
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Bueno Filho, Júlio Sílvio de Sousa | - |
| Autor(es): dc.contributor | Oliveira, Izabela Regina Cardoso de | - |
| Autor(es): dc.contributor | Ferreira, Leandro | - |
| Autor(es): dc.creator | Mélo, Marcel Irving Pereira | - |
| Data de aceite: dc.date.accessioned | 2026-02-09T11:19:48Z | - |
| Data de disponibilização: dc.date.available | 2026-02-09T11:19:48Z | - |
| Data de envio: dc.date.issued | 2016-08-02 | - |
| Data de envio: dc.date.issued | 2016-08-02 | - |
| Data de envio: dc.date.issued | 2016-08-02 | - |
| Data de envio: dc.date.issued | 2016-04-01 | - |
| Fonte completa do material: dc.identifier | https://repositorio.ufla.br/handle/1/11485 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1138578 | - |
| Descrição: dc.description | In this dissettation we carried out Bayesian analysis for auto insurance data using latent Gaussian models. Such class of models include generalized linear (mixed) models and can take various structures, such as temporal, spatial and spatiotemporal. To evaluate the marginal posterior distributions we use the Integrated Nested Laplace Approximation (INLA). This is a fast deterministic algorithm for Bayesian inference with direct application to latent Gaussian models. Model selection was based on Deviance Information Criterion (DIC) as well as the log pseudo marginal likelihood (LPML) that measures the predictive quality of the model and is based on the conditional predictive density ordinate (CPO). To check the model calibration, a histogram of probability integral transform (PIT) was drawn in which we verify the uniformity of the data. In view of the results to drivers premium, we conclude that males pay a higher premium than females, on average. Similarly, youngers pay on average a higher premium than more experienced drivers. We also emphasize that the model that best adjust to data, includes grouping (random) effects, and those are best modelled including spatial effects. Keywords: Automobile Insurance, Gamma Distribution, Gaussian Latent Models, Spatial Models. | - |
| Descrição: dc.description | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | - |
| Descrição: dc.description | Nessa dissertação de mestrado, é realizada a análise bayesiana para dados de seguro de automóveis utilizando modelos que pertencem a uma classe denominada de modelos gaussianos latentes. Tais modelos englobam os modelos lineares generalizados e mistos e podem assumir diversas estruturas, como por exemplo, temporais, espaciais e espaço-temporais. Para a estimação das distribuições marginais a posteriori utiliza-se a Aproximação de Laplace Aninhada Integrada (INLA), um veloz algoritmo determinístico para inferência bayesiana com aplicação nestes modelos. A seleção de modelos foi baseado no Deviance Information Criterion (DIC) e na pseudo log-verossimilhança marginal (LPML) que mede a qualidade preditiva do modelo e é baseada na ordenada da densidade preditiva condicional (CPO). Para verificar a calibração do modelo, um histograma da transformação integral de probabilidade (PIT) é construído, a fim de verificar a uniformidade dos dados. à luz dos resultados, conclui-se que condutores do sexo masculino, em média, pagam um prêmio maior que condutores do sexo feminino. De forma aná- loga, condutores mais jovens pagam, em média, um prêmio maior que condutores mais experientes. Destaca-se ainda que, os modelos que melhor descrevem os dados contém efeitos agrupados (aleatórios) e que, dentre estes, os mais precisos incluem efeitos espaciais. | - |
| Formato: dc.format | application/pdf | - |
| Idioma: dc.language | pt_BR | - |
| Publicador: dc.publisher | Universidade Federal de Lavras | - |
| Publicador: dc.publisher | Programa de Pós-graduação em Estatística e Experimentação Agropecuária | - |
| Publicador: dc.publisher | UFLA | - |
| Publicador: dc.publisher | brasil | - |
| Publicador: dc.publisher | Departamento de Ciências Exatas | - |
| Direitos: dc.rights | acesso aberto | - |
| Palavras-chave: dc.subject | Distribuição gama | - |
| Palavras-chave: dc.subject | Modelos espaciais | - |
| Palavras-chave: dc.subject | Modelos gaussianos latentes | - |
| Palavras-chave: dc.subject | Seguro de automóveis | - |
| Palavras-chave: dc.subject | Gamma distribution | - |
| Palavras-chave: dc.subject | Spatial models | - |
| Palavras-chave: dc.subject | Gaussian latent models | - |
| Palavras-chave: dc.subject | Car insurance | - |
| Palavras-chave: dc.subject | Estatística | - |
| Título: dc.title | Modelagem de prêmios de seguros de automóveis via Aproximação de Laplace Aninhada Integrada (INLA) | - |
| Título: dc.title | Modeling automobile insurance premium via integrated nested laplace approximation (INLA) | - |
| Tipo de arquivo: dc.type | dissertação | - |
| Aparece nas coleções: | Repositório Institucional da Universidade Federal de Lavras (RIUFLA) | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: