Vi tittar också på Makehams fördelning som är den mest tillämpade livslängdsmodellen i Sverige. Historia om livslängdstabeller 2

Relevanta dokument
Modeller för livslängd och dödlighet

Matematisk statistik TMS064/TMS063 Tentamen

SF1911: Statistik för bioteknik

SF1901: Sannolikhetslära och statistik

Föreläsning 8 för TNIU23 Integraler och statistik

Våra vanligaste fördelningar

Oberoende stokastiska variabler

SF1625 Envariabelanalys Lösningsförslag till tentamen DEL A

Lösningar till uppgifter från Milton-Arnold, kap 3 4 Matematisk statistik

SF1633, Differentialekvationer I Tentamen, torsdagen den 7 januari Lösningsförslag. Del I

Exempel för diskreta och kontinuerliga stokastiska variabler

STOCKHOLMS UNIVERSITET MATEMATISKA INSTITUTIONEN Avd. Matematisk statistik, GA 08 januari Lösningar

En trafikmodell. Leif Arkeryd. Göteborgs Universitet. 0 x 1 x 2 x 3 x 4. Fig.1

Matematisk statistik 9hp Föreläsning 2: Slumpvariabel

Nya antaganden om dödlighet i tryggandegrunderna Bilaga 1

1 Föreläsning V; Kontinuerlig förd.

Föreläsning 2, FMSF45 Slumpvariabel

Övning 1 Sannolikhetsteorins grunder

TMS136. Föreläsning 4

Svenskarnas dödlighet - ett alternativ till Makeham & Lee-Carter

Laborationer till kursen Livförsäkringsmatematik I

TAMS17/TEN1 STATISTISK TEORI FK TENTAMEN ONSDAG 10/ KL

Tentamen i Livförsäkringsmatematik I, 22 mars 2006

0 om x < 0, F X (x) = c x. 1 om x 2.

SF1625 Envariabelanalys Tentamen Lördagen den 11 januari, 2014

Laboration 1 - Utjämning med Makehams formel

D 1 u(x, y) = e x (1 + x + y 2 ), D 2 u(x, y) = 2ye x + 1, (x, y) R 2.

Studietips inför kommande tentamen TEN1 inom kursen TNIU23

SF1626 Flervariabelanalys Lösningsförslag till tentamen DEL A

SF1901 Sannolikhetsteori och statistik I

Boken är tänkt att ersätta tidigare kurslitteratur som används i kursen Livförsäkringsmatematik I som ges vid Stockholms universitet.

Uppgift 1 a) En kontinuerlig stokastisk variabel X har fördelningsfunktion

Grundläggande matematisk statistik

Om existens och entydighet av lösningar till ordinära differentialekvationer

Institutionen för Matematik, KTH Lösningar till tentamen i Analys i en variabel för I och K (SF1644) 1/ e x h. (sin x) 2 1 cos x.

Grundläggande matematisk statistik

Problemsamling i Sannolikhetsteori

SF1901: Sannolikhetslära och statistik

Föreläsning 2, Matematisk statistik för M

Kovarians och kriging

SF1901: SANNOLIKHETSTEORI OCH KONTINUERLIGA STOKASTISKA VARIABLER STATISTIK. Tatjana Pavlenko. 7 september 2016

(a) på hur många sätt kan man permutera ordet OSANNOLIK? (b) hur många unika 3-bokstavskombinationer kan man bilda av OSANNO-

, för 0 < x < θ; Uppgift 2

4 Diskret stokastisk variabel

Matematisk statistik 9 hp Föreläsning 3: Transformation och simulering

SF1901 Sannolikhetsteori och statistik I

Finansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 3

Laboration 4: Stora talens lag, Centrala gränsvärdessatsen och enkla punktskattningar

Statistiska metoder för säkerhetsanalys

Statistiska metoder för säkerhetsanalys

Tentamen i matematisk statistik (9MA241/9MA341, STN2) kl 08-12

Lösningar av uppgifter hörande till övning nr 5.

TAMS79: Föreläsning 4 Flerdimensionella stokastiska variabler

Tentamen : Lösningar. 1. (a) Antingen har täljare och nämnare samma tecken, eller så är täljaren lika med noll. Detta ger två fall:

Fördelningsfunktionen för en kontinuerlig stokastisk variabel. Täthetsfunktionen för en kontinuerlig och en diskret stokastisk variabel.

SF1901: Sannolikhetslära och statistik

Föreläsning 4, Matematisk statistik för M

SF1901 Sannolikhetsteori och statistik I

histogram över 1000 observerade väntetider minuter 0.06 f(x) täthetsfkn x väntetid

2.5 Partiella derivator av högre ordning.

1 Stokastiska processer. 2 Poissonprocessen

Uppdaterade uppgifter 1-10 till Krzysztofs häfte

TATA42: Föreläsning 7 Differentialekvationer av första ordningen och integralekvationer

Föreläsning 7: Stokastiska vektorer

SF1901: Sannolikhetslära och statistik. Flera stokastiska variabler.

TMS136. Föreläsning 5

Uppsala Universitet Matematiska Institutionen Bo Styf. Sammanfattning av föreläsningarna 11-14, 16/11-28/

SF1625 Envariabelanalys Lösningsförslag till tentamen DEL A

5B1134 Matematik och modeller Lösningsförslag till tentamen den 11 oktober 2004

Tentamen TMA044 Flervariabelanalys E2

b) Beräkna sannolikheten att en mottagen nolla har sänts som en nolla. (7 p)

FACIT: Tentamen L9MA30, LGMA30

TATA42: Föreläsning 2 Tillämpningar av Maclaurinutvecklingar

Lösningar till tentamen i Transformmetoder okt 2007

SF1901 Sannolikhetsteori och statistik I

Statistiska metoder för säkerhetsanalys

Sannolikheten för att barnet skall få blodgrupp A0 A0 1/2 AA 1 AB 1/2 Övriga 0

Exempel. Kontinuerliga stokastiska variabler. Integraler i stället för summor. Integraler i stället för summor

Lufttorkat trä Ugnstorkat trä

z = z 2. z = z 2 z /z 2 = 1 1 z = x + c z(x) = x + c = ln x + c + c 2 y(x) = ln y = 0 y(x) = c 2

MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Sammanfattning, del I

MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Sammanfattning, del I

Föreläsning 4: Konfidensintervall (forts.)

Matematisk statistik 9hp Föreläsning 7: Normalfördelning

Läsanvisningar till kapitel 4

Matematisk statistik för B, K, N, BME och Kemister

TMS136. Föreläsning 10

Konvergens och Kontinuitet

Tentamen i matematisk statistik (9MA241/9MA341, STN2) kl 14 18

F13 Regression och problemlösning

DIFFERENTIALEKVATIONER. INLEDNING OCH GRUNDBEGREPP

Föreläsning 2 (kap 3): Diskreta stokastiska variabler

Demonstration av laboration 2, SF1901

Standardfel (Standard error, SE) SD eller SE. Intervallskattning MSG Staffan Nilsson, Chalmers 1

Föresläsningsanteckningar Sanno II

Anteckningar för kursen "Analys i en Variabel"

MVE051/MSG Föreläsning 14

TNA004 Analys II Tentamen Lösningsskisser

Matematisk statistik KTH. Formel- och tabellsamling i matematisk statistik

Transkript:

Abstract Den här föreläsningen introducerar en stokastisk modell för livslängder. Speciellt definierar vi livslängd, fördelningsfunktion, dödlighetsintensitet och överlevelsefunktion. Vi tittar också på Makehams fördelning som är den mest tillämpade livslängdsmodellen i Sverige. Contents Page Historia om livslängdstabeller Sannolikhetsteoretisk modell Livslängdsfördelningens egenskaper 5 Parametriska livslängdsmodeller 6 Makehams fördelning 8 Page 1 of 11

Historia om livslängdstabeller Tidpunkterna då de första nationella livslängdstabellerna publicerades har varierat kraftigt mellan olika länder. Sverige (1755) var det första landet att göra det och därefter följde ett flertal länder. Exempel är Holland (1816), Frankrike (1817), Norge (181), England (1843), Tyskland (1871), Schweiz (1876) och USA (19). Observera att i många länder producerades det regionala livslängdstabeller långt innan de nationella tabellerna såg dagens ljus. Ett flertal personer har gjort framträdande arbeten inom ramen för att etablera livslängdstabeller inom livförsäkring De historiskt mest kända personerna är demoivre (179), Gompertz (185), Makeham (186), Sang (1868) och Weibull (1939). I Sverige gjordes en framträdande insats av Pehr Wargentin (1717-1783) vars arbete lade grunden till Statistiska centralbyrån som grundades 1858. Pehr Wargentins övriga arbete innehöll många intressanta konklusioner som bar frukt även före 1858. Sannolikhetsteoretisk modell Låt livslängden T för en godtyckligt vald individ vara en icke-negativ kontinuerlig stokastisk variabel med fördelningsfunktionen F (x) = P (T x), x Täthetsfunktionen f definieras genom f(x) = F (x), x Sannolikhetsteoretisk modell continued on next page... Page of 11

µ x dx F (x + dx) F (x) 1 F (x) 1 F (x + dx) F (x) µ x = lim dx dx 1 F (x) µ x 1 F (x + dx) F (x) dx 1 F (x) = f(x) 1 F (x) #1 Låt T x vara en icke-negativ stokastisk variabel som representerar återstående livslängd vid åldern x för en godtycklig individ. Fördelningsfunktionen för T x definieras som F x (t) = P (T x t), t. Funktionen l x definieras som överlevelsefunktionen till den återstående livslängden T x genom l x (t) = 1 F x (t) = P (T x > t), t. Funktionsvärdet l x (t) är alltså sannolikheten för en x-årig individ att leva i ytterligare minst t år. P (T x > t) = l (x + t), t l (t) = l (x) d(1 F (t)) dt = f(t) l x (t) = l (x + t), t µ x = l (x) l (x) = d(ln ) dx # = e x µ sds Page 3 of 11

Låt oss titta på några typiska kurvor:.4 1.35.9.3 man kvinna.8.7 man kvinna Täthetsfunktion.5..15.1 Fördelningsfunktion.6.5.4.3. #3.5.1 4 6 8 1 1 Ålder 4 6 8 1 1 Ålder #4 P (T x t) = 1 / P (T x > t) = / = e x+t µ x s ds P (T x t) = 1 e x+t µ x s ds P (T x t) lim t t = µ x #5 F x (t) = P (T x t) = P (T x + t T > x) = F (x + t) F (x) 1 F (x) Den ettåriga dödsrisken q x för åldern x definieras som q x = P (T x 1) Page 4 of 11

q x = 1 e x+1 x+1 µ x s ds µ s ds x µ s konstant på (x, x + 1) = µ x+ 1 ger ln(1 q x ) µ x+ 1 ty q x = 1 e x+1 x µ s ds. Antag q x litet, serieutveckla ln(1 q x ) q x qx/ = q x (1 + q x /) #6 1 qx Förläng HL med (1 q x /) ln(1 q x ) - q /4 x qx. 1 q x / 1 q x / µ x+ 1 q x 1 q x q x µ x+ 1 1 + µ x+ 1 #7 Livslängdsfördelningens egenskaper P (T t) = F (t) = t f(s) ds lim F (t) = 1 lim l(t) = 1 t t l (t) = d (1 F (t)) = f(t) dt #1 f x (t) = f(x + t) 1 F (x) = l (x + t) = µ x+t, t Låt T x vara den återstående livslängden för en godtycklig individ med åldern x. Med förväntad återstående livslängd för T x menar vi e x = E(T x ) E(X) = [1 F (x)] dx # Page 5 of 11

e x = t l (x + t) dt = t = 1 ( ) [t ] t= t= l(x + s) ds = µ x+t dt = dt Parametriska livslängdsmodeller Exempel.1. Den enklaste livslängdsmodellen är modellen med konstant dödlighetsintensitet, det vill säga µ x = c, x där c är en positiv parameter. Genom att tillämpa resultaten i ovanstående avsnitt i detta kapitel får vi = e x µ sds = e cx En följd av detta samband är att = e x+t µ x s ds = e ct Täthetsfunktionen för T x ges av f x (t) = µ x+t = c e ct Parametriska livslängdsmodeller continued on next page... Page 6 of 11

och den förväntade återstående medellivslängden e x är lika med c 1. Exempel.. Vi betraktar en livslängdsfördelning med en högsta tillåten levnadsålder w och en dödlighetsintensitet som ges av µ x = 1 w x, x < ω Genom att återigen tillämpa definitionen av, se Definition??, får vi = e x µ s ds = e x 1 w s ds = e [ln(w s)]s=x s= = = e ln(w x) ln(w ) = e ln(1 x/w) = = 1 x w, x < w Observera att är lika med noll utanför intervallet x < w. En följd av (1) är att = 1 t w x Täthetsfunktionen för T x ges alltså av f x (t) = µ x+t = 1 w x som ej beror av t. Fördelningen för T x är då likformig på [, ω x] och därför är den återstående medellivslängden e x = (w x)/. Observera att man lätt kan formulera täthetsfunktionen för den totala livsläng- Parametriska livslängdsmodeller continued on next page... Page 7 of 11

den, T, som f(t) = 1 w, t < ω Då gäller naturligtvis, i linje med konstaterandet ovan om T x, att livslängden, T, är likformigt fördelad på intervallet [, ω]. Makehams fördelning Livslängdsmodellen definieras genom följande antagande om utseendet på dödlighetsintensiteten µ x = α + βe γx, x Observera att för x = får vi µ = α + β > i den händelse minst en av parametrarna är positiva. ln() = x µ s ds = αx + β γ (eγx 1), x Eftersom Makehams fördelning är så viktig i tillämpningarna fram-över skall vi härleda en del egenskaper för fördelningen. Vi kan relativt enkelt beräkna fördelningsfunktionen genom att vidareutveckla uttrycket för ovan. Vi får att F (x) = 1 e αx β γ (eγx 1), x Täthetsfunktionen kan då skrivas Makehams fördelning continued on next page... Page 8 of 11

f(x) = (α + βe γx ) e αx β γ (eγx 1), x Vid tillämpningen av Makehammodellen har man genom åren arbetat med olika parameteruppsättningar; exempel är 1. L39. L55 3. G64 4. M64 5. M9 Detta är den parameteruppsättningen som är absolut mest vanlig i branschen, dock med en del varianter. Grundkommittén; M 9 definieras genom µ x = α + β 1 γ(x f), x där man, som vi skall gå igenom nedan i mer detalj, har valt parametrarna α =, 1, β =, 1 och γ =, 44. f = {, om man 6, om kvinna 6. M1 1 3 µ x = 1 +, 1 e,44 ln(1 ) (x f ), x PM har valt en modell där man försökt anpassa en dödlighetsintensitet speciellt till observerad dödlighet i åldrarna 61-9 år. Det innebär att anpassningen är inte fullt så god för andra åldrar. Makehams fördelning continued on next page... Page 9 of 11

µ x = { α + β e γ x, x ω µ ω + k(x ω), x ω där = e x µ sds. x µ s ds = αω + β γ (eγω 1) + µ ω (x ω) + k ( x ω ω(x ω)) = = αω + β γ (eγω 1) + µ ω (x ω) + k (x ω). Om vi nu skall jämföra olika parameteruppsättningar kan det göras med förväntad återstående livslängd: Makehams fördelning continued on next page... Page 1 of 11

Tabell Kvinnor Kvinnor Kvinnor Män Män Män 5 år 65 år 8 år 5 år 65 år 8 år 1891 4, 13, 5,4,4 1, 4,9 R3 6,9 15, 6,4 6,1 14,5 5,9 M64 31,6 19, 9,1 8, 16, 7,1 M9 39,4 5,6 13,5 33,7,4 9,6 DUS 36,1,1 1,3 33, 19,6 8,6 Page 11 of 11