M. Sánchez Sánchez, A. Suárez Llorens, M. Á. Sordo Díaz
En el contexto de la inferencia Bayesiana robusta, se ha definido recientemente una nueva clase de distribuciones a priori basadas en ordenes estocásticos y funciones de distorsión.En nuestro caso vamos a tratar de aplicar estos avances en el coxtexto actuarial. Veremos como si elegimos como distribución a priori alguna perteneciente a la clase que definiremos, las primas Bayes no se ven afectadas de manera significativa. Utilizando los principios de primas más usuales, que además cumplen las condiciones necesarias requeridas por este nuevo método, obtendremos el valor de las primas para diferentes combinaciones de primas Colectivas y primas Bayes. Después de explicar la seleción de los diferentes parámetros que toman parte en el modelo, pasaremos a mostrar los resultados obtenidos y una interpretación de los resultados. Para finalizar aportamos también una forma de medir la robustez con la intención de dejar constancia de la eficacia del método
Palabras clave: Análisis de robustez Bayesiana, clases a priori, ordenes estocásticos, funciones distorsionadas, principios de primas
Programado
X04 Pausa Café. Sesión Posters. Reunión TEST - Edificio 1
7 de septiembre de 2016 11:40
Edificio 1
