Kodu göster / gizle
hasar_sayisi <- 5
maruziyet <- 6
frekans <- hasar_sayisi / maruziyet
frekans#> [1] 0.8333333
IST5109 İleri Aktüerya Teknikleri · Sigorta Verileriyle İstatistiksel Programlama
Aktüerya, gelecekteki belirsiz ödemeleri ölçmek ve yönetmek için veri, olasılık ve finansal kararları bir araya getirir. Bu derste formülleri yalnızca ezberlemek yerine, bir iş sorusunu veriye ve denetlenebilir bir analize dönüştürmeyi öğreneceğiz.
Bu hafta daha önce R kullanmış olmanız beklenmiyor. Küçük bir sigorta portföyü üzerinden veri yapısını tanıyacak, birkaç hesap yapacak ve aynı sonucu üç farklı yoldan doğrulayacağız.
Oturum sonunda öğrenci:
| Süre | Etkinlik |
|---|---|
| 0–45 dk | Aktüeryal problemler ve temel veri kavramları |
| 45–75 dk | R, RStudio ve web laboratuvarı gösterimi |
| 75–85 dk | Ara |
| 85–155 dk | R Laboratuvarı |
| 155–175 dk | Bulguları yorumlama ve sınırlılık tartışması |
| 175–180 dk | Haftanın özeti ve açık sorular |
İyi bir analiz, kodla değil soruyla başlar. Örneğin:
Bu sorular dört parçaya ayrılabilir:
Üçüncü soruyu laboratuvardaki sekiz poliçelik portföy için bölgelerle somutlaştıralım: Hangi bölgede maruziyet başına hasar sayısı daha yüksek? Soru dört parçasına şöyle ayrılır:
| Parça | Bu soruda |
|---|---|
| Birim | Poliçe-dönemi: bir satır, bir poliçenin bir yıllık gözlem dönemidir |
| Sonuç değişkeni | Hasar sayısı; bir bölgenin sıklığı, toplam hasar sayısının toplam maruziyete bölünmesidir |
| Maruziyet | Poliçenin o dönemde risk altında geçirdiği süre, poliçe-yıl olarak |
| Karar | Bölgeler arasındaki farkın fiyatlandırma incelemesine alınıp alınmayacağı |
Laboratuvarın Adım G’si bu soruyu sekiz poliçe üzerinde yanıtlar.
Bir satırın poliçe, kişi, hasar veya poliçe-yıl olması aynı şey değildir. Payda yanlış seçilirse doğru görünen bir hesap yanlış bir sonuca dönüşebilir.
Poliçe (policy) sigortacı ile sigortalı arasındaki sözleşmedir.
Maruziyet (exposure) poliçenin risk altında olduğu süreyi ölçer. Bir yıllık tam poliçe 1, altı aylık poliçe yaklaşık 0,5 poliçe-yıl maruziyet üretir.
Hasar sayısı (claim count) bir dönemdeki olay sayısıdır; veri tanımı gereği 0, 1, 2 gibi negatif olmayan bir tam sayı olmalıdır.
Hasar büyüklüğü (claim severity) veri sözlüğünde seçilen tutar ölçüsünün (örneğin ödenen veya gerçekleşen tutarın) tek bir hasar düzeyindeki değeridir. Bu büyüklüğü doğrudan incelemek için her satırın bir hasarı temsil ettiği hasar-düzeyi veri gerekir.
Burada geçen veri sözlüğü (data dictionary), bir veri dosyasındaki değişkenlerin adlarını, anlamlarını, birimlerini ve kodlamalarını açıklayan belgedir; bir sütunun hangi tutarı taşıdığını dosyanın kendisi değil, sözlük söyler.
Toplam hasar tutarı (aggregate claim amount) poliçe-dönemi gibi bir satırda birden fazla hasarın tutarlarının toplamını gösterebilir. Örneğin aynı poliçede iki hasar varsa tek satırdaki toplam tutar, bu iki hasarın ayrı ayrı büyüklüklerini göstermez.
Hasar sıklığı (frequency) maruziyet başına hasar sayısıdır:
\[ \widehat{\lambda}= \frac{\text{toplam hasar sayısı}}{\text{toplam maruziyet}}. \]
Bu oran, yalnızca “kaç hasar var?” sorusundan daha adildir; farklı gözlem sürelerini hesaba katar. Hasar sıklığı bir olasılık değildir: bir poliçe birden fazla hasar üretebildiği için 1’i aşabilir.
Hasarlı poliçe oranı ise en az bir hasarı olan poliçe sayısının toplam poliçe sayısına oranıdır. Her poliçe için sonuç “hasar var / yok” biçiminde ikili olduğundan bu oran 0 ile 1 arasındadır; hasar sıklığıyla aynı ölçü değildir.
R’de <- işareti sağdaki değeri soldaki isme atar. Kodu çalıştırdığımızda son satırdaki nesnenin değeri çıktı olarak görünür.
#> [1] 0.8333333
Birden fazla değer c() ile bir vektörde tutulur:
#> [1] 36600
#> [1] 7320
Buradaki değerler beş poliçe-döneminin toplam hasar tutarlarıdır. Bu nedenle mean() sonucu, hasarsız poliçelerin sıfırlarını da içeren poliçe başına ortalama toplam tutardır; hasar başına ortalama büyüklük (severity) değildir.
Bir veri çerçevesinde her satır bir gözlem, her sütun bir değişkendir:
#> police_id maruziyet hasar_sayisi toplam_hasar_tutari
#> 1 P001 1.0 0 0
#> 2 P002 0.5 1 8000
#> 3 P003 1.0 0 0
data.frame(ad = deger, ...) — her argümanı bir sütun yapar ve argüman adı sütunun adı olur. Bütün sütunlar aynı uzunlukta olmalıdır. Verilmezse: uzunluklar farklıysa R kısa olanı sessizce tekrar eder (geri dönüşüm), yani yanlış hizalanmış bir tablo hata vermeden kurulabilir — ancak uzunluk tam katı değilse uyarı verir.Önce veri çerçevesinin yapısına bakalım:
#> 'data.frame': 3 obs. of 4 variables:
#> $ police_id : chr "P001" "P002" "P003"
#> $ maruziyet : num 1 0.5 1
#> $ hasar_sayisi : num 0 1 0
#> $ toplam_hasar_tutari: num 0 8000 0
str(x) — nesnenin yapısını özetler: kaç gözlem, kaç değişken, her sütunun adı, veri türü ve ilk birkaç değeri. Veriyi yazdırmaz, tarif eder; bu yüzden binlerce satırlık bir tabloda bile tek ekrana sığar. summary() ile birlikte, yeni bir veriye bakarken ilk savunma hattıdır.Bu çıktıda gözlem ve değişken sayıları ile her sütunun adı ve veri türü görünür. Böylece bir sütunun beklenmedik bir türde okunup okunmadığını hızlıca kontrol edebiliriz.
Ardından değişkenlerin kısa özetini inceleyelim:
#> police_id maruziyet hasar_sayisi toplam_hasar_tutari
#> Length:3 Min. :0.5000 Min. :0.0000 Min. : 0
#> Class :character 1st Qu.:0.7500 1st Qu.:0.0000 1st Qu.: 0
#> Mode :character Median :1.0000 Median :0.0000 Median : 0
#> Mean :0.8333 Mean :0.3333 Mean :2667
#> 3rd Qu.:1.0000 3rd Qu.:0.5000 3rd Qu.:4000
#> Max. :1.0000 Max. :1.0000 Max. :8000
Sayısal sütunlarda en küçük değer, çeyrekler, ortanca, ortalama ve en büyük değer; karakter sütunlarında ise gözlem sayısı gibi temel bilgiler gösterilir.
numeric (str() çıktısında num): tutar, yaş, maruziyet ve bu hafta hasar sayısı. c(0, 1, 2, 0) gibi yazılan sayılar tam sayı olsalar da numeric saklanır; hasar sayısının tam sayı olduğunu Adım C ayrıca denetler.character (chr): poliçe kodu, bölge, serbest metin. Bölge gibi kategoriler bu hafta metin olarak tutulur; onları düzeyleri olan bir kategori türüne (factor) çevirmek Hafta 2’de görülecek.logical: TRUE veya FALSE; Adım D’de üretilen hasar_var sütunu bu türdendir.Yukarıdaki str() çıktısında gördüğümüz num ve chr etiketleri bu listenin ilk iki türünün kısaltmalarıdır; summary() ise aynı sütunları sayısal özetleriyle gösterir.
Dört poliçe için maruziyet ve hasar sayıları şöyle olsun:
| Poliçe | Maruziyet | Hasar sayısı |
|---|---|---|
| 1 | 1 | 0 |
| 2 | 0,5 | 1 |
| 3 | 1 | 2 |
| 4 | 0,5 | 0 |
Adım 1 — Elle hesap:
\[ \begin{aligned} \text{toplam hasar}&=0+1+2+0=3,\\ \text{toplam maruziyet}&=1+0{,}5+1+0{,}5=3. \end{aligned} \]
\[ \widehat{\lambda}=3/3=1 \text{ hasar / poliçe-yıl}. \]
Adım 2 — Açık R kodu:
Önce dört poliçenin hasar sayılarını ve maruziyetlerini birer vektöre yazıyoruz:
#> [1] 0 1 2 0
#> [1] 1.0 0.5 1.0 0.5
İki vektör aynı poliçeleri aynı sırada anlatır: sayilar içindeki ilk değer ile maruziyetler içindeki ilk değer aynı poliçeye — yukarıdaki tablonun 1 numaralı satırına — aittir.
Payı, yani toplam hasar sayısını açık bir döngüyle biriktiriyoruz:
#> [1] 3
Çıktıda Adım 1’de elle bulduğumuz toplam hasar sayısını görmeliyiz. toplam_sayi sıfırdan başlar; döngü sayilar vektörünü baştan sona dolaşır ve her değeri o ana kadarki toplamın üzerine ekler.
Aynı döngüyü bu kez payda için, maruziyetler üzerinde yürütüyoruz:
#> [1] 3
Bu çıktı da Adım 1’deki elle toplamla aynı olmalıdır. toplam_maruziyet_acik payda için aynı işi yapar: sıfırdan başlar ve maruziyetleri sırayla üzerine ekler.
Son olarak payı paydaya bölerek açık kodun frekans tahminini elde ediyoruz:
Adım 3 — Hazır fonksiyon:
Bu ilk haftada haricî bir paket yerine temel R’nin hazır ve test edilmiş fonksiyonlarını kullanıyoruz. Sonraki haftalarda bu üçüncü aşama uzmanlık paketleriyle yürütülecektir.
Adım 4 — Denetim:
Ders boyunca tekrarlanacak denetim kalıbı burada kuruluyor ve üç işlevden oluşuyor.
#> [1] TRUE
Üçü de sonraki haftalarda aynı biçimde geçecek:
all.equal(x, y) — iki değerin aynı olup olmadığına bakar, ama == gibi tam eşitlik aramaz: sayılarda küçük bir tolerans payı bırakır. Pay gereklidir, çünkü ondalık sayılar bilgisayarda ikili tabanda tam saklanamaz; R’de 0.1 + 0.2 == 0.3 ifadesi FALSE verir, oysa all.equal(0.1 + 0.2, 0.3) TRUE der. Yukarıda karşılaştırılan iki değer bu kadar şanssız değil — orada == de TRUE verirdi — ama kalıbı baştan doğru kurmanın nedeni, ilerideki hesaplarda doğru kodu yanlış göstermemektir. isTRUE(...) — all.equal()’in tuhaflığını kapatır: iki değer uyuşmuyorsa all.equal() FALSE döndürmez, farkı anlatan bir metin döndürür — all.equal(1, 2) çağrısının karşılığı "Mean relative difference: 1" dizesidir — ve metin bir mantık değeri değildir. isTRUE() değerin tam olarak TRUE olup olmadığına bakar; TRUE dışındaki her şeye, o açıklama metnine de, FALSE der. stopifnot(...) — verilen ifade TRUE değilse hesabı orada durdurur. Amacı budur: uyuşmazlık bir çıktı satırının içinde gözden kaçmak yerine sayfayı bozar, böylece yanlış bir sonuç sessizce yayımlanamaz.stopifnot() geçtiğinde hiçbir şey basmaz. Karşılaştırmanın sonucu bu yüzden önce bir değişkene alınır ve o değişken ayrıca yazdırılır: okur hem denetimin yapıldığını hem de sonucunu görür.
Yukarıdaki iki değer uyuştuğu için karşılaştırmanın uyuşmadığı durumlar görünmedi. Onları üç küçük blokta görelim; ilki == ile all.equal()’i aynı toplam üzerinde karşılaştırır.
#> [1] FALSE
#> [1] TRUE
Birinci satır FALSE, ikincisi TRUE verir. 0.1 + 0.2’nin sonucu ile 0.3 bilgisayarda birbirinden \(5{,}6\times10^{-17}\) kadar farklı saklanır: == bu farkı görür, all.equal() onu tolerans içinde sayar.
İki değer gerçekten farklıysa all.equal() farkı anlatan bir metin döndürür, isTRUE() de o metni FALSE’a çevirir.
#> [1] "Mean relative difference: 1"
#> [1] FALSE
Çıktının ilk satırı bir metin, ikincisi FALSE’tur.
stopifnot() bu FALSE’u görünce hesabı durdurur. Duran bir blok bu sayfanın kendisini de durdururdu; bu yüzden hatayı yakalayıp iletisini yazdırıyoruz.
#> [1] "isTRUE(all.equal(1, 2)) is not TRUE"
İleti, durdurulan koşulu adıyla söyler: "isTRUE(all.equal(1, 2)) is not TRUE". Gerçek bir denetimde hata yakalanmaz, çünkü amaç uyuşmazlıkta hesabın orada durmasıdır.
tryCatch(ifade, error = islev) — ifadeyi çalıştırır; bir hata çıkarsa hesabı durdurmak yerine hatayı error argümanına verilen işleve geçirir ve o işlevin sonucunu döndürür.conditionMessage(hata) — hatanın iletisini metin olarak döndürür. Burada error = conditionMessage yazıldığı için yakalanan hatanın yerine iletisi basılır.Ders boyunca paket çıktılarının bağımsız hesaplarla örtüştüğünü bu biçimde göstereceğiz.
Adım 5 — Yorum:
Sigorta diliyle: bu dört poliçe toplam 3 poliçe-yıl risk altında kaldı ve 3 hasar üretti, yani gözlenen hasar sıklığı poliçe-yıl başına 1 hasardır. Bu bir sıklıktır, olasılık değil. 1 çıkması her poliçenin bir hasar yaptığı anlamına gelmez: 1 ve 4 numaralı poliçelerde hiç hasar yok, 3 numaralı poliçede iki hasar var.
Denetimin kanıtladığı şey de sınırlıdır. İki yol aynı yanlış paydayı alsaydı — örneğin maruziyet yerine poliçe sayısını — ikisi de \(3/4=0{,}75\) bulur ve all.equal() yine TRUE derdi. Denetim iki hesabın aynı sayıyı verdiğini gösterir; paydanın soruya uygun seçildiğini göstermez.
Gerçek projede çoğu zaman hazır araç kullanılacaktır. Açık kod, aracın ne yaptığını anlamak ve hatayı teşhis etmek için küçük örneklerde korunur.
Bu bölümde her adımın kodunu ve beklenen çıktısını web sayfası üzerinde birlikte göreceksiniz. Kod bloklarını RStudio’da sırayla yeniden çalıştırarak sonuçları karşılaştırabilirsiniz.
Ctrl+Enter kullanarak çalıştırın.Her satır bir poliçe-dönemini, maruziyet ise poliçenin yıl içinde risk altında bulunduğu süreyi temsil eder. toplam_hasar_tutari, o satırdaki bütün hasarların toplamıdır; örneğin P004’ün iki hasarı tek bir 24.500 TL toplamıyla gösterilir.
policeler <- data.frame(
police_id = sprintf("P%03d", 1:8),
yas = c(24, 31, 45, 52, 37, 63, 29, 48),
bolge = c("A", "A", "B", "B", "C", "C", "A", "B"),
maruziyet = c(1.00, 0.50, 1.00, 0.75, 1.00, 0.25, 1.00, 0.50),
hasar_sayisi = c(0, 1, 0, 2, 1, 0, 0, 1),
toplam_hasar_tutari = c(0, 8000, 0, 24500, 4100, 0, 0, 12000)
)
policeler#> police_id yas bolge maruziyet hasar_sayisi toplam_hasar_tutari
#> 1 P001 24 A 1.00 0 0
#> 2 P002 31 A 0.50 1 8000
#> 3 P003 45 B 1.00 0 0
#> 4 P004 52 B 0.75 2 24500
#> 5 P005 37 C 1.00 1 4100
#> 6 P006 63 C 0.25 0 0
#> 7 P007 29 A 1.00 0 0
#> 8 P008 48 B 0.50 1 12000
sprintf("P%03d", 1:8) — bir biçim dizesi ile sayıları metne çevirir. %03d “tam sayı, en az üç basamak, eksik basamaklar sıfırla doldurulsun” demektir, yani 1 → "P001". Verilmezse: düz %d yazmak "P1", "P2" üretir ve kimlikler on’u geçtiğinde metin sıralamasında "P10", "P2"den önce gelir.Çıktıda 8 satır ve 6 başlangıç değişkeni görmelisiniz. Bu tabloyu doğrudan yorumlamadan önce yapısını ve veri kurallarını denetleyeceğiz.
#> [1] 8 6
#> [1] "police_id" "yas" "bolge"
#> [4] "maruziyet" "hasar_sayisi" "toplam_hasar_tutari"
#> 'data.frame': 8 obs. of 6 variables:
#> $ police_id : chr "P001" "P002" "P003" "P004" ...
#> $ yas : num 24 31 45 52 37 63 29 48
#> $ bolge : chr "A" "A" "B" "B" ...
#> $ maruziyet : num 1 0.5 1 0.75 1 0.25 1 0.5
#> $ hasar_sayisi : num 0 1 0 2 1 0 0 1
#> $ toplam_hasar_tutari: num 0 8000 0 24500 4100 0 0 12000
dim() sırasıyla satır ve sütun sayısını verir. str() çıktısında kimlik ve bölge karakter, diğer başlangıç değişkenleri sayısal görünmelidir.
Analizi geçersiz kılan yapısal kuralları, iş sürecinden kaynaklanabilecek ve araştırılması gereken kayıt bayraklarından ayrı tutuyoruz. Yıllık bağlamda maruziyet 0’dan büyük ve en fazla 1 olmalıdır.
İlk olarak veri boyutunu ve poliçe kimliklerini kontrol ediyoruz:
#> sekiz_satir police_id_eksiksiz police_id_benzersiz
#> TRUE TRUE TRUE
trimws(x) — metnin başındaki ve sonundaki boşlukları atar, ortadaki boşluklara dokunmaz. Verilmezse: "P001 " ile "P001" R için iki farklı kimliktir; benzersizlik denetimi geçer, ama iki satır aslında aynı poliçedir.nzchar(x) — her öğenin boş olmayan bir metin olup olmadığını bildirir (adı “non-zero characters” kısaltmasıdır). trimws() ile birlikte “yalnızca boşluktan ibaret” kimlikleri de yakalar.anyDuplicated(x) — yinelenen ilk öğenin konumunu döndürür; yinelenme yoksa 0. Verilmezse: == 0 karşılaştırması olmadan sonuç mantıksal değil sayıdır, ve if (anyDuplicated(x)) yazmak “yinelenme yok” durumunda FALSE verdiği için okuyucuyu tersine yönlendirir.all(...) — mantıksal vektörün hepsi TRUE mu diye sorar; tek bir FALSE sonucu FALSE yapar. Verilmezse: vektörün kendisi kalır ve kimlik_kontrolleri tek bir karar yerine sekiz elemanlı bir vektör taşırdı.Ardından maruziyet, hasar sayısı ve toplam tutar sütunlarının sayısal kurallarını ayrı bir grupta denetliyoruz:
sayisal_kontroller <- c(
maruziyet_gecerli = all(
is.finite(policeler$maruziyet) &
policeler$maruziyet > 0 & policeler$maruziyet <= 1
),
hasar_sayisi_gecerli = all(
is.finite(policeler$hasar_sayisi) &
policeler$hasar_sayisi >= 0 &
policeler$hasar_sayisi == floor(policeler$hasar_sayisi)
),
toplam_tutar_eksiksiz_ve_sonlu = all(
!is.na(policeler$toplam_hasar_tutari) &
is.finite(policeler$toplam_hasar_tutari)
)
)
sayisal_kontroller#> maruziyet_gecerli hasar_sayisi_gecerli
#> TRUE TRUE
#> toplam_tutar_eksiksiz_ve_sonlu
#> TRUE
Burada is.finite() değerin eksik veya sonsuz olmadığını denetler; all() yukarıdaki gibi koşulun bütün satırlarda sağlandığını sorar. Hasar sayısını floor() sonucuyla karşılaştırmak ise 1,5 gibi tam sayı olmayan değerleri yakalar.
Önce iki kontrol grubunu tek bir mantık vektöründe birleştiriyoruz:
#> sekiz_satir police_id_eksiksiz
#> TRUE TRUE
#> police_id_benzersiz maruziyet_gecerli
#> TRUE TRUE
#> hasar_sayisi_gecerli toplam_tutar_eksiksiz_ve_sonlu
#> TRUE TRUE
Çıktıda iki gruptaki bütün kuralları adlarıyla birlikte tek listede görmelisiniz. c() burada iki adlandırılmış mantık vektörünü uç uca ekler; adlar korunduğu için her kural çıktıda kendi adıyla görünür.
Şimdi bu vektörü tek bir karara indiriyoruz:
#> [1] TRUE
all() bu kez satırların değil kuralların üzerinde çalışır: hepsi TRUE ise TRUE verir. stopifnot() yalnızca bu karar TRUE olduğunda analizin devam etmesine izin verir; Adım 4’teki gerekçeyle bayrağı son satırda ayrıca yazdırıyoruz.
Son olarak analizi otomatik olarak durdurmayan, fakat araştırılması gereken durumları ayrı bayraklar halinde tanımlıyoruz. any() en az bir satırda ilgili durum varsa TRUE üretir:
inceleme_bayraklari <- c(
pozitif_sayi_sifir_tutar = any(
policeler$hasar_sayisi > 0 & policeler$toplam_hasar_tutari == 0
),
sifir_sayi_pozitif_tutar = any(
policeler$hasar_sayisi == 0 & policeler$toplam_hasar_tutari > 0
),
negatif_tutar = any(policeler$toplam_hasar_tutari < 0)
)
inceleme_bayraklari#> pozitif_sayi_sifir_tutar sifir_sayi_pozitif_tutar negatif_tutar
#> FALSE FALSE FALSE
Yapısal kontrollerin her biri TRUE olmalıdır; aksi durumda analiz durur. İnceleme bayraklarında TRUE, ilgili durumun araştırılması gerektiğini söyler; tek başına kaydı silme veya analizi durdurma kararı değildir. Bu örnek veride üç bayrağın da FALSE olması beklenir.
hasar_var, poliçede en az bir hasar olup olmadığını; hasar_frekansi ise poliçe düzeyinde maruziyet başına hasar sayısını gösterir.
#> police_id maruziyet hasar_sayisi hasar_var hasar_frekansi
#> 1 P001 1.00 0 FALSE 0.000000
#> 2 P002 0.50 1 TRUE 2.000000
#> 3 P003 1.00 0 FALSE 0.000000
#> 4 P004 0.75 2 TRUE 2.666667
#> 5 P005 1.00 1 TRUE 1.000000
#> 6 P006 0.25 0 FALSE 0.000000
#> 7 P007 1.00 0 FALSE 0.000000
#> 8 P008 0.50 1 TRUE 2.000000
Maruziyeti daha kısa olan iki poliçenin aynı hasar sayısında daha yüksek poliçe-düzeyi frekans üretebildiğine dikkat edin. Bu değer bireysel hasar olasılığı değil, poliçe-dönemi için gözlenen olay hızıdır.
Önce küçük toplamı elle yazıyor, sonra işlemi açık bir döngüyle yürütüyor ve son olarak temel R’nin sum() fonksiyonuyla doğruluyoruz.
Yöntem 1 — Elle toplama: Her değeri işlemde açıkça gösteririz.
#> [1] 48600
Yöntem 2 — for döngüsü: Tutarları sırayla bir ara toplama ekleriz.
#> [1] 48600
Yöntem 3 — sum() fonksiyonu: Aynı toplamı tek bir hazır fonksiyonla hesaplarız.
Son olarak üç yöntemin aynı sonucu verdiğini ayrı bir kod bloğunda denetleriz:
#> $sonuclar
#> elle for_dongusu sum_fonksiyonu
#> 48600 48600 48600
#>
#> $yontemler_uyumlu
#> [1] TRUE
Üç değerin de 48.600 olması gerekir. Buradaki döngü öğretim amaçlıdır; rutin analizde kısa ve denetlenmiş sum() fonksiyonunu tercih ederiz.
Portföy sıklığında pay toplam hasar sayısı, payda toplam maruziyettir. Poliçe düzeyindeki frekansların basit ortalaması aynı büyüklük değildir.
Önce paydayı, yani bütün poliçelerin maruziyet toplamını hesaplıyoruz:
Bu değer, Adım A’daki maruziyet sütununun toplamıdır ve portföyün kaç poliçe-yıl gözlendiğini söyler.
Ardından payı, yani bütün poliçelerdeki hasar sayılarının toplamını buluyoruz:
Bu sayı gözlenen bütün hasarları kapsar; hasarlı poliçe sayısı değildir, çünkü aynı poliçe birden fazla hasar üretmiş olabilir.
Payı paydaya bölünce portföy sıklığı çıkar:
frekans tek bir sayıdır ve bütün portföyü özetler; Adım D’de ürettiğimiz hasar_frekansi ise her poliçe için ayrı bir değer taşır.
Son olarak bu üç değeri, hasarlı poliçe oranıyla birlikte tek bir tabloda topluyoruz:
#> toplam_maruziyet toplam_hasar_sayisi hasarli_police_orani
#> 1 6 5 0.5
#> maruziyet_basina_frekans
#> 1 0.8333333
Beklenen sonuç 6 poliçe-yıl maruziyet, 5 hasar, %50 hasarlı poliçe oranı ve yaklaşık 0,833 hasar/poliçe-yıldır.
Hasarlı poliçe oranında her poliçe yalnızca “var / yok” olarak sayılır ve sonuç 0 ile 1 arasındadır. Sıklık ise hasar sayısını maruziyete böler; olasılık değildir ve bir poliçe birden fazla hasar üretebildiği için 1’i aşabilir.
#> bolge hasar_sayisi toplam_hasar_tutari maruziyet frekans
#> 1 A 1 8000 2.50 0.400000
#> 2 B 3 36500 2.25 1.333333
#> 3 C 1 4100 1.25 0.800000
aggregate(formul, data =, FUN =) — veriyi formülün sağ tarafındaki değişkenin düzeylerine göre gruplar ve sol tarafındaki sütunlara FUN işlevini uygular. Burada FUN = sum olduğu için her bölgenin hasar sayısı, toplam tutarı ve maruziyeti ayrı ayrı toplanır.cbind(a, b, c) ~ bolge — formülün solunda birden çok sütun toplamanın yoludur; cbind() burada matris kurmaz, aggregate()’e “şu üç sütunu birlikte özetle” der. Verilmezse: formülün soluna tek bir sütun adı yazılabilir ve üç özet için üç ayrı çağrı gerekirdi.Bu tablo yalnızca sekiz poliçenin betimsel özetidir. Bölge B’nin gözlenen frekansının yüksek olması, tek başına gerçek riskinin daha yüksek olduğunu kanıtlamaz.
Bu kadar az gözlemde tek bir hasar sıralamayı değiştirir: C bölgesinde bir hasar daha olsaydı sıklığı 0,8’den 1,6’ya çıkar ve B’nin 1,333’ünü geçerdi. Gerçek risk aynı kalsa bile gözlenen sıklığın küçük gruplarda böyle oynaması, sayfanın başındaki beşinci sorunun konusu olan örnekleme oynaklığıdır.
Bu adımın sorusu şudur: yaşı 40 ve üzeri poliçelerin toplam hasar tutarı nedir? Sayfanın başındaki dört parçaya ayrılınca soru şöyle görünür:
| Parça | Bu soruda |
|---|---|
| Birim | Poliçe-dönemi; soru yaşı 40 ve üzeri olan satırları seçer |
| Sonuç değişkeni | toplam_hasar_tutari, seçilen satırlar üzerinden toplanır |
| Maruziyet | Hesaba girmez: soru bir oran değil, bir toplam istiyor |
| Karar | Bu grubun portföyün hasar tutarındaki payını raporlamak; yaş gruplarını karşılaştırmaya yetmez |
Yaşı 40 ve üzeri poliçelerin toplam hasar tutarları 0, 24.500, 0 ve 12.000’dir.
Elle yöntem: Görülen dört tutarı doğrudan toplarız.
sum() yöntemi: Önce yaş koşuluyla ilgili satırları seçer, ardından yalnızca bu satırlardaki tutarları toplarız.
#> [1] 36500
İki yöntemin aynı sonucu verdiğini ayrı bir kod bloğunda denetleriz:
#> $sonuclar
#> elle sum_fonksiyonu
#> 36500 36500
#>
#> $yontemler_uyumlu
#> [1] TRUE
İki sonuç da 36.500 olmalıdır. Filtre koşulu köşeli parantezin içinde, toplanacak değişken ise köşeli parantezin dışında yer alır.
Bu toplam, iki yaş grubunu karşılaştırmak için kullanılamaz. İki grup farklı sürelerle gözlendi: 40 yaş ve üzeri dört poliçe 2,5 poliçe-yılda 3 hasar ve 36.500 TL, 40 yaş altındaki dört poliçe 3,5 poliçe-yılda 2 hasar ve 12.100 TL üretti.
İki toplamı yan yana koymak, gözlem süresindeki farkı da risk farkı saymak olur. Karşılaştırma için hasar sayısı ya da tutar maruziyete bölünür, Adım F’deki sıklık gibi; bu da kendi dört parçası olan ayrı bir sorudur.
#> [1] "Bu örnek portföyde 6.00 poliçe-yıl maruziyet ve 5 hasar vardır; gözlenen sıklık 0.833 hasar/poliçe-yıldır."
paste0(...) — verilen metin parçalarını aralarına hiçbir şey koymadan uç uca ekler. Burada tek bir uzun biçim dizesini iki satıra bölmek için kullanılıyor, yani kaynak kodu okunur kalıyor ama çıktıda tek cümle görünüyor. Verilmezse: paste() araya varsayılan olarak bir boşluk koyar; burada iki parça zaten boşlukla bittiği için çift boşluk oluşurdu.Bu cümle gözlenen veriyi özetler; “risk yüksektir” gibi nedensel veya genelleyici bir sonuç içermez.
Aşağıdaki alıştırmalar haftanın temel kavramlarını pekiştirmek içindir. Önce kendi çözümünüzü oluşturun, ardından her kutudaki Çözümü göster düğmesiyle yaklaşımınızı karşılaştırın. Bir alıştırma gövdedeki ya da laboratuvardaki bir tabloya veya sonuca dayanıyorsa, o bilgi alıştırmanın içinde yeniden verilmiştir; geri dönüp aramanız gerekmez. Yıldızlı (★) alıştırma daha fazla yorum gerektirir.
Alıştırma 1 (Maruziyet ve adil karşılaştırma). İki poliçe grubuna ilişkin özet bilgiler aşağıdadır:
| Grup | Poliçe sayısı | Toplam maruziyet | Hasar sayısı |
|---|---|---|---|
| A | 120 | 90 poliçe-yıl | 18 |
| B | 80 | 40 poliçe-yıl | 12 |
(a) Toplam hasar sayısı A grubunda 18, B grubunda 12 olduğundan yalnız sayıya bakılırsa A daha yüksek görünür.
(b) Maruziyet paydası kullanıldığında:
\[ \widehat{\lambda}_A=\frac{18}{90}=0{,}20, \qquad \widehat{\lambda}_B=\frac{12}{40}=0{,}30. \]
(c) A grubunda daha çok hasar vardır; ancak A grubu çok daha uzun süre risk altında gözlenmiştir. Maruziyet düzeltmesinden sonra B grubunun gözlenen sıklığı daha yüksektir. Bu küçük özet tek başına nedensel bir risk farkı kanıtlamaz.
Alıştırma 2 (Büyük hasarın özete etkisi). Hasar-düzeyi bir tabloda beş ayrı hasarın büyüklüğü 1.500, 1.800, 2.000, 2.200 ve 22.500 TL’dir.
(a) Toplam tutar 30.000 TL olduğundan ortalama \(30.000/5=6.000\) TL’dir. Sıralı beş değerin ortasındaki değer medyandır: 2.000 TL.
(b) En büyük hasar diğer değerlerin yaklaşık on katıdır ve ortalamayı yukarı çekmiştir. Bu gözlem olmasaydı ilk dört tutarın ortalaması 1.875 TL olacaktı.
(c) Beş hasarın dördü ortalamanın altındadır, ve ortalamaya en yakın gözlem 2.200 TL — yani aradaki fark 3.800 TL. Ortalama, örneklemdeki hiçbir hasara yakın olmayan bir sayıdır; onu tek bir büyük hasar oraya çekmiştir.
“Hasar başına ortalama 6.000 TL” cümlesini tek başına okuyan biri, bu portföyde 6.000 TL dolayındaki hasarların olağan olduğunu sanır; oysa gözlenen beş hasarın hiçbiri o büyüklükte değildir. Sağa çarpık dağılımlarda ortalama; medyan, kuantiller ve dağılım grafiğiyle birlikte raporlanmalıdır.
Alıştırma 3 (Veri denetimi). Aşağıdaki üç kayıt bir sigorta dosyasından gelmektedir:
| Poliçe | Maruziyet | Hasar sayısı | Toplam hasar tutarı |
|---|---|---|---|
| P101 | 0 | 0 | 0 |
| P102 | 0,50 | 1 | 0 |
| P103 | 1,00 | 1 | -2.500 |
(a) P101’de sıfır maruziyet analiz paydasını geçersiz kılabilir. P102’de hasar sayısı pozitifken tutarın sıfır olması ödeme gecikmesi, kapalı dosya veya değişken tanımıyla açıklanabilir. P103’te negatif tutar; iptal, rücu, düzeltme kaydı veya veri hatası olabilir.
(b) P101 yıllık sıklık hesabından önce çözülmesi gereken yapısal bir sorundur; ancak bu, kaydın otomatik olarak silinmesi anlamına gelmez. P102 ve P103 ise iş sürecinden kaynaklanabilecek inceleme bayraklarıdır. Tanımı bilmeden silmek portföyü yanlılaştırabilir ve denetim izini bozabilir.
(c) Veri sözlüğü, muhasebe/hasar kayıt kuralları, dönem tanımı ve veriyi üreten birimle yapılacak doğrulama kullanılmalıdır. Önce sorun işaretlenir, ardından belgelenmiş bir karar verilir.
Alıştırma 4 (R kodu okuma ve yöntem karşılaştırma). Aşağıdaki kodu çalıştırmadan önce sonucu elle tahmin edin:
hasar_sayisi <- c(0, 1, 2, 0, 1)
maruziyet <- c(1, 0.5, 1, 0.25, 0.75)
sum(hasar_sayisi) / sum(maruziyet)
mean(hasar_sayisi / maruziyet)İlk ifade toplam hasar sayısını toplam maruziyete böler. İkinci ifade ise poliçe düzeyindeki sıklıkların ağırlıksız ortalamasını alır.
Önce soruda verilen iki vektörü ayrı adlarla tanımlayalım:
#> [1] 0 1 2 0 1
#> [1] 1.00 0.50 1.00 0.25 0.75
Çıktıdaki değerler soru metnindeki iki vektörle aynıdır. _al eki ise sayfanın başında oluşturduğumuz hasar_sayisi ve maruziyet nesnelerinin üzerine yazılmasını önler.
Ardından toplam hasar sayısını toplam maruziyete bölelim:
#> [1] 1.142857
Şimdi poliçe düzeyindeki sıklıkların basit ortalamasını ayrı olarak hesaplayalım:
#> [1] 1.066667
Portföy sıklığı \(4/3{,}5\approx1{,}143\) hasar/poliçe-yıldır. Poliçe sıklıklarının basit ortalaması ise yaklaşık 1,067’dir.
Sonucun FALSE olması beklenir. Maruziyetler farklı olduğundan her poliçeye eşit ağırlık vermek yerine toplam hasarı toplam maruziyete bölmek gerekir.
Alıştırma 5 (★ Küçük örnekten sonuç çıkarma). Laboratuvardaki sekiz poliçelik portföyde B bölgesinin gözlenen sıklığı A ve C bölgelerinden daha yüksektir.
Soruda kullanılacak bölge özeti:
| Bölge | Hasar sayısı | Toplam hasar tutarı | Maruziyet | Gözlenen sıklık |
|---|---|---|---|---|
| A | 1 | 8.000 TL | 2,50 | 0,400 |
| B | 3 | 36.500 TL | 2,25 | 1,333 |
| C | 1 | 4.100 TL | 1,25 | 0,800 |
(a) Sonuç yalnız sekiz poliçeye ve beş hasara dayanır; örnekleme oynaklığı çok yüksektir. Bölgedeki yaş, araç türü veya teminat gibi portföy özellikleri de farkı açıklayabilir.
B ile C arasındaki farkın büyük bölümü de tek bir hasardan gelir: B’nin üç hasarından biri olmasaydı sıklığı 0,889’a iner ve C’nin 0,8’inin yalnızca 0,089 üstünde kalırdı.
(b) Daha geniş dönem ve portföy, güven aralığı veya başka bir belirsizlik ölçüsü, tutarlı maruziyet tanımı ve önemli risk değişkenleri gerekir. İlerleyen haftalarda bu tür karşılaştırmalar GLM ile yapılacaktır.
(c) “Bu küçük örnekte B bölgesinin maruziyet başına gözlenen hasar sıklığı daha yüksektir. Gözlem sayısı çok az olduğu ve portföy farklılıkları henüz kontrol edilmediği için bunu kalıcı bir risk farkı olarak yorumlamıyoruz.”
Bu alıştırmalar hesaplamadan çok, kullanılan ölçünün anlamını ve analizin sınırlılıklarını kısa biçimde tartışmak içindir. Önce yanıtınızı oluşturun, ardından ilgili Çözümü göster düğmesiyle karşılaştırın.
Alıştırma 6 (Sıklık ve olasılık ayrımı). Laboratuvarda B bölgesinin gözlenen sıklığı 1,333 hasar/poliçe-yıldır. Bir yönetici bunu “B bölgesindeki bir poliçenin hasar olasılığı %133,3’tür” diye yorumluyor.
Laboratuvarın sekiz poliçelik portföyü (Adım A):
| Poliçe | Bölge | Maruziyet | Hasar sayısı | Toplam hasar tutarı (TL) |
|---|---|---|---|---|
| P001 | A | 1,00 | 0 | 0 |
| P002 | A | 0,50 | 1 | 8.000 |
| P003 | B | 1,00 | 0 | 0 |
| P004 | B | 0,75 | 2 | 24.500 |
| P005 | C | 1,00 | 1 | 4.100 |
| P006 | C | 0,25 | 0 | 0 |
| P007 | A | 1,00 | 0 | 0 |
| P008 | B | 0,50 | 1 | 12.000 |
(a) 1,333 değeri bir olasılık değil, 3 hasarın 2,25 poliçe-yıl maruziyete bölünmesiyle bulunan olay hızıdır. Bu nedenle “%133,3 olasılık” diye yorumlanamaz.
(b) İki ölçü de payında “hasar” taşır, ama paydaları farklıdır. Hasar sıklığının payı bütün hasarların sayısı, paydası toplam maruziyettir: B bölgesinde \(3/2{,}25=1{,}333\). Hasarlı poliçe oranının payı en az bir hasarı olan poliçe sayısı, paydası poliçe sayısıdır; aynı poliçe iki hasar yapsa da payda bir kez sayılır. B bölgesinde üç poliçenin ikisinde hasar vardır, yani oran \(2/3\approx0{,}667\)’dir.
Maruziyet süreleri farklı olduğundan bu ham satır oranı da yıllık hasar olasılığı olarak yorumlanmamalıdır.
(c) Aynı poliçe bir dönemde birden fazla hasar üretebildiği için hasar sayısı maruziyetten büyük olabilir ve sıklık 1’i aşabilir. İkili bir oran olan hasarlı poliçe oranı ise 0 ile 1 arasında kalır.
Alıştırma 7 (Maruziyetin anlamı). Bir poliçenin maruziyeti 0,25 ise bu ne anlama gelebilir? Yorumunuzda veri sözlüğünün neden gerekli olduğunu da belirtin.
Poliçenin incelenen bir yıllık dönemin yaklaşık dörtte birinde, örneğin üç ay boyunca, risk altında olduğu anlamına gelebilir. Kesin yorum veri sözlüğündeki maruziyet tanımına dayanmalıdır.
Alıştırma 8 (Veri düzeyi ve hasar büyüklüğü). Laboratuvarda P004 satırında hasar_sayisi = 2 ve toplam_hasar_tutari = 24500 bilgileri vardır.
(a) P004’ün iki hasarı olduğunu ve bu hasarların toplamının 24.500 TL olduğunu biliyoruz.
(b) Bu öğretim verisindeki toplamın aynı iki hasara ait olduğu varsayımıyla hasar başına aritmetik ortalama \(24.500/2=12.250\) TL’dir.
(c) Toplam aynı kalırken iki hasar 12.250 ve 12.250 TL de, 500 ve 24.000 TL de olabilir. Poliçe-dönemi düzeyindeki tek toplam, ayrı hasar büyüklüklerini korumaz; medyanı, değişkenliği veya kuyruk davranışını incelemek için her hasarın ayrı satırda olduğu hasar-düzeyi veri gerekir.
Alıştırma 9 (Yapısal kural ve inceleme bayrağı). Bir veri dosyasında şu durumlar saptanıyor:
TRUE olması ne yapılmasını gerektirir?(a) Tekrarlanan kimlik, yıllık bağlamda 1’i aşan maruziyet ve tam sayı olmayan hasar sayısı yapısal kuralları ihlal eder; analiz düzeltilene kadar durmalıdır. Pozitif sayı–sıfır tutar, sıfır sayı–pozitif tutar ve negatif tutar ise inceleme bayraklarıdır.
(b) TRUE, kaydın otomatik olarak silineceği anlamına gelmez. Ödeme gecikmesi, rücu, iptal veya düzeltme gibi iş süreçleri veri sözlüğü ve kaynak sistemle araştırılmalı; ardından karar belgelenmelidir.
Alıştırma 10 (Çalışan kod ve doğru analiz). Kodun hatasız çalışması ile analizin doğru olması arasındaki fark nedir?
(a) Kodun çalışması yalnızca yazılımın geçerli komutları yürüttüğünü gösterir. Analizin doğru olması için birimin, değişkenlerin, paydanın, yöntemin ve yorumun araştırma sorusuna uygun olması gerekir.
(b) Dört parça:
Soru ölçülebilir olsun diye “genç” de bir yaş sınırıyla yazılmalıdır (örneğin 30 yaşın altı); soru bu sınırı vermez, analist seçer ve raporda söyler.
Maruziyet atlanırsa sum(hasar_sayisi[yas < 30]) gibi bir hesap hatasız çalışır, ama iki grubun gözlem süreleri farklıysa bu sayılar karşılaştırılamaz: kod doğru çalışmış, soru yanıtlanmamış olur.