روش های آماری کشف تقلب در بیمه

Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 691

متن کامل این Paper منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل Paper (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

INSDEV20_008

تاریخ نمایه سازی: 21 بهمن 1397

Abstract:

مساله بروز تقلب در ادعاهای بیمه یکی از مشکلات پیشروی شرکت های بیمه است. از این رو بحث کشف این گونه تقلبات در انواع بیمه ها یکی از موضوعات مورد توجه کارشناسان حوزه های مختلف است. در یک نقسیم بندی عمومی روش های تشخیص تقلب را میتوان به سه رده نظارتی، نیم نظارتی و غیرنظارتی تقسیم کرد.روش های نظارتی با استفاده از یک مجموعه داده مشخص که موارد متقلبانه و غیرمتقلبانه در آن مشخص هستند، اقدام به ساخت مدلی برای امتیازدهی درجه تقلب یا برچسب گذاری داده های جدید می کنند. روش های خوشه بندی آماری از قبیل آنالیز تشخیص خطی و تشخیص لوژستیک، نزدیک ترین همسایگی k ام و مارکوف پنهان نظارتی از زمره روش های نظارتی محسوب می شوند. در روش های نیم نظارتی با معلوم بودن رفتار یا توزیع مجموعه داده موارد غیرمتقلبانه، اقدام به ساخت مدلی برای امتیازدهی درجه تقلب یا برچسب گذاری داده های جدید می کنند. روش های غیرنظارتی زمانی مورد استفاده قرار می گیرند که هیچ مجموعه پیشینی از موارد متقلبانه و غیرمتقلبانه نداریم و صرفا براساس داده های مورد آزمون اقدام به کشف موارد متقلبانه می کنند. روش های مختلفی برای این منظور وجود دارند که میتوان به روش های بنفورد k - میانگین، تحلیل PRIDIT و تحلیل مولفه های اصلی اشاره کرد. بدیهی است هریک از این روش ها دارای مزایا و معایبی است، اما روش مورد استفاده براساس نوع داده های در اختیار و امکانات رسته بندی آنها مشخص می شود. در این مقاله با مروری بر روش های مزبور، به بررسی نتایج یک مطالعه ی شبیه سازی مبتنی بر داده های واقعی خواهیم داشت