Modelos lineares generalizados aplicados à precificação em seguro saúde

• Autor(a) principal: Machado, Pedro Ivo Pires
• Data de Publicação: 2013
• Outros Autores: Calzavara, Rafael Santos
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UFRJ
• Texto Completo: http://hdl.handle.net/11422/4850
• topic: CNPQ::OUTROS::CIENCIAS ATUARIAIS; Modelos lineares generalizados; Estatística; Seguros

Com o crescimento do acesso aos planos de assistência à saúde no Brasil, aliado à alta competitividade existente entre as empresas atuantes no mercado de Saúde Suplementar, o processo de formação do preço do Seguro Saúde exige uma alta sofisticação técnica com o objetivo de melhorar a acurácia na previsão dos gastos médicos decorrentes de eventos associados à condição de bem-estar do ser humano. Apesar da quase impossível missão de se estabelecer um preço à vida, este trabalho propõe uma discussão sobre técnicas de previsão de sinistros no segmento Saúde onde, a partir de uma base de dados provenientes de uma seguradora atuante neste ramo de negócio, fez-se uso de Modelos de Regressão como forma de associar as principais características do segurado que influenciam no valor total do sinistro. Obedecendo aos critérios básicos usualmente adotados no processo de modelagem, foram realizados tratamentos na base de dados, bem como uma pormenorização de todas as suas componentes e suas possíveis influências no modelo, através da técnica estatística de Análise Exploratória de Dados. Após o trabalho de entendimento da base, foram ajustados os chamados Modelos Clássicos de Regressão, utilizando critérios de seleção e bondade do ajuste, baseando-se em suposições de Normalidade e Independência do fenômeno estudado. Por fim, como extensão dos modelos clássicos, utilizaram-se Modelos Lineares Generalizados, que necessitam de premissas mais flexíveis para a sua aplicabilidade, de modo a melhorar a assertividade na previsão de novas observações. Foram eliciados também outros procedimentos de forma a melhorar este processo, como a utilização de metodologias alternativas e enriquecimento da base de dados.