概述： 保费池化构建了财务结构，而大数法则则提供了使这一结构保持稳定的数学引擎。本节阐释该原理及其在保险商业模式中居于核心地位的原因。

大数法则是概率论中的一个定理，表述如下：随着独立、同质的观测（或试验）次数增加，这些观测的平均值将收敛于真实的期望值。对于保险而言，这意味着保险池中同质投保人数量越多，保险人的实际损失经验就越接近其预测的损失经验。

核心直觉如下：对于任何单个投保人而言，损失本质上是二元且不可预测的。一位45岁的不吸烟者今年可能死亡（损失：保额全额），也可能不会（损失：零）。没有人能预知结果。但在50万名类似投保人中，围绕平均死亡率的统计波动将变得微乎其微。保险人无需知道谁会死亡，只需知道平均有多少人会死亡，而历史数据提供了可靠的答案。

数学关键在于：当多个独立结果取平均时，方差（不确定性的衡量指标）的变化规律。对于单个投保人，损失的方差相对于期望损失非常大。但随着保险池中人数增加，每位投保人平均损失的方差会不断缩小——其缩减比例与投保人数量成反比（即除以投保人数量）。池规模翻倍，相对不确定性减半。当投保人数达到数十万时，平均损失变得高度可预测，保险人便能信心十足地制定保费。

计算示例

假设一家保险人提供汽车碰撞险。根据历史数据，同类司机中有2%会在某一年内发生承保事故，平均理赔金额为8,000美元。因此，每位司机的预期损失为 0.02 × 8,000美元 = 每年160美元。

若保险池中仅有50名司机，实际理赔件数可能轻易地在0至5件之间波动，理赔总额从0美元到40,000美元不等，而预期总损失为8,000美元。波动性极为剧烈，保险人的财务状况危险地难以预测。
若保险池中有100,000名司机，大数法则表明实际理赔件数将非常接近预期的2,000件，总费用约为16,000,000美元。高于或低于该数字的小幅偏差可由资本准备金覆盖，不会威胁偿付能力。

因此，保险人可将每位司机的保费定为160美元（纯粹的预期损失）加上运营费用和利润的附加。这一切成为可能，正因为保险池足够大，足以让大数法则稳定预测结果。

大数法则发挥效力的前提条件

大数法则在以下三个条件满足时效果最佳：

足够大的池规模：该统计效应在数十个风险时较弱，在数千乃至数百万个风险时方才强大。
同质的、相似的风险：将18岁的跑车司机与退休教师归入同一组别并按相同价格定价，会产生误导性的平均值。保险人通过划分风险类别，将预期损失率相近的投保人归为一组，从而使精算预测具有实际意义。
损失的独立性：若一位投保人的损失会触发池中所有人的损失，平均效应便会崩溃。芝加哥的一场房屋火灾与达拉斯的房屋火灾相互独立——一者不会引发另一者。但飓风袭击沿海地区，会同时对该地区所有投保人造成损失。相关性强的巨灾风险（战争、疫情、大范围洪水）违反了独立性假设，这也是为何此类风险通常被标准保单所除外，或需要通过再保险等特殊安排加以处理。

常见问题

问：更大的保险池是否总能带来更低的保费？
答：不一定。大数法则降低的是围绕期望损失的方差，但并不能降低期望损失本身。如果100万人的保险池比1万人的保险池具有更高的平均期望损失，则更大的池依然会收取更高的保费——只不过定价会更加精准。随着池规模增大而提升的，是可预测性和稳定性，这使保险人能够以更小的安全边际运营，并可能将部分节省传递给消费者。

问：为何保险人将洪水或地震从标准家财险中除外？
答：这些风险往往造成相关性损失——洪水袭击某一地区时，数千户家庭同时受损。这违反了大数法则所依赖的独立性假设，使总体损失难以预测，且可能对单一保险池造成灾难性打击。保险人要么将这些风险完全除外，要求另行购买专项保单，要么购买再保险（即保险人的保险）来管理相关风险敞口。