Bu çalışmanın amacı özellikle yangın sigortası için yüksek tutarlar ödeyen müşterifirmalar için gerçekçi prim hesabına yönelik örnek bir uygulama ortaya koymaktır. AraştırmadaSivas ilinde demir-çelik sektöründe faaliyet gösteren bir firmanın 2011-2016 yılları arasındakiyangın kaynaklı hasar sıklığı ve hasar tutarı verileri kullanılmıştır. İstatistiksel yöntem olarakKolmogorov-Smirnov ve Anderson-Darling uyum iyiliği testlerinden yararlanılırken, primhesaplama yöntemi olarak kollektif risk modeli altında beklenen değer ve standart sapma ilkelerikullanılmıştır. Yapılan analizler sonucunda hasar sıklığı verilerinin Poisson dağılımına; hasartutarı verilerinin ise Üstel, Weibull, Lognormal, Gamma ve Ters Gauss dağılımlarının tamamınauygunluk gösterdiği tespit edilmiştir. Kollektif risk modeli kullanılarak yapılan tahmini primhesabı sonucunda söz konusu firma için en uygun prim miktarını veren dağılımın Weibulldağılımı olduğu belirlenmiştir. Weibull dağılımını sırasıyla lognormal dağılım ve üstel dağılımizlemiştir. Firma için en yüksek prim hesabını veren dağılımların ise gamma ve ters gaussdağılımları olduğu belirlenmiştir.

The purpose of this study is to provide a sample application for realistic premium account especially for the customer firms that pay high amounts for fire insurance. In the study, the frequency of fire-induced damage and the amount of damage between the years 2011-2016 of a company operating in the iron and steel sector in Sivas were used as data. While Kolmogorov-Smirnov and Anderson-Darling goodness of fit tests were used as a statistical method, the expected value and standard deviation principles under the collective risk model were used as a method of calculating the premium. As a result of the analysis, it is determined that the frequency of damage data was fit to Poisson distribution and the amount of damage data were found to be consistent with the Exponential, Weibull, Lognormal, Gamma and Reverse Gaussian distributions. As a result of the estimated premium calculation using the collective risk model, it was determined that the distribution which gives the most appropriate amount of premium for the company in question is Weibull distribution. Weibull distribution was followed by lognormal distribution and exponential distribution. The distributions that gave the highest premium account for the company were determined to have gamma and inverse gauss distributions.