در سیستم های جریمه و پاداش بیمه اتومبیل بیمه گذار بر حسب تعداد تصادفاتی که گزارش میدهد در کلاسهای جریمه و بر حسب سابقه تعداد سالهای بدون اعلام خسارت در کلاسهای تخفیف بیمه ای برای سال آتی قرار میگیرد. چنین جابجایی های در کلاسهای مختلف جریمه و پاداش بوسیله زنجیر مارکف مدل بندی می شوند. بعبارت دیگر موقعیت فرد در قدم بعدی فقط متاثر از موقعیت وی در قدم کنونی میباشد که این مبین خاصیت بی حافظگی زنجیره مارکف میباشد.ولی این خاصیت بی حافظگی زنجیره مارکف در سیستم جریمه پاداش بیمه اتومبیل بنظر معقول نمی رسد.زیرا ممکن است فرد بعد از داشتن سابقه سالهای متمادی،بدون اعلام خسارت و قرار گرفتن در کلاس حداکثر تخفیف با یک اعلام خسارت در کلاس جریمه قرار گیرد و سابقه سالهای بدون خسارتش که بیانگر کم ریسک بودن وی میباشد در نظر گرفته نمی شود. از طرفی دیگر ممکن است فرد بمنظور قرار نگرفتن در کلاسهای جریمه از اعلام خسارتهای جزئی خوداری کند بعبارت دیگر فرد حق بیمه متناسب با ریسک را پرداخت نمیکند.برای این منظور در این تحقیق زنجیره مارکف پنهان متناسب با مدل معرفی میشود که برگرفته از مدل ارائه شده توسط الیوت و همکارانش میباشد. هدف ما براورد پارامترهای مدل مارکف پنهان سیستم جریمه پاداش بیمه اتومبیل میباشد. مبانی نطریاین تحقیق شامل مروری بر کارهای و مقالات انجام شده در این زمینه ، معرفی توزیع های آمیخته گاوسی معکوس برای فراوانی ادعای خسارت ها، معرفی سیستم های جریمه و پاداش در بیمه اتومبیل که بر اساس زنجیره مارکف ساخته شده اند، معرفی مدل های مارکف پنهان ، ارائه یک سیستم جریمه و پاداش پویا که بر اساس مدل های مارکف پنهان ساخته شده است. در این تحقیق از الگوریتم em برای براورد پارامترهای مدل استفاده شده است.