Hafta 1 — Aktüeryal Sorular ve R ile İlk Adımlar

IST5109 İleri Aktüerya Teknikleri · Sigorta Verileriyle İstatistiksel Programlama

Bu haftanın amacı

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.

Öğrenme çıktıları

Oturum sonunda öğrenci:

  1. poliçe, maruziyet, hasar sayısı, poliçe-dönemi toplam hasar tutarı ve hasar büyüklüğünü birbirinden ayırır;
  2. bir aktüeryal iş sorusunu ölçülebilir bir istatistiksel soruya çevirir;
  3. R’de nesne, vektör ve veri çerçevesi oluşturur;
  4. basit bir sonucu elle, açık R koduyla ve hazır fonksiyonla doğrular;
  5. bir sayısal sonucu iş bağlamında bir cümleyle yorumlar.

Üç saatlik akış

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

1 Bir aktüeryal soru nasıl kurulur?

İyi bir analiz, kodla değil soruyla başlar. Örneğin:

  • Gelecek yıl kaç hasar bekliyoruz?
  • Hasar gerçekleşirse ortalama ödeme ne kadar olur?
  • Hangi gruplar daha yüksek hasar sıklığı gösteriyor?
  • Toplanacak prim beklenen ödemeleri ve belirsizliği karşılıyor mu?
  • Gözlediğimiz fark gerçek bir risk farkı mı, yoksa örnekleme oynaklığı (sampling variability) mı?

Bu sorular dört parçaya ayrılabilir:

  1. Birim: Bir satır neyi temsil ediyor?
  2. Sonuç değişkeni: Neyi açıklamak veya tahmin etmek istiyoruz?
  3. Maruziyet: Risk ne kadar süreyle gözlendi?
  4. Karar: Sonuç hangi kararı destekleyecek?

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.

Önemli

Bir satırın poliçe, kişi, hasar veya poliçe-yıl olması aynı şey değildir. Payda yanlış seçilirse doğru görünen bir hesap yanlış bir sonuca dönüşebilir.

2 Temel sigorta veri kavramları

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.

3 R’de nesne, vektör ve veri çerçevesi

R’de <- işareti sağdaki değeri soldaki isme atar. Kodu çalıştırdığımızda son satırdaki nesnenin değeri çıktı olarak görünür.

Kodu göster / gizle
hasar_sayisi <- 5
maruziyet <- 6
frekans <- hasar_sayisi / maruziyet
frekans
#> [1] 0.8333333

Birden fazla değer c() ile bir vektörde tutulur:

Kodu göster / gizle
police_toplam_tutarlari <- c(0, 8000, 0, 24500, 4100)
sum(police_toplam_tutarlari)
#> [1] 36600
Kodu göster / gizle
mean(police_toplam_tutarlari)
#> [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:

Kodu göster / gizle
portfoy <- data.frame(
  police_id = c("P001", "P002", "P003"),
  maruziyet = c(1, 0.5, 1),
  hasar_sayisi = c(0, 1, 0),
  toplam_hasar_tutari = c(0, 8000, 0)
)
portfoy
#>   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:

Kodu göster / gizle
str(portfoy)
#> '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:

Kodu göster / gizle
summary(portfoy)
#>   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.

Sık karşılaşacağınız veri türleri

  • 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.

4 Küçük çalışılmış örnek

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:

Kodu göster / gizle
sayilar <- c(0, 1, 2, 0)
maruziyetler <- c(1, 0.5, 1, 0.5)
sayilar
#> [1] 0 1 2 0
Kodu göster / gizle
maruziyetler
#> [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:

Kodu göster / gizle
toplam_sayi <- 0
for (deger in sayilar) {
  toplam_sayi <- toplam_sayi + deger
}
toplam_sayi
#> [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:

Kodu göster / gizle
toplam_maruziyet_acik <- 0
for (deger in maruziyetler) {
  toplam_maruziyet_acik <- toplam_maruziyet_acik + deger
}
toplam_maruziyet_acik
#> [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:

Kodu göster / gizle
frekans_acik <- toplam_sayi / toplam_maruziyet_acik
frekans_acik
#> [1] 1

Adım 3 — Hazır fonksiyon:

Kodu göster / gizle
frekans_hazir <- sum(sayilar) / sum(maruziyetler)
frekans_hazir
#> [1] 1

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.

Kodu göster / gizle
frekans_kontrol <- isTRUE(all.equal(frekans_acik, frekans_hazir))
stopifnot(frekans_kontrol)
frekans_kontrol
#> [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.

Kodu göster / gizle
0.1 + 0.2 == 0.3
#> [1] FALSE
Kodu göster / gizle
all.equal(0.1 + 0.2, 0.3)
#> [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.

Kodu göster / gizle
all.equal(1, 2)
#> [1] "Mean relative difference: 1"
Kodu göster / gizle
isTRUE(all.equal(1, 2))
#> [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.

Kodu göster / gizle
tryCatch(stopifnot(isTRUE(all.equal(1, 2))), error = conditionMessage)
#> [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.

5 R Laboratuvarı

İndirilebilir R laboratuvarı

Bu bölümde her adımın kodunu ve beklenen çıktısını web sayfası üzerinde birlikte göreceksiniz. Kod bloklarını RStudio’da sırayla yeniden çalıştırarak sonuçları karşılaştırabilirsiniz.

Başlamadan önce
  1. RStudio’da boş bir R Script açın.
  2. Sayfadaki ilk kod bloğunu Kopyala düğmesiyle alın ve R Script’e yapıştırın.
  3. Kod bloklarını sayfadaki sırayla Ctrl+Enter kullanarak çalıştırın.
  4. Her kod bloğundan sonra RStudio’daki sonucu sayfada gösterilen çıktıyla karşılaştırın.
  5. Bir hata oluşursa iletide belirtilen satırı kontrol edin; gerekli düzeltmeyi yaptıktan sonra bu kodun bağlı olduğu önceki bloklardan başlayarak yeniden çalıştırın.

Adım A — Örnek portföyü oluşturun

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.

Kodu göster / gizle
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.

Adım B — Boyutu, adları ve veri türlerini inceleyin

Kodu göster / gizle
dim(policeler)
#> [1] 8 6
Kodu göster / gizle
names(policeler)
#> [1] "police_id"           "yas"                 "bolge"              
#> [4] "maruziyet"           "hasar_sayisi"        "toplam_hasar_tutari"
Kodu göster / gizle
str(policeler)
#> '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.

Adım C — Yapısal kuralları ve inceleme bayraklarını ayırın

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:

Kodu göster / gizle
kimlik_kontrolleri <- c(
  sekiz_satir = nrow(policeler) == 8,
  police_id_eksiksiz = !anyNA(policeler$police_id) &&
    all(nzchar(trimws(policeler$police_id))),
  police_id_benzersiz = anyDuplicated(policeler$police_id) == 0
)
kimlik_kontrolleri
#>         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:

Kodu göster / gizle
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:

Kodu göster / gizle
yapisal_kontroller <- c(kimlik_kontrolleri, sayisal_kontroller)
yapisal_kontroller
#>                    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:

Kodu göster / gizle
tum_yapisal_kontroller_gecti <- all(yapisal_kontroller)
stopifnot(tum_yapisal_kontroller_gecti)
tum_yapisal_kontroller_gecti
#> [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:

Kodu göster / gizle
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.

Adım D — Analiz değişkenlerini üretin

hasar_var, poliçede en az bir hasar olup olmadığını; hasar_frekansi ise poliçe düzeyinde maruziyet başına hasar sayısını gösterir.

Kodu göster / gizle
policeler$hasar_var <- policeler$hasar_sayisi > 0
policeler$hasar_frekansi <-
  policeler$hasar_sayisi / policeler$maruziyet

policeler[c(
  "police_id", "maruziyet", "hasar_sayisi",
  "hasar_var", "hasar_frekansi"
)]
#>   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.

Adım E — Toplam hasar tutarını üç yolla hesaplayın

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.

Kodu göster / gizle
toplam_elle <- 0 + 8000 + 0 + 24500 + 4100 + 0 + 0 + 12000
toplam_elle
#> [1] 48600

Yöntem 2 — for döngüsü: Tutarları sırayla bir ara toplama ekleriz.

Kodu göster / gizle
toplam_for <- 0
for (tutar in policeler$toplam_hasar_tutari) {
  toplam_for <- toplam_for + tutar
}
toplam_for
#> [1] 48600

Yöntem 3 — sum() fonksiyonu: Aynı toplamı tek bir hazır fonksiyonla hesaplarız.

Kodu göster / gizle
toplam_sum <- sum(policeler$toplam_hasar_tutari)
toplam_sum
#> [1] 48600

Son olarak üç yöntemin aynı sonucu verdiğini ayrı bir kod bloğunda denetleriz:

Kodu göster / gizle
sonuclar <- c(
  elle = toplam_elle,
  for_dongusu = toplam_for,
  sum_fonksiyonu = toplam_sum
)
yontemler_uyumlu <-
  isTRUE(all.equal(toplam_elle, toplam_for)) &&
  isTRUE(all.equal(toplam_for, toplam_sum))
stopifnot(yontemler_uyumlu)

list(
  sonuclar = sonuclar,
  yontemler_uyumlu = yontemler_uyumlu
)
#> $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.

Adım F — Portföy sıklığını hesaplayın

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:

Kodu göster / gizle
toplam_maruziyet <- sum(policeler$maruziyet)
toplam_maruziyet
#> [1] 6

Bu değer, Adım A’daki maruziyet sütununun toplamıdır ve portföyün kaç poliçe-yıl gözlendiğini söyler.

Ardından payı, yani bütün poliçelerdeki hasar sayılarının toplamını buluyoruz:

Kodu göster / gizle
toplam_hasar_sayisi <- sum(policeler$hasar_sayisi)
toplam_hasar_sayisi
#> [1] 5

Bu sayı gözlenen bütün hasarları kapsar; hasarlı poliçe sayısı değildir, çünkü aynı poliçe birden fazla hasar üretmiş olabilir.

Payı paydaya bölünce portföy sıklığı çıkar:

Kodu göster / gizle
frekans <- toplam_hasar_sayisi / toplam_maruziyet
frekans
#> [1] 0.8333333

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:

Kodu göster / gizle
data.frame(
  toplam_maruziyet = toplam_maruziyet,
  toplam_hasar_sayisi = toplam_hasar_sayisi,
  hasarli_police_orani = mean(policeler$hasar_var),
  maruziyet_basina_frekans = frekans
)
#>   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.

Adım G — Bölgelere göre betimsel özet oluşturun

Kodu göster / gizle
bolge_ozeti <- aggregate(
  cbind(hasar_sayisi, toplam_hasar_tutari, maruziyet) ~ bolge,
  data = policeler,
  FUN = sum
)
bolge_ozeti$frekans <-
  bolge_ozeti$hasar_sayisi / bolge_ozeti$maruziyet
bolge_ozeti
#>   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.

Adım H — 40 yaş ve üzeri poliçelerin toplam hasar tutarı

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.

Kodu göster / gizle
hasar_40_elle <- 0 + 24500 + 0 + 12000
hasar_40_elle
#> [1] 36500

sum() yöntemi: Önce yaş koşuluyla ilgili satırları seçer, ardından yalnızca bu satırlardaki tutarları toplarız.

Kodu göster / gizle
hasar_40_sum <- sum(
  policeler$toplam_hasar_tutari[policeler$yas >= 40]
)
hasar_40_sum
#> [1] 36500

İki yöntemin aynı sonucu verdiğini ayrı bir kod bloğunda denetleriz:

Kodu göster / gizle
hasar_40_yontemleri_uyumlu <-
  isTRUE(all.equal(hasar_40_elle, hasar_40_sum))
stopifnot(hasar_40_yontemleri_uyumlu)

list(
  sonuclar = c(elle = hasar_40_elle, sum_fonksiyonu = hasar_40_sum),
  yontemler_uyumlu = hasar_40_yontemleri_uyumlu
)
#> $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.

Adım I — Sonucu bir cümleye çevirin

Kodu göster / gizle
sprintf(
  paste0(
    "Bu örnek portföyde %.2f poliçe-yıl maruziyet ve %d hasar vardır; ",
    "gözlenen sıklık %.3f hasar/poliçe-yıldır."
  ),
  toplam_maruziyet,
  toplam_hasar_sayisi,
  frekans
)
#> [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.

Alıştırmalar

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
  1. Yalnızca hasar sayılarına bakarak hangi grubun daha riskli göründüğünü yazın.
  2. Her grup için maruziyet başına hasar sıklığını hesaplayın.
  3. İlk iki sonuç neden farklıdır? Sonucu tek cümleyle yorumlayın.

(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.

  1. Ortalama ve medyan hasar büyüklüğünü hesaplayın.
  2. 22.500 TL’lik hasar ortalamayı nasıl etkilemiştir?
  3. Bu beş hasarın kaçı ortalamanın altında kalıyor? Bir raporda “hasar başına ortalama 6.000 TL” cümlesini tek başına okuyan biri neyi yanlış anlar?

(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
  1. Her satırdaki olası veri sorununu belirtin.
  2. Bu kayıtları doğrudan silmek neden doğru bir ilk adım değildir?
  3. Sorunu araştırmak için hangi bilgiye başvurursunuz?

(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)
  1. İki komut hangi soruları yanıtlar?
  2. Sonuçları hesaplayın.
  3. Portföy sıklığı için hangisi kullanılmalıdır ve neden?

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:

Kodu göster / gizle
hasar_sayisi_al <- c(0, 1, 2, 0, 1)
maruziyet_al <- c(1, 0.5, 1, 0.25, 0.75)
hasar_sayisi_al
#> [1] 0 1 2 0 1
Kodu göster / gizle
maruziyet_al
#> [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:

Kodu göster / gizle
toplam_yontemi <- sum(hasar_sayisi_al) / sum(maruziyet_al)
toplam_yontemi
#> [1] 1.142857

Şimdi poliçe düzeyindeki sıklıkların basit ortalamasını ayrı olarak hesaplayalım:

Kodu göster / gizle
basit_ortalama <- mean(hasar_sayisi_al / maruziyet_al)
basit_ortalama
#> [1] 1.066667

Portföy sıklığı \(4/3{,}5\approx1{,}143\) hasar/poliçe-yıldır. Poliçe sıklıklarının basit ortalaması ise yaklaşık 1,067’dir.

Kodu göster / gizle
isTRUE(all.equal(toplam_yontemi, basit_ortalama))
#> [1] FALSE

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
  1. Bu bulgudan “B en riskli bölgedir” sonucu neden çıkarılamaz?
  2. Daha güvenilir bir karşılaştırma için hangi ek bilgilere ihtiyaç vardır?
  3. Bulguyu teknik olmayan bir yöneticiye iki cümleyle nasıl aktarırsınız?

(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.”

Yorumlama alıştırmaları

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
  1. Bu yorum neden yanlıştır?
  2. Aynı veriden hasarlı poliçe oranı da okunabilir. Bu iki ölçünün payı ve paydası nedir, ve B bölgesinde hasarlı poliçe oranı kaçtır?
  3. Hasar sıklığı neden 1’i aşabilir?

(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.

  1. Bu satırdan hangi tutar bilgilerini kesin olarak biliyoruz?
  2. Hasar başına satır ortalamasını hesaplayın.
  3. İki hasarın ayrı büyüklüklerini ve hasar büyüklüğü dağılımını neden bu tablodan çıkaramayız?

(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:

  1. Tekrarlanan bir poliçe kimliği,
  2. yıllık analizde 1,25 maruziyet,
  3. 1,5 hasar sayısı,
  4. pozitif hasar sayısıyla sıfır toplam tutar,
  5. sıfır hasar sayısıyla pozitif toplam tutar,
  6. negatif toplam tutar.
  1. Hangileri analizi durduran yapısal kontroller, hangileri inceleme bayraklarıdır?
  2. Bir inceleme bayrağının 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?

  1. Farkı veri, yöntem ve yorum başlıkları altında açıklayın.
  2. Bir yönetici “Genç sigortalılar daha sık mı hasar yapıyor?” diye soruyor. Bu soruyu dört parçasına ayırın: birim, sonuç değişkeni, maruziyet ve karar. Hangi parça atlanırsa kod yine hatasız çalışır ama soru yanıtlanmamış olur?

(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:

  • birim: poliçe-dönemi, yani tablonun bir satırı;
  • sonuç değişkeni: hasar sayısı; soru “daha sık” diyor, tutar sormuyor;
  • maruziyet: poliçe-yıl; her grubun sıklığı, toplam hasar sayısının toplam maruziyete bölünmesidir;
  • karar: yaşın tarifede ayrı bir risk grubu olarak incelenip incelenmeyeceği.

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.

Kaynaklar

  • Wickham, H., Çetinkaya-Rundel, M. ve Grolemund, G. (2023). R for Data Science, 2. baskı. O’Reilly: “Whole game” ve “Workflow: basics” bölümleri.
  • Ismay, C., Kim, A. Y. ve Valdivia, A. (2025). Statistical Inference via Data Science: A ModernDive into R and the Tidyverse, 2. baskı. Chapman & Hall/CRC: veri çerçeveleri ve keşifsel analiz bölümleri.
  • Dickson, D. C. M., Hardy, M. R. ve Waters, H. R. (2020). Actuarial Mathematics for Life Contingent Risks, 3. baskı. Cambridge University Press: Bölüm 1 (mesleki bağlam için seçilmiş okuma).
  • Venables, W. N., Smith, D. M. ve R Core Team (2023). An Introduction to R. R kılavuzu, sürüm 4.3.2: veri yapıları ve temel fonksiyonlar.
Başa dön