MétaCan
Menu
Retour à la cohorte
Enregistrement W2970202282 · doi:10.1080/10920277.2019.1614463

Bühlmann Credibility-Based Approaches to Modeling Mortality Rates for Multiple Populations

2019· article· en· W2970202282 sur OpenAlexafffund
Cary Chi‐Liang Tsai, Adelaide Di Wu

Notice bibliographique

RevueNorth American Actuarial Journal · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueInsurance, Mortality, Demography, Risk Management
Établissements canadiensSimon Fraser University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésCredibilityEconometricsStatisticsMortality ratePopulationMeasure (data warehouse)Computer scienceConstruct (python library)Stochastic modellingDemographyMathematicsData mining

Résumé

récupéré en direct d'OpenAlex

Inspired by the ideas of the joint-k, the co-integrated, the common factor, and the augmented common factor Lee-Carter models, in this article, we propose four corresponding Bühlmann credibility-based mortality models for multiple populations. Our models and the four Lee-Carter models are fitted with mortality data from the Human Mortality Database for both genders of the United States, the United Kingdom, and Japan to forecast mortality rates for three forecasting periods. Based on the measure of AMAPE (average of mean absolute percentage error), numerical illustrations show that our Bühlmann credibility-based models contribute to more accurate forecasts than the Lee-Carter-based models in all three forecasting periods. Finally, we also propose a stochastic version of the multi-population Bühlmann credibility-based mortality models, which can be used to construct predictive intervals on the projected mortality rates and to conduct stochastic simulations for applications.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,066
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,211
Tête enseignante GPT0,371
Écart entre enseignants0,160 · 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.

Devis d'étudeObservationnel
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

Citations6
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNorth American Actuarial JournalMême sujetInsurance, Mortality, Demography, Risk ManagementTravaux en français237 207