Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1) 𝑭(𝒙): función de distribución (cdf). Función de distribución de vida. Representa la probabilidad de que
un individuo fallezca antes de la edad x.
𝑭(𝒙) = 𝑷𝒓(𝑿 ≤ 𝒙)
Truncamiento
Se trata de utilizar las funciones biométricas del recién nacido conocidas [f(x); F(x); S(x); μ(x)] para
calcular probabilidades y medidas condicionadas a nueva información. Esto permite, entre otras cosas,
incorporar cálculos para personas que no necesariamente sean recién nacidos.
P(A ∩ B)
P(A/B) =
P(B)
La condición es que se sabe que el individuo recién nacido llega con vida hasta cierta edad x. O, en otras
palabras, fallece luego de la edad x.
Ejemplo:
𝐹(𝑥) − 𝐹(𝑦)
𝐹(𝑥 ⁄𝑋 > 𝑦) =
𝑆(𝑦)
P(A∩B)
Teniendo en cuenta P(A/B) = P(B)
:
La condición es que se sabe que el individuo recién nacido fallece antes de alcanzar cierta edad x.
Ejemplo:
𝐹(𝑧) − 𝐹(𝑥)
𝑆(𝑥/𝑋 < 𝑧) =
𝐹(𝑧)
P(A∩B)
Teniendo en cuenta P(A/B) = :
P(B)
Truncamiento mixto
La condición es que se sabe que el individuo recién nacido sobrevive hasta cierta edad x1 , pero fallece
antes de la edad x2 . Siendo x1 < x2 .
Ejemplo:
𝑆(𝑥) − 𝑆(𝑧)
𝑆(𝑥/𝑦 < 𝑋 < 𝑧) =
𝑆(𝑦) − 𝑆(𝑧)
P(A∩B)
Teniendo en cuenta P(A/B) = :
P(B)
La edad actual 𝑥 ya no es aleatoria, es una certeza. Todo el peso de la aleatoriedad de 𝑋 recae sobre 𝑇.
Por lo que:
𝟏 𝒅 𝟏 𝒅
𝝁(𝒙 + 𝒕) = − ∙ 𝒕𝒑𝒙 = − ∙ 𝒍𝒙+𝒕
𝒕𝒑𝒙
𝒅𝒕 𝒍𝒙+𝒕 𝒅𝒕
6) 𝒑(𝒙; 𝒕) /// 𝒕𝒑𝒙 : probabilidad de que una persona de edad 𝑥 se encuentre con vida a la edad 𝑥 + 𝑡.
𝒍𝒙+𝒕
𝒕𝒑𝒙 = = 𝑺𝒙 (𝒕)
𝒍𝒙
𝒕
𝒕𝒑𝒙 = 𝒆− ∫𝟎 𝝁(𝒙+𝒔)𝒅𝒔
7) 𝒒(𝒙; 𝟎; 𝒕) /// 𝒕𝒒𝒙 : probabilidad de que una persona de edad 𝑥 fallezca antes de alcanzar la edad 𝑥 + 𝑡.
𝒒(𝒙; 𝒉; 𝒕) /// 𝒉|𝒕𝒒𝒙 : probabilidad de que una persona de edad 𝑥 fallezca entre las edades 𝑥 + ℎ y 𝑥 + ℎ +
𝑡. Probabilidad de muerte 𝐝𝐢𝐟𝐞𝐫𝐢𝐝𝐚.
8) 𝒅(𝒙; 𝟎; 𝒕) /// 𝒕𝒅𝒙: representa el número de personas que fallece entre las edades 𝑥 y 𝑥 + 𝑡.
𝒕𝒅𝒙 = 𝒍𝒙 − 𝒍𝒙+𝒕
𝒕
𝒕𝒅𝒙 = ∫ 𝒍𝒙+𝒔 ∙ 𝝁𝒙+𝒔 𝒅𝒔
𝟎
𝒅(𝒙; 𝒉; 𝒕) /// 𝒉|𝒕𝒅𝒙 : representa el número de personas de edad 𝑥 que fallece entre las edades 𝑥 + ℎ y
𝑥 + ℎ + 𝑡.
9) 𝐋: cantidad de personas de edad 𝑥 que se encontrarán con vida dentro de 𝑡 años suponiendo tiempos
de vida futuras independientes (entre 𝑙𝑥 personas).
L ~ Binomial(n = 𝑙𝑥 ; p = 𝑡𝑝𝑥 )
10) 𝐃: cantidad de personas de edad 𝑥 que fallecerán en los próximos 𝑡 años suponiendo tiempos de vida
futuras independientes (entre 𝑙𝑥 personas).
D ~ Binomial(n = 𝑙𝑥 ; p = 𝑡𝑞𝑥 )
11) 𝒎(𝒙; 𝟎; 𝒏) /// 𝒏𝒎𝒙 : tasa central de mortalidad entre las edades 𝑥 y 𝑥 + 𝑛. Promedio ponderado de tasas
de mortalidad.
𝒏 𝒏
∫𝟎 𝒕𝒑𝒙 ∙ 𝝁𝒙+𝒕 𝒅𝒕 ∫𝟎 𝒍𝒙+𝒕 ∙ 𝝁𝒙+𝒕 𝒅𝒕 𝒅(𝒙; 𝟎; 𝒏)
𝒏𝒎𝒙 = 𝒏 = 𝒏 =
∫𝟎 𝒕𝒑𝒙 𝒅𝒕 ∫𝟎 𝒍𝒙+𝒕 𝒅𝒕 𝑳(𝒙; 𝒏)
12) 𝒂(𝒙; 𝟎; 𝒏) /// 𝒂𝒙:𝒏⌉: tiempo que se espera que viva entre las edades x y x + n una persona que fallecerá
entre esas 2 edades. No existe diferida.
𝒏 𝒏
∫𝟎 𝒕 ⋅ 𝒕𝒑𝒙 ∙ 𝝁𝒙+𝒕 𝒅𝒕 ∫𝟎 𝒕 ⋅ 𝒍𝒙+𝒕 ∙ 𝝁𝒙+𝒕 𝒅𝒕 𝑳(𝒙; 𝒏) − 𝒏 ∙ 𝒍(𝒙 + 𝒏) 𝑻(𝒙) − 𝑻(𝒙 + 𝒏) − 𝒏 ∙ 𝒍(𝒙 + 𝒏)
𝒂𝒙;𝒏⌉ = 𝒏 = 𝒏 = =
∫𝟎 𝒕𝒑𝒙 ∙ 𝝁𝒙+𝒕 𝒅𝒕 ∫𝟎 𝒍𝒙+𝒕 ∙ 𝝁𝒙+𝒕 𝒅𝒕 𝒅(𝒙; 𝟎; 𝒏) 𝒅(𝒙; 𝟎; 𝒏)
Esperanza matemática de 𝐓
Como Tx (VAC)
∘
• 𝒆𝒄(𝒙; 𝟎; 𝒏) /// 𝒆𝒙:𝒏⌉ : tiempo que se espera que (𝑥) viva entre las edades 𝑥 y 𝑥 + 𝑛. Se la conoce como
vida media completa inmediata limitada.
∘
• 𝒆𝒄(𝒙; 𝟎; 𝝎 − 𝒙) /// 𝒆𝒙 : tiempo futuro que se espera que (𝑥) viva. Se la conoce como vida media
completa inmediata ilimitada o directamente vida media completa.
∘
• 𝒆𝒄(𝒙; 𝒉; 𝒏) /// 𝒉|𝒏𝒆𝒙 : tiempo que se espera que (𝑥) viva entre las edades 𝑥 + ℎ y 𝑥 + ℎ + 𝑛. Se la conoce
como vida media completa diferida limitada.
∘
• 𝒆𝒄(𝒙; 𝒉; 𝝎 − 𝒙 − 𝒉) /// 𝒉|𝝎−𝒙−𝒉𝒆𝒙 : tiempo que se espera que (𝑥) viva a partir de la edad 𝑥 + ℎ. Se la
conoce como vida media completa diferida ilimitada.
Como K x (VAD):
• 𝒆(𝒙; 𝟎; 𝒏) /// 𝒆𝒙:𝒏⌉ : años completos que se espera que (𝑥) viva entre las edades 𝑥 y 𝑥 + 𝑛. Se la conoce
como vida media abreviada inmediata limitada.
• 𝒆(𝒙; 𝟎; 𝝎 − 𝒙) /// 𝒆𝒙 : años completos futuros que se espera que (𝑥) viva. Se la conoce como vida
media abreviada inmediata ilimitada o directamente vida media abreviada.
• 𝒆(𝒙; 𝒉; 𝒏) /// 𝒉|𝒏𝒆𝒙 : años completos que se espera que (𝑥) viva entre las edades 𝑥 + ℎ y 𝑥 + ℎ + 𝑛. Se la
conoce como vida media abreviada diferida limitada.
• 𝒆(𝒙; 𝒉; 𝝎 − 𝒙 − 𝒉) /// 𝒉|𝝎−𝒙−𝒉𝒆𝒙 : años completos que se espera que (𝑥) viva a partir de la edad 𝑥 + ℎ.
Se la conoce como vida media abreviada diferida ilimitada.
Conceptos básicos
Grupo de sobrevivientes
Colectivo de personas que forman un grupo homogéneo, todos de igual edad, con tiempos futuros de vida
independientes, que solo abandonan el grupo por muerte. En un grupo de sobrevivientes no se admiten
ingresos.
l(0) representa el tamaño inicial de un grupo de sobrevivientes (nacimientos) que se rige por:
Tabla de mortalidad
Representa el tiempo total que vivirán entre las edades 𝑥 y 𝑥 + 𝑛 el grupo formado por las personas de
edad exacta 𝑥.
𝒏
𝑳(𝒙; 𝒏) = ∫ 𝒍(𝒙 + 𝒕)𝒅𝒕
𝟎
𝟏
𝑳(𝒙) = ∫ 𝒍(𝒙 + 𝒕)𝒅𝒕
𝟎
𝒅
𝑳(𝒙) = −𝒅(𝒙; 𝟎; 𝟏)
𝒅𝒙
Representa el tiempo total futuro de vida del grupo formado por las personas de edad exacta 𝑥.
𝝎−𝒙
𝑻(𝒙) = ∫ 𝒍(𝒙 + 𝒕)𝒅𝒕
𝟎
𝒅
𝑻(𝒙) = −𝒍(𝒙)
𝒅𝒙
Tasa λ: tasa de interés biométrico nominal anual con capitalización (actualización) instantánea
𝟏
𝝀 = ∫ 𝝁(𝒙 + 𝒕)𝒅𝒕
𝟎
UNIDAD N° 3 – INTRODUCCIÓN AL ANÁLISIS DEMOGRÁFICO
Diagrama de lexis
Se trata de un gráfico que permite representar hechos demográficos en el tiempo y clasificarlos por
períodos de observación, edad y cohorte.
• Hechos demográficos:
- Nacimiento.
- Muerte.
- Cambios en el estado civil.
- Cambios en el lugar de residencia.
• Primer conjunto de vivientes 𝐕(𝟏; 𝐱; 𝐭 𝟏 , 𝐭 𝟐 ): conjunto formado por personas que alcanzaron la edad x
entre las fechas t1 y t 2 .
𝐕(𝟏; 𝐱; 𝟎, 𝟏) ≡ 𝒍(𝒙)
• Segundo conjunto de vivientes 𝐕(𝟐; 𝐭; 𝐱𝟏 , 𝐱𝟐 ): conjunto formado por personas que alcanzaron las
edades entre x1 y x2 a una fecha t.
𝐕(𝟐; 𝐭; 𝐱, 𝐱 + 𝟏) ≡ 𝑳(𝒙)
𝐕(𝟐; 𝐭; 𝐱, 𝛚) ≡ 𝑻(𝒙)
• Segundo conjunto de muertes 𝐌(𝟐; 𝐚𝟏 , 𝐚𝟐 ; 𝐭 𝟏 , 𝐭 𝟐 ): conjunto formado por personas que nacieron entre
a1 , a2 y fallecieron en el período t1 , t 2 .
• Tercer conjunto de muertes 𝐌(𝟑; 𝐱𝟏 , 𝐱𝟐 ; 𝐭 𝟏 , 𝐭 𝟐 ): conjunto formado por fallecimientos ocurridos entre
las edades x1 , x2 y los momentos de observación t1 , t 2 . (conjunto estadístico de muertes).
• Probabilidad de fallecimiento 𝑞0
Representa una medida idónea, ya que el numerador y el
denominador se corresponden. Sin embargo, no es tan
difundida, porque exige conocer factores de separación al
nacimiento, porque se tardaría mucho en disponer de toda su
información y porque su cálculo requiere de actuarios.
𝐌𝟏
𝒒𝟎 =
𝐕𝟏
• Probabilidad de mortalidad 𝑚0
Representa una medida idónea, ya que el numerador y el
denominador se corresponden; es bianual, fechada en el
punto medio del bienio.
Sin embargo, no es tan difundida, porque exige conocer
factores de separación al nacimiento, porque se tardaría
mucho en disponer de toda su información y porque su
cálculo requiere de actuarios. Si el factor de separación se
supone igual a 0,5 entonces se promediarían los M3 de los
dos años en cuestión para el numerador (muchas veces se hace esto).
𝐄𝛂𝐭 + 𝐄𝛅𝐭+𝟏
𝒎𝟎 =
𝐕𝟐
Población estacionaria
𝝎−𝒙
𝒀(𝒙) = ∫ 𝑻(𝒙 + 𝒕)𝒅𝒕
𝟎
Población estable (población malthusiana)
Puede describirse la mortalidad de un grupo a través de un modelo selecto si se cumple con las siguientes
condiciones:
A. Las probabilidades de supervivencia futura para un individuo dentro del grupo dependen de su
edad actual y de la edad en la que ingresó al grupo.
B. Existe un número positivo 𝒅 tal que si el individuo ingresó al grupo hace más de 𝑑 años, entonces
sus probabilidades de supervivencia futura dependen únicamente de su edad actual. Se asume
que el efecto de la selección inicial se agotó luego de 𝒅 años.
• La edad alcanzada.
• Las características del grupo poblacional al que pertenece, “Grupo Selecto”.
• Tiempo que hace que una persona está en el grupo selecto, 𝑘.
𝒒[𝒙−𝒌]+𝒌 𝒕≤𝒅
𝒒[𝒙−𝒕]+𝒕 = {
𝒒𝒙 𝒕≥𝒅
Caracterización
Se establece una ley, en forma de ecuación, para alguna de las funciones biométricas, tal que quede
perfectamente establecido el valor de todas ellas para distintas edades y para distintas antigüedades.
• Probabilidades ultimate: se obtienen a partir de cálculos elementales con las funciones 𝑙𝑥 . Son
las “probabilidades de vida/muerte de siempre”.
• Probabilidades para el período de selección: se obtienen a partir de la ley / las leyes del modelo.
UNIDAD N° 5 – LEYES DE MORTALIDAD
Enfoque estadístico
1
𝒇𝟎 (𝒕) 𝜇 ∙ 𝑒 −𝜇∙𝑡
𝜔
𝜔−𝑡
𝑺𝟎 (𝒕) 𝑒 −𝜇∙𝑡
𝜔
𝑡
𝑭𝟎 (𝒕) 1 − 𝑒 −𝜇∙𝑡
𝜔
1
𝝁(𝒕) 𝜇
𝜔−𝑡
1
𝒇𝒙 (𝒕) 𝜇 ∙ 𝑒 −𝜇∙𝑥
𝜔−𝑥
Enfoque actuarial
𝑥
𝒍(𝒙) 𝑙(0) ∙ (1 − ) 𝑙(0) ∙ 𝑒 −𝜇∙𝑥
𝜔
𝜔−𝑥−𝑛
𝒑(𝒙; 𝒏) 𝑒 −𝜇∙𝑛
𝜔−𝑥
𝑛
𝒒(𝒙; 𝟎; 𝒏) 1 − 𝑒 −𝜇∙𝑛
𝜔−𝑥
𝑛
𝒒(𝒙; 𝒉; 𝒏) 𝑒 −𝜇∙ℎ ∙ (1 − 𝑒 −𝜇∙𝑛 )
𝜔−𝑥
𝑛
𝒅(𝒙; 𝟎; 𝒏) 𝑙(0) ∙ 𝑙(0) ∙ 𝑒 −𝜇∙𝑥 ∙ (1 − 𝑒 −𝜇∙𝑛 )
𝜔
1
𝒅(𝒙; 𝟎; 𝟏) 𝑙(0) ∙ 𝑙(0) ∙ 𝑒 −𝜇∙𝑥 ∙ (1 − 𝑒 −𝜇 )
𝜔
1
𝝁(𝒙) 𝜇
𝜔−𝑥
1
𝒎(𝒙; 𝟎; 𝟏) 1 𝜇
𝜔−𝑥−2
1 [1 − 𝑒 −𝜇 ]
𝑳(𝒙) 𝜔−𝑥−2 −𝜇∙𝑥
𝑙(0) ∙ 𝑙(0) ∙ 𝑒 ∙
𝜔 𝜇
(𝜔 − 𝑥)2 [1 − 𝑒 −𝜇∙(𝜔−𝑥) ]
𝑻(𝒙) 𝑙(0) 𝑙(0) ∙ 𝑒 −𝜇∙𝑥 ∙
2𝜔 𝜇
𝜔−𝑥 1
𝒆𝒄(𝒙; 𝟎; 𝝎 − 𝒙)
2 𝜇
Función / Supuesto Weibull Gompertz Makeham Makeham II Lazarus
𝝁(𝒙) 𝑘 ∙ 𝑥𝑚 𝐵 ∙ 𝐶𝑥 𝐴 + 𝐵 ∙ 𝐶𝑥 𝐴 + 𝐵 ∙ 𝐶𝑥 + ℎ ∙ 𝑥 𝐴 + 𝐵1 ∙ 𝐶1 𝑥 + 𝐵2 ∙ 𝐶2 𝑥
𝑘 𝐵 𝐵 𝐵 ℎ 𝐵1 𝐵2
− − − − −
Transformación 𝑔 = 𝑒 −𝑚+1 𝑔=𝑒 ln(𝑐) 𝑔=𝑒 ln(𝑐) ∧ 𝑆 = 𝑒 −𝐴 𝑔=𝑒 ln(𝑐) ∧ 𝑆 = 𝑒 −𝐴 ∧ 𝑅 = 𝑒 −2 𝑔=𝑒 𝑙𝑛(𝐶1 ) ∧ 𝑆 = 𝑒 −𝐴 ∧ 𝑅 = 𝑒 ln(𝐶2 )
𝑥
𝑚+1 −𝑥 𝑚+1 𝑥 ∙(𝐶 𝑛 −1) 𝑥 ⋅(𝐶 𝑛 −1) 𝑥 ⋅(𝐶 𝑛 −1) 2 +2𝑥𝑛 ⋅(𝐶1 𝑛 −1) 𝑥
⋅(𝐶2 𝑛 −1)
𝒑(𝒙; 𝒏) 𝑔(𝑥+𝑛) 𝑔𝐶 𝑔𝐶 ⋅ 𝑆𝑛 𝑔𝐶 ⋅ 𝑆 𝑛 ⋅ 𝑅𝑛 𝑔𝐶1 ⋅ 𝑆 𝑛 ⋅ 𝑅 𝐶2
UNIDAD N° 6 – SUPUESTOS FRACCIONARIOS
Se busca a partir de los valores de la tabla de mortalidad, obtener aquellos valores dentro del año.
Conociendo 𝑙𝑥 y 𝑙𝑥+1, se asume un modelo matemático para la obtención de los valores de 𝑙𝑥+𝑠 en el
intervalo donde 𝑠 ∈ [0; 1], tal que 𝑙𝑥+𝑠 sea diferenciable e integrable en dicho intervalo.
1−𝑡 𝑡 1 1 −1
𝑙(𝑥 + 𝑡) (1 − 𝑡) ⋅ 𝑙𝑥 + 𝑡 ⋅ 𝑙𝑥+1 𝑙𝑥 ⋅ 𝑙𝑥+1 (𝑡 ⋅ + (1 − 𝑡) ⋅ )
𝑙𝑥+1 𝑙𝑥
𝑝𝑥
𝑝(𝑥; 𝑡) 1 − 𝑡 ⋅ 𝑞𝑥 𝑝𝑥 𝑡
𝑝𝑥 + 𝑡 ⋅ 𝑞𝑥
𝑝𝑥
𝑝(𝑥 + 𝑡; 1 − 𝑡) 𝑝𝑥 1−𝑡 𝑡 + (1 − 𝑡) ⋅ 𝑝𝑥
1 − 𝑡 ⋅ 𝑞𝑥
1 − 𝑡 ⋅ 𝑞𝑥 𝑠 + (1 − 𝑠) ⋅ 𝑝𝑥
𝑝(𝑥 + 𝑠, 𝑡 − 𝑠) 𝑝𝑥 𝑡−𝑠
1 − 𝑠 ⋅ 𝑞𝑥 𝑡 + (1 − 𝑡) ⋅ 𝑝𝑥
𝑡 ⋅ 𝑞𝑥
𝑞(𝑥; 0; 𝑡) 𝑡 ⋅ 𝑞𝑥 1 − 𝑝𝑥 𝑡
1 − (1 − 𝑡) ⋅ 𝑞𝑥
(1 − 𝑡) ⋅ 𝑞𝑥
𝑞(𝑥 + 𝑡; 0; 1 − 𝑡) 1 − 𝑝𝑥 1−𝑡 (1 − 𝑡) ⋅ 𝑞𝑥
1 − 𝑡 ⋅ 𝑞𝑥
(𝑡 − 𝑠) ⋅ 𝑞𝑥 (𝑡 − 𝑠) ⋅ 𝑞𝑥
𝑞(𝑥 + 𝑠; 0; 𝑡 − 𝑠) 1 − 𝑝𝑥 𝑡−𝑠
1 − 𝑠 ⋅ 𝑞𝑥 1 − (1 − 𝑡) ⋅ 𝑞𝑥
𝑞𝑥 𝑞𝑥
𝜇(𝑥 + 𝑡) 𝜇𝑥
1 − 𝑡 ⋅ 𝑞𝑥 1 − (1 − 𝑡) ⋅ 𝑞𝑥
𝑞𝑥
𝑞𝑥 2
𝑚(𝑥; 0; 1) 1 𝜇𝑥 −
1 − ⋅ 𝑞𝑥 𝑝𝑥 ⋅ ln(𝑝𝑥 )
2
1 𝑑𝑥 𝑙𝑥+1
𝐿(𝑥) 𝑙𝑥 − ⋅ 𝑑𝑥 − ⋅ ln(𝑝𝑥 )
2 𝜇𝑥 𝑞𝑥
UNIDAD N° 7 – MODELOS DE DECREMENTO MÚLTIPLE
Funciones biométricas
(𝒋)
• ∞𝒒𝒙 : Probabilidad de que (𝑥) sea eliminada por la causa 𝑗.
∞
(𝒋)
∞𝒒𝒙 = 𝐏𝐫(𝑱 = 𝒋) = 𝒇𝑱 (𝒋) = ∫ 𝒇𝑻;𝑱 (𝒔, 𝒋)𝒅𝒔
𝟎
(𝝉)
• 𝒕𝒒𝒙 : Probabilidad de que (𝑥) sea eliminada antes de que transcurran 𝑡 años.
𝒕 𝒕 𝒎
(𝝉) (𝝉)
𝒕𝒒𝒙 = 𝐏𝐫(𝟎 < 𝑻 ≤ 𝒕) = 𝑭𝑻 (𝒕) = ∫ 𝒇𝑻 (𝒔)𝒅𝒔 = ∫ ∑ 𝒇𝑻;𝑱 (𝒔, 𝒋) 𝒅𝒔 = 𝟏 − 𝒕𝒑𝒙
𝟎 𝟎 𝒋=𝟏
(𝝉)
• 𝒕𝒑𝒙 : Probabilidad de que (𝑥) sea eliminada después de que transcurran 𝑡 años.
(𝝉)
𝒕𝒑𝒙 = 𝐏𝐫(𝑻 > 𝒕) = 𝑺𝑻 (𝒕)
𝒕 (𝝉)
(𝝉)
𝒕𝒑𝒙 = 𝒆− ∫𝟎 𝝁𝒙+𝒔 𝒅𝒔
(𝒋)
• 𝒕𝒒𝒙 : Probabilidad de que (𝑥) sea eliminada por la causa 𝑗 antes de que transcurran 𝑡 años.
(𝒋)
𝒕𝒒𝒙 = 𝐏𝐫[(𝟎 < 𝑻 ≤ 𝒕) ∩ (𝑱 = 𝒋)] = 𝑭𝑻;𝑱 (𝒕; 𝒋)
𝒎
(𝝉) (𝒋)
𝒕𝒒𝒙 = ∑ 𝒕𝒒𝒙
𝒋=𝟏
𝒕 𝒕
(𝒋) (𝝉) (𝒋)
𝒕𝒒𝒙 =∫ 𝒔𝒑𝒙 ⋅ 𝝁𝒙+𝒔 𝒅𝒔 = ∫ 𝒇𝑻;𝑱 (𝒔, 𝒋)𝒅𝒔
𝟎 𝟎
(𝑗)
Nota: no existe 𝑡𝑝𝑥 en TDM.
(𝝉)
• 𝝁𝒙+𝒕 : Tasa instantánea de eliminación total.
(𝒋) 𝟏 𝒅 (𝒋)
𝝁𝒙+𝒕 = ⋅ 𝒒
(𝝉)
𝒕𝒑𝒙
𝒅𝒕 𝒕 𝒙
𝒎
(𝝉) (𝒋)
𝝁𝒙+𝒕 = ∑ 𝝁𝒙+𝒕
𝒋=𝟏
(𝝉)
• 𝒎𝒙 : Tasa central de eliminación total.
𝟏 (𝝉) (𝝉)
(𝝉) ∫𝟎 𝒕𝒑𝒙 ⋅ 𝝁𝒙+𝒕 𝒅𝒕
𝒎𝒙 = 𝟏 (𝝉)
∫𝟎 𝒕𝒑𝒙 𝒅𝒕
(𝒋)
• 𝒎𝒙 : Tasa central de eliminación de la causa 𝑗.
𝟏 (𝝉) (𝒋)
(𝒋) ∫𝟎 𝒕𝒑𝒙 ⋅ 𝝁𝒙+𝒕 𝒅𝒕
𝒎𝒙 = 𝟏 (𝝉)
∫𝟎 𝒕𝒑𝒙 𝒅𝒕
𝒎
(𝝉) (𝒋)
𝒎𝒙 = ∑ 𝒎𝒙
𝒋=𝟏
(𝝉)
• 𝒍𝒙+𝒕 : Cantidad de personas que alcanzan la edad 𝑥 + 𝑡
(𝝉) (𝝉) (𝝉)
𝒍𝒙+𝒕 = 𝒍𝒙 ⋅ 𝒕𝒑𝒙
(𝝉)
• 𝒕𝒅𝒙 : Cantidad de personas eliminadas entre las edades 𝑥 y 𝑥 + 𝑡.
𝒎
(𝝉) (𝒋) (𝝉) (𝝉)
𝒕𝒅𝒙 = ∑ 𝒕𝒅𝒙 = 𝒍𝒙 ⋅ 𝒕𝒒𝒙
𝒋=𝟏
′(𝒋)
• 𝒕𝒑𝒙 : Tasa independiente de que (𝑥) sea eliminada por la causa 𝑗 luego de que transcurran 𝑡
años.
𝒕 (𝒋)
′(𝒋)
𝒕𝒑𝒙 = 𝒆− ∫𝟎 𝝁𝒙+𝒔 𝒅𝒔
𝒎
(𝝉) ′(𝒋)
𝒕𝒑𝒙 = ∏ 𝒕𝒑𝒙
𝒋=𝟏
′(𝒋)
• 𝒕𝒒𝒙 : Tasa independiente de que (𝑥) sea eliminada por la causa 𝑗 antes de que transcurran 𝑡
años.
′(𝒋) ′(𝒋)
𝒕𝒒𝒙 = 𝟏 − 𝒕𝒑𝒙
′(𝒋)
• 𝒎𝒙 : Tasa central de eliminación independiente.
𝟏 ′(𝒋) (𝒋)
′(𝒋) ∫𝟎 𝒕𝒑𝒙 ⋅ 𝝁𝒙+𝒕 𝒅𝒕
𝒎𝒙 = 𝟏 ′(𝒋)
∫𝟎 𝒕𝒑𝒙 𝒅𝒕
′(𝒋) ′(𝒋)
• DUE en TDU asociada a TDM: 𝒕𝒒𝒙 = 𝒕 ⋅ 𝒒𝒙
′(𝑗)
(𝑗) 𝑞𝑥
𝜇𝑥+𝑡 = ′(𝑗)
1 − 𝑡 ⋅ 𝑞𝑥
𝑡 𝑡
(𝑗) ′(𝑗) ′(𝑘) ′(𝑗) ′(𝑘)
𝑡𝑞𝑥 = 𝑞𝑥 ⋅∫ ∏ 𝑠𝑝𝑥 𝑑𝑠 = 𝑞𝑥 ⋅ ∫ ∏ [1 − 𝑠 ⋅ 𝑞𝑥 ] 𝑑𝑠
0 ∀𝑘≠𝑗 0 ∀𝑘≠𝑗
′(𝑗)
′(𝑗) 𝑞𝑥
𝑚𝑥 ≅
1 ′(𝑗)
1 − 2 ⋅ 𝑞𝑥
Tiempo discreto
Es necesario separar la integral total según los momentos en que actúan el/los decremento/s discreto/s
Hay que recordar que para los decrementos que actúan en un momento concreto, es necesario primero
dejar “correr” a las causas continuas (para que la población inicial sea expuesta a esa causa continua), y
luego llegado al momento concreto, exponer a la población que queda al decremento 𝑗 discreto.
UNIDAD N° 8 – TEORÍA ESTADÍSTICA DE LA INVALIDEZ
Para personas
𝑝(𝑥; 1; 𝑎𝑎) + 𝑝(𝑥; 1; 𝑎𝑖) = 𝑝(𝑥; 1; 𝑎) 𝑞(𝑥; 0; 1; 𝑎𝑎) + 𝑞(𝑥; 0; 1; 𝑎𝑖) = 𝑞(𝑥; 0; 1; 𝑎)
𝑝(𝑥; 1; 𝑖) + 𝑞(𝑥; 0; 1; 𝑖) = 1
𝑡
𝑝(𝑥; 𝑡; 𝑎𝑎) = 𝑒 − ∫0 (𝜇𝑎(𝑥+𝑠)+𝜇𝑟 (𝑥+𝑠))𝑑𝑠 Para la población de activos le afecta la invalidez y la muerte.
Vale 𝑞(𝑥; 0; 1; 𝑎𝑖) = 𝑟(𝑥; 0; 1) ⋅ 𝑞(𝑥 + 𝑡; 0; 1 − 𝑡; 𝑖) si se asume algún supuesto para la invalidez.
𝑣𝑥+1 = 𝑣𝑥 ⋅ 𝐴𝑥
Con 3 estados
Con 4 estados
Una relación es de Von Schartlin cuando, en el marco de un modelo de invalidez, vincula probabilidades
con personas expuestas
𝑙(𝑥; 𝑎) 𝑙(𝑥; 𝑖)
𝑞(𝑥; 0; 1) = ⋅ 𝑞(𝑥; 0; 1; 𝑎) + ⋅ 𝑞(𝑥; 0; 1; 𝑖)
𝑙(𝑥) 𝑙(𝑥)
Supuestos y notación
𝑖𝑖
𝑡𝑝𝑥 ≤ 𝑡𝑝𝑥𝑖𝑖
𝒊𝒋
3) Para todo estado 𝒊 y 𝒋, 𝒕𝒑𝒙 es una función diferenciable respecto de 𝒕.
𝒊𝒋 𝒊𝒋 𝒊𝒋 𝒋𝒌 𝒌𝒋
𝒕+𝒉𝒑𝒙 = 𝒕𝒑𝒙 − 𝒉 ⋅ ∑ ⏟𝒕𝒑𝒙 ⋅ 𝝁𝒙+𝒕 − ⏟𝒕𝒑𝒊𝒌
𝒙 ⋅ 𝝁𝒙+𝒕 + 𝒐(𝒉)
∀ 𝒌≠𝒋 𝐓𝐫𝐚𝐧𝐬𝐢𝐜𝐢𝐨𝐧𝐞𝐬 𝐟𝐮𝐞𝐫𝐚 𝐓𝐫𝐚𝐧𝐬𝐢𝐜𝐢𝐨𝐧𝐞𝐬 𝐚
(𝐝𝐞𝐥 𝐞𝐬𝐭𝐚𝐝𝐨 𝐨𝐛𝐣𝐞𝐭𝐢𝐯𝐨 𝐞𝐬𝐭𝐚𝐝𝐨 𝐨𝐛𝐣𝐞𝐭𝐢𝐯𝐨)
𝑖𝑘 𝑘𝑗
𝑡𝑝𝑥 ⋅ 𝜇𝑥+𝑡 : Transiciones que me meten al estado objetivo.
𝑖𝑗 𝑗𝑘
𝑡𝑝𝑥 ⋅ 𝜇𝑥+𝑡 : Transiciones que me sacan del estado objetivo.
𝒅 𝒊𝒋 𝒌𝒋 𝒊𝒋 𝒋𝒌
𝒑 = ∑ ( 𝒕𝒑𝒊𝒌
𝒙 ⋅ 𝝁𝒙+𝒕 − 𝒕𝒑𝒙 ⋅ 𝝁𝒙+𝒕 )
𝒅𝒕 𝒕 𝒙
∀ 𝒌≠𝒋
UNIDAD N° 10 – SUPERVIVENCIA MÚLTIPLE
Relaciones generales
𝑻𝒙:𝒚 + 𝑻𝒙:𝒚 = 𝑻𝒙 + 𝑻𝒚
𝑇𝑥 y 𝑇𝑦 son independientes si y solo si su función de densidad conjunta 𝑓𝑇𝑥 ,𝑇𝑦 (𝑠; 𝑡) es una función de
variables separables.
𝒕 𝒔
𝑭𝑻𝒙 ,𝑻𝒚 (𝒔; 𝒕) = ∫ ∫ 𝒇𝑻𝒙 ,𝑻𝒚 (𝒖; 𝒗)𝒅𝒖 𝒅𝒗
𝟎 𝟎
∞ ∞
𝑺𝑻𝒙 ,𝑻𝒚 (𝒔; 𝒕) = 𝟏 − 𝑭𝑻𝒙 ,𝑻𝒚 (𝒔; 𝒕) = ∫ ∫ 𝒇𝑻𝒙 ,𝑻𝒚 (𝒖; 𝒗)𝒅𝒖 𝒅𝒗
𝒕 𝒔
𝑪𝑶𝑽(𝑻𝒙 , 𝑻𝒚 )
𝝆𝑻𝒙 ,𝑻𝒚 =
𝝈𝑻 𝒙 ⋅ 𝝈𝑻 𝒚
𝑪𝑶𝑽(𝑻𝒙:𝒚 , 𝑻𝒙:𝒚 )
𝝆𝑻𝒙:𝒚,𝑻𝒙:𝒚 =
𝝈𝑻𝒙:𝒚 ⋅ 𝝈𝑻𝒙:𝒚
∘ ∘ ∘ ∘
bajo independencia: 𝐶𝑂𝑉(𝑇𝑥:𝑦 , 𝑇𝑥:𝑦 ) = (𝑒𝑥 − 𝑒𝑥:𝑦 ) ⋅ (𝑒𝑦 − 𝑒𝑥:𝑦 )
Joint Life Status (Estado de supervivencia conjunta)
Bajo independencia:
𝑡𝑞𝑥:𝑦 : Probabilidad de que al menos una cabeza del grupo fallezca al cabo de 𝑡 años.
Bajo independencia:
𝑡𝑝𝑥:𝑦 : Probabilidad de que al menos una cabeza del grupo sobreviva al cabo de 𝑡 años.
𝒅
𝒇𝑻𝒙:𝒚 (𝒕) = − 𝒑
𝒅𝒕 𝒕 𝒙:𝒚
Bajo independencia:
∞
∘
𝒆𝒙:𝒚 = ∫ 𝒕𝒑𝒙:𝒚 𝒅𝒕
𝟎
Bajo independencia:
∞
∘
𝒆𝒙:𝒚 = ∫ 𝒕𝒑𝒙 ⋅ 𝒕𝒑𝒚 𝒅𝒕
𝟎
Probabilidad de que JLS se extinga entre 𝑛 y 𝑛 + 1
𝑇𝑥:𝑦 = max(𝑇𝑥 , ; 𝑇𝑦 ): El grupo se desintegra con el último fallecimiento, o sea cuando ambas cabezas
fallecen.
Bajo independencia:
Bajo independencia:
Bajo independencia:
𝒇𝑻𝒙:𝒚 (𝒕) = 𝒕𝒑𝒙 ⋅ 𝝁𝒙+𝒕 + 𝒕𝒑𝒚 ⋅ 𝝁𝒚+𝒕 − 𝒕𝒑𝒙 ⋅ 𝒕𝒑𝒚 (𝝁𝒙+𝒕 + 𝝁𝒚+𝒕 )
Bajo independencia:
𝑇𝑥∗ y 𝑇𝑦∗ variables del tiempo que media a la eliminación de cada individuo y que, en ausencia de un shock
común, son independientes.
𝑍 ~ 𝐸𝑥𝑝𝑜𝑛𝑒𝑛𝑐𝑖𝑎𝑙(𝜆).
𝑇𝑥 = min(𝑇𝑥∗ ; 𝑍) 𝑇𝑦 = min(𝑇𝑦∗ ; 𝑍)
[𝑺′𝑻∗𝒙 (𝒔) ⋅ 𝑺′𝑻∗𝒚 (𝒕) − 𝝀 ⋅ 𝑺𝑻∗𝒙 (𝒔) ⋅ 𝑺′𝑻∗𝒚 (𝒕)] ⋅ 𝒆−𝝀⋅𝒔 con t < s
𝒇𝑻𝒙 ,𝑻𝒚 (𝒔; 𝒕) = [𝑺′𝑻∗ (𝒔) ⋅ 𝑺′𝑻∗ (𝒕) − 𝝀 ⋅ 𝑺′𝑻∗ (𝒔) ⋅ 𝑺𝑻∗𝒚 (𝒕)] ⋅ 𝒆−𝝀⋅𝒕 con t > s
𝒙 𝒚 𝒙
𝒕𝒑𝒙:𝒚 = [𝑺𝑻∗𝒙 (𝒕) + 𝑺𝑻∗𝒚 (𝒕) − 𝑺𝑻∗𝒙 ,𝑻∗𝒚 (𝒕, 𝒕)] ⋅ 𝒆−𝝀⋅𝒕
Orden de fallecimiento
𝒏𝒒𝒙
𝟏 : Probabilidad de que (𝒙) fallezca antes que (𝒚) en los próximos 𝒏 años.
:𝒚
𝒏 ∞ 𝒏
𝒏𝒒𝒙
𝟏 = ∫ ∫ 𝒇𝑻𝒙 ,𝑻𝒚 (𝒔; 𝒕)𝒅𝒕 𝒅𝒔 = ∫ 𝐏𝐫(𝑻𝒚 > 𝒔|𝑻𝒙 = 𝒔) ⋅ 𝒔𝒑𝒙 ⋅ 𝝁𝒙+𝒔 𝒅𝒔
:𝒚
𝟎 𝒔 𝟎
Bajo independencia:
𝒏
𝒏𝒒 𝟏 = ∫
𝒙:𝒚 𝒕𝒑𝒚 ⋅ 𝒕𝒑𝒙 ⋅ 𝝁𝒙+𝒕 𝒅𝒕
𝟎
𝒏𝒒𝒙:𝒚
𝟐: Probabilidad de que (𝒙) e (𝒚) fallezcan al cabo de 𝒏 años, teniendo que (𝒙) fallece antes que
(𝒚).
𝒏 𝒕 𝒏
𝒏𝒒𝒙:𝒚
𝟐 = ∫ ∫ 𝒇𝑻𝒙 ,𝑻𝒚 (𝒔; 𝒕)𝒅𝒔 𝒅𝒕 = ∫ 𝐏𝐫(𝑻𝒙 ≤ 𝒕|𝑻𝒚 = 𝒕) ⋅ 𝒕𝒑𝒚 ⋅ 𝝁𝒚+𝒕 𝒅𝒕
𝟎 𝟎 𝟎
Bajo independencia:
𝒏
𝒏𝒒𝒙:𝒚
𝟐 =∫ 𝒕𝒒𝒙 ⋅ 𝒕𝒑𝒚 ⋅ 𝝁𝒚+𝒕 𝒅𝒕
𝟎
𝒏𝒒𝒙:𝒚
𝟐 = 𝒏𝒒𝒚 − 𝒏𝒒 𝟏
𝒙:𝒚
= 𝒏𝒒 𝟏 − 𝒏𝒑𝒚 ⋅ 𝒏𝒒𝒙
𝒙:𝒚
Método Z
𝟏 𝒓+𝟏
𝐏𝐫(𝑹 = 𝒓) = 𝒁𝒓 ⋅ ( )
𝟏+𝒁
𝟏 𝒓
𝐏𝐫(𝑹 ≥ 𝒓) = 𝒁𝒓 ⋅ ( )
𝟏+𝒁
𝑘 𝐵 𝐵
− −
Transformación ----------- 𝑔 = 𝑒 −2 𝑔=𝑒 ln 𝐶 𝑔=𝑒 ln 𝐶 ∧ 𝑆 = 𝑒 −𝐴
Cantidad de
personas de 𝑚 𝑚 1 𝑚
edad 𝒖
𝒖 = 𝒇(𝒉) Indistinto 𝑥1 + ℎ 𝑥𝑚 + ℎ 𝑥1 + ℎ
En los estudios actuariales, las ocurrencias más comunes son la censura por derecha y el truncamiento
por izquierda.
Método de momentos
Se observa como primero paso cuántos parámetros tiene la forma funcional propuesta. Luego, si la
fórmula funcional tiene 𝑘 parámetros, se plantea el sistema de ecuaciones de momentos:
∑ 𝒕𝒊
𝑬(𝑻) =
𝒏
∑ 𝒕𝒊 𝟐
𝑬(𝑻𝟐 ) =
𝒏
∑ 𝒕𝒊 𝟑
𝑬(𝑻𝟑 ) =
𝒏
⋮
𝒌
∑ 𝒕𝒊 𝒌
{𝑬(𝑻 ) =
𝒏
∑ 𝒕𝒊
𝑬(𝑻) =
𝒏
∑(𝒕𝒊 − 𝒕̅)𝟐
{𝐕𝐚𝐫(𝑻) = 𝒏
Método de percentiles
Método de máxima verosimilitud
Se arma una función de verosimilitud ℒ que contendrá 𝑛 factores de acuerdo con el estado de cada
individuo dentro del estudio. Luego:
𝐧ú𝐦𝐞𝐫𝐨 𝐝𝐞 𝐨𝐛𝐬𝐞𝐫𝐯𝐚𝐜𝐢𝐨𝐧𝐞𝐬 ≤ 𝒙
𝑭𝒏 (𝒙) =
𝒏
𝒄𝒋 − 𝒙 𝒙 − 𝒄𝒋−𝟏
𝑭𝒏 (𝒙) = ⋅ 𝑭𝒏 (𝒄𝒋−𝟏 ) + ⋅ 𝑭 (𝒄 ) 𝑐𝑗−1 ≤ 𝑥 ≤ 𝑐𝑗
𝒄𝒋 − 𝒄𝒋−𝟏 𝒄𝒋 − 𝒄𝒋−𝟏 𝒏 𝒋
𝒊 𝒚𝒊 𝒔𝒊 𝒃𝒊 𝒅𝒊 𝒓𝒊 𝒔𝒊
𝝀̂𝒊 =
𝒓𝒊
𝑏𝑖 : cantidad de censuras por derecha entre [𝑦𝑖 ; 𝑦𝑖+1 ) (primero ocurre 𝑠𝑖 ). (withdrawals).
𝑛 𝑖=0
𝑟𝑖 : cantidad de elementos a riesgo. = {𝑟𝑖−1 + 𝑑𝑖−1 − 𝑠𝑖−1 − 𝑦𝑖−1 𝑖 = 1,2, … , 𝑘
𝑏𝑘+1 𝑖 =𝑘+1
Estimación de 𝑆(𝑦)
𝒌
̂(𝒚𝒌 ) = ∏(𝟏 − 𝝀̂𝒊 )
𝑺
𝒊=𝟏
̂
̂(𝒚) = {𝑺(𝒚𝒌 )
𝑺
𝒚𝒌 ≤ 𝒚 < 𝒚𝒌+𝟏 ∧ 𝒚 < 𝒚𝐦𝐚𝐱
𝐓𝐚𝐢𝐥 𝒚 ≥ 𝒚𝐦𝐚𝐱
Varianza de 𝑆(𝑦) (aproximación de Greenwood)
𝒌
𝒔𝒊
̂ [𝑺
𝐕𝐚𝐫 ̂(𝒚𝒌 )]𝟐 ⋅ ∑
̂(𝒚𝒌 )] = [𝑺
𝒓𝒊 ⋅ (𝒓𝒊 − 𝒔𝒊 )
𝒊=𝟏
Intervalos de confianza
𝑼±𝟏
̂(𝒚𝒌 )]
𝐕𝐞𝐫𝐬𝐢ó𝐧 𝐥𝐨𝐠 − 𝐭𝐫𝐚𝐧𝐬𝐟𝐨𝐫𝐦𝐚𝐝𝐚 = [𝑺
̂ [𝑺
𝒁𝒄𝒓í𝒕𝒊𝒄𝒐 ⋅√𝐕𝐚𝐫 ̂(𝒚𝒌)]
̂(𝒚𝒌 )⋅𝐥𝐧 𝑺
𝑺 ̂(𝒚𝒌 )
𝑼=𝒆
Estimación de 𝑆(𝑦)
𝒌
̂ (𝒚𝒌 ) = ∑ 𝝀̂𝒊
𝑯
𝒊=𝟏
̂(𝒚𝒌 ) = 𝒆−𝑯̂(𝒚𝒌 )
𝑺
̂
̂(𝒚) = {𝑺(𝒚𝒌 )
𝑺
𝒚𝒌 ≤ 𝒚 < 𝒚𝒌+𝟏 ∧ 𝒚 < 𝒚𝐦𝐚𝐱
𝐓𝐚𝐢𝐥 𝒚 ≥ 𝒚𝐦𝐚𝐱
𝒌
𝒔𝒊 ⋅ (𝒓𝒊 − 𝒔𝒊 )
̂ [𝑯
𝐕𝐚𝐫 ̂ (𝒚𝒌 )] = ∑
𝒓𝒊 𝟑
𝒊=𝟏
𝒌
𝟐 𝒔𝒊 ⋅ (𝒓𝒊 − 𝒔𝒊 )
̂(𝒚𝒌 )] = [𝑺
̂ [𝑺
𝐕𝐚𝐫 ̂(𝒚𝒌 )] ⋅ ∑
𝒓𝒊 𝟑
𝒊=𝟏
Intervalos de confianza
̂ (𝒚𝒌 ) ⋅ 𝑼
𝐕𝐞𝐫𝐬𝐢ó𝐧 𝐥𝐨𝐠 − 𝐭𝐫𝐚𝐧𝐬𝐟𝐨𝐫𝐦𝐚𝐝𝐚 = 𝑯
̂ [𝑯
𝒁𝒄𝒓í𝒕𝒊𝒄𝒐 ⋅√𝐕𝐚𝐫 ̂ (𝒚𝒌 )]
± ̂ (𝒚𝒌 )
𝑼= 𝒆 𝑯
Para IC de las 𝑆̂(𝑦𝑘 ) sólo hay que exponenciar a la negativa los números obtenidos anteriormente.
Criterio de Efron
̂(𝒚) = 𝟎
𝑺
̂(𝒚𝒌 )
𝑺 𝒚𝐦𝐚𝐱 ≤ 𝒚 < 𝜸
̂(𝒚) = {
𝑺
𝟎 𝒚≥𝜸
𝛾: edad límite.
𝒚
̂(𝒚) = [𝑺
𝑺 ̂(𝒚𝒌 )]𝒚𝐦𝐚𝐱
𝑻 ⋅𝒁
𝒉(𝒕|𝒛) = 𝒉𝟎 (𝒕) ⋅ 𝒄(𝜷𝟏 𝒛𝟏 + 𝜷𝟐 𝒛𝟐 + ⋯ + 𝜷𝒑 𝒛𝒑 ) = 𝒉𝟎 (𝒕) ⋅ 𝒆𝜷
𝑇
𝛽 = (𝛽1 , 𝛽2 , … , 𝛽𝑝 ) : vector columna de coeficientes de regresión.
𝑇
𝑍 = (𝑧1 , 𝑧2 , … , 𝑧𝑝 ) : vector columna de las covariables. Las covariables (pueden ser tanto VAD como VAC)
se asocian a cada individuo y su valor define la característica de la persona y permiten distinguir a un
individuo del grupo base de otro que no pertenezca al mismo.
Se conoce la función de la tasa de riesgo base, la función de densidad base y la distribución a la que
pertenece la función de supervivencia base, pero desconocemos los coeficientes y los parámetros de la
distribución conocida, los cuales tenemos que estimar mediante un algún procedimiento visto en la unidad
de estimación paramétrica (preferentemente máxima verosimilitud).
𝒄∗𝒋
𝓛=∏
∑𝒊∈𝑹(𝒚𝒋 ) 𝒄𝒊
Cuando dos personas fallecen al mismo tiempo hay que considerar las dos posibilidades; es decir, que A
muera primero y B después o que B lo haga primero y A después. Es posible utilizar la aproximación por
Breslow, que propone tomar cada observación 𝑠𝑗 en forma separada, pero en el denominador usar el
mismo grupo de riesgo 𝑅(𝑦𝑗 ) para todas las 𝑠𝑗 .
𝒔𝒋
̂ 𝟎 (𝒕) = ∑
𝑯
∑𝒊∈𝑹(𝒚𝒋 ) 𝒄𝒊
𝒚𝒋 ≤ 𝒕
̂𝟎 (𝒕) = 𝒆−𝑯̂𝟎(𝒕)
𝑺
UNIDAD N° 14 – EXPOSICIÓN
𝒚𝒊 𝒛𝒊 𝒓𝒊 𝒔𝒊 𝒇𝒊 𝒕𝒊
𝐅𝐞𝐜𝐡𝐚 𝐩𝐫𝐨𝐠𝐫𝐚𝐦𝐚𝐝𝐚 𝐝𝐞 𝐞𝐠𝐫𝐞𝐬𝐨 = 𝐌𝐈𝐍(𝐅𝐞𝐜𝐡𝐚 𝐚𝐥𝐜𝐚𝐧𝐳𝐚 𝒙 + 𝟏 ; 𝐅𝐞𝐜𝐡𝐚 𝐝𝐞 𝐜𝐞𝐧𝐬𝐮𝐫𝐚 ; 𝐅𝐞𝐜𝐡𝐚 𝐟𝐢𝐧 𝐝𝐞𝐥 𝐞𝐬𝐭𝐮𝐝𝐢𝐨)
𝑥 + 𝑟𝑖 : edad a la que el individuo se lo comienza a observar dentro del intervalo de edad de interés.
𝒓𝒊 = 𝒚𝒊 − 𝒙
𝒔𝒊 = 𝒛𝒊 − 𝒙
Además, para cada individuo 𝑖 de la muestra que fallezca en el intervalo de estimación, se tendrá registro
de:
Exposiciones
Estimación 𝒒(𝒙; 𝟎; 𝟏)
Método exposición programada
𝒅
̂(𝒙; 𝟎; 𝟏) =
𝒒
∑𝒏𝒊=𝟏(𝒔𝒊 − 𝒓𝒊 )
𝒅
̂(𝒙; 𝟎; 𝟏) =
𝒒
∑𝒏−𝒅
𝒊=𝟏 (𝒔𝒊 − 𝒓𝒊 ) + ∑𝒅𝒊=𝟏(𝟏 − 𝒓𝒊 )
𝒅
̂=
𝝁
∑𝒏−𝒅
𝒊=𝟏 (𝒔𝒊 − 𝒓𝒊 ) + ∑𝒅𝒊=𝟏(𝒕𝒊 − 𝒓𝒊 )
̂(𝒙; 𝟎; 𝟏) = 𝟏 − 𝒆−𝝁̂
𝒒
UNIDAD N° 15 – INTERPOLACIÓN Y AJUSTAMIENTO
Método de Whittaker
𝒏 𝒏−𝒛
𝑣𝑥 : Valores ajustados.
𝑢𝑥 : Valores observados.
𝑥 𝑛
𝑤𝑥 : Ponderadores. El más común: ̅̅̅̅
𝑛
.
𝑥
Δ𝑧 : Diferencial de orden 𝑧.
−𝟏
𝑽 = [𝑾 + 𝒉 ⋅ (𝒌𝑻𝒛 𝒌𝒛 )] 𝑾𝑼 = 𝑪−𝟏 𝑾𝑼
𝑊: Matriz diagonal de dimensión 𝑛 × 𝑛, formado por los valores que toman los ponderadores.
𝑵 𝑵
𝒎𝒊𝒏 𝟐
𝑭 = ∑ 𝒘𝒙 ∙ (𝒖𝒙 − 𝒗𝒙 )𝟐 = ∑ 𝒘𝒙 ∙ (𝒖𝒙 − 𝒂 − 𝒃𝒙 − 𝒄𝒙𝟐 )
𝒂, 𝒃, 𝒄
𝒙=𝟏 𝒙=𝟏
𝑣𝑥 = 𝑎 + 𝑏𝑥 + 𝑐𝑥 2 . Quiere decir que se adopta en forma directa una curva de ajuste polinomial (para este
ejemplo, se está suponiendo que 𝑢𝑥 y 𝑣𝑥 están bien representadas mediante un polinomio cuadrático.
̂ = [𝑿𝑻 𝑾𝑿]−𝟏 𝑿𝑻 𝑾𝑼
𝜷
𝑎
𝛽̂ = [𝑏]: Vector de los coeficientes de 𝑣𝑥 a minimizar.
𝑐
1 𝑥1 𝑥1 2
1 𝑥2 𝑥2 2
𝑋 = 1 𝑥3 𝑥3 2 : Matriz de dimensión 𝑁 × 3.
⋮ ⋮ ⋮
[1 𝑥𝑁 𝑥𝑁 2 ]
Estadístico de prueba:
𝒏
(𝑶𝒙 − 𝑬𝒙 ⋅ 𝒒𝒙 )𝟐
∑ ~ 𝝌𝟐𝒏
𝑬𝒙 ⋅ 𝒒𝒙 ⋅ 𝒑𝒙
𝒙=𝟏
Se rechaza 𝐻0 si el valor empírico es mayor al valor proveniente de la tabla estadística con un nivel de
significación de 𝛼 y los grados de libertad correspondientes.
Test de los desvíos estándares individuales (Test a una cola (derecha))
Estadístico de prueba:
(𝐎𝐛𝐬𝐞𝐫𝐯𝐚𝐝𝐚𝐬 − 𝐄𝐬𝐩𝐞𝐫𝐚𝐝𝐚𝐬)𝟐
∑ ~ 𝝌𝟐𝒏−𝟏
𝐄𝐬𝐩𝐞𝐫𝐚𝐝𝐚𝐬
Se rechaza 𝐻0 si el valor empírico es mayor al valor proveniente de la tabla estadística con un nivel de
significación de 𝛼 y los grados de libertad correspondientes.
Aclaración: en muestras grandes, el número esperado por intervalo no debe ser menor a 5. En muestras
chicas, se trabajan con no más de 3 o 4 intervalos (se puede manipular la cantidad de intervalos).
𝐻0 : El número de desvíos absolutos excediendo 2⁄3 sigue una distribución binomial con 𝑛 =
Cantidad de edades y 𝑝 = 0,5.
Estadístico de prueba:
𝟐
𝐂𝐚𝐧𝐭𝐢𝐝𝐚𝐝 𝐝𝐞 𝐝𝐞𝐬𝐯í𝐨𝐬 𝐞𝐬𝐭𝐚𝐧𝐝𝐚𝐫𝐢𝐳𝐚𝐝𝐨𝐬 𝐚𝐛𝐬𝐨𝐥𝐮𝐭𝐨𝐬 > ~ 𝐁𝐢𝐧𝐨𝐦𝐢𝐚𝐥(𝒏 = 𝒏 ; 𝒑 = 𝟎, 𝟓)
𝟑
Se rechaza 𝐻0 si el valor empírico es mayor al valor proveniente de la tabla estadística con un nivel de
significación de 𝛼.
Test de desvíos acumulados (Test a 2 colas si se utiliza la aproximación normal)
Estadístico de prueba:
|∑(𝑶𝒙 − 𝑬𝒙 ⋅ 𝒒𝒙 )|
𝒙=𝟏
Se rechaza 𝐻0 si:
𝒏 𝒏
|∑(𝑶𝒙 − 𝑬𝒙 ⋅ 𝒒𝒙 )| > 𝟐 ⋅ √∑ 𝑬𝒙 ⋅ 𝒒𝒙 ⋅ 𝒑𝒙
𝒙=𝟏 𝒙=𝟏
Estadístico de prueba:
Estadístico de prueba:
𝑔 𝑛 − 1 𝑛2 + 1
( 1 )( )
𝑃(𝑋 ≤ 𝑔) = ∑ 𝑡 − 𝑛1 + 𝑛 𝑡 ~ Hipergeométrica
𝑡=1 ( 1 𝑛 2)
1
𝐻0 : La cantidad de cambios de signos de las desviaciones estandarizadas sigue una distribución binomial
con 𝑛 = 𝑛 − 1 y 𝑝 = 0,5
Estadístico de prueba: