Modelo matematico

Solo disponible en BuenasTareas
  • Páginas : 6 (1392 palabras )
  • Descarga(s) : 0
  • Publicado : 5 de junio de 2011
Leer documento completo
Vista previa del texto
Programación lineal y no lineal

“Modelo Matemático”

Alumnos: Gutiérrez Mendoza Ricardo
López Victoria Erwin
Peralta Jaimes Lidya Ivonne

Ciclo: Enero-Junio 2011

Nuestro proyecto está basado en una base de datos con una población de 41,808 (registros). Para la base de datos los asegurados son mayores de edad, hasta un límite de 64 años. La fecha de lainformación son datos históricos respecto a los años 2007, 2008,2009 y 2010.
La información está dividida en 16 columnas, estudiando estas variables, sabremos si el asegurado será bueno o malo (en caso de malo se extra primara), nuestro modelo está enfocado al área de seguros, ya que para términos de nuestro modelo un asegurado bueno sería el que menos posibles riesgos conllevaría su vida cotidiana,por el contrario, nuestra interpretación de malo, es aquel asegurado que sus rutinas diarias, ya sean por empleo o hobbies representan un riego alto.
Por otra parte los datos sobre fumar y tomar (bebidas alcohólicas), los evaluamos con puntuación de 0, 10, 20, 30 catalogándolo como nada, poco, regular y mucho respectivamente. Esta variable descriptiva también nos ayuda a decidir qué tantorepresenta ser un riesgo el asegurado en cuestión de salud.
La estructura de nuestro modelo está dividida en cuatro partes que a continuación explicaremos.

IDENTIFICACIÓN.
En principio identificamos un problema complejo que para su interpretación pueda ser simulado, optimizado y por lo tanto se necesita un modelo matemático predictivo.
El problema que hemos elegido es el poder calificar en buenos ymalos los asegurados de “x” aseguradora.
Nuestro trabajo evalúa las rutinas cotidianas del asegurado y dándole calificaciones según el riesgo, al final los asegurados con mayor riesgo serán considerados como malos, ya que ya sea por su riesgo de trabajo, fumar o tomar (por ejemplo), implicaría mayor riesgo y la probabilidad de que necesite el seguro es mayor, que la de una persona que su riesgode trabajo sea bajo.
Le damos una extra prima a los asegurados malos ya que creemos que la aseguradora debe de estar preparada para afrontar los riesgos a corto o mediano plazo, ya que con ellos sería más probable que hagan uso del seguro.

ELECCIÓN DEL TÍPO
La elección del modelo, requiere ser preciso en que tipo de respuesta u output (así se le conoce también) necesitamos obtener.Elegimos cuidadosamente los datos de entrada y para que pretendemos usar el modelo.
La elección de nuestro trabajo la consideramos suficiente, simple (lo cual nos permite hacer los cálculos matemáticos con facilidad).
Para esta fase fue necesario identificar el mayor número de datos, etiquetar y clasificar las variables independientes y dependientes y establecer consideraciones, físicas, medicas yde riesgo que representen adecuadamente el objetivo en estudio (ejemplo: fumar, tomar, riesgo del trabajo, etc.)

FORMALIZACIÓN
La formalización de nuestro modelo es la etapa en la que detallamos que forma adquieren los datos de entrada, ocupamos herramientas matemáticas (cálculos y graficas de Excel) y como adaptamos la información previa existente.
También hemos incluido archivosinformáticos, en esta fase se ah simplificado parte de la información para optimizar su aplicación.
Este último punto se ah hecho principalmente para el fácil tratamiento, computacionalmente hablando.

COMPARACION DE RESULTADOS
En esta etapa comparamos los resultados obtenidos como predicciones y estas las comparamos con la información observada previamente para que sepamos si se ah realizado unprocedimiento correcto.

En caso de que los resultados no se hubieran ajustado bien, nos veríamos en la necesidad de regresar a la fase uno (lo cual no fue nuestro caso).



CLUSTER
En nuestro modelo hemos decidido no hacer uso de los “clusters” ya que el numero de nuestras variables (significativas) son pocas, por lo cual no es necesario hacer uso de estos.

BASE DE DATOS
De las 11...
tracking img