Please use this identifier to cite or link to this item:
https://ptsldigital.ukm.my/jspui/handle/123456789/519691Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.advisor | Abdul Aziz Jemain, Prof. Dr. | - |
| dc.contributor.author | Mohd. Fadzli Mohd Fuzi (P60771) | - |
| dc.date.accessioned | 2023-10-17T08:13:50Z | - |
| dc.date.available | 2023-10-17T08:13:50Z | - |
| dc.identifier.other | ukmvital:121461 | - |
| dc.identifier.uri | https://ptsldigital.ukm.my/jspui/handle/123456789/519691 | - |
| dc.description | Proses nyahtarif yang bermula pada tahun 2016 memerlukan syarikat yang menawarkan insurans kenderaan mempunyai pengetahuan teknikal yang cukup berkaitan pemodelan data insurans kenderaan. Ini bagi memastikan produk yang dikeluarkan mempunyai daya saing dan pada masa yang sama mempunyai pengurusan risiko terbaik dan memberikan keuntungan kepada syarikat. Kajian ini mencadangkan beberapa model regresi dalam kerangka Bayes untuk data kekerapan dan kos tuntutan insurans kenderaan. Model regresi Bayes membolehkan keseluruhan taburan bagi setiap parameter dijana melalui simulasi Rantai Markov Monte Carlo (MCMC). Model-model regresi min Bayes untuk data kekerapan tuntutan yang dicadang ialah model regresi Poisson, Binomial Negatif dan Poisson Teritlak manakala model regresi Normal, Lognormal dan Gamma dicadang untuk data kos tuntutan. Berdasarkan nilai DIC (Deviance Information Criterion) terendah, model regresi Poisson Teritlak adalah terbaik untuk data kekerapan manakala model regresi Gamma adalah yang terbaik untuk mewakili data kos tuntutan. Kajian kemudian mencadang sebuah lagi model yang berpotensi iaitu model regresi kuantil dalam kerangka frekuentis dan Bayes, yang aplikasinya dalam pemodelan data kekerapan dan kos tuntutan insurans kenderaan adalah sumbangan yang baharu. Model regresi kuantil frekuentis tidak bersandar kepada mana-mana taburan dan anggaran parameter boleh dibuat berdasarkan kuantil yang dipilih. Ini berbeza dengan model regresi biasa yang membuat anggaran parameter melalui min. Model regresi kuantil Bayes pula menggunakan taburan Laplace tak simetrik bagi mewakili data. Model regresi kuantil boleh terus diaplikasi kepada data kos tuntutan yang bersifat selanjar namun memerlukan sedikit modifikasi kepada data kekerapan yang bersifat diskret. Modelmodel regresi yang telah dicadangkan melalui analisis keberuntungan supaya prestasi model boleh dibandingkan dengan data sebenar. Bagi data kekerapan, kajian mendapati model regresi median Bayes memberi anggaran yang paling hampir dengan data sebenar manakala model regresi min Bayes memberi anggaran yang paling hampir bagi data kos tuntutan. Keputusan analisis keberuntungan digunakan untuk menilai kelas risiko yang mana memberikan keuntungan paling tinggi (rendah) dan yang mana memberi anggaran yang terkurang (terlebih). Kajian kemudiannya mengenalpasti pihak-pihak yang boleh mendapat manfaat daripada hasil kajian dan memberikan cadangan kajian lanjut untuk masa hadapan,Tesis ini tiada Perakuan Tesis Sarjana/Doktor Falsafah" | - |
| dc.language.iso | may | - |
| dc.publisher | UKM, Bangi | - |
| dc.relation | Faculty of Science and Technology / Fakulti Sains dan Teknologi | - |
| dc.rights | UKM | - |
| dc.subject | Universiti Kebangsaan Malaysia -- Dissertations | - |
| dc.subject | Dissertations, Academic -- Malaysia | - |
| dc.subject | Automobile insurance claims | - |
| dc.subject | Bayesian statistical decision theory | - |
| dc.title | Model regresi bayes bagi data kekerapan tuntutan dan kos tuntutan insurans kenderaan | - |
| dc.type | theses | - |
| dc.format.pages | 209 | - |
| dc.identifier.callno | QA279.5.M824 2016 tesis | - |
| Appears in Collections: | Faculty of Science and Technology / Fakulti Sains dan Teknologi | |
Files in This Item:
There are no files associated with this item.
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.