https://quantfilab.github.io/pmarupanthorn/th/tags/confidence-ellipse/Confidence EllipseHugo Blox Builder (https://hugoblox.com)th-THWed, 24 Dec 2025 00:00:00 +0000https://quantfilab.github.io/pmarupanthorn/media/icon_hu68170e94a17a2a43d6dcb45cf0e8e589_3079_512x512_fill_lanczos_center_3.pnghttps://quantfilab.github.io/pmarupanthorn/th/tags/confidence-ellipse/https://quantfilab.github.io/pmarupanthorn/th/publication/ssj2025/Wed, 24 Dec 2025 00:00:00 +0000https://quantfilab.github.io/pmarupanthorn/th/publication/ssj2025/<div class="research-bilingual" data-research-bilingual> <section id="research-content-SSJ2025-th" class="research-language-panel research-language-panel--th" lang="th"> <figure class="research-concept-map research-concept-map--image"> <img src="https://quantfilab.github.io/pmarupanthorn/pmarupanthorn/publication/ssj2025/concept-map-th.png" alt="แผนผังแนวคิด: แปลงความไม่แน่นอนร่วมของพารามิเตอร์เป็นการตัดสินใจด้านราคา" loading="eager"> </figure> <h2>ปัญหาที่งานวิจัยแก้ไข</h2> <p>การกำหนดราคาเชิงคณิตศาสตร์ประกันภัยด้วยความเสียหายแบบล็อกนอร์มอลขึ้นกับพารามิเตอร์ประมาณสองค่าที่มีความไม่แน่นอนสัมพันธ์กัน ช่วงความเชื่อมั่นแยกกันอาจปิดบังความไม่แน่นอนร่วมและให้คำแนะนำจำกัดเกี่ยวกับความแม่นยำของเบี้ยหรือจำนวนกรมธรรม์ที่ต้องการ</p> <p><strong>ผู้ได้รับประโยชน์:</strong></p> <ul> <li>นักคณิตศาสตร์ประกันภัยและทีมกำหนดราคา</li> <li>นักวิเคราะห์ความเสี่ยงและเงินสำรอง</li> <li>นักสถิติที่ใช้แบบจำลองล็อกนอร์มอล</li> <li>บริษัทประกันที่วางแผนขนาดตัวอย่างและปริมาณกรมธรรม์</li> </ul> <h2>วิธีการ</h2> <p>งานวิจัยสร้างวงรีความเชื่อมั่นร่วมเชิงกำกับจากตัวประมาณภาวะน่าจะเป็นสูงสุดของพารามิเตอร์ล็อกนอร์มอล การทดลองมอนติคาร์โลใช้พารามิเตอร์ 9 ชุด ขนาดตัวอย่าง 10, 100 และ 1,000 และจำลองซ้ำ 1,000 รอบ พร้อมอนุมานและตรวจสอบขอบล่างเชิงทฤษฎีของขนาดตัวอย่างที่จำเป็นต่อความแม่นยำเป้าหมาย ก่อนประยุกต์กับข้อมูลประกันสุขภาพ 1,338 ราย</p> <h2>ผลการศึกษา</h2> <p>ความครอบคลุมเชิงประจักษ์อยู่ระหว่างร้อยละ 94.27 ถึง 95.13 ใกล้ระดับเป้าหมายร้อยละ 95 แม้ในตัวอย่างขนาดเล็ก วงรีร่วมให้ช่วงความเชื่อมั่นของเบี้ยที่กระชับกว่าการพิจารณาพารามิเตอร์แยกกัน และความสัมพันธ์ของขนาดตัวอย่างช่วยสนับสนุนความแม่นยำด้านราคา การวางแผนเงินสำรอง และการตัดสินใจด้านจำนวนกรมธรรม์</p> </section> </div>