Modélisation de l'exposition en assurance automobile par un processus de files d'attente
Bibliographic record
Abstract
Dans ce mémoire, nous proposons en premier lieu un modèle du nombre de voitures assurées pour un ménage, puis pour un portefeuille entier dans la deuxième partie. Nous utilisons la théorie des files d'attente pour construire un nouveau modèle qui nécessite 4 paramètres différents : un qui décrit le taux d'ajout de nouvelles voitures sur le contrat d'assurance, un second qui modélise le taux de retrait de voitures assurées, un troisième paramètre qui modélise le taux d'annulation de la police d'assurance et finalement un dernier paramètre pour le taux de renouvellement de contrat. Pour le second modèle de voitures d'un portefeuille, nous réutilisons ces 4 paramètres, et nous y ajoutons un autre paramètre pour le taux d'arrivées de nouveaux contrats. Des méthodes d'inférence statistique sont ensuite utilisées pour estimer chaque paramètre, même dans les cas où il y a censure. Nous proposons même une généralisation de ces processus de files d'attente avec l'ajout de quelques variables explicatives pour chaque paramètre du modèle. Ceci nous permet de déterminer quels profils de ménages sont plus enclins à ajouter ou retirer des voiture, d'annuler leur contrat ou de renouveler leur police. Les paramètres estimés nous aident à analyser en détail le portefeuille.d'assurance parce que les modèles de files d'attente nous permettent de calculer plusieurs statistiques utiles à l'assureur, telles que le nombre espéré de voitures. Un autre résultat très important vient de l'actualisation des profits futurs des voitures. Ce résultat s'appelle valeur vie client lorsqu'il s'agit d'un seul assuré, tandis qu'il s'appelle équité client pour tout le portefeuille d'assurés. En utilisant des données d'assurance automobile, une application de ces modèles sur une compagnie d'assurance canadienne est faite pour supporter cette discussion. _____________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : théorie des files d'attente, inférence statistique, valeur vie client, équité client
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.007 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".