Uczenie statystyczne w naukach aktuarialnych I 2400-ZEWW896
1. Idea taryfikacji i modele predykcyjne w ubezpieczeniach (2 godz.)
2. Model regresji log-liniowej dla zmiennych o rozkładzie lognormalnym (2 godz.)
3. Rodzina rozkładów wykładniczych i jej własności (2 godz.)
4. Uogólnione modele liniowe GLM, metoda estymacji, testy statystyczne i kryteria wyboru modelu (4 godz.)
5. Regresja Gamma (2 godz.)
6. Regresja Poissona (2 godz.)
7. Regresje Tweediego (2 godz.)
8. Metoda quasi-wiarogodności w kontekście modeli GLM i estymacja funkcji wariancji (2 godz.)
9. Uogólnione modele addytywne GAM, metoda estymacji, testy statystyczne i kryteria wyboru modelu (4 godz.)
10. Moc predykcyjna modelu i metody cross-validation (4 godz.)
11. Zasada bilansu w ubezpieczeniach i własność autokalibracji predyktora (2 godz.)
12. Metody graficzne oceny jakości dopasowania i mocy predykcyjnej modelu: wykres expected vs observed, T-reliability diagram, PIT diagram, krzywe Lorenza, diagram Murphy’ego (2 godz.)
Rodzaj przedmiotu
Koordynatorzy przedmiotu
Efekty kształcenia
Wiedza:
Student:
• zna rodzaje modeli GLM i GAM, obszary zastosowań, metody estymacji i wnioskowania statystycznego,
• zna metody oceny i wyboru modelu,
• potrafi wymienić korzyści z modeli regresji w praktyce aktuarialnej.
Umiejętności:
Student umie:
• oszacować model GLM i GAM i przeprowadzić analizę statystyczną dopasowania modelu,
• ocenić i wybrać najlepszy model regresji zgodnie z przyjętymi kryteriami ilościowymi i jakościowymi,
• zastosować odpowiedni model regresji do konstrukcji taryfy aktuarialnej.
Kompetencje społeczne:
Student:
• wykazuje potrzebę ciągłego poszerzania i pogłębiania zdobytej wiedzy w zakresie metod uczenia statystycznego w aktuariacie, stara się posiadaną już wiedzę i umiejętności konsekwentnie uzupełniać i doskonalić,
• potrafi współdziałać w grupie, uzgadniać z grupą cele i podział zadań, potrafi odpowiednio określić priorytety służące wyborowi odpowiednich metod i modeli analizy.
Kryteria oceniania
Dwa sprawdziany pisemne i projekty zaliczeniowy
Literatura
1. “Effective Statistical Learning Methods for Actuaries I I II” - M. Denuit, D. Hainaut, J. Trufin, Springer, 2019 i 2020
2. “Statistical Foundations of Actuarial Learning and its Applications” - M.V. Wuthrich, M. Merz, Springer, 2023
Więcej informacji
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb: