Información del autor
Autor Denuit, Michel |
Documentos disponibles escritos por este autor (3)
Crear una solicitud de compra Refinar búsqueda
TÃtulo : Effective Statistical Learning Methods for Actuaries I : GLMs and Extensions Tipo de documento: documento electrónico Autores: Denuit, Michel, ; Hainaut, Donatien, ; Trufin, Julien, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2019 Número de páginas: XVI, 441 p. 82 ilustraciones, 23 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-25820-7 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: ciencia actuarial EstadÃsticas Matemáticas actuariales EstadÃstica en Negocios Gestión EconomÃa Finanzas Seguros Clasificación: 368.01 Resumen: Este libro resume el estado del arte en modelos lineales generalizados (GLM) y sus diversas extensiones: GAM, modelos mixtos y de credibilidad, y algunas variantes no lineales (GNM). Para abordar los eventos de cola se presentan herramientas analÃticas de la TeorÃa del Valor Extremo. Más allá del modelado de medias, considera el modelado de volatilidad (dobles GLM) y el modelado general de parámetros de ubicación, escala y forma (GAMLSS). Los actuarios necesitan estas herramientas analÃticas avanzadas para convertir en oportunidades los enormes conjuntos de datos que ahora tienen a su disposición. La exposición alterna aspectos metodológicos y estudios de casos, proporcionando ilustraciones numéricas utilizando el software estadÃstico R. Los requisitos técnicos previos se mantienen a un nivel razonable para llegar a un amplio público de lectores. Este es el primero de tres volúmenes titulados Métodos eficaces de aprendizaje estadÃstico para actuarios. Escrita por actuarios para actuarios, esta serie ofrece una descripción general completa del análisis de datos de seguros con aplicaciones a seguros generales, de vida y de salud. Aunque está estrechamente relacionado con los otros dos volúmenes, este volumen se puede leer de forma independiente. Nota de contenido: Preface -- Part I: LOSS MODELS.-1. Insurance Risk Classification.-Exponential Dispersion (ED) Distributions.-3.-Maximum Likelihood Estimation.-Part II LINEAR MODELS.-4. Generalized Linear Models (GLMs) -- 5.-Over-dispersion, credibility adjustments, mixed models, and regularization.-Part III ADDITIVE MODELS -- 6 Generalized Additive Models (GAMs) -- 7. Beyond Mean Modeling: Double GLMs and GAMs for Location, Scale and Shape (GAMLSS) -- Part IV SPECIAL TOPICS -- 8. Some Generalized Non-Linear Models (GNMs) -- 9 Extreme Value Models -- References. Tipo de medio : Computadora Summary : This book summarizes the state of the art in generalized linear models (GLMs) and their various extensions: GAMs, mixed models and credibility, and some nonlinear variants (GNMs). In order to deal with tail events, analytical tools from Extreme Value Theory are presented. Going beyond mean modeling, it considers volatility modeling (double GLMs) and the general modeling of location, scale and shape parameters (GAMLSS). Actuaries need these advanced analytical tools to turn the massive data sets now at their disposal into opportunities. The exposition alternates between methodological aspects and case studies, providing numerical illustrations using the R statistical software. The technical prerequisites are kept at a reasonable level in order to reach a broad readership. This is the first of three volumes entitled Effective Statistical Learning Methods for Actuaries. Written by actuaries for actuaries, this series offers a comprehensive overview of insurancedata analytics with applications to P&C, life and health insurance. Although closely related to the other two volumes, this volume can be read independently. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Effective Statistical Learning Methods for Actuaries I : GLMs and Extensions [documento electrónico] / Denuit, Michel, ; Hainaut, Donatien, ; Trufin, Julien, . - 1 ed. . - [s.l.] : Springer, 2019 . - XVI, 441 p. 82 ilustraciones, 23 ilustraciones en color.
ISBN : 978-3-030-25820-7
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Idioma : Inglés (eng)
Palabras clave: ciencia actuarial EstadÃsticas Matemáticas actuariales EstadÃstica en Negocios Gestión EconomÃa Finanzas Seguros Clasificación: 368.01 Resumen: Este libro resume el estado del arte en modelos lineales generalizados (GLM) y sus diversas extensiones: GAM, modelos mixtos y de credibilidad, y algunas variantes no lineales (GNM). Para abordar los eventos de cola se presentan herramientas analÃticas de la TeorÃa del Valor Extremo. Más allá del modelado de medias, considera el modelado de volatilidad (dobles GLM) y el modelado general de parámetros de ubicación, escala y forma (GAMLSS). Los actuarios necesitan estas herramientas analÃticas avanzadas para convertir en oportunidades los enormes conjuntos de datos que ahora tienen a su disposición. La exposición alterna aspectos metodológicos y estudios de casos, proporcionando ilustraciones numéricas utilizando el software estadÃstico R. Los requisitos técnicos previos se mantienen a un nivel razonable para llegar a un amplio público de lectores. Este es el primero de tres volúmenes titulados Métodos eficaces de aprendizaje estadÃstico para actuarios. Escrita por actuarios para actuarios, esta serie ofrece una descripción general completa del análisis de datos de seguros con aplicaciones a seguros generales, de vida y de salud. Aunque está estrechamente relacionado con los otros dos volúmenes, este volumen se puede leer de forma independiente. Nota de contenido: Preface -- Part I: LOSS MODELS.-1. Insurance Risk Classification.-Exponential Dispersion (ED) Distributions.-3.-Maximum Likelihood Estimation.-Part II LINEAR MODELS.-4. Generalized Linear Models (GLMs) -- 5.-Over-dispersion, credibility adjustments, mixed models, and regularization.-Part III ADDITIVE MODELS -- 6 Generalized Additive Models (GAMs) -- 7. Beyond Mean Modeling: Double GLMs and GAMs for Location, Scale and Shape (GAMLSS) -- Part IV SPECIAL TOPICS -- 8. Some Generalized Non-Linear Models (GNMs) -- 9 Extreme Value Models -- References. Tipo de medio : Computadora Summary : This book summarizes the state of the art in generalized linear models (GLMs) and their various extensions: GAMs, mixed models and credibility, and some nonlinear variants (GNMs). In order to deal with tail events, analytical tools from Extreme Value Theory are presented. Going beyond mean modeling, it considers volatility modeling (double GLMs) and the general modeling of location, scale and shape parameters (GAMLSS). Actuaries need these advanced analytical tools to turn the massive data sets now at their disposal into opportunities. The exposition alternates between methodological aspects and case studies, providing numerical illustrations using the R statistical software. The technical prerequisites are kept at a reasonable level in order to reach a broad readership. This is the first of three volumes entitled Effective Statistical Learning Methods for Actuaries. Written by actuaries for actuaries, this series offers a comprehensive overview of insurancedata analytics with applications to P&C, life and health insurance. Although closely related to the other two volumes, this volume can be read independently. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
TÃtulo : Effective Statistical Learning Methods for Actuaries II : Tree-Based Methods and Extensions Tipo de documento: documento electrónico Autores: Denuit, Michel, ; Hainaut, Donatien, ; Trufin, Julien, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2020 Número de páginas: X, 228 p. 68 ilustraciones, 6 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-57556-4 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: ciencia actuarial Redes neuronales (Informática) EstadÃsticas Matemáticas actuariales Modelos matemáticos de procesos cognitivos y redes neuronales EstadÃstica en IngenierÃa FÃsica Informática QuÃmica y Ciencias de la Tierra EstadÃstica en Negocios Gestión EconomÃa Finanzas Seguros Clasificación: 368.01 Resumen: Este libro resume el estado del arte en métodos basados ​​en árboles para seguros: árboles de regresión, bosques aleatorios y métodos de impulso. También exhibe las herramientas que permiten evaluar el rendimiento predictivo de los modelos basados ​​en árboles. Los actuarios necesitan estas herramientas analÃticas avanzadas para convertir los enormes conjuntos de datos que ahora tienen a su disposición en oportunidades. La exposición alterna aspectos metodológicos e ilustraciones numéricas o estudios de casos. Todas las ilustraciones numéricas se realizan con el software estadÃstico R. Los requisitos técnicos previos se mantienen a un nivel razonable para llegar a un amplio público de lectores. En particular, los estudiantes de maestrÃa en ciencias actuariales y los actuarios que deseen actualizar sus habilidades en aprendizaje automático encontrarán útil el libro. Este es el segundo de tres volúmenes titulados Métodos eficaces de aprendizaje estadÃstico para actuarios. Escrita por actuarios para actuarios, esta serie ofrece una descripción general completa del análisis de datos de seguros con aplicaciones a seguros generales, de vida y de salud. Nota de contenido: Chapter 1: Introductio -- Chapter 2 : Performance Evaluation -- Chapter 3 Regression Trees -- Chapter 4 Bagging Trees and Random Forests -- Chapter 5 Boosting Trees -- Chapter 6 Other Measures for Model Comparison. Tipo de medio : Computadora Summary : This book summarizes the state of the art in tree-based methods for insurance: regression trees, random forests and boosting methods. It also exhibits the tools which make it possible to assess the predictive performance of tree-based models. Actuaries need these advanced analytical tools to turn the massive data sets now at their disposal into opportunities. The exposition alternates between methodological aspects and numerical illustrations or case studies. All numerical illustrations are performed with the R statistical software. The technical prerequisites are kept at a reasonable level in order to reach a broad readership. In particular, masters students in actuarial sciences and actuaries wishing to update their skills in machine learning will find the book useful. This is the second of three volumes entitled Effective Statistical Learning Methods for Actuaries. Written by actuaries for actuaries, this series offers a comprehensive overview of insurance data analytics with applications to P&C, life and health insurance. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Effective Statistical Learning Methods for Actuaries II : Tree-Based Methods and Extensions [documento electrónico] / Denuit, Michel, ; Hainaut, Donatien, ; Trufin, Julien, . - 1 ed. . - [s.l.] : Springer, 2020 . - X, 228 p. 68 ilustraciones, 6 ilustraciones en color.
ISBN : 978-3-030-57556-4
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Idioma : Inglés (eng)
Palabras clave: ciencia actuarial Redes neuronales (Informática) EstadÃsticas Matemáticas actuariales Modelos matemáticos de procesos cognitivos y redes neuronales EstadÃstica en IngenierÃa FÃsica Informática QuÃmica y Ciencias de la Tierra EstadÃstica en Negocios Gestión EconomÃa Finanzas Seguros Clasificación: 368.01 Resumen: Este libro resume el estado del arte en métodos basados ​​en árboles para seguros: árboles de regresión, bosques aleatorios y métodos de impulso. También exhibe las herramientas que permiten evaluar el rendimiento predictivo de los modelos basados ​​en árboles. Los actuarios necesitan estas herramientas analÃticas avanzadas para convertir los enormes conjuntos de datos que ahora tienen a su disposición en oportunidades. La exposición alterna aspectos metodológicos e ilustraciones numéricas o estudios de casos. Todas las ilustraciones numéricas se realizan con el software estadÃstico R. Los requisitos técnicos previos se mantienen a un nivel razonable para llegar a un amplio público de lectores. En particular, los estudiantes de maestrÃa en ciencias actuariales y los actuarios que deseen actualizar sus habilidades en aprendizaje automático encontrarán útil el libro. Este es el segundo de tres volúmenes titulados Métodos eficaces de aprendizaje estadÃstico para actuarios. Escrita por actuarios para actuarios, esta serie ofrece una descripción general completa del análisis de datos de seguros con aplicaciones a seguros generales, de vida y de salud. Nota de contenido: Chapter 1: Introductio -- Chapter 2 : Performance Evaluation -- Chapter 3 Regression Trees -- Chapter 4 Bagging Trees and Random Forests -- Chapter 5 Boosting Trees -- Chapter 6 Other Measures for Model Comparison. Tipo de medio : Computadora Summary : This book summarizes the state of the art in tree-based methods for insurance: regression trees, random forests and boosting methods. It also exhibits the tools which make it possible to assess the predictive performance of tree-based models. Actuaries need these advanced analytical tools to turn the massive data sets now at their disposal into opportunities. The exposition alternates between methodological aspects and numerical illustrations or case studies. All numerical illustrations are performed with the R statistical software. The technical prerequisites are kept at a reasonable level in order to reach a broad readership. In particular, masters students in actuarial sciences and actuaries wishing to update their skills in machine learning will find the book useful. This is the second of three volumes entitled Effective Statistical Learning Methods for Actuaries. Written by actuaries for actuaries, this series offers a comprehensive overview of insurance data analytics with applications to P&C, life and health insurance. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
TÃtulo : Effective Statistical Learning Methods for Actuaries III : Neural Networks and Extensions Tipo de documento: documento electrónico Autores: Denuit, Michel, ; Hainaut, Donatien, ; Trufin, Julien, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2019 Número de páginas: XIII, 250 p. 78 ilustraciones, 75 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-25827-6 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: ciencia actuarial EstadÃsticas Redes neuronales (Informática) Matemáticas actuariales EstadÃstica en Negocios Gestión EconomÃa Finanzas Seguros Modelos matemáticos de procesos cognitivos y redes neuronales Clasificación: 368.01 Resumen: La inteligencia artificial y las redes neuronales ofrecen una poderosa alternativa a los métodos estadÃsticos para analizar datos. Este libro revisa algunos de los desarrollos más recientes en redes neuronales, centrándose en aplicaciones en ciencias actuariales y finanzas. El tercer volumen de la trilogÃa presenta simultáneamente las herramientas relevantes para desarrollar y analizar redes neuronales, en un estilo matemáticamente riguroso pero accesible. Los autores proceden mediante generalizaciones sucesivas, que exigen del lector sólo unos conocimientos básicos de estadÃstica. Se cubren varios temas, desde redes de retroalimentación hasta aprendizaje profundo, como el aprendizaje bayesiano, métodos de impulso y modelos de memoria a corto plazo. Todos los métodos se aplican a siniestros, mortalidad o pronósticos de series temporales. Este libro está escrito para estudiantes de maestrÃa en ciencias actuariales y para actuarios que deseen actualizar sus habilidades en aprendizaje automático. . Nota de contenido: Preface. - Feed-forward Neural Networks. - Byesian Neural Networks and GLM. - Deep Neural Networks -- Dimension-Reduction with Forward Neural Nets Applied to Mortality. - Self-organizing Maps and k-means clusterin in non Life Insurance. - Ensemble of Neural Networks -- Gradient Boosting with Neural Networks. - Time Series Modelling with Neural Networks -- References. Tipo de medio : Computadora Summary : Artificial intelligence and neural networks offer a powerful alternative to statistical methods for analyzing data. This book reviews some of the most recent developments in neural networks, with a focus on applications in actuarial sciences and finance. The third volume of the trilogy simultaneously introduces the relevant tools for developing and analyzing neural networks, in a style that is mathematically rigorous and yet accessible. The authors proceed by successive generalizations, requiring of the reader only a basic knowledge of statistics. Various topics are covered from feed-forward networks to deep learning, such as Bayesian learning, boosting methods and Long Short Term Memory models. All methods are applied to claims, mortality or time-series forecasting. This book is written for masters students in the actuarial sciences and for actuaries wishing to update their skills in machine learning. . Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Effective Statistical Learning Methods for Actuaries III : Neural Networks and Extensions [documento electrónico] / Denuit, Michel, ; Hainaut, Donatien, ; Trufin, Julien, . - 1 ed. . - [s.l.] : Springer, 2019 . - XIII, 250 p. 78 ilustraciones, 75 ilustraciones en color.
ISBN : 978-3-030-25827-6
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Idioma : Inglés (eng)
Palabras clave: ciencia actuarial EstadÃsticas Redes neuronales (Informática) Matemáticas actuariales EstadÃstica en Negocios Gestión EconomÃa Finanzas Seguros Modelos matemáticos de procesos cognitivos y redes neuronales Clasificación: 368.01 Resumen: La inteligencia artificial y las redes neuronales ofrecen una poderosa alternativa a los métodos estadÃsticos para analizar datos. Este libro revisa algunos de los desarrollos más recientes en redes neuronales, centrándose en aplicaciones en ciencias actuariales y finanzas. El tercer volumen de la trilogÃa presenta simultáneamente las herramientas relevantes para desarrollar y analizar redes neuronales, en un estilo matemáticamente riguroso pero accesible. Los autores proceden mediante generalizaciones sucesivas, que exigen del lector sólo unos conocimientos básicos de estadÃstica. Se cubren varios temas, desde redes de retroalimentación hasta aprendizaje profundo, como el aprendizaje bayesiano, métodos de impulso y modelos de memoria a corto plazo. Todos los métodos se aplican a siniestros, mortalidad o pronósticos de series temporales. Este libro está escrito para estudiantes de maestrÃa en ciencias actuariales y para actuarios que deseen actualizar sus habilidades en aprendizaje automático. . Nota de contenido: Preface. - Feed-forward Neural Networks. - Byesian Neural Networks and GLM. - Deep Neural Networks -- Dimension-Reduction with Forward Neural Nets Applied to Mortality. - Self-organizing Maps and k-means clusterin in non Life Insurance. - Ensemble of Neural Networks -- Gradient Boosting with Neural Networks. - Time Series Modelling with Neural Networks -- References. Tipo de medio : Computadora Summary : Artificial intelligence and neural networks offer a powerful alternative to statistical methods for analyzing data. This book reviews some of the most recent developments in neural networks, with a focus on applications in actuarial sciences and finance. The third volume of the trilogy simultaneously introduces the relevant tools for developing and analyzing neural networks, in a style that is mathematically rigorous and yet accessible. The authors proceed by successive generalizations, requiring of the reader only a basic knowledge of statistics. Various topics are covered from feed-forward networks to deep learning, such as Bayesian learning, boosting methods and Long Short Term Memory models. All methods are applied to claims, mortality or time-series forecasting. This book is written for masters students in the actuarial sciences and for actuaries wishing to update their skills in machine learning. . Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
