خط مشی دسترسیدرباره ما
ثبت نامثبت نام
راهنماراهنما
فارسی
ورودورود
صفحه اصلیصفحه اصلی
جستجوی مدارک
تمام متن
منابع دیجیتالی
رکورد قبلیرکورد بعدی
Record identifier : 565066
Personal Name - Primary Intelectual Responsibility : Mir Maroufi Zibandeh, Mahsa
Title and statement of responsibility : Modeling Health Insurance Claims with Extreme Observations The case study of Iran insurance company [Thesis]/میرمعروفی زیبنده، مهسا;supervisor: Reza Ofoghi;advisor: Ghadir Mahdavi
Publication, Distribution,Etc. : , 2012
Language of the Item : eng
Internal Bibliographies/Indexes Note : Bibliography
Dissertation of thesis details and type of degree : Master of Science
Discipline of degree : , Actuarial Science
Body granting the degree : , Allameh Tabataba i University, ECO College of Insurance
Summary or Abstract : بوده است .چنین ضریب خسارتی بالاترین ضریب در بین سایر رشته‌های بیمه‌ای می‌باشد .بالا بودن ضریب خسارت باعث افزایش میزان ضرر شرکت‌های بیمه شده و احتمال ورشکستگی شرکت‌های بیمه را افزایش می‌دهد .بنابراین شرکت‌های بیمه برای کاهش ضریب خسارت در بخش درمان، بایستی در پی توزیع آماری مناسب برای مدل‌بندی خسارت‌های درمانی باشند تا بدین وسیله بتوانند پیش‌بینی‌های دقیق در موردخسارت‌های آتی داشته و حق بیمه رامتناسب با خسارت‌ها تعیین نماید .با تعیین حق بیمه‌های مناسب ضریب خسارت شرکت‌ها کاهش می‌یابد.ک یافتن توزیع آماری مناسب برای خسارت‌هایی با مقادیر بالا و پایین در جهت نرخ‌گذاری حق بیمه‌های مناسب، مفید خواهد بود 926/0 ، 1390و در سال 003/1 ، 1389از مردم تحت پوشش خدمات درمانی می‌باشند .با توجه به آمار ارائه شده توسط بیمه مرکزی ایران، ضریب خسارت در شرکت‌های بیمه در بخش بیمه‌های درمانی در سال 73 میلیونی، ایران یکی از کشورهای پراهمیت در منطقه خاورمیانه است .باافزایش جمعیت در هر کشوری نیاز مردم به مراقبتهای بهداشتی افزایش می‌یابد .به تبع آن هزینه‌های صرف شده در بخش درمان نیز افزایش خواهد یافت .درکشور ایران حدود 70 هدف تحقیق : با توجه به جمعیت
: In modeling insurance claims, when there are extreme observations in the data, the commonly used loss distributions are often able to fit the bulk of the data well but fail to do so at the tail. One approach to overcome this problem is to focus only on the extreme observations and model them with the generalized Pareto distribution as supported by extreme value theory .Considering the medical claim of Iran insurance company in 1389 and 1390, we have observed that the data is strongly skewed to the right. By applying our models for no threshold data, the transformed kernel and GPD model fit well to medical claims but GLD model is not good enough in modeling higher claims..
Topical Name Used as Subject : Extreme value theory
: Kernel density
: Generalized Pareto distribution
: Generalized lambda distribution
Uncontrolled Subject Terms : نظریه مقدار کرانی
: تابع چگالی کرنل
Information of biblio record : TL
 
 
 
(در صورت عدم وضوح تصویر اینجا را کلیک نمایید)