Idee

NeuroBayes

Ziele

f(t|x)

Beispiele

Prinzip

Funktion

Konkurrenz

Forschung

Spiel

A

B

Moderne Methoden als Basis Modernestatistische statistische Methoden als für individualisierte Risikovorhersage Basis für individualisierte Risikovorhersage

Prof. Michael Feindt Prof.Dr.Dr. Michael Feindt Inst. für Exp. Kernphysik Institut für Experimentelle Kernphysik Universität Karlsruhe Universität Karlsruhe Wissenschaftlicher BeiratBeirat der der Wissenschaftlicher

Phi-T Technologies GmbH Phi-T Physics PhysicsInformation Information Technologies GmbH 1

Idee

NeuroBayes

Ziele

f(t|x)

Beispiele

Prinzip

Funktion

Konkurrenz

Forschung

Spiel

A

B

Moderne statistische Methoden als Basis für individualisierte Risikovorhersage

Prof. Dr. Michael Feindt Inst. für Exp. Kernphysik Universität Karlsruhe Wissenschaftlicher Beirat der

Phi-T Physics Information Technologies GmbH 2

Idee

NeuroBayes

Ziele

f(t|x)

Beispiele

Prinzip

Funktion

Konkurrenz

Forschung

Spiel

A

B

Individuelle Wahrscheinlichkeiten Wahrscheinlichkeit Weil Sie eine gute Statistikabteilung haben, wissen Sie, wie sich die Dinge im Mittel entwickeln werden ... Das wird durch eine Wahrscheinlichkeitsverteilung beschrieben. Auf dieser Basis können Sie kalkulieren.

Kosten

3

Idee

NeuroBayes

Ziele

f(t|x)

Beispiele

Prinzip

Funktion

Konkurrenz

Forschung

Spiel

A

B

Individuelle Wahrscheinlichkeiten Wahrscheinlichkeit Um wieviel besser könnten Sie kalkulieren, wenn Sie über einzelne Kunden wissen würden, wie deren individuelle Wahrscheinlichkeit aussieht? Kosten

4

Idee

NeuroBayes

Ziele

f(t|x)

Beispiele

Prinzip

Funktion

Konkurrenz

Forschung

Spiel

A

B

Individuelle Wahrscheinlichkeiten Wahrscheinlichkeit Dieser Kunde wird voraussichtlich nur wenig Kosten verursachen...

Kosten

5

Idee

NeuroBayes

Ziele

f(t|x)

Beispiele

Prinzip

Funktion

Konkurrenz

Forschung

Spiel

A

B

Individuelle Wahrscheinlichkeiten Wahrscheinlichkeit Und dieser Kunde wird mit ziemlicher Sicherheit mehr Kosten verursachen als der Durchschnittskunde.

Kosten

6

Idee

NeuroBayes

Ziele

f(t|x)

Beispiele

Prinzip

Funktion

Konkurrenz

Forschung

Spiel

A

B

Die < phi-t > Idee > Jahrelange Erfahrung in schwierigsten statistischen Analysen in internationaler Spitzenforschung am DESY, CERN, Fermilab und an der Universität Karlsruhe. > Entwicklung vieler großer Software-Projekte mit modernsten neuronalen Methoden gegen starke Konkurrenz. VDurchführung von Vorlesungen und Seminaren über moderne statistische Methoden. > Entwicklung des NeuroBayes-Algorithmus zur Vorhersage bedingter Wahrscheinlichkeitsdichten. 7

Idee

NeuroBayes

Ziele

f(t|x)

Beispiele

Prinzip

Funktion

Konkurrenz

Forschung

Spiel

A

B

Die < phi-t > Idee > Jahrelange Erfahrung in schwierigsten statistischen Analysen in internationaler Spitzenforschung am DESY, CERN, Fermilab und an der Universität Karlsruhe. > Entwicklung vieler großer Software-Projekte mit modernsten neuronalen Methoden gegen starke Konkurrenz. > Durchführung von Vorlesungen und Seminaren über moderne statistische Methoden. > Entwicklung des NeuroBayes-Algorithmus zur Vorhersage bedingter Wahrscheinlichkeitsdichten. 8

Idee

NeuroBayes

Ziele

f(t|x)

Beispiele

Prinzip

Funktion

Konkurrenz

Forschung

Spiel

A

B

Die < phi-t > Idee > Jahrelange Erfahrung in schwierigsten statistischen Analysen in internationaler Spitzenforschung am DESY, CERN, Fermilab und an der Universität Karlsruhe. > Entwicklung vieler großer Software-Projekte mit modernsten neuronalen Methoden gegen starke Konkurrenz. > Durchführung von Vorlesungen und Seminaren über moderne statistische Methoden. > Entwicklung des NeuroBayes-Algorithmus zur Vorhersage bedingter Wahrscheinlichkeitsdichten. 9

Idee

NeuroBayes

Ziele

f(t|x)

Beispiele

Prinzip

Funktion

Konkurrenz

Forschung

Spiel

A

B

Die < phi-t > Idee > Jahrelange Erfahrung in schwierigsten statistischen Analysen in internationaler Spitzenforschung am DESY, CERN, Fermilab und an der Universität Karlsruhe. > Entwicklung vieler großer Software-Projekte mit modernsten neuronalen Methoden gegen starke Konkurrenz. > Durchführung von Vorlesungen und Seminaren über moderne statistische Methoden. > Entwicklung des NeuroBayes-Algorithmus zur Vorhersage bedingter Wahrscheinlichkeitsdichten. 10

Idee

NeuroBayes

Ziele

f(t|x)

Beispiele

Prinzip

Funktion

Konkurrenz

Forschung

Spiel

A

B

Die < phi-t > Idee > Jahrelange Erfahrung in schwierigsten statistischen Analysen in internationaler Spitzenforschung am DESY, CERN, Fermilab und an der Universität Karlsruhe. > Entwicklung vieler großer Software-Projekte mit modernsten neuronalen Methoden gegen starke Konkurrenz. > Durchführung von Vorlesungen und Seminaren über moderne statistische Methoden. > Entwicklung des NeuroBayes-Algorithmus zur Vorhersage bedingter Wahrscheinlichkeitsdichten. 11

Idee

NeuroBayes

Ziele

f(t|x)

Beispiele

Prinzip

Funktion

Konkurrenz

Forschung

Spiel

A

B

Erkenntnis

Diese Methoden sind nicht nur in der Physik anwendbar

< phi-t >: Ausgründung aus der Universität Karlsruhe, gefördert durch das exist-seed-Programm des Bundesministeriums für Bildung und Forschung 12

Idee

NeuroBayes

Ziele

f(t|x)

Beispiele

Prinzip

Funktion

Konkurrenz

Forschung

Spiel

A

B

LEP / LHC Large Electron Positron Collider Größter Teilchenbeschleuniger der Welt am CERN/Genf

50000 Kollisionen pro Sekunde, Jede 10 Mio. Kollisionen ein interessantes Ereignis. „Data Mining“ ist eine große Herausforderung

13

Idee

NeuroBayes

Ziele

f(t|x)

Beispiele

Prinzip

Funktion

Konkurrenz

Forschung

Spiel

A

B

Das DELPHI- Experiment am LEP Delphi: Verschiedene Sensoren erzeugen >100 000 elektrische Signale, 50 000 mal pro Sekunde.

>Riesige Datenmengen >Suche nach kleinsten Signalen: die Nadel im Heuhaufen >Statistische Methoden sind sehr weit entwickelt

14

Idee

NeuroBayes

Ziele

f(t|x)

Beispiele

Prinzip

Funktion

Konkurrenz

Forschung

Spiel

A

B

< phi-t >NeuroBayes Neuronale Netzwerke: Selbstlernende Verfahren, der Natur nachempfunden

Motor Cortex Frontal Lobe

Temporal Lobe Brain Stem

Parietal Cortex

Occipital Lobe Cerebellum

15

Idee

NeuroBayes

Ziele

f(t|x)

Beispiele

Prinzip

Funktion

Konkurrenz

< phi-t >NeuroBayes Die Information steckt in den Verbindungen zwischen den Nervenzellen

Forschung

Spiel

A

B

Datenbank

wkl

Struktur des Verfahrens wlj

1. Datenbank 2. Input Vektoren 3. Mathematische Operation 4. Output Vektoren 5. Spline Fit = Dateninterpolation 6. Ausgabedaten inklusive individueller Wahrscheinlichkeiten 16

Idee

NeuroBayes

Ziele

f(t|x)

Beispiele

Prinzip

Funktion

Konkurrenz

Forschung

Spiel

A

B

< phi-t >NeuroBayes > beruht auf neuronalen Algorithmen der 2. Generation, Bayes‘scher Regularisierung, optimiertem Preprocessing mit Transformation und Dekorrelation der Input-Variablen und linearer Korrelation zum Output. > lernt sehr schnell durch Methoden 2. Ordnung > ist extrem robust gegen Ausreißer > ist immun gegen Auswendiglernen statistischen Rauschens kann > binäre Entscheidungen treffen (klassifizieren) > Vorhersagen machen inklusive Unsicherheiten > komplette Wahrscheinlichkeitsdichten berechnen 17

Idee

NeuroBayes

Ziele

f(t|x)

Beispiele

Prinzip

Funktion

Konkurrenz

Forschung

Spiel

A

B

< NeuroBayes > Klassifikationen Klassifikationen: Ja/nein-Entscheidungen. Ausgabewert ist die Wahrscheinlichkeit, dass die Entscheidung richtig ist. Beispiele: > Dies Elementarteilchen ist ein K-Meson. > Deutschland wird bei der WM 2006 Weltmeister. > Kunde Meier wird innerhalb des nächsten Jahres kündigen. > Kunde Schmidt wird innerhalb des nächsten Jahres einen Schaden melden. > Bei dieser Schadensmeldung liegt Betrug vor.

18

Idee

NeuroBayes

Ziele

f(t|x)

Beispiele

Prinzip

Funktion

Konkurrenz

Forschung

Spiel

A

B

< NeuroBayes > Wahrscheinlichkeitsdichten Wahrscheinlichkeitsdichte: Für jeden möglichen Wert wird eine Wahrscheinlichkeit angegeben. Daraus können Mittelwert, Median, Modus, Standardabweichung, Percentile etc. abgeleitet werden. Beispiele: > Energie eines Elementarteilchens > Änderung des Preises einer Aktie oder Option > Unternehmensgewinn > Lebenserwartung > Schadenssumme eines bestimmten Versicherungsnehmers

19

Idee

NeuroBayes

Ziele

f(t|x)

Beispiele

Prinzip

Funktion

Konkurrenz

Forschung

Spiel

A

B

< NeuroBayes > Prinzip < NeuroBayes > Teacher: Lernen aus bestehenden Datenbanken < NeuroBayes > Expert: Prognosen für unbekannte Daten

20

Idee

NeuroBayes

Ziele

f(t|x)

Beispiele

Prinzip

Funktion

Konkurrenz

Forschung

Spiel

A

B

Funktionsweise: Training und Anwendung Historische Daten Datensatz a = ... b = ... c = ... .... t = …!

NeuroBayes Teacher

Expertensystem

Expertise Aktuelle Daten Datensatz a = ... b = ... c = ... .... t=?

NeuroBayes Expert

Wahrscheinlichkeit, dass Hypothese stimmt (bei Klassifikation) oder Wahrscheinlichkeitsdichte für die gesuchte Grösse t

f t

t

21

Idee

NeuroBayes

Ziele

f(t|x)

Beispiele

Prinzip

Funktion

Konkurrenz

Forschung

Spiel

A

B

< NeuroBayes > > Verarbeitet kontinuierliche, diskrete und binäre Eingabedaten > Klassifizierungen und Clusterungen nach Eingabedaten nicht nötig Anwendungen > Grundlagenforschung 9 > Industrielle Forschung > Banken und Versicherungen

22

Idee

NeuroBayes

Ziele

f(t|x)

Beispiele

Prinzip

Funktion

Konkurrenz

Physikalische Forschung

Forschung

Spiel

A

B

Klassifizierung: Identifizierung von Teilchenarten: Doppelte Signalstärke bei gleichem Untergrundlevel durch NeuroBayesAuswertung grünes Verfahren: mehrere 10 Millionen CHF Aufwand NeuroBayes: Weitere Steigerung um Faktor 2 mit sehr geringem Mehraufwand 23

Idee

NeuroBayes

Ziele

f(t|x)

Beispiele

Prinzip

Funktion

Konkurrenz

Forschung

Spiel

A

B

Physikalische Forschung Optimierte Rekonstruktion reellwertiger Größen: verallgemeinerte Regression erheblich bessere Rekonstruktion (schmaler Peak um +-0) durch NeuroBayes-Technologie gespart: nicht ausdrückbar, wäre ohne NeuroBayes gar nicht möglich

24

Idee

NeuroBayes

Ziele

f(t|x)

Beispiele

Prinzip

Funktion

Konkurrenz

Forschung

Spiel

A

B

Physikalische Forschung Nach Selektionsschnitt auf Fehlerschätzung: Auflösung massiv verbessert und keine Ausläufer ••> zuverlässige Selektion von guten Ereignissen möglich

Auflösung des rekonstruierten Azimuthalwinkels von B-Hadronen im DELPHI-Detektor

NeuroBayes Phi-Richtung Bester klassischer chi**2-Fit

Keine Selektion: Verbesserte Auflösung 25

Idee

NeuroBayes

Ziele

f(t|x)

Beispiele

Prinzip

Funktion

Konkurrenz

Forschung

Spiel

A

B

Anwendung für Banken Kreditrisikobemessung > Wie groß ist das Risiko, dass der Kreditnehmer zahlungsunfähig wird ? >Basel II > Mit welcher Wahrscheinlichkeit ist die Kreditvergabe wie profitabel ? Vorhersage von Aktienkursen und Wechselkursen > Vorhersage der Wertentwicklung von Derivaten, insb. Bestimmung von fairen Optionspreisen (besser als Black-Scholes) > Entwicklung von risikominimierten Tradingstrategien 26

Idee

NeuroBayes

Ziele

f(t|x)

Beispiele

Prinzip

Funktion

Konkurrenz

Forschung

Spiel

A

B

Anwendung für Versicherungen Vorhersage des Risikos, dass von individuellen Kunden ein Schaden gemeldet wird. Vorhersage der Verteilung der Schadenhöhe im Fall einer Schadensmeldung für individuelle Kunden. Entwurf gerechterer und profitablerer Tarifsysteme. Vorhersage der Kündigungswahrscheinlichkeit individueller Kunden. Aufdeckung von Versicherungsbetrug.

27

Idee

NeuroBayes

Ziele

f(t|x)

Beispiele

Prinzip

Funktion

Konkurrenz

Forschung

Spiel

A

B

Schadenwahrscheinlichkeit und -höhe Im Mittel(„Durchschnittskunde“): kein Schaden: 60% mittlerer Schaden: 13260 € ••>mittlere zu erwartende Kosten: 5304 € Spezifischer Kunde Mustermann: Höhere Schadenfreiheitswahrscheinlichkeit: 70% höherer mittlerer Schaden: 16800 € ••>mittlere zu erwartende Kosten: 5040 €

28

Idee

NeuroBayes

Ziele

f(t|x)

Beispiele

Prinzip

Funktion

Konkurrenz

Forschung

Spiel

A

B

Mögliche Eingabedaten am Beispiel einer Kfz-Versicherung persönliche Daten: Alter, Geschlecht, Beruf, Wohnort, jährliche Kilometerleistung, Benutzungsbeschränkungen, Mitfahrer Fahrzeugdaten: Fahrzeugtyp, Motorleistung, Baujahr, Farbe, Garagenwagen,Tuning-Extras,... Versicherungsdaten: letzte Schadenssumme, Zeit seit letzter Schadensmeldung,Schadenfreiheitsrabatt, Art der letzten Versicherung (Haftpflicht, Kasko etc.) Vorhandene Expertenmodelle: Prämie nach bisherigem Modell, Prämie nach Alternativmodell

29

Idee

NeuroBayes

Ziele

f(t|x)

Beispiele

Prinzip

Funktion

Konkurrenz

Forschung

Spiel

A

B

Aufdecken von Versicherungsbetrug Bsp. Kfz-Versicherung „Wie wahrscheinlich ist es, dass mit dem vorliegenden Schadensfall etwas nicht stimmt?“ Kombination mehrer Informationen: > Individuelles Risiko des Fahrzeugführers (NeuroBayes) > Ist der Unfall ’typisch’ für den Fahrzeugführer und den Fahrzeugtyp bzw. die Fahrzeugmarke? > ... ••> Individuelle Recherche ab bestimmter ’Schwelle’

30

Idee

NeuroBayes

Ziele

f(t|x)

Beispiele

Prinzip

Funktion

Konkurrenz

Forschung

Spiel

A

B

Customer Retention „Welche Kunden sind ’kündigungsgefährdet’?” Eingabedaten: Momentane Prämie, ’gerechte’ Prämie, Änderungen des Familienstandes, ... ••> Wahrscheinlichkeit, dass der Kunde kündigt. „Welchen Kunden kann man weitere Versicherungen verkaufen?” Eingabedaten: Andere Versicherungen/ -schäden, Einkommen, Wohnverhältnisse, ... ••> Wahrscheinlichkeit, dass der Kunde eine bestimmte, zusätzliche Versicherung abschliesst.

31

Idee

NeuroBayes

Ziele

f(t|x)

Beispiele

Prinzip

Funktion

Konkurrenz

Forschung

Spiel

A

B

Ergebnisse aus < phi-t > Pilotprojekten I: Stornovorhersage Stornowahrscheinlichkeit für Versicherungsverträge einer Individual-Unfallversicherung Problem und Zielsetzung: 1. Hohe Stornorate führt zu Umsatzrückgang und Verwaltungsaufwand. 2. Früherkennung von potenziellen Kündigern erlaubt gezielte Kundenbindungsmaßnahmen. 3. Vorhersage der individuellen Kündigungswahrscheinlichkeit für jeden Kunden aus allen bekannten Informationen ist mit unseren modernen Methoden erstaunlich gut möglich!

32

Idee

NeuroBayes

Ziele

f(t|x)

Beispiele

Prinzip

Funktion

Konkurrenz

Forschung

Spiel

A

B

Vertrags - Storno Effizienz: Prozentsatz der selektierten an allen Kündigern Kosten: Prozentsatz der selektierten an allen Kunden

33

Idee

NeuroBayes

Ziele

f(t|x)

Beispiele

Prinzip

Funktion

Konkurrenz

Forschung

Spiel

A

B

Vertrags - Storno Mit NeuroBayes können wir Kunden mit erhöhtem Kündigungspotenzial identifizieren

34

Idee

NeuroBayes

Ziele

f(t|x)

Beispiele

Prinzip

Funktion

Konkurrenz

Forschung

Spiel

A

B

Vertrags - Storno

Wir können10% aller Kündiger in 2,2% aller Kunden identifizieren! Oder 30% in 9%. Oder 50% in 19%.

35

Idee

NeuroBayes

Ziele

f(t|x)

Beispiele

Prinzip

Funktion

Konkurrenz

Forschung

Spiel

A

B

Vertrags - Storno

Und unsere Vorhersage trifft auch ein: Test auf dem Training unbekannten Daten eines anderen Jahrgangs

36

Idee

NeuroBayes

Ziele

f(t|x)

Beispiele

Prinzip

Funktion

Konkurrenz

Forschung

Spiel

A

B

Ergebnisse aus Pilotprojekten II: Schadenvorhersage für junge Fahrer in der Kfz-Haftpflichtversicherung Schadenwahrscheinlichkeit NeuroBayes- Analyse zur Entwicklung eines neuen Tarifsystems für junge Fahrer für die Badischen GemeindeVersicherungen BGV Problem und Zielsetzung: • •

Junge Fahrer verursachen überproportional viele Unfälle. Selbst die schlechte Schadenfreiheitsklassifizierung für Fahranfänger ist nicht ausreichend. Kann man sehr risikobereite Fahrer erkennen, um den Tarif gerechter zu gestalten? 37

Idee

NeuroBayes

Ziele

f(t|x)

Beispiele

Prinzip

Funktion

Konkurrenz

Forschung

Spiel

A

B

Pilotprojekt II Kfz-Haftpflicht: Junge Fahrer Vollständige NeuroBayes Analyse der BGV-Datenbank. Anschauliche Erkenntnisse durch Analyse der NeuroBayes-Expertise. Mit Tools entwickelte ,,einfache“ dem bisherigen Tarifmodell angelehnte Formel ist nicht viel schlechter als vollständiges NeuroBayesNetzwerk. >Viele interessante Erkenntnisse! Hier keine Details. Ja, das Riskio ist weiter differenzierbar als in bisher üblichen Tarifen: Zum Teil erhebliche Änderungen möglich bzw. nötig. Die üblichen Kriterien wie Typklasse und Schadenfreiheitsrabatt allein reichen nicht aus. Global über alle Versicherungsnehmer: gute Größen. Aber nicht bei detaillierterer Betrachtung! 38

NeuroBayes

Ziele

f(t|x)

Beispiele

Prinzip

Funktion

Konkurrenz

Forschung

Spiel

A

B

Die Ungerechtigkeit der Prämie: Verhältnis des mit NeuroBayes errechneten Risikos zur bisherigen Prämie (auf Mittelwert 1 normiert): Die Mehrheit der (vorsichtigen) Kunden zahlt zu viel.

Wahrscheinlichkeit

Idee

Weniger als die Hälfte der Kunden (die eher risikobereit sind) zahlen zu wenig, zum Teil viel zu wenig. Diese werden z.Z. von den vorsichtigen ,,subventioniert’’.

Risiko/Prämie 39

Idee

NeuroBayes

Ziele

f(t|x)

Beispiele

Prinzip

Funktion

Konkurrenz

Forschung

Spiel

A

B

Ergebnisse aus Pilotprojekten III Schadenvorhersage Unfallversicherung Schadenwahrscheinlichkeit Schadenhöhe Für Verträge einer Individualunfallversicherung. Bisher praktisch keine Korrelation des Risikos zur Prämie. Kann die Wahrscheinlichkeit eines Schadens individuell vorhergesagt werden? Und die Schadenhöhe? Kann man mit diesem Wissen individuell gerechte Prämien gestalten? > Ja! Auf unabhängigen Daten (nächster Jahrgang) getestet. 40

Idee

NeuroBayes

Ziele

f(t|x)

Beispiele

Prinzip

Funktion

Konkurrenz

Forschung

Spiel

A

B

Test auf Schadenshöhe Wirkliche Schadenshöhe

Ø-Wert

Statistische Unsicherheit (+-1 sigma)

Vorhergesagte Schadenshöhe 41

Idee

NeuroBayes

Ziele

f(t|x)

Beispiele

Prinzip

Funktion

Konkurrenz

Forschung

Spiel

A

B

Nutzen des NeuroBayes-Wissens für das Management: Einführung eines neuen Prämiensystems kann: > Gerechtigkeit schaffen > Gute Kunden binden (teils viel niedrigere Prämien möglich) > Bei der Akquise von Neukunden sehr hilfreich sein > Riskante Kunden ,,abschrecken’’ > Das Kerngeschäft wieder profitabel machen

42

Idee

NeuroBayes

Ziele

f(t|x)

Beispiele

Prinzip

Funktion

Konkurrenz

Forschung

Spiel

A

B

Notwendigkeit eines gerechten Prämiensystems: Deregularisierter und informierter (Internet etc.) Markt: > Annahme: Jeder Kunde geht langfristig zu der für ihn persönlich günstigsten Versicherung. > Bei nicht risikoadäquater Prämienpolitik: ,,Raser’’ bleiben, ,,Vorsichtige’’ wechseln. > Risiko des Gesamtbestands steigt ==> Grundprämie muss erhöht werden. Dadurch noch unrentabler für ,,Vorsichtige’’. > Auch für ,,Raser’’ verliert man dadurch langfristig an Attraktivität. > Optimum ist bei risikoadäquater Prämiengestaltung. Das wird der Trend im Markt werden! 43

Idee

NeuroBayes

Ziele

f(t|x)

Beispiele

Prinzip

Funktion

Konkurrenz

Forschung

Spiel

A

B

Ist NeuroBayes eine ,,Black Box’’? Nein! NeuroBayes Expertise gibt eine optimale Beschreibung der Zusammenhänge. Es ist ein sehr gerechtes System machbar. Aber sie wissen: Tarifpolitik erfordert Kompromisse. Wir helfen Ihnen dabei, diese klein zu halten. Mit pragmatischen, einfacheren Modellen. Und plausibler Erklärung. > Analyse der Expertise ist möglich. > Viele der Hauptkorrelationen und Zusammenhänge sind durch diese Analyse erkennbar und führen zu echtem Erkenntnisgewinn. > Spezialtools zum Entwickeln von mathematisch einfachen, an die derzeitigen Tarifsysteme angelehnten Modelle sind ,,fertig’’ entwickelt.

44

Idee

NeuroBayes

Ziele

f(t|x)

Beispiele

Prinzip

Funktion

Konkurrenz

Forschung

Spiel

A

B

Zusammenfassung < phi-t > bietet mit NeuroBayes wichtigen Technologietransfer aus Grundlagenforschung in die Wirtschaft, insbesondere Versicherungsund Finanzwesen. Pilotprojekte zu Stornoverhalten, Schadenwahrscheinlichkeit und Schadenhöhe sehr erfolgreich. Es wurden Spezial-Tools für diese Projekte entwickelt. Eine Fülle von verschiedenen Produkten kann angeboten werden:< phi-t >assurance, < phi-t >finance...... Die Untersuchungsziele können gemeinsam mit und für den Kunden entwickelt werden. Kenntnisgewinn durch < phi-t > bietet solide Basis für fundierte und profitable Entscheidungen zur Geschäftspolitik. 45

Idee

NeuroBayes

Ziele

f(t|x)

Beispiele

Prinzip

Funktion

Konkurrenz

Forschung

Spiel

A

B

Zusammenfassung NeuroBayes Zusammenhänge erkennen, die bisher nicht erkennbar waren. Vieles wird jetzt plausibel. Wissen ersetzt Vorurteile. NeuroBayes ermöglicht Vorhersagen für ,,die Zukunft’’. Die Zukunft mit definierter bedingter Wahrscheinlichkeit für jeden Datensatz. Damit können Sie objektive Entscheidungen treffen bzw. Risiken erkennen und abwägen.

46

Idee

NeuroBayes

Ziele

f(t|x)

Beispiele

Prinzip

Funktion

Konkurrenz

Forschung

Spiel

A

B

Zusammenfassung < phi-t > Komplettservice von Datenbeurteilung bis zur Datenübernahme Empfehlung zur Optimierung von Datenbanken Schulung in modernen Methoden der Datenanalyse Jährliches Expert-Updates, um Trends rechtzeitig zu erkennen Simulationen und Konsequenzanalyse < phi-t > Kernkompetenz: < NeuroBayes > und seine Anwendungen in den verschiedenen Bereichen 47

Idee

NeuroBayes

Ziele

f(t|x)

Beispiele

Prinzip

Funktion

Konkurrenz

Forschung

Spiel

A

B

Die Produkte und Leistungen < phi-t > finance < phi-t > assurance < phi-t > pharmacy < phi-t > medicine < phi-t > science

< phi-t > data management < phi-t > data consult < phi-t > statistics training

www.phi-t.de 48

Idee

NeuroBayes

Ziele

f(t|x)

Beispiele

Prinzip

Funktion

Konkurrenz

Forschung

Spiel

A

B

Kontakt und Impressum Phi-T Physics Information Technologies GmbH

Fon +49 0721 93381-50 Fax +49 0721 93381-59

Karlsruher Straße 88 76139 Karlsruhe

info @phi-t.de www.phi-t.de

Geschäftsführer: Dipl.-Phys. Jochen Bossert Dr.rer.nat. Dipl. Phys. Andreas Heiss Wissenschaftlicher Beirat: Prof. Dr. rer.nat. Michael Feindt

HRB 10079 Karlsruhe 49

Idee

NeuroBayes

Ziele

f(t|x)

Beispiele

Prinzip

Funktion

Konkurrenz

Forschung

Spiel

A

B

Kontakt und Impressum Phi-T Physics Information Technologies GmbH

Fon +49 0721 93381-50 Fax +49 0721 93381-59

Karlsruher Straße 88 76139 Karlsruhe

info @phi-t.de www.phi-t.de

Geschäftsführer: Dipl.-Phys. Jochen Bossert Dr.rer.nat. Dipl. Phys. Andreas Heiss Wissenschaftlicher Beirat: Prof. Dr. rer.nat. Michael Feindt

HRB 10079 Karlsruhe 50

Idee

NeuroBayes

Ziele

f(t|x)

Beispiele

Prinzip

Funktion

Konkurrenz

Forschung

Spiel

A

B

Kontakt und Impressum Phi-T Physics Information Technologies GmbH

Fon +49 721 608-3418 Fax +49 721 607-262

76133 Karlsruhe Wolfgang-Gaede-Str. 1 Physikhochhaus 9/11

[email protected] www.phi-t.de

Geschäftsführer: Dipl. Phys. Jochen Bossert Dr.rer.nat. Dipl. Phys. Andreas Heiss Wissenschaftlicher Beirat: Prof. Dr. rer.nat. Michael Feindt

HRB 10079 Karlsruhe

51

Idee

NeuroBayes

Ziele

f(t|x)

Beispiele

Prinzip

Funktion

Konkurrenz

Forschung

Spiel

A

B

Konkurrenzprodukte Klassifizierung

Regrission

Wahrscheinlichkeitsdichte

Bayes´sche Regularisierung

Intelligent Miner (IBM) Darwin (Oracle) S-PLUS (Insightful) Enterprise Miner (SAS) OLPARS (PAR) Mathematica

++ ++ ++ ++ ++ +

+ + + ++ + +

–– –– –– –– –– –

– –– – – – ––

Mine Set (SGI) Neuro Shell (Wardsystems) MatLab Clementine (SPSS)

++ ++ ++ ++

+ ++ + ++

– –– –– ––

– – + +

NeuroBayes (phi-t)

++

++

++

++

52