Marco Lavoie, MSc.

Maitrise en mathématiques,
UQAM

2024/09

Direction de recherche:

  • Jean-Philippe Boucher, professeur au Département de mathématiques de l’Université du Québec à Montréal

Mémoire de maitrise:

Lavoie, Marco (2024), « Modèles statistiques de surveillance de maladies infectieuses appliqués aux vols d’automobiles » Dir.: Jean-Philippe Boucher, Mémoire. Montréal (Québec, Canada), Université du Québec à Montréal, Maîtrise en mathématiques.

Ce mémoire explore l’application de modèles statistiques de surveillance des maladies infectieuses aux vols de voitures dans le but de fournir des outils analytiques pour les compagnies d’assurance. Les modèles Farrington et GLR (Generalized Likelihood Ratio) sont examinés pour détecter des anomalies dans les données de vols de véhicules, permettant ainsi une gestion proactive de l’assureur pour limiter les vols. Le modèle Farrington utilise un sous-ensemble de données historiques pour prédire les occurrences et fixer des seuils d’alerte, tandis que le modèle GLR, plus récent, intègre toutes les données disponibles dans un modèle paramétrique qui capture la saisonnalité. De plus, pour améliorer la qualité de prédiction, des variables explicatives propres aux assurés sont ajoutées dans le modèle GLR. Les résultats montrent que les deux modèles sont efficaces pour détecter des valeurs aberrantes, mais que l’approche GLR est plus robuste et adaptative. En intégrant ces modèles dans leurs systèmes de gestion des risques, les compagnies d’assurance peuvent améliorer leur réactivité et développer des stratégies pour minimiser les pertes dues aux vols de voitures. Cette étude souligne l’importance de l’adaptation continue des modèles aux spécificités des données et des tendances de marché pour optimiser leur utilisation en assurance automobile.

Implications

Démonstrations