Police d'assurance : etude sur la variable

Solutions Travail Pratique 3

MKG 5311 été 2021

Problème 1 (6 points)

Suite à une étude préliminaire afin de mesurer le niveau d’intérêt pour une nouvelle police d’assurance automobile, la compagnie AGA entreprit une étude stratégique pour développer un modèle capable de discriminer entre les clients qui seraient intéressés et pas intéressés par la nouvelle police d’assurance automobile avant de l’offrir à ses quelques millions de clients. Mille quatre cent trente-cinq (1435) clients choisis au hasard ont participé à l’étude. La liste des variables est dans le Tableau 1.

La variable dépendante est catégorie d’intérêt.

1. Effectuez un test d’hypothèse sur la fonction discriminante. Quelle est votre conclusion ? (1)

2. Quelle est la variable qui discrimine le plus. (1)

3. Placez les variables par rapport à leur pouvoir de discrimination. (1)

4. Évaluez le classement du modèle. (1)

5. Classez ces cinq clients : (2)

Réponses:

1. F.D. : [pic 1], sig. = .000, rejette Ho; donc la fonction discriminante est significative. (1)

[pic 2]

2. La variable qui discrimine le plus est ‘le nombre de voyages dépassant 400km par année avec un poids discriminant standardisé de .702.

[pic 3]

3. Le classement est le suivant en fonction de leur poids discriminant : (1)

                        1. nombre de voyages dépassant les 400km (.702)

                        2. âge du client (.464)

                        3. âge de l’automobile principale -.395

                        4. nombre d’automobiles dans la famille (.134)

                        5. statut civil (-.056)

4. Il faut calculer le C.C.P. : (812/1435)2 + (623/1435)2 + .15 = .658 ou 65.8%.

Le pourcentage de cas classés correctement est 90.2%, plus grand que le C.C.P. de 65.8%, donc le modèle est bon.

5. Pour classer les nouveaux cas, l’étudiant doit calculer le score discriminant pour chaque cas en employant les poids discriminants de la fonction discriminante non standardisée et comparer le score au centroïde de chaque groupe et générer le classement suivant : (2)

cas 1 : pas intéressé(e)                score discriminant = -.59204

cas 2 : intéressé(e)                        score discriminant = 3.146

cas 3 : pas intéressé(e)                score discriminant = -1.671

cas 4 : pas intéressé(e)                score discriminant = -1.553

cas 5 : pas intéressé(e)                score discriminant = -.9207

[pic 4]

[pic 5]

Problème 2 (5 points)

Le département de l’analyse stratégique de Michelin Canada voulait développer un modèle prédictif du rendement (ROI) d’entreprises dans les industries de biens non durables. Le modèle pourrait aider l’entreprise dans les activités d’acquisition (d’entreprises). Avec les données dans le fichier données problème 2, construisez un modèle prédictif.

...