Ciencia de los Datos Aplicada

Grado y Doble Grado. Curso 2025/2026.

ANÁLISIS DE DATOS PARA LAS CIENCIAS DEL SEGURO - 806336

Curso Académico 2025-26

Datos Generales

SINOPSIS

COMPETENCIAS

Generales
CG1, CG2, CG4.
Específicas
CE4, CE15.

ACTIVIDADES DOCENTES

Clases teóricas
50%
Clases prácticas
50%

Presenciales

2,4

No presenciales

3,6

Semestre

8

Breve descriptor:

El análisis de datos ha sido tradicionalmente uno de los pilares básicos del sector asegurador, ya que las compañías de seguros han basado siempre su negocio en la acumulación de grandes cantidades de datos sobre sus asegurados, gracias a los cuales pueden calcular estimaciones precisas de la siniestralidad a la que se enfrentan. En esta asignatura se estudian las características específicas de la actividad aseguradora y las técnicas estadísticas que utilizan las compañías para gestionar su negocio.


Requisitos


Conocimientos básicos de R.

Objetivos

- Conocer la estructura básica del sector asegurador.

- Conocer las técnicas estadísticas que utilizan las compañías aseguradoras en su operatoria habitual.

- Aplicación de dichas técnicas a los problemas a los que se enfrentan las aseguradoras en la gestión de su negocio.

Contenido

- Introducción a la Matemática Financiera.

- Introducción al Sector Asegurador. Los diferentes tipos de seguros.

- Teoría de Carteras: Diversificación, Cobertura, Inmunización.

- Modelización estadística del número de siniestros y de su cuantía.

- Modelos de Tarificación (o cálculo de las primas) basados en GLMs.

- Modelos de Credibilidad.

- Modelos Bayesianos.

- Modelización de Riesgos Correlacionados: Cópulas.


Evaluación


La nota final tendrá en cuenta tanto la evaluación continua como la prueba final. Se calculará como el máximo entre:

a) La calificación de la prueba final.

b) La media ponderada de la evaluación continua y la prueba final, siendo el peso de la evaluación continua del 60%.

Cualquier alumno/a tendrá derecho a una prueba final pudiendo resultar su calificación la nota final del curso.

En todo caso, el alumno/a tiene la opción de superar la asignatura por evaluación continua.

Bibliografía


Anderson, D., Feldblum, S., Modlin, C., Schirmacher, E. y Thandi, N. (2007): A Practitioner’s Guide to Generalized Linear Models (3ª ed.). Towers Watson.

Boland, P. J. (2007): Statistical And Probabilistic Methods In Actuarial Science. Chapman & Hall/CRC Press.

Charpentier, A (ed.) (2014): Computational Actuarial Science with R. CRC Press.

Collard, J. F. (2023): Hands-On Data Analysis in R for Finance. CRC Press.

Goldburd, M., Khare, A., Tevet, D, y Guller, D. (2020): Generalized Linear Models for Insurance Rating (2ª ed). Casualty Actuarial Society.

McQuire, P. y Kume, A. (2024): R Programming for Actuarial Science. John Wiley & Sons.

Ohlsson, E. y Johansson, B. (2010): Non-Life Insurance Pricing with Generalized Linear Models. Springer-Verlag.

Parodi, P. (2023): Pricing in General Insurance (2ª ed). CRC Press.

Regenstein, J. K. Jr. (2019): Reproducible Finance with R. CRC Press.



Estructura

MódulosMaterias
No existen datos de módulos o materias para esta asignatura.

Grupos

Actividades Prácticas
GrupoPeriodosHorariosAulaProfesor
Grupo Único22/01/2026 - 13/05/2026JUEVES 18:00 - 20:00-MARIA ZULEICA DIAZ MARTINEZ


Clases Teóricas y/o Prácticas
GrupoPeriodosHorariosAulaProfesor
Grupo Único22/01/2026 - 13/05/2026LUNES 18:00 - 20:00-MARIA ZULEICA DIAZ MARTINEZ