Contexto empresarial
Una aseguradora multinacional modela la dependencia entre 'Frecuencia de Reclamaciones' y 'Severidad del Costo' segmentado por región geográfica. Tienen cientos de regiones. El objetivo es verificar que `copulaViewStore` puede manejar y visualizar correctamente la metadata de un almacén que contiene múltiples modelos independientes (uno por grupo BY), asegurando que la opción 'byVarValues' lista correctamente todos los segmentos.
Preparación de datos
Generación de datos de siniestros para 50 regiones distintas.
¡Copiado!
| 1 | DATA casuser.siniestros_global; |
| 2 | call streaminit(12345); |
| 3 | DO region_id = 1 to 50; |
| 4 | DO i = 1 to 200; |
| 5 | frecuencia = rand('Poisson', 5); |
| 6 | severidad = rand('Lognormal', 10, 2); |
| 7 | OUTPUT; |
| 8 | END; |
| 9 | END; |
| 10 | RUN; |
Étapes de réalisation
1
Entrenamiento masivo con Clayton Copula y agrupación BY
¡Copiado!
| 1 | PROC CAS; |
| 2 | copula.copulaFit / |
| 3 | TABLE={name='siniestros_global', caslib='casuser', groupby={'region_id'}} |
| 4 | copula={type='clayton'} |
| 5 | var={'frecuencia', 'severidad'} |
| 6 | store={name='store_siniestros_multi', caslib='casuser', replace=true}; |
| 7 | RUN; |
2
Visualización detallada de grupos y configuraciones
¡Copiado!
| 1 | PROC CAS; |
| 2 | copula.copulaViewStore / |
| 3 | instore={name='store_siniestros_multi', caslib='casuser'} |
| 4 | viewOptions={byVarValues=true, optimizerSettings=true, all=false}; |
| 5 | RUN; |
Resultado esperado
El sistema debe retornar una tabla 'ByGroupInfo' o similar listando los 50 region_id almacenados. No debe fallar por volumen de metadatos y debe mostrar la configuración del optimizador aplicada a todos los grupos, confirmando la integridad del almacén masivo.