prikaz prve stranice dokumenta Bayesova metoda u neživotnom osiguranju
Pristup korisnicima matične ustanove
diplomski rad
Bayesova metoda u neživotnom osiguranju
Zagreb: Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet, 2014. urn:nbn:hr:217:285336
Kegel, Katja
Sveučilište u Zagrebu
Prirodoslovno-matematički fakultet
Matematički odsjek

Institucijski repozitorij: Repozitorij Prirodoslovno-matematičkog fakulteta

Citirajte ovaj rad

Kegel, K. (2014). Bayesova metoda u neživotnom osiguranju (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:217:285336

Kegel, Katja. "Bayesova metoda u neživotnom osiguranju." Diplomski rad, Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet, 2014. https://urn.nsk.hr/urn:nbn:hr:217:285336

Kegel, Katja. "Bayesova metoda u neživotnom osiguranju." Diplomski rad, Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet, 2014. https://urn.nsk.hr/urn:nbn:hr:217:285336

Kegel, K. (2014). 'Bayesova metoda u neživotnom osiguranju', Diplomski rad, Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet, citirano: 23.12.2024., https://urn.nsk.hr/urn:nbn:hr:217:285336

Kegel K. Bayesova metoda u neživotnom osiguranju [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet; 2014 [pristupljeno 23.12.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:217:285336

K. Kegel, "Bayesova metoda u neživotnom osiguranju", Diplomski rad, Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet, Zagreb, 2014. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:217:285336

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:217:285336
Podaci o radu
NaslovBayesova metoda u neživotnom osiguranju
AutorKatja Kegel
MentorSiniša Slijepčević (mentor)
Član povjerenstvaSiniša Slijepčević (predsjednik povjerenstva)
Član povjerenstvaMladen Jurak (član povjerenstva)
Član povjerenstvaSonja Štimac (član povjerenstva)
Član povjerenstvaZvonko Iljazović (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Prirodoslovno-matematički fakultet
(Matematički odsjek)
Zagreb
Datum i država obrane2014-07-14, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		PRIRODNE ZNANOSTI
Matematika
Sažetak
Kroz ovaj rad je prikazano kako se Bayesova statistika i tehnike Markovljevog lanca Monte Carlo koriste u nepodmirenim obvezama u jednoj osiguravajućoj kući. Upoznali smo se sa osnovnim pojmovima Bayesove statistike i najvažnijim terminom poznatijim pod nazivom Bayesov teorem. Uz to, upoznali smo se svojstvima Markovljevog lanca te tehnikama Markovljevog lanca Monte Carlo među kojima su i dva algoritma poznatija pod imenima Metropolis-Hasting algoritam i Gibbsovo sempliranje. Na temelju zadanih podataka, promotrili smo i analizirali dva modela, logaritamski i eksponencijalni, te odabrali koji od dva navedena najbolje odgovaraju našim podacima. Za odabir boljeg modela koristili smo grafičku analizu i kriterij devijantnosti (DIC) te je kao bolji odabran logaritamski model. Na kraju, koristeći MCMC metode procijenili smo buduće iznose šteta koji moraju biti plaćeni, kao i nedostajuće vrijednosti te još jednom potvrdili kako je odabrani logaritamski model dao poprilično zadovoljavajuće rezultate.
Sažetak (engleski)
Through this dissertation, we have shown how one can use Bayesian statistics and Markov Chain Monte Carlo techniques in outstanding liabilities of an insurance company. We met with the basic concepts of Bayesian statistics and the most important term known as the Bayes' theorem. In addition, we introduced the properties of Markov chain techniques and Markov chain Monte Carlo including the two algorithms also known as Metropolis-Hastings algorithm and Gibbs sampling. Based on the given data, we observed and analyzed the two models, lognormal and exponential, and have been able to select the one fitting the data better. To select a better model, we used graphical analysis and deviance criterion (DIC) and lognormal model was selected as the one that fits the data better. Finally, using MCMC methods we assessed future claim amounts that must be paid, as well as missing values, and once again we confirmed that the selected lognormal model gave us quite satisfactory results.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:217:285336
Studijski programNaziv: Matematička statistika
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra matematike (mag. math.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaPristup korisnicima matične ustanove
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2019-02-08 10:45:53