MétaCan
Menu
Retour à la cohorte
Enregistrement W2963677462 · doi:10.48550/arxiv.1801.04691

Asymptotic Correlation Structure of Discounted Incurred But Not Reported Claims under Fractional Poisson Arrival Process

2018· article· en· W2963677462 sur OpenAlexaff
Eric C.K. Cheung, Landy Rabehasaina, Jae‐Kyung Woo, Ran Xu

Notice bibliographique

RevuearXiv (Cornell University) · 2018
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueProbability and Risk Models
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésCovarianceMathematicsRenewal theoryQueueCompound Poisson processApplied mathematicsPoisson distributionExponential functionMarkovian arrival processMathematical optimizationQueueing theoryStatisticsPoisson processComputer scienceMathematical analysis

Résumé

récupéré en direct d'OpenAlex

This paper studies the joint moments of a compound discounted renewal process\nobserved at different times with each arrival removed from the system after a\nrandom delay. This process can be used to describe the aggregate (discounted)\nIncurred But Not Reported claims in insurance and also the total number of\ncustomers in an infinite server queue. It is shown that the joint moments can\nbe obtained recursively in terms of the renewal density, from which the\ncovariance and correlation structures are derived. In particular, the\nfractional Poisson process defined via the renewal approach is also considered.\nFurthermore, the asymptotic behaviour of covariance and correlation coefficient\nof the aforementioned quantities is analyzed as the time horizon goes to\ninfinity. Special attention is paid to the cases of exponential and Pareto\ndelays.\n

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,345
Score d'incertitude au seuil0,636

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,154
Tête enseignante GPT0,286
Écart entre enseignants0,132 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuearXiv (Cornell University)Même sujetProbability and Risk ModelsTravaux en français237 207