Národní úložiště šedé literatury Nalezeno 2 záznamů.  Hledání trvalo 0.00 vteřin. 
Vícerozměrné modely počtů škod
Zušťáková, Lucie ; Mazurová, Lucie (vedoucí práce) ; Cipra, Tomáš (oponent)
Vícerozměrné modely počtů škod je možné využít při modelování počtů škod z různých odvětví, které mohou být navzájem provázány závislostní strukturou. Stejně jako v případě jednorozměrných počtů škod se k modelování převážně využívá Poissonova a negativně binomického rozdělení, které je rozšířeno do dalších dimenzí. Zobecnění rozdělení pro více rozměrů se často provádí pomocí tzv. šokových proměnných, kdy je jedna náhodná veličina obsažena ve všech rozměrech náhodného vektoru modelujícího počty škod. Komplexnějším přístupem k modelování závislostí je modelování pomocí kopulí. Porovnání těchto modelů je provedeno na simulovaném příkladu počtů škod ze dvou různých garancí autopojištění.
Mixed Poisson models for claim counts
Hauptfleisch, Filip ; Pešta, Michal (vedoucí práce) ; Hendrych, Radek (oponent)
Tato práce shrnuje teorii smíšených poissonovských modelů. Poissonovo roz- dělení je často používané rozdělení pro modelování počtů událostí, ale jeho prak- tické využití je limitováno požadavkem na rovnost střední hodnoty a rozptylu. Proto představujeme spojité a diskrétní smíšené poissonovské modely. Hlav- ním představitelem spojitých rozdělení je negativné binomické, které vzniká spo- jením Poissonova a gamma rozdělení. V případě diskrétních smíšených modelů se zabýváme hlavně modely s nadbytečnými nulami (zero-inflated models) a hrad- bovými modely (hurdle models). Pro všechny zmíněné modely využíváme odhady koeficientů principem maximální věrohodnosti. Na konci této práce aplikujeme představenou teorii na reálná data z automobilového pojištění z Austrálie, přičemž použijeme maximálně věrohodné odhady koeficientů v Poissonově regresním mod- elu, negativně binomickém regresním modelu a Poissonově hradbovém regresním modelu.

Chcete být upozorněni, pokud se objeví nové záznamy odpovídající tomuto dotazu?
Přihlásit se k odběru RSS.