Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Licenciatura en Actuaría.
Semestre 2023-2.
Expediente: 283324.
Grupo: 17
1
Contenido
Introducción ........................................................................................................................................ 3
Metodología. ....................................................................................................................................... 4
Regresión Lineal .............................................................................................................................. 6
Regresión Polinomial....................................................................................................................... 6
𝑅2 𝑂𝑏𝑡𝑒𝑛𝑖𝑑𝑎................................................................................................................................... 7
Modelo Polinomial .......................................................................................................................... 8
Resultados ........................................................................................................................................... 9
Conclusiones ..................................................................................................................................... 13
Referencias ........................................................................................................................................ 17
2
Introducción
La presente investigación se enfoca en desarrollar un modelo predictivo para
estimar el número de pólizas de seguros adquiridas en el Estado de Nuevo León.
Para ello, se empleará una metodología basada en la obtención de pronósticos a
partir de una extensa base de datos proporcionada por la Comisión Nacional de
Seguros y Fianzas, abarcando el periodo desde el año 2009 hasta el 2022.
3
Metodología.
La metodología consiste en obtener un pronóstico de las pólizas aseguradas a partir
de una base de datos obtenida de la comisión nacional de Seguros y Fianzas.
Enfocándose en un Estado en específico de nuestro país, en este caso, Nuevo
León.
Por el formato de la Comisión Nacional de Seguros y Fianzas, los formatos que
otorga es de forma trimestral, abarcando desde el año 2009 al 2022. Por ende, se
realizaría un pronóstico de pólizas adquirida para el año 2023.
El método que se utilizaría es: Regresión Polinomial, sin dejar a un lado una
pequeña comparación con la Regresión Lineal.
La elección entre Regresión Lineal y Regresión Polinomial dependería de la
estructura subyacente de los datos. Si hay una relación lineal clara, la regresión
lineal puede ser preferible debido a su simplicidad y menor riesgo de sobreajuste.
Sin embargo, los datos muestran una relación no lineal, la regresión polinomial
puede ser más apropiada para capturar la complejidad del fenómeno que se está
modelando.
Se muestra a detalle los pasos que se realizarían para poder obtener este modelo
en este siguiente diagrama:
4
5
Regresión Lineal
Es una técnica simple pero poderosa que busca modelar la relación entre una
variable independiente 𝑋 y una variable dependiente 𝑌 a través de una línea recta.
La forma general de la ecuación de regresión lineal es:
𝑌 = 𝑚𝑥 + 𝑏
En donde:
𝑚 = es la pendiente de la línea
𝑏 = es la intersección con el eje Y
El objetivo de la regresión lineal es encontrar los valores de 𝑚 y 𝑏 que minimizan
la suma de los cuadrados de las diferencias entre los valores observados de 𝑌 y
los predichos por la línea.
Para obtener la pendiente (𝑚) en el método de mínimos cuadrados es:
En donde:
𝑥̅ = es el Promedio de datos independientes.
𝑦̅ = es el Promedio de datos dependientes.
𝑏 = 𝑦̅ − 𝑚𝑥̅
Regresión Polinomial
La regresión polinomial es una extensión de la regresión lineal que permite
modelar relaciones no lineales. En lugar de ajustarse a una línea, la regresión
polinomial utiliza una función polinómica de grado 𝑘.
𝑌 = 𝛽0 + 𝛽1 𝑋 + 𝛽2 𝑋 2 + ⋯ + 𝛽𝑘 𝑥 𝑘 + 𝜀
Donde:
𝛽0 , 𝛽1 , … , 𝛽𝑘 son coeficientes de polinomio.
6
𝜀 = error residual.
La obtención de los coeficientes en la regresión polinomial implica resolver un
sistema de ecuaciones, y puede hacerse mediante técnicas como la matriz de
Vandermonde o el método de mínimos cuadrados.
La regresión lineal es preferible cuando la relación entre las variables es
aproximadamente lineal, mientras que la regresión polinomial es útil cuando los
datos exhiben patrones no lineales. Sin embargo, es crucial tener en cuenta que la
regresión polinomial puede ser susceptible al sobreajuste, especialmente con
polinomios de alto grado.
𝑅2 𝑂𝑏𝑡𝑒𝑛𝑖𝑑𝑎
7
Buena capacidad predictiva: Se puede esperar que el modelo tenga una
buena capacidad predictiva, al menos dentro del rango de datos utilizados
para construir el modelo. Sin embargo, es importante tener precaución y
realizar validaciones adicionales, especialmente si el modelo se aplica a
nuevos datos fuera del rango de entrenamiento.
Modelo Polinomial
Regresión Polinomial
2,500,000
2,000,000
1,500,000
1,000,000
y = -16.985x6 + 675.99x5 - 9138.5x4 + 47828x3 - 81773x2 + 51885x + 2E+06
R² = 0.9031
500,000
0
0 2 4 6 8 10 12 14 16
8
Resultados
9
10
11
12
Conclusiones
13
14
15
16
Referencias
17
18