O uso de técnicas de machine learning para precificação de planos de saúde: uma abordagem a nível estadual de produtos

Página do item simplificado Estatísticas
dc.contributor.advisorCosta, José Vilton
dc.contributor.advisorLatteshttp://lattes.cnpq.br/2024838537927934pt_BR
dc.contributor.authorNogueira, Nadson Ângelo Silva
dc.contributor.referees1Myrrha, Luana Junqueira Dias
dc.contributor.referees1Latteshttp://lattes.cnpq.br/9464473185586596pt_BR
dc.date.accessioned2023-07-21T14:15:05Z
dc.date.available2023-07-21T14:15:05Z
dc.date.issued2023-07-17
dc.description.abstractThe pricing of an actuarial product for supplementary health needs prior information regarding the assistance use of a given operator or region, however this information may be unknown in some situations, such as region or plan characteristics. Therefore, the work deals with evaluating machine learning methods that may be useful in situations involving the lack of prior information on care costs, obtaining commercial premium values as a result, using tree-based methods and comparing them with the average observed at the base.pt_BR
dc.description.resumoA precificação de um produto atuarial para a saúde suplementar necessita da informação prévia quanto a utilização assistencial de determinada operadora ou região, no entanto essa informação pode ser desconhecida em algumas situações, como região ou característica do plano. Logo, o trabalho trata de avaliar métodos de aprendizado de máquina que possam ser úteis em situações que envolvam a falta de informação prévia dos custos assistenciais, obtendo como resultado os valores de prêmios comerciais, utilizando métodos baseados em árvore e comparando-os com a média observada na base.pt_BR
dc.identifier.citationNOGUEIRA, Nadson Ângelo Silva. O uso de técnicas de machine learning para precificação de planos de saúde: Uma abordagem a nível estadual de produtos. Orientador: José Vilton Costa. 2023. 89 f. Trabalho de Conclusão de Curso (Graduação em Ciências Atuariais) - Departamento de Demografia e Ciências Atuariais, Universidade Federal do Rio Grande do Norte, Natal, 2023.pt_BR
dc.identifier.urihttps://repositorio.ufrn.br/handle/123456789/54007
dc.languagept_BRpt_BR
dc.publisherUniversidade Federal do Rio Grande do Nortept_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentDemografia e Ciências Atuariaispt_BR
dc.publisher.initialsUFRNpt_BR
dc.publisher.programCiências Atuariaispt_BR
dc.rightsAttribution-NoDerivs 3.0 Brazil*
dc.rights.urihttp://creativecommons.org/licenses/by-nd/3.0/br/*
dc.subjectAtuáriapt_BR
dc.subjectProduto atuarialpt_BR
dc.subjectSaúde suplementarpt_BR
dc.subjectPrecificaçãopt_BR
dc.subjectAprendizado de máquinapt_BR
dc.subjectPrêmio puropt_BR
dc.subjectPrêmio comercialpt_BR
dc.subjectDados abertospt_BR
dc.subjectActuarialpt_BR
dc.subjectActuarial productpt_BR
dc.subjectSupplementary healthpt_BR
dc.subjectPricingpt_BR
dc.subjectMachine learningpt_BR
dc.subjectPure premiumpt_BR
dc.subjectCommercial premiumpt_BR
dc.subjectOpen datapt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRApt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::LINGUAGENS DE PROGRAMACAOpt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::MATEMATICA DA COMPUTACAO::MODELOS ANALITICOS E DE SIMULACAOpt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAO::ANALISE DE ALGORITMOS E COMPLEXIDADE DE COMPUTACAOpt_BR
dc.titleO uso de técnicas de machine learning para precificação de planos de saúde: uma abordagem a nível estadual de produtospt_BR
dc.title.alternativeThe use of machine learning techniques for pricing health plans:a state-level approach to productspt_BR
dc.typebachelorThesispt_BR

Arquivos

Pacote Original

Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
UsoTecnicasSaude_Nogueira_2023.pdf
Tamanho:
14.14 MB
Formato:
Adobe Portable Document Format
Nenhuma Miniatura disponível
Baixar

Licença do Pacote

Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
license.txt
Tamanho:
1.45 KB
Formato:
Item-specific license agreed upon to submission
Nenhuma Miniatura disponível
Baixar

Coleções

CCET - TCC - Ciências Atuariais
Repositório Institucional - UFRN Campus Universitário Lagoa NovaCEP 59078-970 Caixa postal 1524 Natal/RN - BrasilUniversidade Federal do Rio Grande do Norte© Copyright 2025. Todos os direitos reservados.
Contato+55 (84) 3342-2260 - R232Setor de Repositórios Digitaisrepositorio@bczm.ufrn.br
DSpaceIBICT
OasisBR
LAReferencia
Customizado pela CAT - BCZM