Você está na página 1de 18

PRECIFICAÇÃO ATUARIAL: uma abordagem sensométrica

Pablo Cescon PORTES1

Leonardo Henrique COSTA2

Eric Batista FERREIRA3

1
Mestre em Estatística Aplicada e Biometria/UNIFAL, Atuário/UNIFAL e-mail: pablo.portes@hotmail.com
2
Mestre em Ciências Atuariais/PUC-Rio,Universidade Federal de Alfenas - UNIFENAS
3
Doutor em Estatística e Experimentação Agropecuária/UFLA, Universidade Federal de Alfenas –UNIFAL

Recebido em: 24/04/2017 - Aprovado em: 11/08/2017 - Disponibilizado em: 30/12/2017

RESUMO:
Seguradoras utilizam vários tipos de metodologias para precificação de seguro de carro, modelos de regressão por
Poisson, binomial negativa e até mesmo redes neurais. Todas essas modelagens têm como base informações sobre os
clientes como: idade, sexo, local de residência, entre outras; além de registros sobre sinistros por parte das seguradoras.
Dessa maneira a seguradora admite um risco para cada categoria de pessoa. Porém a percepção de risco que os
segurados têm pode ser diferente dos resultados das seguradoras. Sendo assim, objetivou-se com o trabalho, quantificar
e analisar a aversão que os clientes de seguro de carro têm aos riscos, com o intuito de auxiliar na avaliação de risco.
Para isso, explorou-se o ramo estatístico da Sensometria, que descreve, entende e mede a sensação humana de acordo
com estímulos externos. Com os resultados apresentados no trabalho pode-se construir uma nova ferramenta para ser
incluída na precificação de seguros de carro.
Palavras-chave: percepção dos segurados;seguro de carro;Sensometria.

ABSTRACT:
Insurance companies use various types of methodologies for car insurance pricing, Poisson or Negative Binomial
regression models and even neural networks. All these models take based on customer information such as age, sex,
place of residence, among others and records on claims that insurers have, in this way the insurer admits a risk for each
category of person. But the pricing of insurance could improve if they used the perception of policyholders about the
risks that they run with their cars. Thus, the study aims to quantify and analyze the aversion, that the policyholders,
have about risks. To do this, we explored the statistical branch of Sensometric, which describes, understands and
measures human feeling according to external stimuli. Therewith, this work will bring a new tool to be included at the
car insurance pricing.
Keywords:perception of policyholders; car insurance; Sensometric.

1. INTRODUÇÃO trabalha (ou estuda) em uma cidade e mora


Precificações de seguro de carro são em outra, entre outras. Uma boa parte dos
feitas de várias formas diferentes, usando modelos de precificação são construídos
vários modelos estatísticos e conjunto de utilizando métodos de regressão logística,
dados. Porém as variáveis, normalmente, são Poisson e binomial negativa, todos eles
comuns entre as seguradoras de um mesmo levando em consideração as variáveis citadas
país ou região. No Brasil essas variáveis, na (SILVA; AFONSO, 2015).
maioria das vezes são: se o cliente tem Essas modelagens são feitas com
garagem, idade, sexo, modelo do carro, onde base nos bancos de dados das seguradoras, ou
mora, onde trabalha, onde estuda, se o cliente seja, informações sobre acidentes e
36
Revista da Universidade Vale do Rio Verde, Três Corações, v. 15, n. 2, p. 36-53, ago./dez. 2017
quantidade de sinistros que já ocorreram para é muito utilizado dentro da Sensometria, por
determinada categoria de cliente. Além disso, se tratar de um método multivariado de
as seguradoras podem reter informações a análise de dados. Além disso, fez-se uso da
posteriori dos segurados, por exemplo, aplicação de questionários para averiguar a
número de sinistros que o carro daquele percepção dos consumidores de seguro de
segurado sofreu desde que se iniciou o carro. Mas, como foi encontrada uma
contrato de seguro. dificuldade para se estabelecer uma população
Seria de grande interesse para as alvo, os questionários foram aplicados apenas
seguradoras analisar o que os segurados aos professores da Universidade Federal de
pensam sobre o preço que pagam em seus Alfenas, campus Varginha. Dessa forma, a
seguros, além da percepção que os mesmos amostra coletada foi satisfatória, tendo em
têm sobre os riscos que envolvem seus vista que a população era considerada
veículos. O ramo da Estatística que estuda as pequena.
percepções subjetivas das pessoas sobre Com base nos questionários foi
fenômenos é a Sensometria. possível transformar as perguntas em
A Sensometria inicialmente era variáveis altamente correlacionadas, pois os
utilizada na indústria de alimentos, professores que respondessem alguma das
analisando, com base nos cinco sentidos perguntas sendo avessos ao risco tenderiam a
humanos (paladar, tato, visão, olfato e responder as outras perguntas de forma
audição) a qualidade de um produto (STORTI coerente, ou seja, também seriam avessos a
et al., 2014). As pessoas que testavam esses outros riscos. Dessa forma, seria possível a
produtos poderiam ser provadores construção dos componentes principais.
profissionais e treinados ou meros Além disso, utilizou-se de outras
consumidores daquele tipo de produto. Porém variáveis além das perguntas relacionadas ao
há trabalhos que aplicam Sensometria em preço do seguro, como sexo, estado civil,
outras áreas, cujo objetivo é quantificar a entre outras (com base nos formulários das
subjetivadade humana de cada indivíduo. seguradoras). Essas variáveis foram apenas
Com isso, objetivou-se com o trabalho utilizar ilustrativas, pois ajudam a entender melhor o
a Sensometria para analisar a percepção dos comportamento dos entrevistados.
consumidores de seguro sobre os riscos que Foram analisados os gráficos de
eles correm. dispersão dos dados nos eixos dos dois
Utilizou-se um dos métodos primeiros componentes principais e foram
estatísticos mais antigos, a Análise de projetados os vetores das variáveis originais e
Componentes Principais (ACP). Esse método das variáveis ilustrativas quantitativas no
37
Revista da Universidade Vale do Rio Verde, Três Corações, v. 15, n. 2, p. 36-53, ago./dez. 2017
gráfico com os eixos dos dois primeiros Após as seguradoras captarem as
componentes principais. Os resultados obtidos informações do segurado, elas utilizam-se de
no trabalho serão capazes de auxiliar as métodosestatísticos para determinar o valor
seguradoras nas precificações de seguros de do seguro. Normalmente se tem o histórico de
carro, servindo de base para aumentar ou acidentesou roubos para certa idade, sexo ou
diminuir o valor do prêmio. região e, com isso, usa de métodos como
regressãopara modelar, por exemplo, o
2. PRECIFICAÇÃO número de acidentes por idade e, assim,
apresentar o riscode um segurado de certa
Os modelos usados para
idade sofrer acidente.
precificação de seguros de veículos são
Dionne e Vanasse (1989) modelam
geralmente, modelosmultivariados, que levam
riscos usando regressão pelas distribuições de
em conta uma gama de fatores e variáveis, os
Poisson e binomial negativa. Jong e
quais incidemdiretamente no risco de sinistro
Heller(2008) mostram que é possível utilizar
(acidentes, roubos etc.) e, consequentemente,
modelos de regressão, desde a linear múltipla,
no valordo prêmio pago pelo segurado.
até regressõescom respostas contínuas, como
As variáveis usadas pelas
a regressão por distribuição gamma e
seguradoras brasileiras têm como base as
gaussiana inversa. O modelo de regressão por
informações apriori, como: idade, sexo, tipo
Poisson é um dos mais utilizados, pois
de carro, tipo de licença, e que podem ser
normalmente os dados vêmem forma de
vistas em muitostrabalhos, por exemplo, os
contagem (número de acidentes ou roubos).
artigos de Dionne e Vanasse (1989) e Bailey e
Dickison (2005) mostra uma
Simon (1960), que incluem o local de
abordagem um pouco diferente para
residência do segurado. Bailey e Simon
precificação de segurosem geral, usando a
(1960) colocam também o local de trabalho
teoria da utilidade. A teoria da utilidade é um
como variável explicativa do seu modelo de
campo que propiciamuitas aplicações,
precificação, sendo essavariável também
principalmente na área da Economia. A
utilizada pelas seguradoras brasileiras. Chang
função utilidade, representadapor u(x)
e Fairley (1979) incluem a variável garagem
descreve uma função que mensura o valor, ou
em suas modelagens, porém a maioriadas
utilidade, que um indivíduo (ouinstituição)
seguradoras brasileiras não questiona
atribui ao valor monetário x. Dessa maneira,
unicamente se o segurado tem garagem em
na ótica dasseguradoras, em geral tenta-se
suaresidência, como também se o mesmo
maximizar a função utilidade, conforme:
estaciona seu veículo na garagem de onde
u( x)  0 e u( x)  0 (1)
trabalhae de onde estuda.
38
Revista da Universidade Vale do Rio Verde, Três Corações, v. 15, n. 2, p. 36-53, ago./dez. 2017
Matematicamente, podemos dizer variabilidade maior (PINDYCK;
que a seguradora sempre buscar RUBINFIELD, 2005). Para exemplificar esse
amaximizaçãoda sua função utilidade, cenário será utilizado o seguro de carro, oqual
sabendo-se que a mesma tem concavidade é o foco desse trabalho. As pessoas preferem
voltada para baixo.Todavia essa abordagem é pagar uma quantia certa de seguro decarro,
da perspectiva do segurador. Este trabalho mesmo que elas saibam que têm uma
também usará oprincípio de utilidade, assim, probabilidade de não bater o carro
do ponto de vista do segurado, consumidor de (prejuízoigual a zero), porque elas sabem que
seguros, poder-se-á precificar um seguro de o prejuízo, caso elas venham a sofrer um
carro com base nas preferências do segurado. sinistro, tem aprobabilidade de extrapolar o
valor do seguro de carro.
Para Rees e Wambach (2008), fazer
3. UTILIDADE DOS CONSUMIDORES
um seguro é de longe mais racional, no
entanto o valor que o consumidor desembolsa
De acordo com Pindyck e
para aquisição de um seguro não será usado
Rubinfield (2005), muitas das escolhas que
para produzir nada tangível. Dessa maneira,
precisam serfeitas pelos consumidores
vemos que o consumidor tem que dar à
envolvem um considerável grau de incerteza e
coisasegurada um valor utilidade alto para que
a maioria vêo risco como algo indesejável.
faça o seguro, além disso, o seguro não
Alguns consumidores consideram-no mais
podeser tão alto a ponto de exceder o valor
indesejável doque outros. Essa diferença entre
utilidade da coisa. Em geral, os bens de
as pessoas no modo de agir emrelação ao
consumotêm valores diferentes para as
risco está relacionada à utilidade que elas
pessoas, dependendo das circunstâncias nas
escolhem, a partir das opções entrealternativas
quais ficaramdisponíveis (VARIAN, 2012). O
de risco.
trabalho concentra, justamente, em perceber a
As pessoas que têm aversão ao
utilidade queum grupo de pessoas dá ao
risco, que compreende a maior parte da
seguro de carro, além de averiguara noção de
população emgeral, estão dispostas a
risco que dessas pessoas, usando técnicas da
desprender parte da sua renda para evitá-los.
análise sensorial.
Nesse contexto, ovalor dos seguros tem como
base o prejuízo esperado, ou seja, as pessoas
4. SENSOMETRIA
preferem pagaruma quantia certa que seria
igual ao prejuízo esperado para a coisa Conforme Anzaldúa-Morales

segurada do que pagaro mesmo valor (1994), a análise sensorial é um enorme

esperado de prejuízo, porém, com uma campoda ciência que se ocupa em entender,
39
Revista da Universidade Vale do Rio Verde, Três Corações, v. 15, n. 2, p. 36-53, ago./dez. 2017
descrever, medir e reproduzir os mecanismos batida, incêndio,etc.) é percebido pelas
depercepção de estímulos externos pelos pessoas pode ter muitas variáveis. Uma das
sentidos humanos básicos. De certa forma, a variáveis, que inclusiveé usada pelas
análisesensorial é o estudo da forma com que seguradoras brasileiras, é a garagem, ou seja,
o indivíduo sente um objeto ou um estímulo, se o segurado tem ou não umagaragem
combase em seus sentidos básicos: olfato, fechada em sua residência. Como será que o
paladar, audição, visão e tato (GARCINDO; consumidor (segurado) percebeessa variável,
FERREIRA, 2013). será que ele dá muito valor a ela, e por isso
No âmbito da indústria de alimentos, estaria disposto adesembolsar mais dinheiro
por exemplo, essas características são em um seguro de carro, caso não tivesse
facilmenteobservadas. Podem ser utilizados o garagem, ou será queo mesmo acha que essa
paladar, olfato, visão e tato como variáveis variável não é tão importante quanto outras,
para representar,estatisticamente, um produto, como valor do carro, e por isso não estaria
como o café ou um doce. Porém, por se disposto a pagar mais pelo seguro mesmo não
tratarem de variáveis subjetivas, podemos tendo garagem? Éjustamente esse modo com
usar as técnicas da Análise Sensorial em que o segurado enxerga os riscos que é o
outros campos que envolvam pessoas e seus objetivo desse trabalho.
sentidos sobre o mundo externo a elas. Como a Sensometria está
Garcindo e Ferreira (2013) utilizaram as diretamente ligada à análise de dados
técnicas de Sensometria no estudo da multivariados, pois apercepção das pessoas
percepção de estudantes sobre cursos de em relação aos fenômenos é
Ensino à Distância (EaD). Esse trabalho multidimensional, os métodos utilizadospara
motivou a aplicação dessa metodologia nas se quantificar e analisar os dados sensoriais
Ciências Atuariais. Um exemplo possível são métodos multivariados, como: análisede
dessa aplicação seria utilizar Análise arquétipos, análise de agrupamento, análise
Sensorial para medir a percepção das pessoas fatorial, entre outros. Uma das técnicas
em relação a algum tipo de risco, já na muitoutilizadas é a análise de componentes
Economia essa metodologia pode ser usado principais (ACP), que será explicada na
para avaliar como um certo grupo de pessoas próxima seção do trabalho.
percebe um certo fenômeno econômico, como
aumento de inflação, por exemplo. 5. ANÁLISE DE COMPONENTES
Visto que a forma com que o seguro PRINCIPAIS
de carro, ou maisespecificamente, o risco de A Análise de Componentes
acontecer um sinistro com o carro (roubo, Principais (ACP) é um método multivariado
40
Revista da Universidade Vale do Rio Verde, Três Corações, v. 15, n. 2, p. 36-53, ago./dez. 2017
de modelagem da estrutura de covariâncias, divergência, agrupamento entre genótipos em
introduzido por Pearson (1901) e, de forma estudo de genética e melhoramento de plantas
independente, desenvolvido por Hotelling e animais. Além disso, um dos ramos onde se
(1933). A ideia dessa técnica é encontrar utiliza muito essa técnica, é no ramo
variáveis latentes, mutuamente não estatístico da Sensometria.
correlacionadas (ortogonais), que são
Seja um conjunto de p variáveis
combinações lineares das variáveis estudadas,
levando em consideração que essas variáveis X1 , X 2 ,... X n , com médias 1 , 2 ,... p e

são correlacionadas. Assim se o estudo tiver p variâncias 12 ,  22 ,...,  p2 , respectivamente.


variáveis tem-se, no máximo, p variáveis Assumindo que essas variáveis são
latentes. Dessa maneira, ordenam-se essas correlacionadas, existe covariância não-nula
variáveis latentes de forma que a primeira entre a i-ésima e a k-ésima variável definida
variável é definida pela combinação linear de
por  ik com i  k  1,2,...,p. Assim, pode-se
maior variância, a segunda terá a combinação
representar estas p variáveis na forma vetorial
linear com segunda maior variância, e assim
por X  [ X1 , X 2 ,..., X p ]T , com vetor de médias
sucessivamente até a p-ésima variável latente
com menor variância. Assim, escolhe-se uma   [1 , 2 ,...,  p ]T e matriz de variâncias e
quantidade m de variáveis latentes, que são os covariâncias  pxp. Sabendo que os
componentes principais, de forma que m seja componentes principais Yi são combinações
menor que p, para que se tenha uma grande
lineares das p variáveis, então definimos Yi
porção total de variância sendo explicada por
como:
m componentes principais, É possível, dessa
forma, ter uma simplificação da estrutura de Yi  eiT X  ei1 X1  ei 2 X 2  ...  eip X p (2)
covariância do grupo original. em que o vetor desconhecido ei estabelece a i-
Obtêm-se os componentes principais
ésima combinação linear, para i=1,2,...,p. A
por meio da diagonalização de matrizes
variável Yi , componente principal, é uma
simétricas semipositivas definidas. De acordo
variável latente e, por isso, não mensurada
com Ferreira (2011), esses cálculos são muito
com base na amostra, e sim a partir das p
simples pelo fato de existirem inúmeros
variáveis contidas no vetor X. Dessa forma, a
programas disponíveis que realizam esses
ideia é projetar os pontos coordenados
cálculos matriciais. Muitas são as aplicações
originais em um outro plano, maximizando as
da ACP, como alternativa quando há
distâncias entre eles, ou seja, maximizando a
multicolinearidade na regressão linear
variabilidade da variável latente Yi
múltipla, estimação de fatores, estudos de
41
Revista da Universidade Vale do Rio Verde, Três Corações, v. 15, n. 2, p. 36-53, ago./dez. 2017
(FERREIRA, 2011). Para isso, precisa-se da e também que:
variância de Yi que é dada por: Cov(Yi , Yk )  eiT ek  eiT k ek  k eiT ek  0 (9)

Var (Yi )  Var (eiT X)  eiTVar ( X)ei  eiT Σei (3) em que, i  k.

e a covariância de Yi e Yk é dada por: De acordo com a equação (9), como


já dito anteriormente, os componentes
Cov(Yi , Yk )  eiTVar ( X)ek  eiT Σek (4)
principais são ortogonais entre si, ou seja, a
A definição de componentes
covariância é sempre nula. Além disso, as
principais está ligada à maximização da
variâncias dos componentes principais nada
variância de cada um dos componentes. Como
mais são do que os autovalores da matriz de
não existe o máximo da variância de um
variâncias e covariâncias das p variáveis
componente principal, devemos impor a
originais, de forma que as coordenadas dos
restrição de que a soma ao quadrado dos
componentes principais ( ei i=1,2,...,p) são os
coeficientes do vetor, que estabelece a
autovetores da matriz de variâncias e
combinação linear dos componentes
covariâncias. Como os primeiros
principais, seja igual à unidade. Dessa forma,
componentes principais são os componentes
maximiza-se a variância do componente
com maior variância, então 1 é o maior
principal Yi , sujeito à restrição de eiT ei  1 .
valor, e assim sucessivamente, de forma que
Para isso utiliza-se a técnica de
1 2... p , e assim definindo os
multiplicadores de Lagrange, assim:
max[eiT ei  i (eiT ei  1)] (5) componentes principais: Y1  e1T X,..., Yp  eTp X

Com isso, o ei é maximizado, sendo , respectivamente.


Utilizando a decomposição espectral
i o multiplicador de Lagrange, quando
proposta por Johnson e Wichern (2007), que é
deriva-se essa função em relação a ei e
dada por:
iguala-se o sistema de equações a zero,
  PPT (10)
resultando em:
em que P é a matriz composta pelos
(  i I)ei  0 (6) autovetores de  em suas colunas, e  é a
em que I é uma matriz identidade p x p. Com matriz diagonal de autovalores de  , ou seja,
essa relação é possível ver que: pode-se observar que:
ei  i ei (7) tr ()  tr (PPT )  tr (PPT ) 
p
Por conseguinte, pode-se mostrar  tr (I)  tr ( )   i (11)
i 1
que:
Porém, tr () também pode ser
Var (Yi )  eiT ei  eiT i ei  i eit ei  i (8)
escrito como:
42
Revista da Universidade Vale do Rio Verde, Três Corações, v. 15, n. 2, p. 36-53, ago./dez. 2017
p Existem dois tipos de variáveis
tr ()    ii (12)
i 1 suplementares, as quantitativas e as
Dessa forma, conclui-se que: qualitativas. As variáveis quantitativas são
p p representadas da mesma forma que as
 ii   i
i 1 i 1
(13)
variáveis ativas, para auxiliar na interpretação
Isso significa que a variância total gráfica dos componentes principais. As
contida nas variáveis originais é igual a coordenadas das k' variáveis suplementares
variância total contida nos componentes quantitativas no componente Yi correspondem
principais. Quando se quer obter k
à correlação entre as k' variáveis e o Yi
componentes principais de forma que k < p,
componente principal. Mais formalmente,
utiliza-se esse critério para entender quanto da
para se calcular as coordenadas das k'
variabilidade total das variáveis originais
variáveis suplementares no componente Yi ,
estão sendo explicadas por cada componente
utiliza-se a seguinte fórmula:
principal. Assim, procura-se o menor número
1
de componentes principais que expliquem a GYi (k )  (14)
Y
maior variabilidade dos dados. Graficamente, i

a visualização fica mais fácil de ser entendida em que GYi (k ) são as coordenadas da variável
quando há dois componentes principais, os k' no eixo do componente principal Yi e Yi é o
quais seriam os eixos (abscissa e ordenada) do
autovalor associado ao componente Yi . Dessa
gráfico.
forma, as variáveis suplementares não entram
nos cálculos dos componentesprincipais, mas
5.1 VARIÁVEIS SUPLEMENTARES
entram graficamente junto com as variáveis
QUANTITATIVAS
ativas.

As variáveis suplementares (ou 5.2 VARIÁVEIS SUPLEMENTARES


ilustrativas) são diferentes das variáveis QUALITATIVAS
ativas. De acordo com Hussonet et. al. (2011),
por definição, variáveis ativas contribuem As variáveis suplementares
para a construção dos componentes qualitativas não podem ser representadas da
principais, ao contrário das variáveis mesma forma que as variáveis quantitativas,
suplementares, que apenas ajudam a entender por se tratarem de categorias. Por isso, elas
as variáveis ativas de forma adicional aos são puramente ilustrativas, pois não tem como
componentes principais, por isso também são calcular as coordenadas dessas variáveis não
chamadas de variáveis ilustrativas. numéricas. Dessa forma, as variáveis
43
Revista da Universidade Vale do Rio Verde, Três Corações, v. 15, n. 2, p. 36-53, ago./dez. 2017
suplementares qualitativas (ou categóricas) das pessoas em relação ao seguro de carro,
são representadas como o baricentro das além disso, compararam-se os riscos
variáveis ativas que pertencem àquela analisados no trabalho com os cálculos feitos
variável suplementar. pelas seguradoras para os mesmos riscos.
O conceito de baricentro, de acordo
com o dicionário online Michaelis (2015) é 6. MATERIAL E MÉTODOS
centro de gravidade, ou seja, é um ponto em
torno do qual existe um equilíbrio de forças. 6.1 DADOS
Ou seja, o baricentro de uma nuvem de dados
é o ponto que tenta sofrer influência Para analisar as percepções que os
geométrica de todos os pontos, tentando ficar segurados têm com relação aos riscos que
“no meio” da nuvem. correm envolvendo seus carros, uma das
Graficamente, quando se projeta a maneiras de captar isso é através de
nuvem de dados nos dois primeiros questionários. Podem ser feitas perguntas que
componentes principais, tem-se um gráfico instiguem o senso de risco que a pessoa tem
com dois eixos, assim, o baricentro de cada com base em suas experiências passadas, ou
uma das categorias dos dados são as variáveis seja, simular situações que coloquem o
suplementares qualitativas. Com isso, pode-se entrevistado em uma situação desconfortável
visualizar como os dados estão se financeiramente. Um exemplo disso é
comportando de acordo com aquelas variáveis perguntar para o segurado que possui
suplementares qualitativas. garagem em sua residência, quanto ele estaria
Dessa maneira tem-se que o objetivo disposto a pagar a mais caso não tivesse
do trabalho foi quantificar as percepções garagem, com isso captamos a ideia que a
humanas sobre os riscos que envolvem pessoa tem sobre o quanto a garagem interfere
automóveis, com base na quantidade de no risco de seu carro ser roubado.
dinheiro que as pessoas estão dispostas a Para poder quantificar essas
desembolsar nos seguros de carro. Para isso, perguntas subjetivas foi feita uma escala de
utilizou-se a Sensometria, ramo da Estatística 0% a 100% do preço atual pago pelo
que analisa e descreve as sensações humanas. segurado, ou seja, em cada pergunta o
Os resultados que foram obtidos no trabalho entrevistado respondeu quanto ele pagaria a
devem ser capazes de auxiliar seguradoras e mais no seguro do seu carro em porcentagem.
atuários na precificação de seguros. Para isso Dessa forma, cria-se uma variável para cada
utilizou-se ACP, uma das técnicas usadas na pergunta respondida pelos entrevistados. Por
Sensometria, para estudar o comportamento exemplo, se o entrevistado estivesse disposto
44
Revista da Universidade Vale do Rio Verde, Três Corações, v. 15, n. 2, p. 36-53, ago./dez. 2017
a pagar 50% a mais, com base no valor do seu Dessa maneira, como há 60
seguro atual, por, hipoteticamente, não professores atuando na Universidade Federal
possuir garagem, ele marcaria a opção “de de Alfenas, campus Varginha, o erro em
40% a 50%”. relação a população base é pequeno. Porém,
Os questionários foram aplicados os resultados serão todos com base na
para 36 professores da Universidade Federal população, ou seja, não se pode generalizar os
de Alfenas, campus Varginha, entre os meses resultados para uma população que fuja muito
de fevereiro de 2015 e julho de 2015. do perfil desses professores.
Todas as perguntas do questionário
6.2 MÉTODOS foram feitas com base nas perguntas que as
seguradoras brasileiras fazem a seus clientes
Para se obter a estimativa da antes de fechar um contrato de seguro. Para
proporção de professores que responderam facilitar a visualização gráfica, as perguntas
alguma das perguntas foi usado o intervalo de foram abreviadas em Perg1, Perg2 e assim
confiança para proporções. O cálculo dos por diante. As abreviações com as respectivas
limites de um intervalo de confiança pode ser perguntas ficaram da seguinte forma:
feito da seguinte forma (BUSSAB, 2012):  Perg1: Qual porcentagem que você
IC(1 )  ( pˆ  ; pˆ  ) (15) pagaria a mais no seguro seu carro?

em que p̂ é a proporção estimada e  é o erro  Perg2: (Para quem não tem seguro)

calculado na equação (16). Qual porcentagem de desconto que o

Considerando que 36 questionários faria adquirir um seguro para seu

respondidos é uma amostra pequena, usa-se o carro?

erro quando há correção para população  Perg3: Se o valor de mercado do seu

finita. De acordo com Barbetta (2014), o carro fosse 50% maior do que o seu

cálculo se faz da seguinte forma: carro atual, qual a porcentagem que


você pagaria a mais no seguro do
p(1  p) N  n
  Z (16) carro?
2 n N 1
 Perg4: Se o valor de mercado do seu
em que n é o tamanho da amostral, N é o
carro fosse 100% maior do que o seu
tamanho da população finita, p é a proporção,
carro atual, qual a porcentagem que
Z é a variável aleatória normal padronizada,
você pagaria a mais no seguro do
 é o nível de confiança desejado e  é o erro
carro?
padrão. Para todos os intervalos de confiança
 Perg5: Se o valor de mercado do seu
construídos utilizou-se 95% de confiança.
carro fosse 200% maior do que o seu
45
Revista da Universidade Vale do Rio Verde, Três Corações, v. 15, n. 2, p. 36-53, ago./dez. 2017
carro atual, qual a porcentagem que seguro na cidade em que morava antes, sendo
você pagaria a mais no seguro do que as quatro últimas são de resposta binária
carro? (0 para não, 1 para sim). As variáveis
 Perg6: (Para quem tem garagem) Se suplementares qualitativas escolhidas foram:
sua residência não tivesse garagem, sexo, estado civil, cidade, marca do carro e
qual a porcentagem que você pagaria modelo do carro. Tais variáveis são apenas
a mais no seguro do seu carro? ilustrativas, não entram no cálculo dos
 Perg7: (Para quem reside na mesma componentes principais, apenas aparecem
cidade que trabalha) Se você não como forma de ilustração gráfica.
residisse na mesma cidade que Para a análise gráfica foram
trabalha, qual a porcentagem que utilizados os dois primeiros componentes
você pagaria a mais no seguro do seu principais, ou seja, aqueles que mais explicam
carro? o conjunto de dados originais. Como os
 Perg8: Qual a porcentagem que você componentes principais são todos ortogonais
pagaria a mais no seguro do seu entre si, o gráfico com os dois primeiros
carro, se o filho de 18 - 22 anos componentes principais é mais fácil de
dirigisse com frequência o seu carro, analisar, pois representa os eixos das
ou seja, quase todo dia? ordenadas e abcissas. Por se tratar de

 Perg9: (Para quem é casado) Caso variáveis sensoriais, a Sensometria denomina

fosse solteiro, qual a porcentagem os gráficos que projetam os dados nos dois

que você pagaria a mais no seguro do primeiros componentes principais como

seu carro? Mapas de Preferências Internos. Além disso,

 Perg10: (Para quem é solteiro) Caso foi usado cálculo de correlação de cada uma

fosse casado, qual a porcentagem que das variáveis originais, com os dois primeiros

você pagaria a mais no seguro do seu componentes principais, para averiguar qual

carro? delas mais explica esses componentes.

As variáveis escolhidas para a Todos os cálculos estatísticos e

Análise de Componentes Principais foram matemáticas foram feitos no programa

todas as perguntas que envolvessem a ideia de gratuito R CORE TEAM (2016), além disso

risco além da variável Idade. As variáveis foi utilizado o pacote FactoMineR (HUSSON

suplementares quantitativas escolhidas foram: et al, 2015).

Anos que trabalha na Unifal, Número de


filhos, Se possui garagem, Se reside na
mesma cidade em que trabalha e Se tinha
46
Revista da Universidade Vale do Rio Verde, Três Corações, v. 15, n. 2, p. 36-53, ago./dez. 2017
7. RESULTADOS E DISCUSSÃO Tabela 1: Correlações entre cada variável e
os componentes 1 e 2.
Variável 1CP 2CP
Após coletadas as respostas dos Idade -0,027 0,611
questionários, foi efetuada a Análise de Perg1 0,925 -0,129
Componentes Principais, de modo que fique Perg2 -0,033 -0,535
Perg3 0,926 0,149
fácil analisar as correlações entre as perguntas Perg4 0,776 0,414
do questionário. Esses componentes foram Perg5 0,743 0,444
construídos utilizando as perguntas que Perg6 0,818 -0,189
Perg7 0,912 -0,161
envolvessem a ideia de risco e a variável
Perg8 0,88 -0,181
idade. Dessa maneira foi encontrada a matriz Perg9 0,585 -0,405
de autovalores, com base na matriz de Perg10 0,601 0,046
Fonte: Autores.
variâncias e covariâncias das variáveis
originais.
De acordo com os valores da
Os primeiros autovalores são,
Tabela 1 é possível ver que as variáveis
conforme visto na Revisão de Literatura, os
Idade e Perg2 foram as que menos
que compreendem maior parte da
contribuíram para construção do primeiro
variabilidade total das variáveis originais.
componente principal. Enquanto as outras
Dessa maneira, é notável que o primeiro
variáveis ajudaram bastante na construção
autovalor consegue explicar uma boa parte da
desse componente, sendo que a Perg1,
variabilidade, pois seu valor foi calculado
Perg3 e Perg7 tiveram maior correlação
5,848 e o segundo autovalor 1,327, quase
com o primeiro componentes, assim, pode-
cinco vezes menor, esses autovalores
se afirmar que as mesmas foram as mais
representam as variâncias dos dois primeiros
significativas para essa componente. Ou
componentes principais.
seja, de certa forma essas perguntas, mais
Os dois primeiros componentes
especificamente a Perg3 e a Perg7, foram as
principais foram responsáveis por explicar
quais os professores responderam mais
65,23% variação total dos dados, o que, de
cautelosamente, sendo assim, os
certa forma, é uma porcentagem aceitável de
questionamentos sobre o valor do carro ser
explicação. O trabalho irá focar nos dois
maior e também de não morar na mesma
primeiros componentes principais, Y1 e Y2 , e os
cidade resultaram em uma maior ideia de
valores das correlações das variáveis com os
risco para os entrevistados.
dois primeiros componentes principais estão
A proporção de professores que
na Tabela 1.
pagariam 30% a mais em seus seguros de

47
Revista da Universidade Vale do Rio Verde, Três Corações, v. 15, n. 2, p. 36-53, ago./dez. 2017
carro, caso o valor de seus carros fosse 50% a ideia de risco estão mais correlacionadas
maior (Perg3), é de, 36%, podendo estar com o primeiro componente principal, os
entre 26% e 46% com 95% de confiança. professores que foram mais avessos ao
As Perg4 e Perg5, que também estão risco, ou seja, estariam dispostos a
relacionadas ao valor do carro, tiveram uma desembolsar mais dinheiro pelos seus
proporção alta de professores que pagariam seguros de carro contribuíram mais para a
30% a mais em seus seguros, sendo 55,5% ( construção do primeiro do componente
 10,35%) e 63% (  10,05%) principal.
respectivamente. Assim, pode-se dizer que Graficamente, pode-se perceber as
o valor do carro é um fator importante para correlações entre as variáveis e os dois
os professores na percepção de risco dos primeiros componentes principais
mesmos e na perda financeira caso analisando-se a Figura 1. Os vetores das
houvesse um sinistro. Já a proporção de perguntas estão todas apontando para
professores que pagariam mais de 30% do direita, justamente porque as perguntas
valor do seguro do seu carro para as Perg9 e foram todas correlacionadas positivamente
Perg10 foi de apenas 2,5%, admitindo estar com o primeiro componente principal.
entre 0,5% e 4,5%. Talvez essa baixa
porporção explique a baixa correlação
dessas variáveis com o primeiro
componente.
Ainda pela Tabela 1, percebe-se
que as variáveis Idade e Perg2 são muito Figura 1: Mapa de Preferência Interno e os vetores das
variáveis.
mais importantes para construção do Fonte: Autores.
segundo componente principal que no
primeiro. Porém, deve-se levar em A Figura 1 apresenta os vetores das

consideração que a variável Perg2 teve coordenadas (correlações) das variáveis

apenas 2 observações, ou seja, apenas dois originais projetadas nos dois primeiros

entrevistados responderam a essa pergunta, componentes principais. O eixo horizontal é o

pois a maioria deles tem seguro de carro. primeiro componente principal e o eixo

Assim, apesar da Perg2 ajudar na vertical é o segundo componente principal, o

construção do segundo componente círculo de correlação vai de -1 a 1 (pois as

principal, ela não é muito informativa para a correlações também tem esses limites).

construção dos componentes. Quanto mais próximo o vetor estiver do limite

Como as perguntas que envolvem do círculo, maior é a correlação (próximo de -

48
Revista da Universidade Vale do Rio Verde, Três Corações, v. 15, n. 2, p. 36-53, ago./dez. 2017
1 ou 1), de acordo com a direção que o vetor corajosos diante dos riscos envolvendo seguro
estiver apontando, para o primeiro de carro.
componente (vetor na horizontal) ou para o Observando as variáveis
segundo componente (vetor na vertical). suplementares quantitativas, na Figura 1,
Dessa forma, quanto mais próximo de 90º o propostas para o trabalho, vê-se que elas
ângulo entre algum vetor e um dos dois também foram coerentemente respondidas. Os
componentes, mais independente é a variável anos em que os professores trabalham na
desse componente, ou seja, correlação Universidade estão muito correlacionados à
pequena. Além disso, da mesma forma, idade dos mesmos e, consequentemente, são
ângulo pequeno entre os próprios vetores das indiferentes as respostas das perguntas. Além
variáveis significa alta correlação entre elas, e disso, é possível observar que os professores
quanto maior o ângulo entre os vetores, que têm garagem e moram na mesma cidade
menos correlacionados são os mesmos. que trabalham, não são tão avessos ao risco,
Analisando a Figura 1 e, tendo em talvez por estarem mais protegidos contra
vista que os componentes principais são esses riscos a percepção deles é afetada. Já os
ortogonais (independentes), verifica-se que a professores que têm seguro de carro, que já
variável Idade é quase independente das tinham seguro de carro na cidade onde
outras variáveis, nesse caso as respostas dos moravam e que têm mais filhos estão
professores da Universidade Federal de dispostos a pagar mais pelo seguro de carro, o
Alfenas campus Varginha, ou seja, suas que faz todo sentido, pois os mesmos já têm
percepções de risco não foram influenciadas seguro e tinham seguro antes, além disso
pela idade. quanto mais filhos, mais despesas, o que
Além disso, os professores tiveram acarreta numa liberdade financeira menor, por
um comportamento esperado, os entrevistados isso eles se protegem mais de riscos que
responderam de forma coerente os venham causar instabilidade econômica.
questionários, pois todas as perguntas estão Também foram analisados os
relacionadas, ou seja, aqueles entrevistados gráficos com as variáveis suplementares
que têm muita aversão ao risco, responderam qualitativas: sexo, estado civil, estado de
mais receosos às perguntas, já os professores origem, marca do carro e tipo de carro. Elas
que não tem tanta aversão ao risco foram colocadas individualmente com os
responderam de forma mais arrojada às gráficos de dispersão dos dados nos dois
situações impostas. Isso significa que entre os primeiros componentes principais. O mapa de
professores existem aqueles que são mais preferência com a variável sexo está ilustrada
avessos ao risco e aqueles que são mais na Figura 2.
49
Revista da Universidade Vale do Rio Verde, Três Corações, v. 15, n. 2, p. 36-53, ago./dez. 2017
mulheres. Com isso, a seguradora não perde
os clientes homens, que inicialmente
pagariam um valor alto, e nem as mulheres.
Na Figura 3 está ilustrado o mapa de
preferência interno com a variável estado
civil.
Figura 2: Mapa de Preferência Interno e a variável
suplementar sexo.
Fonte: Autores.

Sabendo que foram entrevistados 23


professores e 13 professoras, pode-se analisar
a Figura 2 da seguinte forma: o baricentro dos
dados relacionados ao sexo feminino está
Figura 3: Mapa de Preferência Interno e a variável
contribuindo mais para a construção do suplementar estado civil.
Fonte: Autores.
primeiro componente principal, por estar mais
a direita, ou seja, pode-se dizer que as Apenas um entrevistado colocou seu
professoras da Universidade tendem a ser estado civil como Viúvo, dessa forma, não é
mais avessas ao risco do que os professores. possível tirar conclusões ou hipóteses sobre
Conforme Vallin (2004), isso não seria apenas isso. Porém, pode ser visto que, de acordo
uma especificidade dos professores da com a Figura 3, os professores casados
Universidade Federal de Alfenas, campus responderam às perguntas com mais aversão
Varginha. Para ele, de forma geral, os homens ao risco, já os professores divorciados têm
correm mais riscos que as mulheres, isso pode mais preferência ao risco, ou seja, preferem
ser explicado tanto por fatores genéticos, correr risco do que gastar dinheiro com
como nível de testosterona, quanto por fatores seguro de carro. Isso se deve ao fato de que os
socioculturais. professores casados têm mais despesas, e por
Conforme Souza (2007), um seguro isso não queira assumir riscos prejudique suas
pode custar em média 30%a menos para as finanças pessoais.
mulheres, nas mesmas condições que os Souza (2007) mostra que as pessoas
homens. Com base no trabalho, pode-se casadas têm, em média, um desconto de 15%
cobrar das professoras um valor maior no em seus seguros, para as mesmas condições.
seguro, pois elas pagam em média menos e Isso é exatamente o inverso do que pode ser
estão mais dispostas a desembolsar dinheiro visto no trabalho, os entrevistados casados
nos seguros de carro, conseguindo-se tendem a querer se resguardar mais e, por
equilibrar o preço pago entre homens e isso, estão dispostos a pagar mais. Na Figura
50
Revista da Universidade Vale do Rio Verde, Três Corações, v. 15, n. 2, p. 36-53, ago./dez. 2017
4 tem-se o mapa de preferência interno questionários de forma mais receosa. Talvez
juntamente com a variável suplementar estado isso aconteça porque, de acordo com a
de origem. Superintendência de Seguros Privados (2015),
dos dez carros mais roubados no primeiro
semestre de 2015, seis eram do tipo Hatch,
dois Sedan e dois do tipo camionete. Isso
pode ter feito os donos de carros Hatch serem
mais cautelosos em relação aos riscos que eles
podem estar correndo. Na Figura 6 é visto o
Figura 4: Mapa de Preferência Interno e a variável
suplementar estado de origem. mapa de preferência interno e a variável
Fonte: Autores.
marca de carro.
Tendo como base a Figura 4, pode-
se afirmar que os professores que vieram do
Rio de Janeiro são mais avessos ao risco.
Obtiveram-se apenas dois entrevistados do
Rio de Janeiro, ou seja, não se pode tirar uma
conclusão concreta sobre a influência dos
Figura 6: Mapa de Preferência Interno e a variável
Estado na sua percepção de risco ligada aos suplementar marca do carro.
Fonte: Autores.
automóveis. A Figura 5 mostra o mapa de
preferência junto com a variável tipos de Como poucos questionários foram
carro. respondidos em relação à diversidade de
marcas de carro, 8 no total, fica difícil uma
análise e uma conclusão mais concreta sobre a
Figura 6, porém, pode ser dito que os
professores donos de carros da marca Citroen,
Ford e GM são, inicialmente, mais avessos ao
Figura 5: Mapa de Preferência Interno e a variável risco e estariam dispostos a desembolsar mais
suplementar tipo de carro.
Fonte: Autores. dinheiro para se sentirem seguros em relação
aos seus carros.
Os tipos de carro que os professores
possuem influenciam em suas percepções de 8. CONSIDERAÇÕES FINAIS
risco, de acordo com a Figura 5. Os donos de
SUVs e Hatchs foram mais avessos ao risco, Com o trabalho foi possível analisar
ou seja, responderam às perguntas dos e quantificar as percepções que os
51
Revista da Universidade Vale do Rio Verde, Três Corações, v. 15, n. 2, p. 36-53, ago./dez. 2017
professores, da Universidade Federal e de sinistros, mas que estaria disposto a pagar
Alfenas campus Varginha, têm sobre os riscos um valor maior de prêmio.
que envolvem seguros carros. Foi possível Para trabalhos futuros, seria
analisar as diferentes aversões ao risco para interessante aplicar esses questionários e as
diferentes perfis de consumidores. Por metodologias em uma população maior e
exemplo, é possível averiguar que os averiguar se os resultados obtidos para os
professores casados são mais avessos ao risco professores da Universidade Federal de
que os professores solteiros e divorciados. Alfenas, campus Varginha,pode ser
Os resultados do trabalho podem ser generalizados para uma população bem maior,
úteis para seguradoras do ramo como uma cidade ou estado. Além disso, seria
automobilístico, pois os mesmos podem ideia obter dados reais de seguradoras para
deixar mais flexíveis as precificações. Por tentar precificar, com base em um conjunto de
exemplo: uma seguradora que acaba cobrando apólices, os seguros para os usuários,
mais das pessoas solteiras, de acordo com o utilizando essa flexibilidade que a
modelo de precificação utilizado (modelos Sensometria propõe.
lineares generalizados, por exemplo), pode
muito bem equilibrar o valor dos prêmios, ou
9. REFERÊNCIAS BIBLIOGRÁFICAS
seja, cobrar mais das pessoas casadas para não
ANZALDÚA-MORALES, A. La evaluación
ter que cobrar tanto dos professores solteiros,
sensorial de los alimentos enla teoria y
porque, de acordo com os resultados, as lapráctica. Editorial Acribia S. A., Zaragoza,
1994. 198 p.
pessoas casadas estão dispostas a gastar mais
com seguro de carro. Dessa maneira, a BAILEY, R. A.; SIMON, L. J. Two studies in
automobile insurance ratemaking.
seguradora acaba por não perder clientes
AstinBulletin, v. 1, n. 4, p. 192-217, 1960.
solteiros devido ao preço do prêmio.
BARBETTA, P. A. Estatística Aplicada às
De certa forma, a seguradora poderá
Ciências Sociais.9 ed. Florianópolis: Editora
distribuir os riscos entre categorias de UFSC, 2014. 320 p.
clientes, com base nos resultados desse
BUSSAB, W. O.; MORETTIN, P. A.
trabalho. Feita a precificação, será possível Estatística Básica. 7 ed. São Paulo: Editora
Saraiva, 2012. 540 p.
avaliar quais grupos de pessoas tendem a
sofrer mais sinistros e, consequentemente, CHANG, L.; FAIRLEY, W. B. Pricing
Automobile Insurance under Multivariate
pagar mais caro pelo seguro. Com isso, a
Classification of Risks: Additive versus
seguradora transferiria os riscos desse grupo Multiplicative. The Journal of Risk and
Insurance, v. 46, n. 1, p. 75-98, 1979.
para um outro, que não tem tanta frequência

52
Revista da Universidade Vale do Rio Verde, Três Corações, v. 15, n. 2, p. 36-53, ago./dez. 2017
DE JONG, P.; HELLER, G. Z. Generalized em:<http://michaelis.uol.com.br>, acessado
linear models for insurance data. em: setembro de 2015.
Cambridge: Cambridge University Press,
2008, 196 p. PEARSON, K. On lines and planes of closest
fit to systems of points in space.
DICKISON, D. C. M. Insurance Risk and Philosophical Magazine, v. 2, n. 6, p. 559–
Ruin. Cambridge: Cambridge University 572, 1901.
Press, 2005, 229 p.
PINDYCK, R. S.; RUBINFIELD, D. L.
DIONNE, G.; VANASSE, C. A Microeconomia. 6 ed. São Paulo: Pearson
generalization of automobile insurance rating Prentice Hall, 2005, 641 p.
models: the negative binomial distribution
with a regression component. AstinBulletin, R Core Team (2016). R: A language and
v. 19, n. 2, p. 199-212, 1989. environment for statistical computing. R
Foundation for Statistical Computing, Vienna,
FERREIRA, D. F. Estatística Multivariada. Austria.
2 ed. Lavras: UFLA, 2011. 676 p.
REES, R.; WAMBACH, A.The
GARCINDO, L. A. M.; FERREIRA, E. B. Microeconomics of Insurance.Foundations
Monitoramento e avaliação baseados em and Trends in Microeconomics, vol. 4, 2008,
Sensometria para cursos de educação à 163 p.
distância. Revista da Universidade do Vale
do Rio Doce, v.11, n.1, p. 465-490. 2013. SILVA, Y. R.; AFONSO, L. E.A
Comparative Study of Pricing Methods of
GRISTEC. Dados de furto e roubos de Automobile Insurance in
veículos e cargas.Disponível em: Brazil.RevistaBrasileira de Risco e Seguro,
<http://www.gristec.com.br/disco_virtual/Dad Rio de Janeiro, v. 11, n. 19, p. 25-44, 2015.
os_Estatisticos.pdf>, acessado em: novembro
de 2014. SOUZA, S. Seguros: Contabilidade,
Atuária e Auditoria. São Paulo: Editora
HOTELLING, H. Analysis of a complex of Saraiva, 2007, 229 p.
statistical variables into principal components.
JournalofEducationalPsychology, v. 24, n. STORTI, L. B.; FERREIRA, E. B.;
6, p. 417–441, 1933. PEREIRA, C. A importância dos
experimentos em faixas na Sensometria: o
HUSSON, F.; LÊ, S.; PAGÈS, J. caso do queijo Minas Padrão com insulina.
Exploratory Multivariate Analysis by Sigmae, Alfenas, v. 3, n. 2, p. 25-33, 2014.
Example Using R. Chapman e Hall/CRC
Press, 2011. 224 p. SUSEP. IVR - Índice De Veículos
Roubados. Disponível em:
HUSSON, F.; JOSSE, J.; LÊ, S.; MAZET, J <http://www2.susep.gov.br/menuestatistica/R
(2015).FactoMineR: Multivariate ankRoubo/menu1.asp>, acessado em:
Exploratory Data Analysis and Data Outubro de 2015.
Mining. R packageversion 1.31.3.
VALLIN, J.; PINELLI, A. Mortalidade, sexo
JOHNSON, R. A.; WICHERN, D. W. e gênero. Gênero nos estudos de população,
Applied multivariate statistical analysis.6 p. 15-54, 2004.
ed. New Jersey: Prentice Hall, 2007, 793 p.
VARIAN, H. R. Microeconomia: Uma
MICHAELIS. Dicionário de Português abordagem moderna. 8 ed. Rio de Janeiro:
Online. Melhoramentos, Disponível Elsevier, 2012, 821 p.
53
Revista da Universidade Vale do Rio Verde, Três Corações, v. 15, n. 2, p. 36-53, ago./dez. 2017

Você também pode gostar