Matar, Rawanda
(2022).
« Testing fairness in insurance » Mémoire.
Montréal (Québec, Canada), Université du Québec à Montréal, Maîtrise en mathématiques.
Fichier(s) associé(s) à ce document :
Résumé
L’une des normes sociales les plus importantes de l’ère moderne est l’équité. Notre comportement est déterminé par notre expérience personnelle, notre contexte culturel et notre conscience historique, et ce comportement est généralement injuste. Afin de combattre les décisions injustes basées sur la race, le sexe, l’âge, etc., de nombreuses législations ont été mises en place dans le monde entier. D’autre part, le processus de prise de décision dans le monde actuel a été confié à des algorithmes d’apprentissage automatique, et est appliqué automatiquement dans de nombreux domaines tels que l’admission au crédit et les primes d’assurance. L’objectif principal de ces algorithmes a toujours été la précision, comment minimiser notre erreur et créer un programme qui a la meilleure performance. Et c’est là qu’intervient l’injustice envers les groupes défavorisés, puisque dans ces algorithmes nous essayons de prédire le comportement humain et donc de prédire un comportement injuste. Dans cette optique, notre objectif est de pouvoir quantifier l’équité. Tout d’abord, comme une notion associative, qui a été proposée par les chercheurs dans la littérature, certaines de ces notions sont la parité statistique, l’impact disparate, l’égalité des chances. Ensuite, comme une notion causale. En fait, nous allons réunir plusieurs méthodes pour détecter la relation causale entre notre attribut sensible et notre décision.
_____________________________________________________________________________
MOTS-CLÉS DE L’AUTEUR : race, sexe, discrimination, équité, causalité, d-séparation, effet spécifique du chemin, modèle d’équation structurelle, discrimination directe, discrimination indirecte
| Type: |
Mémoire accepté
|
| Informations complémentaires: |
Fichier numérique reçu et enrichi en format PDF/A. |
|
Directeur de thèse: |
Charpentier, Arthur |
| Mots-clés ou Sujets: |
Causalité / Modèles mathématiques / Équité / Impartialité / Discrimination / Algorithmes d'apprentissage automatique / Assurance / Analyse de crédit |
| Unité d'appartenance: |
Faculté des sciences > Département de mathématiques |
| Déposé par: |
Service des bibliothèques
|
| Date de dépôt: |
06 mai 2022 09:48 |
| Dernière modification: |
22 janv. 2024 13:54 |
| Adresse URL : |
http://archipel.uqam.ca/id/eprint/15451 |
RECHERCHER
PARCOURIR
LIBRE ACCÈS
