Contexto empresarial
Una compañía de seguros desea predecir el número de siniestros anuales por cliente para ajustar las primas. Dado que los datos de siniestros suelen tener una varianza mayor que la media (sobredispersión), se requiere un modelo Binomial Negativo en lugar de una Poisson estándar.
Preparación de datos
Simulación de una cartera de 2000 clientes con variables demográficas y conteo de siniestros con sobredispersión.
¡Copiado!
| 1 | |
| 2 | DATA casuser.cartera_seguros; |
| 3 | call streaminit(12345); |
| 4 | DO id=1 to 2000; |
| 5 | edad = floor(40 + rand('Normal', 0, 10)); |
| 6 | IF edad < 18 THEN edad=18; |
| 7 | valor_auto = 15000 + rand('Normal', 5000, 2000); |
| 8 | zona_riesgo = rand('Bernoulli', 0.3); |
| 9 | mu = exp(-2 + 0.01*edad + 0.5*zona_riesgo); |
| 10 | /* Generar sobredispersión */ n_siniestros = rand('NegBin', 1/(1+mu), 1); |
| 11 | OUTPUT; |
| 12 | END; |
| 13 | |
| 14 | RUN; |
| 15 |
Étapes de réalisation
1
Verificación de la carga de datos y estadísticas simples.
¡Copiado!
| 1 | |
| 2 | PROC CAS; |
| 3 | |
| 4 | SIMPLE.summary / TABLE={name='cartera_seguros', caslib='casuser'}; |
| 5 | |
| 6 | RUN; |
| 7 |
2
Ajuste de un modelo Binomial Negativo (NEGBIN2) para manejar la sobredispersión.
¡Copiado!
| 1 | PROC CAS; |
| 2 | countreg.countregFitModel / |
| 3 | TABLE={name='cartera_seguros', caslib='casuser'}, |
| 4 | model={depVars={{name='n_siniestros'}}, |
| 5 | effects={{vars={'edad', 'valor_auto', 'zona_riesgo'}}}, |
| 6 | modeloptions={modeltype='NEGBIN2'}}, |
| 7 | outputTables={names={parameterEstimates='est_params_seguros'}}; |
| 8 | RUN; |
Resultado esperado
La acción debe ejecutarse sin errores, produciendo una tabla 'est_params_seguros'. Los coeficientes para 'zona_riesgo' deben ser positivos y significativos, reflejando el mayor riesgo simulado.