Mélanges de GLMs et nombre de composantes : application ... - Scor

More documents

Recommendations

Info

Annexe B. Méthodes de segmentation Coef. (var. type) modality : correspondance coefficient estimate std error p-value effect β 0 (continuous) 10.63398 1.48281 7.42e-13 > 0 1 : [0,12] (in month) 0 (reference) nul 2 : ]12,18] -1.31804 0.15450 < 2e − 16 < 0 3 : ]18,24] -2.66856 0.14016 < 2e − 16 < 0 4 : ]24,30] -2.75744 0.14799 < 2e − 16 < 0 β duration 5 : ]30,36] -3.09368 0.14294 < 2e − 16 < 0 (categorical) 6 : ]36,42] -3.54961 0.15080 < 2e − 16 < 0 7 : ]42,48] -3.72161 0.14980 < 2e − 16 < 0 8 : ]48,54] -4.10431 0.15772 < 2e − 16 < 0 9 : > 54 -5.49307 0.14037 < 2e − 16 < 0 Monthly 0 (reference) nul Bi-monthly 0.92656 0.62071 0.135504 > 0 Quarterly -0.03284 0.10270 0.749148 < 0 β premium frequency Half-yearly -0.22055 0.16681 0.186128 < 0 (categorical) Annual 0.43613 0.10690 4.51e-05 > 0 (in month) Single -0.28494 0.38155 0.455177 < 0 1 : [0,20[ (years old) 0 (reference) nul 2 : [20,30[ 0.28378 0.13912 0.041376 > 0 3 : [30,40[ -0.01146 0.13663 0.933163 < 0 β underwriting age 4 : [40,50[ -0.26266 0.14077 0.062054 < 0 (categorical) 5 : [50,60[ -0.42098 0.15136 0.005416 < 0 6 : [60,70[ -0.66396 0.19531 0.000675 < 0 7 : > 70 -0.75323 0.23417 0.001297 < 0 1 : 0 (reference) nul β face amount 2 : -5.79014 1.46592 7.82e-05 < 0 (categorical) 3 : -7.14918 1.46631 1.08e-06 < 0 1 : 0 (reference) nul β risk premium 2 : 0.36060 0.11719 0.002091 > 0 (categorical) 3 : 0.26300 0.14041 0.061068 > 0 1 : 0 (reference) nul β saving premium 2 : 0.93642 0.13099 8.74e-13 > 0 (categorical) 3 : 1.32983 0.14955 < 2e − 16 > 0 PP con PB 0 (reference) nul β contract type PP sin PB -16.79213 114.05786 0.882955 < 0 (categorical) PU con PB -7.48389 1.51757 8.16e-07 < 0 PU sin PB -12.43284 1.08499 < 2e − 16 < 0 Female 0 (reference) nul β gender Male -0.08543 0.04854 0.078401 < 0 Table B.2 – Estimations des coefficients de la régression logistique pour les contrats Mixtes. 198
Annexe C Résultats des mélanges de Logit C.1 Tests de validation des prédictions sur produits “Mixtos” C.1.1 Test de Pearson > normality.test(obj, "Pearson") Pearson chi-square normality test data: validation.residuals P = 0.8, p-value = 0.8495 C.1.2 Test de Mann-Whitney-Wilcoxon > distribution.test(obj, "Wilcoxon-Mann-Whitney") Wilcoxon rank sum test data: obj[[2]] and obj[[3]] W = 50, p-value = 1 alternative hypothesis: true location shift is not equal to 0 95 percent confidence interval: -0.04310852 0.03889232 sample estimates: difference in location -0.0001792725 C.2 Famille de produits Ahorro C.2.1 Données formatées pour la modélisation "issue.date";"termination.date";"line.of.business";"contract.type";"PB.guarantee";"product.no"; "1";"1999-01-01";"2008-01-01";"Saving";"Ahorro_PP_con_PB";"with_PB";"462"; "2";"1999-01-01";"2008-01-01";"Saving";"Ahorro_PP_con_PB";"with_PB";"313"; "3";"1999-01-01";"2008-01-01";"Saving";"Ahorro_PP_con_PB";"with_PB";"328"; "4";"1999-01-01";"2008-01-01";"Saving";"Ahorro_PP_con_PB";"with_PB";"462"; "5";"1999-01-01";"2004-11-01";"Saving";"Ahorro_PP_con_PB";"with_PB";"328"; 199
Page 1:
I.S.F.A. École Doctorale Sciences
Page 5:
If you want to be happy... ... for
Page 9 and 10:
Table des matières Remerciements R
Page 11 and 12:
Conclusion et annexes Conclusion et
Page 13:
Introduction générale 1
Page 16 and 17:
Présentation de la thèse personne
Page 18 and 19:
Présentation de la thèse Les assu
Page 20 and 21:
Présentation de la thèse maux, et
Page 22 and 23:
Présentation de la thèse Figure 1
Page 24 and 25:
Présentation de la thèse visible
Page 26 and 27:
Présentation de la thèse Proposit
Page 28 and 29:
Présentation de la thèse { } avec
Page 30 and 31:
Présentation de la thèse Bibliogr
Page 32 and 33:
Présentation de la thèse Torsten,
Page 35 and 36:
Chapitre 1 Segmentation du risque d
Page 37 and 38:
1.1. Modélisation CART Constructio
Page 39 and 40:
1.1. Modélisation CART nous entend
Page 41 and 42:
1.2. Segmentation par modèle logis
Page 43 and 44:
1.2. Segmentation par modèle logis
Page 45 and 46:
1.3. Illustration : application sur
Page 47 and 48:
Page 49 and 50:
Page 51 and 52:
Page 53 and 54:
1.4. Conclusion Enfin cette analyse
Page 55 and 56:
BIBLIOGRAPHIE Ruiz-Gazen, A. and Vi
Page 57 and 58:
Chapitre 2 Crises de corrélation d
Page 59 and 60:
2.1. Problème de la régression lo
Page 61 and 62:
2.2. Impact de crises de corrélati
Page 63 and 64:
Page 65 and 66:
Page 67 and 68:
Page 69 and 70:
Page 71 and 72:
2.3. Application sur un portefeuill
Page 73 and 74:
2.3. Application sur un portefeuill
Page 75 and 76:
2.4. Ecart entre hypothéses standa
Page 77 and 78:
2.5. Conclusion encore considérer
Page 79:
Deuxième partie Vers la création
Page 82 and 83:
Chapitre 3. Mélange de régression
Page 84 and 85:
Page 86 and 87:
Page 88 and 89:
Page 90 and 91:
Page 92 and 93:
Page 94 and 95:
Page 96 and 97:
Page 98 and 99:
Page 100 and 101:
Page 102 and 103:
Page 104 and 105:
Page 106 and 107:
Page 108 and 109:
Page 110 and 111:
Page 112 and 113:
Page 114 and 115:
Page 116 and 117:
Chapitre 4. Sélection de mélange
Page 118 and 119:
Page 120 and 121:
Page 122 and 123:
Page 124 and 125:
Page 126 and 127:
Page 128 and 129:
Page 130 and 131:
Page 132 and 133:
Page 134 and 135:
Page 136 and 137:
Page 138 and 139:
Page 140 and 141:
Page 142 and 143:
Page 144 and 145:
Page 146 and 147:
Page 148 and 149:
Page 150 and 151:
Page 152 and 153:
Page 154 and 155:
Page 156 and 157:
Page 158 and 159:
Page 160 and 161: Chapitre 4. Sélection de mélange
Page 189 and 190: Conclusion et perspectives Cette é
Page 191 and 192: BIBLIOGRAPHIE Bibliographie Akaike,
Page 193 and 194: BIBLIOGRAPHIE Doob, J. (1934), ‘P
Page 195 and 196: BIBLIOGRAPHIE Loisel, S. (2008),
Page 197 and 198: BIBLIOGRAPHIE Schlattmann, P. (2003
Page 199 and 200: Annexe A Articles de presse Figure
Page 201 and 202: Annexe B Méthodes de segmentation
Page 203 and 204: B.1.3 Plus loin dans la théorie de
Page 205 and 206: B.1. Méthode CART Pénalisation de
Page 207 and 208: B.2. La régression logistique Algo
Page 209: B.2. La régression logistique et e
Page 213 and 214: C.2. Famille de produits Ahorro Fig
Page 215 and 216: C.2. Famille de produits Ahorro C.2
Page 217 and 218: C.3. Famille de produits Unit-Link
Page 219 and 220: C.3. Famille de produits Unit-Link
Page 221 and 222: C.4. Famille de produits Index-Link
Page 223 and 224: C.4. Famille de produits Index-Link
Page 225 and 226: C.5. Famille de produits Universal
Page 227 and 228: C.5. Famille de produits Universal
Page 229 and 230: C.6. Famille de produits Pure Savin
Page 231 and 232: C.6. Famille de produits Pure Savin
Page 233 and 234: C.7. Famille de produits “Structu
Page 235 and 236: C.7. Famille de produits “Structu
Page 237 and 238: Annexe D Espace des paramètres des
Page 239 and 240: D.1. Mélange de régressions liné
Page 241 and 242: D.3 Mélange de régressions logist
Page 243 and 244: Calcul de la limite : lim log L cc(
Page 245 and 246: D.5. Mélange d’Inverses Gaussien
Page 247 and 248: Annexe E Outil informatique - RExce
Page 249 and 250: Figure E.2 - Exemple d’interface
Page 251 and 252: Figure E.4 - Génération des résu
Page 253 and 254: Figure E.6 - Exposition des résult
show all

Mélanges de GLMs et nombre de composantes : application ... - Scor

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?