Note du 29 juin 2020
Sans connaitre encore le temps que dureront les mesures de distances sociales liées à la pandémie de Covid-19, et quels que soient les changements qui ont dû être opérés dans l’évaluation de la session de juin 2020 par rapport à ce que prévoit la présente fiche descriptive, de nouvelles modalités d’évaluation des unités d’enseignement peuvent encore être adoptées par l’enseignant ; des précisions sur ces modalités ont été -ou seront-communiquées par les enseignant·es aux étudiant·es dans les plus brefs délais.
Sans connaitre encore le temps que dureront les mesures de distances sociales liées à la pandémie de Covid-19, et quels que soient les changements qui ont dû être opérés dans l’évaluation de la session de juin 2020 par rapport à ce que prévoit la présente fiche descriptive, de nouvelles modalités d’évaluation des unités d’enseignement peuvent encore être adoptées par l’enseignant ; des précisions sur ces modalités ont été -ou seront-communiquées par les enseignant·es aux étudiant·es dans les plus brefs délais.
7 crédits
45.0 h
Q2
Enseignants
Denuit Michel; Trufin Julien (supplée Denuit Michel);
Langue
d'enseignement
d'enseignement
Français
Préalables
Maîtrise des concepts de base en statistique et calcul des probabilités, du niveau des cours:
- LMAFY1101 Exploration de données et introduction à l'inférence et LMAT1271 Calcul des probabilités et analyse statistique
- LFSAB1105 Probability and Statistics ou LEPL1108 Mathématiques discrètes et probabilité et LEPL1109 Statistiques et sciences des données
- LINGE1113 Probabilités, LINGE1214 Statistique approfondie et LINGE1222 Analyse statistique multivariée
- de la mineure d'accès en statistique, sciences actuarielles et science des données (programme donnant accès au master en sciences actuarielles).
Thèmes abordés
Techniques actuarielles de segmentation a priori et a posteriori pour les produits d'assurance.
Acquis
d'apprentissage
d'apprentissage
A la fin de cette unité d’enseignement, l’étudiant est capable de : | |
| 1 |
Eu égard au référentiel AA (AA du programme de master en sciences actuarielles), cette activité permet aux étudiants de maîtriser
|
La contribution de cette UE au développement et à la maîtrise des compétences et acquis du (des) programme(s) est accessible à la fin de cette fiche, dans la partie « Programmes/formations proposant cette unité d’enseignement (UE) ».
Contenu
- Nécessité et limite à la classification des risques
- Analyse a priori à l’aide des GLM, GAM, modèles mixtes, CART, Random Forests et techniques de boosting
- Grands sinistres et théorie des valeurs extrêmes
- Modèles mixtes et techniques de crédibilité
- Echelles bonus-malus
- Analyse a priori à l’aide des GLM, GAM, modèles mixtes, CART, Random Forests et techniques de boosting
- Grands sinistres et théorie des valeurs extrêmes
- Modèles mixtes et techniques de crédibilité
- Echelles bonus-malus
Méthodes d'enseignement
Le cours consiste en leçons théoriques illustrées de nombreux cas pratiques auxquelles l’étudiant est tenu de participer.
Modes d'évaluation
des acquis des étudiants
des acquis des étudiants
L’évaluation consiste en un examen écrit pour lequel l’étudiant dispose d’un formulaire.
Bibliographie
Matériel disponible en ligne, complété si nécessaire par
- Denuit, M., Charpentier, A. (2005). Mathématiques de l'Assurance NonVie. Tome II: Tarification et Provisionnement. Collection Economie et Statistique Avancées, Economica, Paris.
- Denuit, M., Hainaut, D., Trufin, J. (2019). Effective Statistical Learning Methods for Actuaries: GLMs and their Extensions. Springer Actuarial Lecture Notes Series.
- Trufin, J., Denuit, M., Hainaut, D. (2019). Effective Statistical Learning Methods for Actuaries: TreeBased Methods. Springer Actuarial Lecture Notes Series.
Support de cours
- matériel sur moodle
Faculté ou entité
en charge
en charge
LSBA
Programmes / formations proposant cette unité d'enseignement (UE)
Intitulé du programme
Sigle
Crédits
Prérequis
Acquis
d'apprentissage
d'apprentissage
Master [120] en sciences actuarielles
