Est-il possible d'évaluer l'incertitude liée à l'estimation des paramètres des modèles ?

Analyse d'Incertitude via Perturbation de Paramètres

Oui, l'action cdm permet de réaliser une analyse de sensibilité avancée grâce au paramètre nPerturbedSamples. En spécifiant ce paramètre, l'action va générer plusieurs échantillons en faisant varier légèrement les paramètres des distributions de fréquence et de sévérité en fonction de leur matrice de covariance. Cela permet de produire des statistiques de résumé perturbées, offrant ainsi une vision claire de la robustesse des résultats face aux erreurs d'estimation statistique.

Exemples pour l'action cdm

Simulation basique de risque collectif

Une simulation simple utilisant une distribution de Poisson pour la fréquence et les définitions de sévérité précédentes.

Modèle complexe avec ajustements et stockage de résultats

Cet exemple utilise un modèle de pure premium, génère un échantillon complet et applique une logique de calcul personnalisée via 'adjustedSeverity'.

Vous pourriez aussi aimer...

Conseil de l'Expert

Ne confondez pas l'incertitude de modèle et l'incertitude de paramètre. Utilisez toujours une matrice de covariance robuste (obtenue via l'action severity ou countreg) pour alimenter le paramètre nPerturbedSamples. Sans une matrice de covariance précise, la perturbation sera aléatoire et ne reflétera pas la réalité statistique de vos erreurs d'estimation.

Points clés de l'implémentation technique

Propagation d'Erreur : L'action utilise la décomposition de Cholesky de la matrice de covariance pour simuler des vecteurs de paramètres corrélés suivant une loi normale multidimensionnelle.

Cette réponse vous a-t-elle aidé ?