Parcours Statistique d'Assurance
Formation
À Paris
Avez-vous besoin d'un coach de formation?
Il vous aidera à comparer différents cours et à trouver la solution la plus abordable.
Description
-
Typologie
Formation
-
Dirigé à
Pour professionnels
-
Lieu
Paris
-
Durée
6 Jours
Objectifs: Apprendre à manipuler le logiciel R et connaître ses fonctionnalités. Réviser des méthodes statistiques. Découvrir les applications de R à l'analyse de données et la modélisation en assurance. Destinataires: Aux statisticiens, actuaires, chargés d'études, et à tous les collaborateurs des services techniques des sociétés d'assurance et de réassurance, des institutions de prévoyance et des mutuelles, de l'audit et du conseil.
Précisions importantes
Modalité Formation continue
Les sites et dates disponibles
Lieu
Date de début
Date de début
À propos de cette formation
Niveau minimum requis : Bonnes connaissances en statistique et en calcul matriciel.
Les Avis
Professeurs
Manuela ROYER-CARENZI
Maître de conférences
Le programme
Jour 1 : Initiation au logiciel R et Statistiques de base
Découvrir le logiciel R :
- Installer et configurer R.
- Calculs simples.
- Calculs avec des vecteurs.
- Gérer les données manquantes.
- Nature et forme des objets.
Utiliser une base de données en assurance automobile :
- Charger les données sous R.
- Traiter les dates.
- Expliquer les variables.
Statistiques descriptives :
- Variables qualitatives et quantitatives.
- Utiliser les différents types de graphiques.
Statistiques inférentielles :
- Problématiques.
- Rappels sur les tests.
- Analyse de variance.
- Test du Chi2.
- Test de corrélation.
Jour 2 : Analyse multivariée sous ‘R'
Rappels de géométrie euclidienne :
- Nuage de points.
- Inertie d'un nuage de points.
- Cas particulier du nuage centré.
- Récapitulatif.
Analyse en composantes principales :
- Principe.
- Données.
- Exemples.
- Interpréter : espace des individus, espace des variables.
- Mettre en pratique.
Analyse factorielle des correspondances :
- Principe.
- Données.
- Test du Chi2.
- Nuages de points.
- Interpréter.
- Exercices.
Analyse des correspondances multiples :
- Principe.
- Données brutes.
- Tableaux disjonctifs.
- Remarques sur la procédure d'AFC.
- Généralisation à l'ACM.
- Exercices d'application.
Jour 3 : Méthodes de régression
Modèle linéaire :
- Format ‘dataframe'.
- Fonction ‘lm'.
- Syntaxe ‘model'.
- Analyser la régression.
Modèles GLM :
- Principe : lois exponentielles et fonctions de lien.
- Comparer les modèles.
- Analyser les régressions.
Modèles GAM :
- Principes.
- Package ‘gam'.
- Utiliser les splines en régression.
- Extension vers les modèles non paramétriques de régression.
Mise en œuvre :
- Modèle binaire 0/1.
- Données de comptage.
- Données positives.
Modèles dynamiques, introduction aux séries temporelles :
- Modèles ARIMA.
- Package ‘forecast'.
- Estimation. Prévision.
Jour 4 : Provisionnement. Modèles non linéaires. Tables prospectives
Provisionnement et chain ladder :
- Triangles de provisionnement.
- Link ratio et méthode chain ladder.
- Incertitude sur les paramètres.
- Méthode de Mack.
Modèles factoriels :
- Utiliser les GLM en provisionnement.
- Régression logPoisson.
Bootstrap et provisionnement :
- Simuler les résidus du GLM.
- Bootstrap ou simulations non paramétriques.
- Monte Carlo ou simulations paramétriques.
Modèle de Lee & Carter sur les tables de mortalité :
- Principe des tables prospectives.
- Package ‘gnm' et modèles non linéaires.
- Programmes de LifeMetrics.
- Package ‘demography'.
Avez-vous besoin d'un coach de formation?
Il vous aidera à comparer différents cours et à trouver la solution la plus abordable.
Parcours Statistique d'Assurance