Στατιστική μοντελοποίηση του αριθμού των αιτήσεων αποζημιώσεων (Outstanding claim counts) στην αναλογιστική επιστήμη : πτυχιακή εργασία
Ένας από τους λόγους της εξάπλωσης των Μπεϋζιανών μεθόδων είναι ο συνδυασμός της ανάπτυξης στατιστικών μεθόδων προσομοίωσης με την ευρύτατη διάθεση της αυξανόμενης υπολογιστικής δύναμης. Η μέθοδος Markov Chain Monte Carlo (MCMC) είναι από τις πλέον γνωστές στον τομέα της στατιστικής προσομοίωσης. Μι...
Αποθηκεύτηκε σε:
| Κύριος συγγραφέας: | |
|---|---|
| Συγγραφή απο Οργανισμό/Αρχή: | |
| Μορφή: | Thesis Βιβλίο |
| Γλώσσα: | Greek |
| Δημοσίευση: |
Καρλόβασι, Σάμος :
Πανεπιστήμιο Αιγαίου, Τμήμα Στατιστικής και Αναλογιστικής Επιστήμης,
2005.
|
| Θέματα: | |
| Διαθέσιμο Online: | http://hdl.handle.net/11610/8111 |
| Ετικέτες: |
Προσθήκη ετικέτας
Δεν υπάρχουν, Καταχωρήστε ετικέτα πρώτοι!
|
| Περίληψη: | Ένας από τους λόγους της εξάπλωσης των Μπεϋζιανών μεθόδων είναι ο συνδυασμός της ανάπτυξης στατιστικών μεθόδων προσομοίωσης με την ευρύτατη διάθεση της αυξανόμενης υπολογιστικής δύναμης. Η μέθοδος Markov Chain Monte Carlo (MCMC) είναι από τις πλέον γνωστές στον τομέα της στατιστικής προσομοίωσης. Μια πρόσφατη επέκταση της μεθόδου MCMC είναι ο αλγόριθμος Reversible Jump Markov Chain Monte Carlo (RJMCMC) που συμπεριλαμβάνει και το πρόβλημα της επιλογής ενός μοντέλου ανάμεσα από ένα πλήθος ανταγωνιστικών. Σκοπός της συγκεκριμένης εργασίας είναι η σύγκριση και ο έλεγχος Μπεϋζιανών μοντέλων διακριτών κατανομών που χρησιμοποιούνται στην Αναλογιστική Επιστήμη για την μοντελοποίηση του αριθμού αιτήσεων αποζημίωσης. Προτείνεται ένα γενικό πλαίσιο σύγκρισης χρησιμοποιώντας υπολογιστικές τεχνικές για να εκτιμήσουμε την posterior πιθανότητα του κάθε μοντέλου. Εφαρμόζουμε τον αλγόριθμο RJMCMC για τρία ανταγωνιστικά μοντέλα και τον υλοποιούμε πάνω σε δεδομένα αυτοκινητιστικών ατυχημάτων. |
|---|---|
| Περιγραφή τεκμηρίου: | Μέλη της εξεταστικής επιτροπής: Κατσής Αθανάσιος, Νικολέρης Θεόδωρος, Νάκας Χρήστος |
| Φυσική περιγραφή: | 56 σ. : σχέδια ; 30 εκ. |
| Βιβλιογραφία: | Βιβλιογραφία: σ. 37-40. |