O mercado segurador brasileiro e, especialmente, o seguro de automóveis é extremamente competitivo, o que obriga as seguradoras a realizarem uma tarifação correta e bem ajustada de acordo com o perfil de risco do segurado. Cada vez mais tem se buscado precificar de uma forma mais granularizada havendo um preço para cada segurado, conforme as características de cada um. Os modelos estatísticos vêm ganhando grande importância em seguros, na medida que eles se adaptam muito bem aos problemas e necessidades apresentadas. Neste trabalho, descrevemos alguns aspectos do seguro de automóveis e a partir de uma base de dados fornecida por uma seguradora brasileira, calculamos o preço individual a ser cobrado para suprir todos os prejuízos ocorridos na carteira. Utilizamos três técnicas combinadas para calcular a frequência e o custo médio de sinistros: árvores de decisão, regressão logística e modelos lineares generalizados. A árvore de decisão foi utilizada para identificar as possíveis interações entre as variáveis e trouxe um enorme ganho na qualidade de ajuste dos modelos. Os diagnósticos do modelo e análise de resíduos apresentados sugerem um bom ajuste dos modelos. Assim, conseguimos encontrar uma forma bastante eficaz de precificar o seguro de auto mediante o perfil de risco do segurado.

The Brazilian Insurance market and more specifically car insurance is extremely competitive, which forces insurance companies to practice tight fees, well adjusted to the clients risk profile. There has been an increasing attempt to price insurance in a more customized way. Statistical models have gained great importance in as much as they fit very well the problems and needs at hand. In the present work, some aspects of car insurance are described, and from a database supplied by a Brazilian insurance company, the individual fee is calculated in order to cover all damage caused to the cast. Three combined techniques have been employed to calculate the frequency and the average cost of accidents: decision trees, logistic regression and generalized linear models. The decision tree was been used to identify possible interactions among the variables, and has brought an enormous gain to the goodness-of-fít. The model's diagnostics and further analyses of the remains presented suggest the model's fine tuning. Thus, highly efficient means of pricing car insurance according to the client's risk profile has been found.