<?xml version="1.0" encoding="UTF-8"?><?xml-stylesheet type="text/xsl" href="static/style.xsl"?><OAI-PMH xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/ http://www.openarchives.org/OAI/2.0/OAI-PMH.xsd"><responseDate>2026-04-17T06:40:56Z</responseDate><request verb="GetRecord" identifier="oai:www.recercat.cat:2445/153677" metadataPrefix="marc">https://recercat.cat/oai/request</request><GetRecord><record><header><identifier>oai:recercat.cat:2445/153677</identifier><datestamp>2025-12-05T05:50:41Z</datestamp><setSpec>com_2072_1057</setSpec><setSpec>col_2072_478808</setSpec><setSpec>col_2072_478917</setSpec></header><metadata><record xmlns="http://www.loc.gov/MARC21/slim" xmlns:dcterms="http://purl.org/dc/terms/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns:doc="http://www.lyncode.com/xoai" xsi:schemaLocation="http://www.loc.gov/MARC21/slim http://www.loc.gov/standards/marcxml/schema/MARC21slim.xsd">
   <leader>00925njm 22002777a 4500</leader>
   <datafield ind2=" " ind1=" " tag="042">
      <subfield code="a">dc</subfield>
   </datafield>
   <datafield ind2=" " ind1=" " tag="720">
      <subfield code="a">Pitarque, Albert</subfield>
      <subfield code="e">author</subfield>
   </datafield>
   <datafield ind2=" " ind1=" " tag="720">
      <subfield code="a">Pérez Marín, Ana María</subfield>
      <subfield code="e">author</subfield>
   </datafield>
   <datafield ind2=" " ind1=" " tag="720">
      <subfield code="a">Guillén, Montserrat</subfield>
      <subfield code="e">author</subfield>
   </datafield>
   <datafield ind2=" " ind1=" " tag="260">
      <subfield code="c">2020-03-24T21:19:11Z</subfield>
   </datafield>
   <datafield ind2=" " ind1=" " tag="260">
      <subfield code="c">2020-03-24T21:19:11Z</subfield>
   </datafield>
   <datafield ind2=" " ind1=" " tag="260">
      <subfield code="c">2019</subfield>
   </datafield>
   <datafield ind2=" " ind1=" " tag="260">
      <subfield code="c">2020-03-24T21:19:11Z</subfield>
   </datafield>
   <datafield ind2=" " ind1=" " tag="520">
      <subfield code="a">Dado un nivel o tolerancia de riesgo, la regresión cuantílicaes un modelo predictivo que ajusta el correspondiente percentil de la variable respuesta continua. Fijado un determinado valor porcentual, se identifica el efectode cada variable predictoraen la distribución acumulada hasta ese nivel de la variable dependiente. En este artículomostramos cómo puede utilizarse esta metodologíaen el análisis de datos en el seguro de automóvil y proponemos una extensión de la regresión cuantílica inspirada en la necesidad de predecir la esperanza de la cola condicional. Para ello se han desarrollado rutinas específicas en R y se ha implementado un procedimiento de remuestreopara la aproximación de los errores estándar. La principal conclusión es que este tipo de modelos permite analizar qué factores inciden en el riesgodeaccidentey pueden ser utilizados para mitigarlo o para valorarlo en el ámbito asegurador.</subfield>
   </datafield>
   <datafield tag="653" ind2=" " ind1=" ">
      <subfield code="a">Anàlisi de regressió</subfield>
   </datafield>
   <datafield tag="653" ind2=" " ind1=" ">
      <subfield code="a">Control predictiu</subfield>
   </datafield>
   <datafield tag="653" ind2=" " ind1=" ">
      <subfield code="a">Risc (Assegurances)</subfield>
   </datafield>
   <datafield tag="653" ind2=" " ind1=" ">
      <subfield code="a">Avaluació del risc</subfield>
   </datafield>
   <datafield tag="653" ind2=" " ind1=" ">
      <subfield code="a">Regression analysis</subfield>
   </datafield>
   <datafield tag="653" ind2=" " ind1=" ">
      <subfield code="a">Predictive control</subfield>
   </datafield>
   <datafield tag="653" ind2=" " ind1=" ">
      <subfield code="a">Risk (Insurance)</subfield>
   </datafield>
   <datafield tag="653" ind2=" " ind1=" ">
      <subfield code="a">Risk assessment</subfield>
   </datafield>
   <datafield ind2="0" ind1="0" tag="245">
      <subfield code="a">Regresión cuantílica como punto de partida en los modelos predictivos para el riesgo</subfield>
   </datafield>
</record></metadata></record></GetRecord></OAI-PMH>