在得到历史经验数据后，后验估计是很容易看到的：在过去的三年内，历史数据共有14辆车，6次损失，因此每车的出险频数为6/14次。因为2007年有3辆车，故后验出险频数为6/14*3=9/7

接下来，需要对先验估计和后验估计做信度加权，信度加权的出险频数的表示形式应该是 Z*9/7+(1-Z)*3.现在问题的关键是信度值Z是多少？

在Buhlmann-Straub信度模型中，信度值Z的计算过程如下：

过程方差均值EVPV＝v＝E[Var(X|λ)]=E[λ]=1

假设均值方差VHM＝a＝Var[E(X|λ)]＝Var[λ]=1/3

Z=n/(n+v/a)=(14)/(14+1/0.333333)=14/17

算出信度值Z后，再计算信度加权出险频数就轻而易举了，答案为 Z*9/7+(1-Z)*3＝27/17=1.588次。

信度问题是 London Market Pricing Methods 关注的问题之一。在历史数据有限的情况下，如何来有效地预测与估价。在这个问题中，对精算师来说一个难点，不是信度值Z的计算，这是一个技术问题，多困难的计算在计算机的辅助下都不成为问题。精算师的难点是对先验的精算判断，在这个问题中，他首先判断了每车每年的出险频率为泊松分布，随后又进一步对参数风险进行了判断，判断泊松参数的概率分布为均匀分布。

其实，这个频数评估问题仅仅是整个估价过程中的一步。一般地，在得到损失频数的结果后，需要结合损失强度模型，构造聚合风险模型并使用随机模拟技术来对 London Market business 做估价。

在对 London Market business 做估价时，一般国际精算界认为使用聚合风险模型要比直接使用总损失模型（Aggregate Loss Model）更合理且容易进行估价监控的，总损失模型无法体现损失频数和损失强度的信息，这可能使估价过程根本无法进行合理性评价，并可能造成对损失成本的评估错误。