#DULIEU: Dữ liệu nghiên cứu về một công ty bảo hiểm ở Mỹ muốn cải thiện dự báo dòng tiền bằng cách ước tính chi phí bảo hiểm sức khoẻ thông qua các biến số đo lường mức độ rủi ro về sức khoẻ của khách hàng và các yếu tố nhân khẩu học tại thời điểm các khách hàng này sử dụng dịch vụ bảo hiểm y tế của công ty trên nhập viện. Bộ dữ liệu này được thu thập trong khoảng thời gian 5 năm từ năm 2015-2020 và bao gồm có 1338 bệnh nhân nhập viện với 7 trường thông tin. Bộ dữ liệu được lấy từ website: https://www.kaggle.com/datasets/mirichoi0218/insurance. # Dữ liệu nghiên cứu bao gồm 1338 quan sát với 7 biến bao gồm 4 biến định lượng và 3 biến định tính.

Giải thích các biến:

age: số tuổi của các bệnh nhân

sex: giới tính (F: nữ ; M: nam)

bmi: chỉ số khối của cơ thể, cho biết tỷ lệ cân nặng với chiều cao ở người để đánh giá được trình trạng cơ thể: gầy, cân đối, béo phì của một người. bmi được tính bằng cân nặng / chiều cao^2 (kg/m^2), tỷ lệ bmi lý tưởng là từ 18,5 đến 24,9

children: Số trẻ em tham gia bảo hiểm y tế / số người phụ thuộc.

smoker: tình trạng sử dụng thuốc lá của các bệnh nhân (Y: có ; N: không)

region: khu vực cư trú tại MỸ của các bệnh nhân (Northeast: Đông Bắc, Southeast: Đông Nam, Southwest: Tây Bắc, Northwest: Tây Nam)

charges: chi phí y tế cá nhân do bảo hiểm thanh toán (đơn vị: USD)

Lựa chọn các biến phụ thuộc: 2 biến gồm 1 biến định tính và 1 biến định lượng

#Biến định lượng : charges (chi phí y tế các bệnh nhân :USD).

#Biến định tính : smoker (tình trạng sử dụng thuốc lá của các bệnh nhân).

việc phân tích dữ liệu về chi phí y tế của các bệnh nhân có sử dụng bảo hiểm y tế có liên quan tương đối nhiều đến các yếu tố như độ tuổi, giới tính, chỉ số BMI, số trẻ em/số người phụ thuộc, tình trạng hút thuốc và khu vực sinh sống của các bệnh nhân. Vậy liệu rằng nếu một bệnh nhân có sử dụng thuốc lá khi nhập viện thì chi phí y tế mà công ty bảo hiểm sẽ phải chi trả sẽ nhiều hơn số tiền mà công ty đó sẽ chi trả một bệnh nhân không sử dụng thuốc lá khi nhập viện hay không ? Vì vậy 2 yếu tố là chi phí y tế (charges) và tình trạng sử dụng thuốc lá (smoker) cần được phân tích dựa vào dữ liệu của các yếu tố khác ở trên đã đề cập.