Maestría Facultad de Ciencias Matemáticas
Permanent URI for this collectionhttps://hdl.handle.net/20.500.12672/42
Browse
Browsing Maestría Facultad de Ciencias Matemáticas by browse.metadata.advisor "Domínguez Cirilo, Wilfredo Eugenio"
Now showing 1 - 2 of 2
- Results Per Page
- Sort Options
Item Análisis de modelos de riesgos colectivos e individuales y la probabilidad de ruina en una empresa financiera – aseguradora(Universidad Nacional Mayor de San Marcos, 2021) Hincho Ccasa, Timoteo; Domínguez Cirilo, Wilfredo EugenioDescribe las características de las pólizas de seguro vehicular y estimar las probabilidades de ruina o quiebra de la aseguradora, donde puede ser obtenida mediante los modelos de riesgos colectivos e individuales y los métodos de aproximación de Lundberg y exponencial de las variables número de reclamaciones y monto, durante el primer trimestre del año 2018. La metodología empleada es de tipo descriptivo longitudinal que describe el comportamiento de lo sucedido de las pólizas de seguros vehiculares durante el primer trimestre. Los resultados obtenidos en la estimación de las probabilidades de ruina a partir del modelo colectivo e individual se realizan con una aplicación real como es el caso de seguros vehiculares; específicamente robo total en la ciudad en Lima año 2018. Los resultados muestran que en promedio cada día hay 18 robos vehiculares solo en Lima, estos acontecimientos en gran cantidad generan movimientos económicos invalorables, la empresa aseguradora puede tener un riesgo de reembolso de pago. Estos posibles riesgos se pueden medir utilizando la teoría de probabilidad de ruina mediante los modelos de riesgo, donde se puede concluir y dar la advertencia de una posible de falta de liquidez en las empresas aseguradoras de vehículos.Item K − vecino más próximos en una aplicación de clasificación y predicción en el Poder Judicial del Perú(Universidad Nacional Mayor de San Marcos, 2017) Quezada Lucio, Nel; Domínguez Cirilo, Wilfredo EugenioBusca encontrar modelos utilizando el método de los k−vecinos más próximos con el propósito de clasificar las 31 Cortes Superiores de Justicia del País y poder realizar predicciones para futuras Cortes Superiores de Justicia. Verifica la validez del modelo de clasificación y predicción de las Cortes Superiores de Justicia basado en el método de los k-vecinos más próximos. Verifica la precisión del modelo de k-vecinos más próximo cuando se tiene muestras pequeñas de entrenamiento y reserva. Experimenta los modelos que identifica y evalúa las 31 Cortes Superiores de Justicia, respecto de los predictores en forma a priori. Encuentra un modelo de agrupamiento jerárquico basado en encadenamiento simple para asociar las Cortes Superiores de Justicia del País en conglomerados.