接运用于保险实践。