Revista: | Revista de matemáticas |
Base de datos: | PERIÓDICA |
Número de sistema: | 000453498 |
ISSN: | 1409-2433 |
Autores: | Sandí Corrales, Ana Rosa1 |
Instituciones: | 1Universidad de Costa Rica, Escuela de Matemática, San José. Costa Rica |
Año: | 2021 |
Periodo: | Ene-Jul |
Volumen: | 28 |
Número: | 1 |
Paginación: | 105-124 |
País: | Costa Rica |
Idioma: | Español |
Tipo de documento: | Artículo |
Enfoque: | Aplicado, descriptivo |
Resumen en español | Se analizó un seguro de accidentes y salud que tiene primas diferenciadas para grupos de riesgo homogéneos. La estimación de dichas primas en ocasiones anteriores fue de tipo univariado, que tiene la limitante de que cuando hay grupos de riesgo con pocas observaciones los resultados son muy volátiles y omiten la información que podrían aportar variables predictoras. Por lo que se optó por estimar los siniestros esperados (que son insumo del cálculo de primas) con tres modelos multivariados: lineales ordinarios, aditivos y lineales mixtos. Se utilizaron varios con el fin de comparar su capacidad de pronóstico. El desempeño fue aceptable tanto dentro de la muestra de ajuste como de prueba en el caso de los modelos lineal ordinario y aditivo con una diferencia porcentual de alrededor del 1% con respecto a los datos reales. El lineal mixto no pudo hacer pronósticos para combinaciones de predictores no observados en los datos de ajuste |
Resumen en inglés | Accident and health insurance with differentiated premiums for homogeneous risk groups was analyzed. The estimation of these premiums on previous opportunities was in univariate form, which has the limitation that when there are risk groups with few observations, the results are very volatile and omit the information that could provide predictive variables. Therefore, it was decided to estimate the expected claims (which are an input in the premium calculation) with three multivariate models: ordinary linear, additive and mixed linear. Several were used in order to compare their forecasting capability. Performance was acceptable within both the fit and test samples in the case of ordinary linear and additive models with a difference of about 1% from the real data. Linear mixed could not make predictions for combinations of predictors not observed in the fit data |
Disciplinas: | Economía, Matemáticas |
Palabras clave: | Economía de servicios, Matemáticas aplicadas, Seguro de autos, Tarifas, Modelación predictiva, Modelos lineales, Modelos aditivos, Modelos mixtos |
Keyword: | Service sector, Applied mathematics, Car insurance, Pricing, Predictive modelling, Linear models, Additive models, Mixed models |
Texto completo: | Texto completo (Ver HTML) Texto completo (Ver PDF) |