Predicción de la severidad de accidentes de tráfico con víctimas mediante Random Forest

<?xml version="1.0" encoding="UTF-8" standalone="no"?>
<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance">
<rdf:Description>
<dc:creator>Domingo Gesteiro, Alejandro Rubén</dc:creator>
<dc:creator>Rodríguez-Pardo del Castillo, José Miguel</dc:creator>
<dc:creator>Simón del Potro, Jesús Ramón</dc:creator>
<dc:creator>Universidad Carlos III de Madrid</dc:creator>
<dc:date>2018</dc:date>
<dc:description xml:lang="es">Trabajo Fin de Master del Master en Ciencias Actuariales y Financieras de la Escuela de Postgrado de la Universidad Carlos III de Madrid. Tutores: José Miguel Rodríguez-Pardo del Castillo y Jesús Ramón Simón del Potro. Curso 2017-2018</dc:description>
<dc:description xml:lang="es">Sumario: Los accidentes de tráfico han sido principalmente objeto de estudio actuarial en relación con las carteras de asegurados calibrándose con las características de los individuos. Este trabajo toma otro enfoque, donde desarrolla dos métodos predictivos de machine learning para estudiar la severidad de los accidentes de tráfico a partir de variables externas al accidente. En primer lugar, se modeliza un random forest para predecir la severidad de las víctimas de accidentes de tráfico no fallecidas; y por otro lado un modelo lineal generalizado binomial para predecir víctimas mortales. Para las dos modelizaciones, las validaciones cruzadas de 5 y 10 iteraciones respectivamente arrojan aproximadamente una precisión del 98% para el random forest y un 95% para el modelo lineal generalizado. Este trabajo tiene una limitación interna al estimar modelos simples y por otra parte una limitación externa, debido a que los modelos estudian variables mayoritariamente externas, siendo interesante incluir además variables endógenas al individuo en futuros estudios</dc:description>
<dc:format xml:lang="en">application/pdf</dc:format>
<dc:identifier>https://documentacion.fundacionmapfre.org/documentacion/publico/es/bib/165521.do</dc:identifier>
<dc:language>spa</dc:language>
<dc:publisher>Universidad Carlos III de Madrid</dc:publisher>
<dc:rights xml:lang="es">InC - http://rightsstatements.org/vocab/InC/1.0/</dc:rights>
<dc:subject xml:lang="es">Accidentes de tráfico</dc:subject>
<dc:subject xml:lang="es">Cálculo actuarial</dc:subject>
<dc:subject xml:lang="es">Análisis actuarial</dc:subject>
<dc:subject xml:lang="es">Modelos actuariales</dc:subject>
<dc:subject xml:lang="es">Mercado de seguros</dc:subject>
<dc:subject xml:lang="es">Modelos lineales generalizados</dc:subject>
<dc:subject xml:lang="es">Víctimas humanas</dc:subject>
<dc:subject xml:lang="es">Modelos predictivos</dc:subject>
<dc:subject xml:lang="es">Modelización</dc:subject>
<dc:type xml:lang="es">Libros</dc:type>
<dc:title xml:lang="es">Predicción de la severidad de accidentes de tráfico con víctimas mediante Random Forest</dc:title>
<dc:relation xml:lang="es">Trabajos Fin de Master</dc:relation>
</rdf:Description>
</rdf:RDF>