Diverses alternatives pour déterminer les facteurs significatifs de la fréquence d’accidents dans l’assurance automobile
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Les accidents de circulation sont un des plus graves problèmes que l’on trouve actuellement dans les pays industrialisés. Le but de cet article est d’analyser les éléments qui contribuent à expliquer le nombre d’accidents de ce genre. Cette question est très utile pour le secteur de l’assurance automobile. La littérature spécialisée signale que les modèles de comptage sont les plus utilisés dans cet important domaine de l’industrie de l’assurance. Traditionnellement, la régression de Poisson et le modèle binomial négatif ont été les méthodes employées le plus fréquemment. Cependant, les modèles à expansion de zéros pourraient être plus appropriés pour expliquer les processus sous-jacents aux distributions d’accidents automobiles. Dans cette étude, nous utilisons une base de données fournie par une compagnie d’assurance privée espagnole. Après avoir fait une analyse descriptive complète de ces données, nous comparerons les résultats que l’on obtient de l’application des trois types de modèles de comptage développés dans le papier. Finalement, nous discuterons des différences en soulignant les avantages généraux des modèles à expansion de zéros. Néanmoins, les résultats sont qualitativement très ressemblants, et ils suggèrent en plus l’existence de problèmes d’aléa moral et d’antisélection dans le marché de l’assurance automobile.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,002 |
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.
score_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