Pregunta: Se debe examinar una gran cantidad de registros de seguros para desarrollar un modelo para predecir reclamos fraudulentos. De las reclamaciones en la base de datos histórica, el 1% se consideró fraudulento (clase 1). Se toma una base de datos de muestra para desarrollar un modelo y se utiliza el sobremuestreo para proporcionar una muestra equilibrada a la

Se debe examinar una gran cantidad de registros de seguros para desarrollar un modelo para predecir reclamos fraudulentos. De las reclamaciones en la base de datos histórica, el 1% se consideró fraudulento (clase 1).

Se toma una base de datos de muestra para desarrollar un modelo y se utiliza el sobremuestreo para proporcionar una muestra equilibrada a la luz de la tasa de respuesta muy baja. Cuando se aplica a esta base de datos de muestra (número total de registros, N = 800), el modelo termina clasificando correctamente 310 fraudes y 270 no fraudes. Omite 90 fraudes y clasificó 130 registros incorrectamente como fraudes cuando no lo eran.

Si el número de muestra positivo es fijo (400), la proporción de muestra es 1:99 (fraudulenta frente a no fraudulenta, positiva frente a negativa)

1. ¿Cuál es la tasa de clasificación errónea ajustada (tasa de error) que debería estar en la base de datos original sin sobremuestreo?

2. ¿Cuál es el número total de registros de falsos positivos que debería haber en la base de datos original sin sobremuestreo?