Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Esta ley, a la que nadie puede evadir, fue descubierta en 1825 por el matemtico holands Benjamn Gompertz (1779-1865). No importa quienes seamos ni cul es nuestro estado socio econmico y social. Aproximadamente cada 8 aos, nuestra probabilidad de morir se duplica. Para detallar la expresin matemtica de la ley y corroborarla con los datos experimentales, dividir este ensayo en 2 partes: 1. Datos estadsticos experimentales 2. La ley de Gompertz
Figura 2E-4
En base a estos 2 datos, x y lx, construiremos 4 indicadores de importancia para las compaas de seguros, obras sociales e instituciones financieras.
Probabilidad de vida px
Cul es la probabilidad px de que una mujer de x = 40 aos est viva a la edad de x = 60 aos? A la edad de 40 hay 97564 mujeres de las 100000 iniciales. A la edad de 60 hay 91109 vivas. Por lo tanto,
px =
Probabilidad de muerte qx
Cul es la probabilidad qx de que una mujer de 40 est muerta a la edad de 60? El nmero de casos favorables es la cantidad de muertes entre 40 aos y 60 aos.
qx =
Naturalmente:
px + qx = 1
La grfica de qx en funcin de lx, para Varones, se muestra en la figura 2E-5. Se observa que la probabilidad de muerte sigue un crecimiento de tipo exponencial.
En la tabla que se obtiene de la seguridad social, se encuentra una columna llamada dx, la cual contiene las diferencias entre un ao y el anterior.
d x = lx lx +1
Estas diferencias podran generarse con el SPSS con: Transform > Create Time Series > Differences of orden 1.
Funciones biomtricas
Son los siguientes 2 indicadores: Esperanza de vida Duracin de Vida Mediana, DVM
Esperanza de vida Ex
Indica, en promedio, cuanto espera vivir una persona de determinada edad. Se calcula como el cociente entre el nmero Tx de personas-aos vividos desde la edad x hasta que todos los miembros del grupo han muerto, dividido por el nmero de personas lx vivas a la edad x.
E ( x) =
donde:
Tx lx
Tx = Lx Lx = lx +1 + 0.5d x
Lx es el nmero total de personas-aos que vive el grupo desde la edad x a la edad x+1. Este valor es la suma de 2 partes: las personas que viven un ao completo desde el ao x, es decir lx+1 y la mitad de los que mueren entre x y x+1. Este ltimo trmino asume que la distribucin de las muertes es uniforme a lo largo del ao y por lo tanto este grupo vive en promedio 0.5 aos.
1 1 Tx = lx + lx +1 + lx + 2 + ... l x + n 2 2
Estos valores se encuentran en la variable Ex, tanto para varones como para mujeres. As para un varn de 30 aos es de 46.89 aos, lo cual indica que en promedio vivir hasta los 30+46.89 = 76.89 aos. En los medios se suele publicar la esperanza de vida para el ao 0, es decir al nacer, las cuales son, segn estos datos: 75.10 aos para los varones y 80.21 aos para las mujeres. Si se desearan calcular estos valores con el SPSS, se puede utilizar el procedimiento Data > Aggregate y utilizar la funcin suma. Previamente se deber prepar una variable por la cual agregar, que tenga un nivel comn para los casos que deben sumarse (desde la edad x hasta el final.
Nota
mx =
dx Lx
Observando la expresin de mx y la de qx, se desprende que este indicador es siempre algo mayor que la probabilidad de muerte, qx.
2 La ley de Gompertz
Esta funcin genera una de las tantas funciones sigmoidales. Otras sigmoidales utilizadas en otros contextos son: arctan, arcth, funcin logstica, CDF de la distribucin normal o de PDFs en forma de campana (ver captulo 3), funciones como
x
1 + x2
, etc.
y = f ( x) = aebe
cx
Esta es la ley de Gompertz con una exponencial dentro de otra exponencial, lo cual refleja un comportamiento super exponencial. Cuando los parmetros se ajustan a la serie de datos, con e = base de los logaritmos neperianos, resultan b y c negativos, lo cual genera una sigmoide creciente.
4
Jorge Carlos Carr
Modelado de la mortalidad
l = l ( x) = ag c
Cuando los parmetros (incluida la base g), se ajustan a la serie de datos, g resulta menor a 1 y la sigmoide es decreciente. En este formato, los 3 parmetros; a, g y c se determinan en el proceso de ajuste a los datos.
Tomamos logaritmos de la funcin para 3 casos arbitrarios de la base de datos, distanciados un valor t:
Se definen las diferencias de orden 1 como la resta del valor que est abajo en la columna, menos el que est arriba.
log lx +t = ct log lx
De donde se despeja c. De las ecuaciones del paso 2 se despeja g y de cualquiera de las expresiones del paso 1, hallamos a. Experiencias indican que el ajuste de la ley de Gompertz a los datos es importante para edades mayores a los 25 aos, luego de los riesgos de la mortalidad infantil. Para ajustar nuestra base de datos a las 3 constantes de la ley, consideramos los valores de varones correspondientes a l30, l60 y l90 (es decir t = 30), de los cuales resulta la tabla de la figura 2E-5.
x l log 30 97079 4.987125 -0.05757 60 85026 4.929552 -0.67575 90 17939 4.253798
Figura 2E-5
l = l ( x) = ag c = 98285*0.9989491.0856
x
Se genera esta funcin en el SPSS. La grfica de la figura 2E-6, muestra la funcin de Gompertz en funcin de la edad x.
Figura 2E-5
Se aprecia que las grficas reales siguen marcadamente a las simuladas con la funcin de Gompertz. Si se crea un grfico de dispersin entre la variable lx real y la simulada, se obtendr el diagrama de la figura 2E-6, observando nuevamente una marcada correlacin.
Figura 2E-6
Probabilidad de morir
Hemos visto que la probabilidad de muerte qx, se calcula realizando las diferencias entre los valores de lx y lx+1 y dividindo por lx. Pasando al caso contnuo esto equivale a obtener: (cambiando el signo para obtener las diferencias en el orden (inicial final)).
qx =
Realizando las operaciones, el lector podr obtener:
l' l
qx =
siendo k = ln g * ln c = 8.63541E 05 .
l' = kc x l
q x = 0.8.635 E 05*1.0856 x
En la figura 2E-7 se muestra la grfica de la probabilidad de muerte qx en funcin de la edad x, dada por la ley de Gompertz, anteriormente obtenida.
2E-7
Como se observa la ley de Gompertz para la probabilidad de morir en el ao siguiente, tiene ahora la forma de una exponencial creciente. Una conocida propiedad de las exponenciales es que convierten una sucesin aritmtica en la variable independiente en una sucesin geomtrica en la variable dependiente. Para las exponenciales crecientes suele ser de inters cada cuanto de la variable independiente se duplica la variable dependiente, valor llamado tiempo t2de duplicacin 2 . El tiempo de duplicacin se obtiene fcilmente de:
qx = kc x1 2qx = kc x2
Dividiendo miembro a miembro:
Para las exponenciales decrecientes se define en forma anloga el tiempo de vida t1/2 como el tiempo para el cual el valor de la variable dependiente se divide por 2.
2 = c x1
y finalmente:
x =
ln 2 ln 2 = 8.4 ln c ln1.0856
Es decir que aproximadamente cada 8 aos, la probabilidad de muerte se duplica. Si usted es varn y tiene 40 aos, obtiene de la tabla de mortalidad una probabilidad de morir en el prximo ao de 0.0023 (aproximadamente 1 en 400). Dentro de aproximadamente 8 aos, su probabilidad de morir en el ao siguiente ser de aproximadamente 1 en 200 y as sucesivamente. Cuando llegue a los 80 aos, la probabilidad de morir a los 81 aos ser de 1 en 15 y 8 aos despus ser de 1 en 7. La probabilidad de morir crece exponencialmente y la supervivencia decrece super exponencialmente.
l = l ( x) = ag c = 7042*0.9950431.078953
x
qx =
Donde:
l' = kc x l
k = ln g * ln c = 000377623 .
Por lo tanto:
q x = 0.000377623*1.078953x
La grfica es la que se muestra en la figura 2E-11.
x =
ln 2 ln 2 = 9.12 ln c ln1.078953
Es decir que, para esta poca y pas, aproximadamente cada 9 aos, la probabilidad de muerte se duplicaba.
10