Mémoire Mortalité Prospective Laurent GUERIN

PROMOTION: 2005/26
Mmoire dactuariat prsent devant

le Jury du C E A
pour l'obtention du
Diplme dActuaire du CENTRE DETUDES

ACTUARIELLES
Par Mr. Laurent GUERIN
Sur le sujet :
Construction de tables de mortalit fminines par gnration

partir dune approche par grandes causes mdicales de dcs modlisations Lee-Carter
Devant un jury compos de :
Liste du jury :
Directeur du mmoire :
Thomas BEHAR
Vincent DAMAS
Arnaud COHEN
Grard CROSET
Jean-Pierre DIAZ
Brigitte DUBUS
Paul ESMEIN
Michel FROMENTEAU
Benot HUGONIN
Christophe IZART
Pierre PETAUTON
Florence PICARD
Christian Yann ROBERT
Laurence BEAUVOIS
Invit :
Vincent DEFAUX
-2-
RESUME : Construction de tables de mortalit fminines par gnration

partir dune approche par grandes causes mdicales de dcs modlisations Lee-Carter.
Mots cls : Tables prospectives, causes de dcs, esprance de vie, rentes viagres.
Dans le cadre des rgimes proposant des garanties sous forme de rentes viagres, lassureur
sengage trs long terme puisquil garantit le versement dun revenu priodique jusquau
dcs des bnficiaires du contrat. Il est aussi bien confront au risque de longvit des
rentiers quaux alas financiers.
Projeter l'
volution de la mortalit est donc un exercice indispensable mais difficile. Sur le
dernier sicle, lesprance de vie la naissance des femmes en France a connu une croissance
quasi-linaire pour atteindre 83,8 ans en 20051. Sur le constat que cette croissance sest
considrablement ralentie sur les 20 dernires annes, deux modlisations Lee-Carter standard
et logistique ont t testes pour construire des tables prospectives fminines partir dune
approche par grandes causes de dcs. Les mthodes de projection de la composante
temporelle ont t davantage approfondies par rapport aux applications classiques dans ce
domaine, pour prendre en compte des volutions plus complexes lies une analyse par
causes et ainsi limiter la part de subjectivit. Les tables de mortalit fminines
gnrationnelles construites au terme de lanalyse donnent, pour un calcul en 2008, des
niveaux de rentes viagres plus proches de ceux obtenus avec les anciennes tables officielles
franaises TPG 1993 que ceux obtenus avec les nouvelles tables TGF 2005. Les capitaux
constitutifs des rentes issus de cette analyse sont nettement plus bas que ceux calculs avec
les tables de rfrence nationales lhorizon 2050, traduisant un ralentissement attendu dans
la progression de lesprance de vie des femmes.
Dans une tude par grandes causes, lanalyse est plus complexe mettre en uvre et les biais
se cumulent avec le nombre de catgories retenues. Les rsultats sont destins modliser la
survie de lensemble de la population fminine franaise. Pour une population de rentiers, ils
sont sous-estims en raison essentiellement de lantislection (la rente attire les individus qui
pensent vivre le plus longtemps) et de lala moral (le dveloppement des retraites aurait
effectivement contribu lallongement de lesprance de vie)2. Une segmentation
multicritres des populations de rentiers semble indispensable en raison dun phnomne
pervers observ dans tout rgime de rentes : la sur-reprsentation des "mauvais risques"
conduit les assureurs rviser leurs tarifs la hausse, ce qui carte davantage les meilleurs
risques, augmente leffet dantislection et rduit dautant la taille des marchs. Une solution
alternative serait de rendre lachat de la rente obligatoire, ce que font finalement les rgimes
de retraite obligatoires. La prise en compte de coefficients multiplicateurs ou de dcalages
appliquer aux tables de mortalit prospectives en fonction de la catgorie socioprofessionnelle
et/ou de la zone gographique sont dautres voies de recherche approfondir en la matire.
F. PRIOUX [2006] - Lvolution dmographique rcente en France - Population - INED.

A. MASSON [2004] - Pourquoi la rente viagre et la vente en viager sont-elles si peu diffuses ? Risques
n59.
-3-
ABSTRACT : Construction of female projected life tables from most

common cause of death approach Lee-Carter modelisations.
Keywords : Projected life tables, cause of death, life expectancy, life annuities.
In life annuities pensions, insurers commit to an extremely long-term because they guarantee
the payment of a regular income until death of the contract holders. The insurer has to manage
annuitant longevity risk as well as financial risks.
Projection of mortality evolution is difficult but necessary work. In the last century, female
life expectancy since birth in France has essentially been linear and reached 83.8 years in
2005. On the presumption that this trend has slowed down considerably in the last 20 years, 2
Lee-Carter models have been tested to build female projected life tables from the most
common causes of death approach. By taking into consideration more complex evolutions in
cause of death analysis, this study produces a more detailed trend projection and limits
subjectivity. Female life tables built at the end of this paper lead life annuities more similar to
the old official French life tables TPG 1993 than the new French life tables TGF 2005 in 2008
calculus. Life annuities terms in this analysis express a slow downward trend in female life
expectancy.
In a study by most common causes of death, analysis is difficult and errors tend to increase
with the number of cause classes. The results of the study will be a model of the whole French
female population. For stock-holder population, they are underestimated due to adverse
selection (settlement attracts a person who is thought to live longer) and moral risk (pensions
expansion will effectively contribute to lengthening of life expectancy). A multi-criterion
segmentation of stock-holder populations seems necessary due to a perverted phenomenon
which is observed in all stock-holder systems: over-representation of bad risks lead insurers to
increase prices. Increased prices result in keeping away further good risks, increases adverse
selection effect, and a reduced market size. One alternative solution would be to return to
obligatory annuities approval which is currently done by the obligatory stock-holder system.
Another solution could be to take into account multiplicator coefficients or lags and apply
them to projected life tables according to professional class and/or geographical areas.
-4-
REMERCIEMENTS
Je tiens tout dabord remercier F. PLANCHET, actuaire au sein du cabinet WINTER &
Associs et professeur lISFA, pour son expertise et ses conseils. Par la mise disposition
de certains de ses travaux ainsi que la communication de multiples rfrences
bibliographiques en matire de mortalit prospective, il a grandement contribu la
ralisation de ce mmoire.
Je remercie particulirement mes suprieurs hirarchiques directs au sein dAGRICA : L.
BEAUVOIS actuaire et directeur dlgu Actif / Passif et V. DEFAUX responsable du
dpartement Statistiques et Actuariat pour leur soutien, leur relecture attentive ainsi que leurs
conseils.
Merci aussi M. FAVRE du cabinet WINTER & Associs pour sa relecture.
Merci SAS France pour la mise disposition dune version de SAS v.9 domicile ainsi que
pour les conseils apports par ses formateurs.
Enfin, mes dernires penses vont mes proches pour leur soutien et leur patience durant
toutes les tapes de la ralisation de ce mmoire.
-5-
SOMMAIRE
Rsum / Abstract_______________________________________________ 3
Remerciements __________________________________________________ 5
CONTEXTE DE LETUDE _______________________________________ 8
1. Une approche par grandes causes mdicales de dcs _______________________ 8
2. La mthode retenue et les solutions alternatives____________________________ 8
INTRODUCTION ______________________________________________ 11
Chapitre 1 : Analyse des donnes INSERM_________________________ 12
1. Prsentation des donnes de ltude____________________________________ 12
2. Etat de la mortalit fminine franaise en 2004___________________________ 14
3. Evolution de la mortalit sur la priode 1979-2004________________________ 16
Chapitre 2 : Mthodes de construction des tables prospectives _________ 18
1. Prsentation des modles ____________________________________________ 18

1.1. Hypothses de dpart _______________________________________ 18
1.2. Le modle Lee-Carter standard________________________________ 19
1.3. Le modle Lee-Carter logistique_______________________________ 20
2. Dcomposition par tapes____________________________________________ 20
2.1. Estimation des paramtres ___________________________________ 20
2.2. Extrapolation de la composante temporelle ______________________ 23
2.2.1. Modles de rgression _______________________________ 23
2.2.2. Processus ARIMA___________________________________ 24
2.2.3. Choix du modle de prvision long terme _______________ 28
3. Fermeture des tables ________________________________________________ 28
3.1. Fermeture pour le modle Lee-Carter standard ____________________29
3.2. Fermeture pour le modle Lee-Carter logistique ___________________30
4. Limites des mthodes Lee-Carter ______________________________________ 30
Chapitre 3 : Modlisation Lee-Carter des taux bruts de dcs par grandes

causes______________________________________________ 31
1. Mise en oeuvre de la mthode Lee-Carter _______________________________ 31

1.1. Particularits dune analyse par grandes causes mdicales de dcs ___ 31
1.2. Etape 1 : Calcul des xt _____________________________________ 33
1.3. Etape 2 : Calcul des ln xt , des ln
q xt
1 q xt
et des x ______________ 34
1.4. Etape 3 : Calcul des x et des kt ______________________________ 36

1.4.1. Reprsentation des x _______________________________ 36
1.4.2. Reprsentation des kt ________________________________ 38
1.5. Etape 4 : Second ajustement des kt sur les dcs rels ______________ 40
2. Extrapolation de la composante temporelle ______________________________ 43
2.1. Modlisation par grande cause mdicale de dcs__________________ 43
2.2. Modlisation globale sans rfrence la causalit des dcs__________ 65
-6-
Chapitre 4 : Fermeture et prsentation des tables de mortalit prospectives

fminines ___________________________________________ 68
1. Redploiement des taux de mortalit par ge et fermeture des tables__________ 68
1.1. Calcul des taux de mortalit issus de la modlisation Lee-Carter______ 68
1.2. Transformation en taux de dcs annuels pour tout ge x____________ 68
1.3. Comparaison de la modlisation sans rfrence la causalit des dcs
avec le cumul des modlisations par cause ______________________ 70
1.4. Analyse des taux de dcs obtenus avec les 2 modlisations par cause__ 73
1.5. Fermeture des tables ________________________________________ 75
1.5.1. Modle Lee-Carter standard ___________________________ 75
1.5.2. Modle Lee-Carter logistique __________________________ 76
2. Qualit de lajustement et statistiques du Khi-Deux________________________ 76
3. Prsentation des tables prospectives de gnration femme construites partir des
statistiques par grandes causes mdicales de dcs_________________________ 78
3.1. Nombre de survivants Lx par gnration ________________________ 79
3.2. Taux bruts de dcs par gnration _____________________________ 81
3.3. Ecarts de Lx entre tables de mortalit ___________________________ 82
Chapitre 5 : Tables de mortalit prospectives et rentes viagres________ 85
1. Rentes viagres ____________________________________________________ 85

1.1. Thorie___________________________________________________ 85
1.1.1. La rente viagre immdiate____________________________ 85
1.1.2. La rente viagre diffre______________________________ 85
1.2. Application aux tables de mortalit prospectives __________________ 86
2. Esprance de vie ___________________________________________________ 87
2.1. Thorie___________________________________________________ 87
2.2. Application aux tables de mortalit prospectives __________________ 88
SYNTHESE DES RESULTATS__________________________________ 90

1.1. Des tendances multiples qui convergent vers une dcroissance non linaire
et ralentie de la mortalit fminine______________________________ 90
1.2. Deux visions de la mortalit future des femmes coexistent : dcroissance
linaire ou freine ___________________________________________ 91
1.3. Des tables de mortalit prospectives satisfaisantes mais avec des nombres
de survivants Lx nettement en retrait aux ges levs de ceux affichs par
les nouvelles tables officielles fminines _________________________ 91
1.4. En matire de rente viagres et desprance de vie, les rsultats de
lapproche par causes sont proches de ceux obtenus en 2008 avec les TPG
1993, mais sen loignent la baisse lhorizon 2050_______________ 92
1.5. Lanalyse par grandes causes de dcs est plus complexe mettre en
uvre et plus difficile modliser______________________________ 92
CONCLUSION________________________________________________ 93
BIBLIOGRAPHIE _____________________________________________ 95
ANNEXES ____________________________________________________ 97
Annexe 1. Principales causes de dcs et codification internationale ____________ 97
Annexe 2. Taux bruts de dcs selon les principales causes mdicales___________ 99
Annexe 3. Programme SAS IML dapproximation de la matrice Z . t k ______ 104
Annexe 4. Tables de gnration Femme - TGF v.1 - Modle Lee-Carter standard_ 105
Annexe 5. Tables de gnration Femme - TGF v.2 - Modle Lee-Carter logistique_112
-7-
CONTEXTE DE LETUDE
En prambule, cette partie a pour objectif de prciser au lecteur les motivations et enjeux de
ltude ainsi que les mthodes retenues. Lintrt dune analyse par causes de dcs pour la
construction de tables de mortalit prospectives est prcis dans une premire section. Les
calculs par grande cause de dcs sont raliss sur la base de modles dterministes de type
Lee-Carter. Dautres mthodes alternatives pour modliser la dure de vie future des femmes
sont envisageables, comme en atteste les nombreux travaux en matire de mortalit
prospective sur les deux dernires dcennies. Elles feront lobjet dune seconde section.
1) Une approche par grandes causes mdicales de dcs

Cette tude a pour but de construire des tables de mortalit prospectives partir de 17 grandes
causes mdicales de dcs pour le sexe fminin et selon un modle causes de sorties
multiples. Il sagit dune dmarche originale qui doit permettre a priori damliorer la
prcision des projections de taux de mortalit sur le long terme. Les diffrentes causes sont
codes et catgorises selon la Classification Internationale des Maladies (CIM 10). La
rpartition des dcs est base sur la "cause initiale du dcs" dfinie par lOMS3. Cette
hypothse de base est fondamentale car elle implique que la classification par causes est
mdicale et non pas statistique. On notera quune slection des causes principales par
lintermdiaire dune analyse multivarie est applicable ce niveau (non ralise). Par
ailleurs, lhypothse simplificatrice de classification des dcs selon leur cause initiale
implique quil y ait indpendance entre les causes. Ce postulat va nous permettre de comparer
les projections cumules de taux de mortalit issus de lanalyse par causes avec celles
provenant de lapproche globale sans rfrence la causalit des dcs4. Lintrt dune
approche par causes est galement de redonner de lhtrognit5 lanalyse.
2) La mthode retenue et les solutions alternatives

Les tables prospectives permettent de tenir compte des volutions futures de la mortalit. Le
modle de Lee-Carter [1992-2000], retenu dans cette tude, sest impos comme un modle
de rfrence de lactuariat moderne. Les tendances passes y sont ajustes via une
dcomposition du logarithme du taux instantan de mortalit en deux parties, lune propre
lge et lautre tendancielle qui fait lobjet de projections sur le long terme.
La mthode Lee-Carter a fait lobjet dextensions comme le modle Log-Poisson, propos par
Brouhns et al. [2002]. Il sagit dune adaptation pour lever lhypothse dhomoscdasticit
des taux de mortalit quelque soit lge et estimer les paramtres selon les critres du
maximum de vraisemblance.
cf. chapitre 1 - section 1.

cf. chapitre 4 - section 1.3.
5
cf. page 93.
4
-8-
Dautres solutions sont envisageables pour construire des tables de mortalit prospectives. On
pourra citer en particulier :
1) Le modle de Gompertz-Makeham [1860] est historiquement un des modles de
rfrence pour lajustement des taux instantan de mortalit et la dtermination des Lx.
Il part de lhypothse, pour certains ges, dun taux instantan de mortalit qui
sexprime par :
x = A + B.Cx avec A>0, B>0 et C>1.
Avec A qui traduit les dcs accidentels et B.Cx le processus de vieillissement.
Ce modle est encore couramment utilis pour la construction de table de mortalit
dexprience. Par ailleurs, certaines tudes rcentes prsentent des formulations
proches inspire du modle de Makeham, comme celui de Menthonnex & Vanner
[1998].
2) Les modles Log-linaires6, exprims par exemple via lintroduction du "logit" sur les
taux de mortalit, sont des modles alternatifs avec moins de paramtres. Nous
prsenterons dans cette tude une modlisation Lee-Carter logistique qui en est
directement inspire.
3) Les modles rfrence externe permettent de positionner la mortalit dun groupe de
taille rduite par rapport une table de rfrence, par exemple une table du moment
INSEE. Lapproche la plus courante consiste appliquer un taux de majoration (ou
dabattement) aux taux de la table de rfrence.
4) Les modles risque proportionnel7, introduit par Cox [1972], suppose que la fonction
de risque conditionne par les variables exognes se ramne au risque lui-mme qui
est "modul" en fonction des exognes.
Le modle de Cox prend la forme suivante :
h(t | x) = h0(t) . e
.x
Avec h(t | x) la fonction de risque, h0(t) une fonction positive commune toutes les
units et ne dpendant que du temps et un vecteur de coefficients.
On peut le considrer de diffrentes manires selon que la fonction de risque est
suppose connue ou inconnue. Sa simplicit et la facilit avec laquelle il peut tre
tendu pour tenir compte de phnomnes complexes pour modliser la dure de vie
humaine comme lhtrognit non observe sont lorigine de son engouement.
5) Le modle causes de sorties multiples8 est une gnralisation du modle de
Makeham qui comporte 2 composantes : dcs accidentels et dcs lis au
vieillissement. Sous lhypothse dindpendance des diffrentes composantes, le
modle est simple et le taux instantan de mortalit global est la somme des taux
instantans de mortalit par cause : cest ce modle qui a t retenue dans cette tude.
6
cf. PLANCHET et THEROND [2006] - p. 168.

cf . HORNY G. [2006] - p.34.
8
7
-9-
Lhypothse dindpendance des causes peut galement tre leve via les modles de
fragilit (voir infra.) et lintroduction de martingales conditionnelles (Oakes [1989]).
6) Les modles risques concurrents ont une approche similaire celle de ltude de la
mortalit par causes. On estime un modle diffrent pour chaque changement dtat en
retirant lindividu de tous les groupes risque au moment o il change dtat.
Lapproche peut tre simple, laide de plusieurs quations estimes au moyen du
modle de Cox, du modle exponentiel, etc., ou en tenant compte de la corrlation
dans les processus de changement dtat via le modle probit par exemple o la loi
normale est utilise comme fonction de liaison.
7) Les modles de fragilit simple ou combine9 partent de la formulation dun modle
risque proportionnel. On fait lhypothse que les individus atteignant un ge lev ont
bnfici dune force de mortalit plus favorable durant leur vie. Ces modles
prennent en compte lhtrognit de la fragilit individuelle (J. Vaupel et al. [1979])
ainsi que les diffrences individuelles dans la vitesse de croissance de la mortalit
avec lge (Barbi [1999]). Ces modles permettent destimer lesprance de vie
maximale des gnrations considres.
8) Les modles stochastiques de mortalit10 permettent de rendre compte des variations
erratiques, aux diffrents ges, des taux instantans de mortalit autour de leurs
valeurs tendancielles. Le taux de mortalit futur devient un processus stochastique.
Les approches stochastiques de la mortalit sont nombreuses comme les lissages
baysiens ou le modle de Kimeldorf et Jones [1967]. Lutilisation dun modle
stochastique a pour intrt de quantifier le risque systmatique non mutualisable en
intgrant lincertitude sur les taux de mortalit futurs et la perspective de valorisation
en "juste valeur" dengagements de retraite comportant la fois un risque financier et
un risque dmographique. Enfin, on prcisera que lensemble des modles
dterministes prsents infra (modle de Lee-Carter, modles poissoniens, ) peuvent
tre tudis dans le cadre dune approche stochastique.
__________________________
Au terme de cette prsentation, on retiendra que les travaux suivants visent construire des
tables de mortalit prospectives fminines sur la base dun modle causes de sorties
multiples dont chacun fait lobjet dun ajustement via un modle de type Lee-Carter.
Lhypothse dindpendance des causes est rendue possible via la notion de "cause initiale du
dcs".
cf. BARBI E., CASELLI E., VALLIN J. [2003] - p. 49.

10
- 10 -
INTRODUCTION
La question de l'
valuation de la mortalit future dans la tarification des rentes viagres a
longtemps t relgue au second plan en raison de taux de rendement financiers levs.
Aujourd'
hui, de nombreux acteurs du monde de l'
assurance ont pris conscience de
l'
importance du risque de longvit. En commercialisant des rentes viagres, ils prennent des
engagements trs long terme puisqu'
ils garantissent, vie, le versement d'
un revenu au
dtenteur du contrat.
Projeter l'
volution de la mortalit est donc un exercice indispensable. Il est cependant loin
d'
tre ais. Pour s'
en convaincre, il suffit d'
analyser les carts observs, par le pass, entre les
projections et la ralit. Le plus souvent les projections ont sous-estim les gains de longvit.
Lide de raliser des prvisions long terme sur les 17 grandes causes de mortalit11 de la
codification internationale, est un axe danalyse qui semble naturel pour la construction de
tables prospectives. Chacun des groupes issus de cette segmentation a son volution propre.
En agrgeant les projections ralises au niveau de chaque catgorie, on peut faire lhypothse
que les rsultats seront plus prcis par rapport une analyse classique, toutes causes de dcs
confondus. Cette question est la base de ce sujet dtude.
Ce mmoire a pour objet de construire des tables de mortalit prospectives partir des
grandes causes mdicales de dcs. Il se limite lanalyse de la mortalit fminine au niveau
national, sans chercher corriger lantislection inhrente un rgime de rentes viagres.
Cette modlisation causes de sorties multiples implique des calculs sur une grande quantit
dinformation. Cela a rendu indispensable une grande rigueur dans lapplication de la
mthodologie et explique galement la limitation au seul sexe fminin. Les mthodes de
construction de tables de mortalit prospectives sont nombreuses et les travaux rcents au
niveau international en la matire attestent de lintrt du sujet. Le choix sest port sur des
mthodologies rcentes : Lee-Carter standard et Lee-Carter logistique (variante). Lide de
passer par une dcomposition en valeurs singulires de la matrice des taux de mortalit
(doublement indexe par lge et par le temps calendaire) est en effet adapte la structure
des donnes disponibles : taux de mortalit bruts INSERM sur 26 annes par classes dges et
pour 17 grandes causes de dcs.
Ainsi, aprs une analyse des statistiques de mortalit franaises par grandes causes mdicales,
nous prsenterons les principes des modlisations Lee-Carter mises en uvre pour aboutir la
ralisation de deux nouvelles tables de mortalit gnrationnelles fminines12. Ces rsultats
nous permettrons de raliser des tudes comparatives en Assurance Vie sur les rentes viagres
et lesprance de vie rsiduelle.
11
12
cf. le tableau des grandes causes de dcs en annexe 1.

Selon la modlisation Lee-Carter standard ou logistique.
- 11 -
CHAPITRE I :
ANALYSE DES
DONNEES INSERM
1) Prsentation des donnes de ltude
Ce chapitre a pour objectif de prsenter les caractristiques des principales causes des dcs
de la population fminine en France mtropolitaine, observe sur la priode 1979-2004. On
analysera plus particulirement les dcs survenus au cours de lanne 2004 (dernier exercice
de lhistorique) ainsi que leur volution rcente (2000-2004).
Les donnes sont issues de la base nationale des causes mdicales de dcs, labore
annuellement par le Centre dpidmiologie sur les causes mdicales de dcs de lInserm
(CpiDc). Les diffrentes causes sont codes et catgorises selon la Classification
Internationale des Maladies. La codification actuelle est la CIM 10 depuis lanne 2000.
Ltude est mene sur la cause initiale13 de dcs. Ces informations sont tablies partir des
donnes recueillies sur les certificats mdicaux remplis par le mdecin ayant constat le
dcs.
La codification des principales causes de dcs est prsente de faon synthtique
dans le tableau 1 de la page 11.
Dans cette tude, seules les 17 plus grandes causes de dcs de la codification internationale
ont t retenues pour la priode dobservation 1979-2004.
Lindicateur slectionn dans les donnes INSERM est le taux de dcs brut qxt avec x =
lge ou la classe dge et t = lanne dobservation.
Chaque taux brut de dcs se calcule de la faon suivante :
Taux brut
pour une cause
=
pour 100 000
habitants
Nombre de dcs dus cette cause

pour une mme priode donne
Effectif de la population pendant
la mme priode
x 100 000
Le dnominateur (effectif de la population) est un effectif moyen se dfinissant comme

l'
effectif au milieu de l'
anne ou comme la moyenne des effectifs en dbut et fin d'
anne.
Les taux bruts de mortalit sont traduits en pourcentages pour les besoins de lanalyse.
13
La cause initiale de dcs est dfinie par lOMS comme la maladie ou le traumatisme qui a dclench
lvolution morbide conduisant directement au dcs, ou les circonstances de laccident ou de la violence qui ont
entran le traumatisme mortel.
- 12 -
Les classes dge retenues sont celles prises en compte par lINSERM14. Elles sont dans cette
tude au nombre de 10 et de longueur variable :
[0 1 an[
[45-54 ans]
[1-4 ans]
[55-64 ans]
[5-14 ans]
[65-74 ans]
[15-24 ans]
[75-84 ans]
[25-34 ans]
[85-94 ans]
[35-44 ans]
[95 ans et +[
LINSERM justifie le regroupement par classes par le fait que lorsque le taux est calcul sur
une population d'
effectif faible, il peut tre affect par d'
importantes variations alatoires
d'
une anne l'
autre. Dans ce cas, il est recommand de travailler sur des regroupements
d'
annes.
On dispose ainsi dun taux brut moyen annuel de mortalit pour chaque classe dge.
On notera galement que depuis 1998, l'
INSEE et l'
INSERM ont recours un classement
gnral par groupes d'
ges rvolus (carrs et rectangles du diagramme de Lexis15).
Tableau 1 : Liste des causes de dcs retenues dans cette tude.

GRANDES CAUSES MDICALES DE DCS
I. Maladies infectieuses et parasitaires
II. Tumeurs
III. Maladies du sang et des organes hmatopotiques
IV. Maladies endocriniennes, nutritionelles et mtab.
V. Troubles mentaux et du comportement
VI. Maladies du syst. nerveux et des org. des sens
VII. Maladie de lappareil circulatoire
VIII. Maladies de lappareil respiratoire
IX. Maladies de lappareil digestif
X. Infections de la peau et du tissu cellulaire sous-cutan
XI. Maladies syst. osto-art., muscles et tissu conj.
XII. Maladies de l'appareil gnito-urinaire
XIII. Complic. de grossesse, accouch. et puerpralit
XIV. Certaines infections de la priode prinatale
XV. Malformations congn. et anom. chromosomiques
XVI. Symptmes et tats morbides mal dfinis
XVII. Causes externes de blessure et dempoisonnement
XVII. Dcs toutes causes confondues
La liste dtaille des principales causes mdicales de dcs issues de la codification

internationale est prsente en annexe 1.
On remarquera que cette segmentation est avant tout mdicale. Cest sur cette base que
ltude a t ralise.
14
15
MICHEL E., JOUGLA E., HATTON F., CHRI-CHALLINE L. Principaux indicateurs SC8 - INSERM.
Pour plus dinformations sur le diagramme de Lexis, voir la section 1 du chapitre 2.
- 13 -
2) Etat de la mortalit fminine franaise en 2004

En 2004, 509.408 dcs toutes causes sont survenus en France mtropolitaine. Le taux
standardis de mortalit16 correspondant est de 750,1 pour 100.000 habitants. Chez les
hommes, le taux de dcs atteint 1.012,9. Il est nettement infrieur chez les femmes : 565,6
(ce qui correspond une surmortalit masculine de 1,8). Le cancer est, pour la premire fois,
la cause de dcs la plus frquente devant les maladies cardiovasculaires et les accidents.
Cette hirarchie des causes varie selon le sexe et lge.
Pour les femmes, les maladies cardiovasculaires arrivent en tte devant les tumeurs. Pour les
15-24 ans, les morts violentes (accidents de transport et suicides) sont les causes de dcs les
plus frquentes. Les tumeurs prdominent ds 25-44 ans et le cancer du sein est la premire
raison des dcs entre 45 et 64 ans. A partir de 65 ans, les maladies cardiovasculaires sont la
premire cause de dcs. On notera galement que la plupart des taux de dcs rgressent
dans le temps. Entre 2000 et 2004, les accidents de transport ont fortement diminu mais le
suicide a stagn. Le cancer du poumon a considrablement augment chez les femmes.
Sept dcs sur 10 correspondent quatre catgories de grandes causes (tableau 2) : maladies
cardiovasculaires (31,7%), tumeurs (25,2%), autres symptmes (7,3%) et accidents (6,1%).
On notera que ces quatre catgories de dcs reprsentaient 76% des dcs en 1979. La baisse
dans la rpartition des dcs de ces quatre catgories de risques est compense par une hausse
significative entre 1979 et 2004 des maladies du systme nerveux (+ 2,9%) et des troubles
mentaux (+ 2,5%) dans les classes dge les plus leves.
Tableau 2 : Sexe fminin - Rpartition des dcs entre grandes causes de 1979 2004.
Maladies ou causes extrieures
II. Tumeurs
XII. Maladies de l'
appareil gnito-urinaire
DECES TOUTES CAUSES CONFONDUES
Ecarts
Rpartition des dcs entre grandes causes
1979 1984 1989 1994 1999 2004 2004 - 1979
1,2% 1,3% 1,5% 1,9% 1,5% 1,9%
+0,7%
20,1% 20,8% 22,0% 22,9% 22,6% 25,2%
+5,1%
0,5% 0,5% 0,5% 0,6% 0,6% 0,5%
-0,0%
3,1% 3,2% 3,2% 3,3% 3,9% 4,3%
+1,2%
1,3% 2,4% 2,8% 3,1% 3,7% 3,8%
+2,5%
2,6% 1,9% 2,3% 2,6% 3,7% 5,5%
+2,9%
41,6% 40,5% 38,3% 36,4% 33,8% 31,7%
-9,9%
5,3% 5,5% 6,6% 7,1% 8,2% 5,8%
+0,5%
5,9% 5,6% 5,0% 4,8% 4,5% 4,3%
-1,6%
0,4% 0,5% 0,6% 0,7% 0,7% 0,5%
+0,1%
0,5% 0,7% 0,7% 0,7% 0,7% 0,9%
+0,5%
1,7% 1,5% 1,4% 1,4% 1,5% 1,6%
-0,1%
0,0% 0,0% 0,0% 0,0% 0,0% 0,0%
-0,0%
0,3% 0,3% 0,2% 0,2% 0,2% 0,2%
-0,1%
0,4% 0,4% 0,3% 0,3% 0,3% 0,3%
-0,1%
7,1% 7,1% 7,1% 6,9% 7,3% 7,3%
+0,2%
7,8% 7,8% 7,5% 7,0% 6,8% 6,1%
-1,7%
100% 100% 100% 100% 100% 100%
/
16
Le taux standardis de dcs se calcule en pondrant les taux bruts de mortalit par la structure dge de la
population de rfrence Principaux indicateurs SC8 INSERM - CpiDc.
- 14 -
Chez les femmes, les maladies de lappareil circulatoire arrivent au premier rang avec 77.986
dcs. Les tumeurs (62.020) reprsentent le second facteur de dcs. Le cancer du sein
(11.199 dcs) est le plus frquent suivi par le colon rectum, les leucmies et le poumon. Les
accidents arrivent ensuite avec cinq fois plus "dautres types daccidents" tels que chutes,
noyades, intoxications... que daccidents de transport. La maladie dAlzheimer (8.209 dcs)
occupe le 4e rang. Viennent ensuite le diabte, les dmences, la pneumonie-grippe et le
suicide.
Les moins de 15 ans sont peu concerns par les pathologies retenues
En 2004, 1.888 filles sont dcdes en mtropole. Un dcs sur deux est expliqu par les
affections de la priode prinatale et des anomalies congnitales qui surviennent avant lge
dun an. Avec 152 dcs, la part des tumeurs dans la mortalit fminine est de 8,1%.
Les 15-24 ans : une population haut risque de mort violente
Les dcs de jeunes femmes entre 15 et 24 ans sont au nombre de 994 en 2004. Les causes
externes (principalement les accidents et les suicides) reprsentent 51% des dcs ces ges,
mais prs de quatre fois moins que chez les jeunes hommes. Les tumeurs (128 dcs)
constituent la deuxime grande cause.
Chez les 25-44 ans, les tumeurs prdominent chez la femme
Pour la population des femmes de 25-44 ans (6.134 dcs), les tumeurs constituent la cause de
dcs la plus frquente (un dcs sur trois). Les principales localisations tumorales sont le
poumon, le sein et les tissus lymphodes (leucmies). Les suicides reprsentent la deuxime
cause de mortalit (822 dcs). Les accidents (prs de 600 dcs) se rpartissent galement
entre accidents de transport et autres types daccidents. Les maladies crbrovasculaires ont
un poids deux fois plus lev que chez les hommes.
Entre 45 et 64 ans, le cancer du sein est la premire cause de dcs chez la femme
Plus dun dcs sur deux (54%) est d une tumeur (cause de dcs la plus frquente). Le
cancer du sein devient prdominant (3.587 dcs) : 15% de la mortalit gnrale et plus d
de la mortalit par tumeur (taux de 47,6 pour 100.000). Il est suivi par le cancer du poumon
(1.930 dcs). Ces deux types de cancers constituent les deux premires causes de dcs cet
ge.
A partir de 65 ans, les maladies cardiovasculaires prdominent
La classe dge des 65 ans et plus enregistre 212.644 dcs pour un taux de 3.123,9 / 100.000
habitants. Les accidents cardiovasculaires reprsentent prs de 35% des dcs de cette classe
dge devant les tumeurs (22%). Le cancer du sein, en trs forte augmentation, reste la
premire localisation des tumeurs (6.967 dcs). Le taux de dcs y est maximal pour ce
risque (113,8 / 100.000), 15 fois suprieur celui de la classe dge "25-44 ans". Les
accidents autres que les accidents de transports prdominent galement pour les femmes.
Viennent ensuite la maladie dAlzheimer (8.162 dcs, taux de 120,5) et les dmences (6.387
dcs, taux de 84,9). Pour ce type de maladies, les dcs concernent uniquement les femmes
de 65 ans et plus. Le taux de dcs par maladie dAlzheimer est suprieur celui du cancer du
- 15 -
sein. Les dcs dus au diabte restent levs avec un taux de 82,2 pour 100.000. Mme si le
nombre de suicides (791 dcs) diminue par rapport la classe dge prcdente, le taux de
dcs nen reste pas moins lev (13,4/100.000).
3) Evolution de la mortalit sur la priode 1979-2004

On observe une tendance la diminution des taux de dcs qui sest renforce depuis 2000
ainsi quune volution de la structure des causes avec en particulier une progression du poids
des pathologies cancreuses. Dans ce contexte gnral, certaines causes ont une volution
contraste, notamment les suicides qui ne rgressent pas ou le cancer du poumon et la maladie
dAlzheimer qui progressent.
Evolution rcente de la mortalit fminine entre 2000-2004
Au cours de lanne 2000, 258.810 dcs de sexe fminin sont survenus en France
mtropolitaine. Entre 2000 et 2004, les maladies cardiovasculaires occupent toujours la
premire place, suivies par les tumeurs et des accidents. De 2000 2004, les accidents
rgressent considrablement, en particulier, les accidents de transport (-34%). Pour le cancer
du sein, une forte baisse sobserve chez les 25-44 ans, alors que les taux de dcs restent
stables pour les autres tranches dge. La pneumonie-grippe, les dmences, les maladies
chroniques des voies infrieures respiratoires, les maladies du foie et de la cirrhose rgressent
sensiblement. En revanche, les dcs par diabte diminuent peu, tandis que le suicide stagne.
Certaines causes sont en augmentation comme les maladies du rein, le cancer du poumon ou
du pancras et la maladie dAlzheimer.
Evolution plus long terme entre 1979-2004
Cette tude est base sur la mortalit fminine franaise pour les annes 1979 2004. En
vingt-six ans, les taux bruts de dcs, toutes causes confondues, ont diminu de 15,9% en
France mtropolitaine (tableau 3 page suivante). Les comportements varient fortement selon
la grande cause de dcs. Les taux de dcs par maladies cardiovasculaires ou les maladies de
lappareil digestif ont diminu de plus du tiers. La baisse est encore plus significative sur les
causes lies aux complications de grossesse, aux maladies congnitales ou aux infections de la
priode prinatale. Les morts violentes diminuent rgulirement dans le temps (taux en baisse
de plus du tiers entre 1979 et 2004). Lvolution des tumeurs a t diffrente. En 2004, les
taux de dcs fminins par tumeurs sont en lgre hausse (+5,6%) et se rapprochent toujours
un peu plus des taux de dcs par maladies cardiovasculaires (1re cause de dcs chez la
femme). La hausse des taux de dcs est nette pour les troubles mentaux (+147,3%), les
mningites (+76,1%), les arthrites (+69,4). Cependant, mme si les dcs lis ces 3 causes
ont doubls entre 1979 et 2004, ils ne reprsentent encore que 10% de lensemble de la
mortalit fminine.
- 16 -
Tableau 3 : Sexe fminin - Evolution des taux bruts des 17 grandes causes de dcs.
(1)

II. Tumeurs
XII. Maladies de l'
appareil gnito-urinaire
DECES TOUTES CAUSES CONFONDUES
1984/1979
+2,9%
+1,4%
+11,5%
-1,3%
+81,3%
-27,9%
-4,6%
+2,0%
-7,6%
+12,8%
+52,1%
-16,6%
+15,4%
-25,7%
-10,7%
-1,2%
-2,5%
-2,0%
(2)
(3)
(4)
(5)
(6) *
Evolution relative par pas de 5 ans
Evolution
1989/1984 1994/1989 1999/1994 2004/1999 2004/1979
+11,6%
+20,5%
-19,8%
+17,8%
+30,8%
+1,3%
-0,6%
+2,4%
+0,9%
+5,6%
-11,7%
+7,5%
+9,8%
-29,0%
-17,5%
-4,7%
+0,1%
+22,8%
+1,0%
+16,6%
+13,0%
+3,7%
+25,0%
-6,9%
+147,3%
+11,0%
+8,6%
+47,8%
+37,1%
+76,1%
-9,6%
-9,3%
-3,5%
-15,1%
-35,9%
+13,4%
+2,8%
+19,4%
-35,2%
-8,1%
-14,7%
-7,5%
-2,7%
-13,9%
-39,0%
+4,1%
+17,4%
-1,3%
-26,1%
+0,6%
-6,4%
-4,0%
+11,3%
+11,3%
+69,4%
-10,0%
-0,8%
+9,9%
-4,8%
-22,2%
-41,4%
+24,8%
-34,8%
-6,8%
-48,7%
-17,6%
-1,9%
+3,0%
-3,4%
-40,3%
-15,0%
-15,8%
-9,5%
-0,5%
-42,5%
-5,4%
-6,6%
+9,4%
-9,1%
-13,2%
-7,6%
-10,4%
+0,2%
-19,1%
-34,6%
-4,5%
-4,5%
+3,8%
-9,3%
-15,9%
* avec (6) = [1+(1)]*[1+(2)]*[1+(3)]*[1+(4)]*[1+(5)] 1.
Pour relativiser le poids de chaque cause dans la mortalit fminine de mtropole, le

graphique suivant prsente lvolution de la rpartition des dcs entre 1979 et 2004 :
Graphique 1 : Rpartition des taux de dcs bruts moyens de sexe fminin en France
par grandes causes mdicales - toutes tranches dge confondues.
- 17 -
CHAPITRE II :
METHODES DE CONSTRUCTION
DES TABLES PROSPECTIVES
1) Prsentation des modles
1.1) Hypothses de dpart
En pralable, il faut prciser que ce modle est dcrit en temps continu. Tout naturellement,
nous ferons donc lhypothse ici de "constance du taux instantan de mortalit xt dans
chaque carr du diagramme de Lexis". La liaison entre le taux de mortalit instantan xt et le
taux de mortalit brut qxt est alors dfini par la relation suivante :
xt = ln(1 q xt )
Le diagramme de Lexis fait intervenir 3 mesures du temps :
- lge : x,
- la date dobservation : t,
- la gnration (date de naissance) : t-x.
La reprsentation de la vie dun individu dans un systme deux dimensions est ralise de la
faon suivante :
Age
x+1
t-x-1
t-x
t+1
Temps
Figure 1 Diagramme de Lexis

La vie dun individu est reprsente par une ligne parallle la premire bissectrice. On isole,
dans le schma ci-dessus, les individus dcds lge x (x x+1) et pour lanne t (t t+1)
dans un carr. Les individus des gnrations t-x-1 et t-x ont donc le mme taux de mortalit
dans le carr slectionn et avec lhypothse retenue.
- 18 -
1.2) Le modle Lee-Carter standard

Le modle de Lee-Carter dcompose le logarithme du taux instantan de mortalit en deux
composantes, lune propre lge et lautre tendancielle. On crit le modle sous la forme
suivante :
ln xt = x + x .k t + xt (1)
Le modle de Lee-Carter a les caractristiques suivantes :
- tout dabord, on doit disposer dun historique : tm
t1 t t26 ou encore t1979 t t2004.
-
xt reprsente
tM. Lanalyse porte ici sur 26 annes :
le taux instantan de mortalit la date t pour lge x,
- x est la composante spcifique lge x. Elle dcrit le comportement moyen des ln(
cours du temps ;
xt)
au
- kt dcrit lvolution gnrale de la mortalit. Afin de rendre identifiable le modle, il

convient dajouter une premire contrainte :
t =tM
t = tm
kt = 0
- x indique la sensibilit de la mortalit instantane par rapport lvolution gnrale de la

mortalit, soit lcart des ln( xt) par rapport kt. Ainsi, les ges pour lesquels les x sont
levs traduisent une plus grande sensibilit lvolution gnrale de la mortalit. Un des
inconvnients du modle de Lee-Carter est de supposer la constance au cours du temps de
cette sensibilit. On doit galement ajouter la contrainte suivante si on veut rendre le modle
identifiable :
x = xM
x = xm
x = 1
- xt est un terme derreur refltant les particularits propres un ge x ou une anne t non
captures par le modle. Ce terme derreur est une suite de variables alatoires indpendantes,
identiquement distribues selon une loi N(0, ).
Le critre doptimisation retenu consiste maximiser la variance explique par le modle, ce
qui quivaut minimiser la variance des erreurs. Lestimation des paramtres est ralise
partir dun critre des moindres carrs :
( x , x , kt ) = arg min
x ,t
(ln xt* x x .k t ) (2)
Ce programme doptimisation non linaire est rsolu laide de SAS. Il faut remarquer que
le nombre de paramtres estimer est lev. On a :
- Un modle pour chacune des 17 grandes causes de dcs,
- Pour chaque modle : 2 . (xM - xm + 1) + (tM - tm + 1) paramtres.
- 19 -
En considrant que lanalyse porte sur 12 classes dges, sur 17 grandes causes mdicales de
dcs (plus une : le cumul des causes de dcs) et sur un historique de 26 annes (1979
2004), le nombre de paramtres estimer est de :
[2 x 12 + 26] x 18 = 900 paramtres.
Ce total aurait pu tre dcupl en ralisant une tude pour tout ge (0 120 ans). Les calculs
nont cependant pas t raliss de cette faon car il est prfrable de travailler directement
sur les donnes brutes INSERM, disponibles uniquement par classes dge. On notera que les
diffrentes classes seront, en fin danalyse, redployes ge par ge afin de construire les
tables de mortalit prospectives. On se basera sur une hypothse de croissance exponentielle
des taux de dcs entre deux classes dge. La relative lourdeur des estimations explique par
ailleurs que lanalyse soit limite au sexe fminin.
1.3) Le modle Lee-Carter logistique

Cette variante du modle de Lee-Carter permet dviter de recourir lhypothse contestable
(aux ges levs) de constance des taux de mortalit instantans dans chaque carr du
diagramme de Lexis.
Ainsi, le modle est directement crit en temps discret en utilisant les "logits" des taux de
dcs bruts :
q xt
ln
= x + x .k t + xt (3)
1 q xt
Comme la transformation inverse de la fonction logistique est : y
de poser :
q xt =
ey
, il est quivalent
1+ ey
exp( x + x .k t )
1 + exp( x + x .k t )
Ce modle est similaire au modle Lee-Carter standard en remplaant les ln xt par

ln
q xt
. Les autres caractristiques de la modlisation Lee-Carter ne changent pas.
1 q xt
2. Dcomposition par tapes
2.1) Estimation des paramtres
Le modle (2) ne peut pas tre ajust par une simple rgression linaire, puisquil ny a pas de
variables observables dans le membre de droite. Nanmoins, une solution optimale au sens
des moindres carrs existe et est fournie par la mthode de dcomposition en valeurs
singulires.
- 20 -
Cette solution est unique grce aux contraintes :
t =tM
t = tm
k t = 0 et
x = xM
x = xm
x = 1.
La mthode Lee-Carter peut tre dcompose de la faon suivante :

Etape 1 :
Calcul des xt laide des xt = ln(1 q xt ) (modle Lee-Carter standard),
Cette tape ne concerne pas le modle Lee-Carter logistique puisque lon travaille
directement sur les q xt .
Etape 2 :
Estimer les x . Les x sont en fait les moyennes au cours du temps des ln xt pour
le modle Lee-Carter standard :
x =
ou des ln
q xt
1 q xt
t =tM
1
ln xt
t M t m + 1 t = tm
pour le modle Lee-Carter logistique :
x =
t =tM
q xt
1
ln
t M t m + 1 t =tm 1 q xt
Etape 3 :
Modle Lee-Carter standard : constituer pour chacune des grandes causes mdicales
de dcs les matrices Z = { z xt } dont chaque lment est donn par : z xt = ln xt x .
Lobjectif est de dcomposer chaque matrice Z en produit de 2 vecteurs de la forme :
Z . t k (3)
Il sagit dune approximation dtermine par la recherche des valeurs propres de Z :
Z=
i 1
avec :
i .vi . t ui
0 les valeurs propres de tZZ,

ui le vecteur propre norm de tZZ (t ui ui = 1),
vi le vecteur propre associ la mme valeur propre pour ZtZ.
1
Lapproximation est alors ralise sur la plus grande valeur propre

Z
1:
1 .v1 . t u1 (4)
Cette estimation est dautant plus convaincante que le ratio 1 /
- 21 -
i sera grand.
En rapprochant les quations (3) et (4), nous obtenons les estimations de
= v1 /
Si
v1 j et k = 1 .(
v1 j 0 alors on constate que les contraintes
x = xM
x = xm
et k :
v1 j ).u1
x = 1 et
t =tM
t = tm
k t = 0 sont respectes.
Modle Lee-Carter logistique : constituer pour chacune des grandes causes mdicales
de dcs les matrices Z = { z xt } dont chaque lment est donn par :
z xt = ln
La mthode de calcul des vecteurs
q xt
x
1 q xt
et k est identique au modle Lee-carter standard.
La rsolution de cette tape fastidieuse passe, dans les 2 cas, par le recours une
procdure SAS IML dtaille en annexe 3.
Etape 4 :
Cette tape consiste ajuster les kt pour que le nombre total de dcs enregistrs
chaque anne corresponde celui prdit par le modle. Cela revient recalculer pour tout k la
fonction:
F(k) = 0 =
x = xM
x = xm
Lxt . exp( x + x .k )
x = xM
x = xm
D xt avec x et x = constante.
La forme de F assure lunicit de la racine. La rsolution est obtenue par un algorithme de
type Newton-Raphson. On obtient ainsi un vecteur k .
La srie des kt est ensuite corrige, soit k t*t , pour respecter la contrainte
k t* = kt
t =tM
1
kt
t M t m + 1 t = tm
Les x sont enfin recalculs avec les x et kt = constante :

t =tM
x
x* = x +
kt
t M t m + 1 t = tm
- 22 -
t =tM
t = tm
kt = 0 :
2.2) Extrapolation de la composante temporelle

Lobjectif est de raliser des prvisions des taux de mortalit en prolongeant la srie des { kt , t
= 1979 2004} sur le trs long terme (horizon jusqu 130 ans).
Plusieurs modles ont t retenus selon lallure de la srie kt de chacune des 17 (+ 1) grandes
causes mdicales de dcs :
2.2.1) Modles de rgression

Lajustement des couples (t , kt) est ralis en choisissant la forme de la relation la plus
adapte parmi les 4 fonctions suivantes pour chacun des 18 groupes de causes mdicales de
dcs :
Fonctions
1) kt = a.t + b + t
2) kt = a.lnt + b +
Allure de la courbe reprsentative

Croissance ou dcroissance linaire
t
Croissance ralentie sans asymptote (a>0)

Dcroissance ralentie sans asymptote (a<0)
3) kt = a/t + b +
Croissance ralentie avec asymptote (a>0)
Croissance ou dcroissance non linaire
Dcroissance ralentie avec asymptote (a<0)
4) kt = b+c.at +
Les kt prenant des valeurs tantt positives ou ngatives, ces fonctions sont celles qui donnent
les meilleurs rsultats (R maximum).
Les quations 2 et 3 sont facilement linarisables par changement de variable.
Lquation 4 est de la mme forme que celle retenue par Makeham pour le calcul des x :
x = A + B.Cx avec A>0, B>0 et C>1.

Cependant, lobjectif est totalement diffrent ici puisquil sagit de raliser une rgression sur
le temps. Lquation 4 est linarisable une fois le paramtre a optimum dtermin. Sa fixation
est ralise par un algorithme de type Newton-Raphson avec pour objectif de maximiser la
valeur de R. On peut remarquer que lquation 4 est utilisable pour la prvision si et
seulement si a < 1 (critre de stabilit des prvisions). Aucune contrainte nest pose pour les
valeurs de b et c. Lajustement par lquation 4 est presque toujours suprieur ou gal celui
obtenu par les 3 premires quations.
On notera que les fonctions en polynme de type : kt = b + a.t + c.t + d.t3 + + t donnent
bien souvent un ajustement aux donnes plus prcis (R suprieur) sur lhistorique.
Cependant, elles sont, pour la plupart, dcevantes en matire de prvision long terme.
- 23 -
2.2.2) Processus ARIMA

Pour chaque grande cause mdicale de dcs, un ensemble de processus ARIMA ont t
analyss en parallle des mthodes de rgression exposes prcdemment.
Lquation permettant dajuster au mieux la srie des kt de chaque grande cause
mdicale de dcs, est dtermine dans un premier temps en fonction de la valeur des
coefficients de dtermination R de chacune des 4 quations prcdentes ainsi que de
lanalyse des courbes reprsentatives. Si R est infrieur 50%, on prfrera dans la plupart
des cas considrer la srie des kt comme une srie chronologique (avec ou sans
diffrenciation).
Une modlisation de type ARIMA (pour AutoRegressive Integrated Moving Average) est
ralise en suivant la mthodologie propose par Box et Jenkins17.
La tapes relatives lestimation des coefficients sont les suivantes pour tout processus
ARIMA (p,d,q) : 18
1) Identification :
a) DFTEST : cette macro SAS permet de dterminer d = le nombre (et le
type) de diffrenciations ncessaires pour obtenir une srie stationnaire.
Cette macro ralise le test de Dickey & Fuller pour identifier lordre du
coefficient d.
Ainsi, pour une diffrenciation de lensemble des observations lordre 1
(kt - kt-1), on teste :
- H0 : la srie des kt prsente une racine unitaire et nest donc pas
stationnaire ,
- H1 : la srie des kt est stationnaire.
En pratique, on regarde la p-value de ce test.
b) LOGTEST : cette macro SAS teste si une transformation logarithmique
de la srie est ncessaire. Cette tape nest pas approprie pour la srie des
kt en raison de valeurs ngatives.
c) Dtermination simultane de p et q : ce sont les paramtres respectifs des
processus AR et MA. Il est vivement conseill de tester ce stade plusieurs
modles ARIMA. Cette tape est ralise en consultant les sorties SAS
ETS :
Graphiques : autocorrlogramme (ACF), autocorrlogramme inverse
(IACF) et autocorrlogramme partiel (PACF).
17
BOX & JENKINS [1970]. Time series analysis, forecasting and control.
BROCKLEBANK J., DICKEY D. [1994/2007]. Forcasting Techniques Using SAS/ETS Software. SAS
Institute.
18
- 24 -
Pour le choix du modle AR(p), on doit avoir une dcroissance

exponentielle sur lACF et les coefficients deviennent non significatifs
partir du rang p sur le PACF.
Pour le choix du modle MA(q), on doit avoir une dcroissance
exponentielle sur le PACF et les coefficients deviennent non significatifs
partir du rang q sur lACF. La dmarche est donc symtrique celle de
lAR(p).
d) Tests : un test est ralis pour chacun des modles pour sassurer que la
srie nest pas un bruit blanc (mais que les rsidus en suivent bien un).
Dautres tests sont envisageables (test de normalit des rsidus, ) en
fonction du paramtrage des options des procdures SAS.
2) Estimation :
Cette seconde phase de la procdure ARIMA permet destimer les paramtres des modles
retenus.
a) Choix du modle estimer :
Par dfaut, il sagit dune valuation non linaire des paramtres tel que :
Min
t2 = Min
t = k +1
SSE (sum of square errors) avec p = ordre de lAR(p)
t = k +1
En pratique, on retient le modle pour lequel les 2 statistiques suivantes sont minimales :
-
AIC pour "Akaike'

s Information Criterion" :
AIC = n . ln(SSE / n ) + 2. k
SBC (ou BIC) pour "Schwarzs Bayesian Information Criterion" :

SBC = n . ln(SSE / n ) + k . ln( n ).
R : avec k = p ou q ou p+q selon les composantes respectives AR, MA ou ARMA.
- 25 -
b) Equations des modles ARIMA :

Lcriture dun modle ARIMA est spcifique :
11) Modle autorgressif :
Prcisons tout dabord les notations :
= la moyenne de la srie des kt,
1 = le premier paramtre du modle autorgressif,
p = le paramtre dordre p du modle autorgressif,
t = le bruit blanc.
- AR(p=1) :
k t = 1 ( k t 1 ) + t
k t = 0 + 1k t 1 + t
avec : 0 = (1 1 )
- AR(p) :
(1 1 B )( k t ) = t en notation Backshift
avec B1kt = kt-1
(1 1 B 2 B 2 ... p B p )( k t ) = t
k t = 0 + 1k t 1 + 2 k t 2 + ... + p k t p + t
avec : 0 = (1 1 2 ... p )
On notera que si | i| < 1 alors la srie peut tre considre comme stationnaire.
12) Modle moyenne mobile :
Prcisons tout dabord les notations :
0 = la constante,
1 = le premier paramtre du modle moyenne mobile,

q = le paramtre dordre q du modle moyenne mobile,
t = le bruit blanc pour lanne t,
t 1 = le bruit blanc pour lanne t-1,
- MA(q=1) :
k t = 0 + t 1 t 1
( k t 0 ) = (1 1 B ) t en notation Backshift
avec B1 t =
- MA(q) :
t-1 et
0 du modle AR.
k t = 0 + t 1 t 1 2 t 2 ... q t q
( k t 0 ) = (1 1 B 2 B 2 ... q B q ) t
- 26 -
13) Modle ARMA(p,q) :
k t = 0 + 1k t 1 + 2 k t 2 + ... + p k t p 1 t 1 2 t 2 ... q t q + t
avec : 0 = (1 1 2 ... p )
(1 1 B 2 B 2 ... p B p )( k t ) = (1 1 B 2 B 2 ... q B q ) t
14) Modle ARIMA(p,d,q) :
Ce modle est un ARMA avec diffrenciation de la srie des kt. Le degr de diffrenciation
dpend du rsultat de ltape DFTEST (voir ci-dessus).
Lobjectif est dobtenir une srie stationnaire, cest--dire :
t = et t2 = 2 quelque soit lanne t.

Sur certaines grandes causes mdicales de dcs, nous aurons calculer la diffrence
premire pour toutes les observations de la srie des kt :
k t k t 1
(1 B)k t
Cette tape peut amliorer significativement le processus ARIMA. On remarquera que cette
opration fait perdre une observation pour lestimation des paramtres.
c) Tests de validation :
Dans les sorties SASTM, on sassure que :
-
les paramtres estims sont significatifs (p-values qui tendent vers 0),
R : en raison de la contrainte
t =tM
t = tm
k t = 0 , on ne peut obtenir quune valeur de
proche de 0.
lhypothse de bruit blanc des rsidus est valide (p-values qui tendent vers
1).
3) Prvisions :
Ltape Forecast de la proc ARIMA permet de gnrer automatiquement avec le modle
retenu les prvisions des kt un horizon H fix avec les intervalles de confiance au seuil de
risque de 5%. Ces rsultats ont bien entendu t contrls avec lquation du modle.
- 27 -
2.2.3) Choix du modle de prvision long terme

Il convient de slectionner pour chaque grande cause mdicale de dcs le modle utilisant le
moins de paramtres et ayant le meilleur comportement en matire de prvision.
Pour la prvision long terme, il y a lieu de se demander si un modle ARIMA est adquat.
On vitera ainsi autant que possible le recours un MA(1) puisquon ne peut prdire qu
t+1 : la prvision de pour t+1, t+2, est en effet gale 0.
Ce constat nous amne privilgier les modles en rgression des kt sur le temps t. Le cas
chant, en prsence de rsultats non probants (R < 50% par principe), un processus ARIMA
est en principe prfrable.
Un recul de 26 annes sur lvolution des kt ne nous permet pas en principe de raliser des
projections sur un horizon lointain. Ainsi, le choix dune modle de prvision des kt est ralis
en sassurant de la cohrence des prvisions chaque tape de la modlisation Lee-Carter et
en raison de la profusion de donnes brutes ou calcules. Cette analyse est effectue pour
chacune des 17 grandes causes mdicales de dcs comme sur le cumul de lensemble des
causes. Lobjectif est, limage de la prise en compte des avis dexpert sous forme de
contraintes (mme si ce nest pas le cas ici), de rester objectif sur lvolution potentielle de
lesprance de vie des femmes long terme.
3. Fermeture des tables

Cette question intervient une fois les xt (Lee-Carter standard) et qxt (Lee-Carter logistique)
redploys par ges. Ces coefficients sont positionns dans un tableau avec les ges en lignes
(0 120 ans) et les gnrations en colonnes (1900 2008). La fermeture des tables est donc la
dernire tape avant finalisation des tables prospectives de gnration femme.
Pour obtenir des tableaux rectangulaires, nous sommes confronts lestimation des taux
bruts de mortalit aux grands ges. Les valeurs brutes estimes au-del de 80-85 ans sont en
gnral instables.
Deux mthodes ont t retenues dans cette tude :
-
Fermeture par la mthode de Coale et Kisker :

Cette mthode est approprie au modle Lee-Carter standard car elle est
base sur un recalcul des taux instantans de mortalit xt.
-
Fermeture par une rgression exponentielle :

q x = a exp(b. x ) avec x [85 ; 120]
Cette mthode est prfrable pour le modle Lee-Carter logistique car il

sappuie sur les taux bruts de mortalit qxt. La mthode de Coale et Kisker
impose de passer par les xt via lhypothse contestable de constance de la
fonction de hasard dans chaque carr du diagramme de Lexis :
xt = ln(1 q xt )
q xt = 1 exp( xt )
- 28 -
R : A lge ultime, on a : 120 = 1 => q120 = 1 exp( 1) # 63,2% contre 100% attendus pour
clore la table. Pour obtenir un taux brut de dcs 100% 120 ans, il faudrait que 120 19 ,
ce qui nous oriente naturellement vers une fermeture de type exponentielle pour le modle
Lee-Carter logistique.
3.1) Fermeture pour le modle Lee-Carter standard
Nous avons retenu la mthode propose par Coale et Kisker [1990] pour extrapoler les taux
de mortalit aux ges levs. Il sagit de travailler sur les taux instantans de mortalit xt
jusqu lge de 120 ans. Cette limite a galement t choisie par souci de cohrence avec les
nouvelles tables prospectives franaises TGH et TGF 2005 et ainsi faciliter (a priori) les
comparaisons.
Ce choix se traduit donc pour les femmes par : 120 = 1
Cette mthode part de la formulation suivante :
x = 65 exp( g x ( x 65))
Pour toute gnration t :

o gx dsigne le taux moyen de croissance de
x entre
65 et x ans.
Coale et Kisker ont remarqu que les courbes des gx possdent en principe un maximum aux
alentours de 80 ans avant de dcrotre linairement. Ils ont ainsi pos lquation ci-dessous :
g x = g 80 + s( x 80) avec x
120 = 79 exp
Cela conduit :
120
x =80
80.
g 80 + s( x 80) = 1
On en dduit la solution pour les ges suprieurs 80 ans :
x = x 1 exp( g 80 + s( x 80)) avec x {80, , 119}

On utilise les valeurs de paramtres suivantes :
ln
s=
79
+ (120 80 + 1) g 80
120
soit s = ln( 79 ) + 41g 80
120
820
( x 80)
x = 80
avec : 120 = 1 et g 80 =
- 29 -
1
ln 80
15
65
3.2) Fermeture pour le modle Lee-Carter logistique

Une quation simple de type exponentielle est retenue pour ce modle19 :
q x = a exp(b. x ) avec x [85 ; 120]
Les paramtres a et b sont dtermins partir de 2 points : x = 85 ans et x = 120 ans. A lge
ultime, on a : q120 = 1. La rsolution pratique est similaire pour toute anne t.
_____________________
Enfin, compte tenu de limpact des facteurs dactualisation en particulier, on remarquera que
la mthode de fermeture na quune importance relative sur les calculs de rentes viagres sauf
des ges trs levs (voir PLANCHET et THEROND [2006]).
4. Limites des mthodes Lee-Carter

Le modle repose sur les moindres carrs ordinaires, ce qui ncessite des rsidus vrifiant
lhypothse dhomoscdasticit : les erreurs xt sont supposes de mme variance .
Lhomoscdasticit des taux de mortalit constitue une hypothse peu raliste. En effet, en
raison notamment de la baisse des effectifs de survivants, les taux de dcs sont plus volatiles
aux ges avancs.
Dans cette tude, les nombres de dcs de sexe fminin sont faibles (voire nuls) pour certaines
grandes causes mdicales et pour certaines classes dge. Dans ces cas de figure, nous
sommes galement confronts la non-constance de la variance .
Une critique a t formule par Gutterman et Vanderhoof [1999] car le modle de Lee-Carter
sappui uniquement sur un historique de taux bruts de mortalit. Il nintgre donc pas les
progrs attendus de la mdecine, ce qui biaise les prvisions de mortalit sur le long terme.
Des modles de type Log-Poisson20 (non traits dans ce dossier) permettent dviter de
recourir lhypothse dhomoscdasticit des rsidus. Ils ont galement lavantage de
permettre lestimation des paramtres selon les critres du maximum de vraisemblance. En
dfinitive, le modle poissonnien a beaucoup de points communs avec le modle Lee-Carter.
Il ne donne pas des rsultats significativement diffrents de ce dernier. Il a aussi des
inconvnients puisquil peut surestimer la mortalit certains ges et nanticipe pas les
progrs sanitaires et sociaux attendus (changement de mode de vie, hygine, baisse de la
pnibilit du travail, ) sous forme de contrainte.
19
PLANCHET F. [2007] Modles prospectifs de mortalit avec drive contrainte.

BROUHNS N., DENUIT M. VERMUNT J.K. [2002] - A Poisson log-bilinear regression approach to the
construction of projected lifetables.
20
- 30 -
CHAPITRE III :
MODELISATIONS LEE-CARTER
DES TAUX BRUTS DE DECES PAR
GRANDES CAUSES
Dans ce chapitre, notre objectif est dappliquer les modles Lee-Carter standard et logistique
aux donnes par grandes causes mdicales de dcs. Aprs une prsentation des spcificits
de lanalyse, nous dtaillerons tape par tape les rsultats obtenus. Au final, des tables
fminines par gnration seront ralises pour chacune des deux modlisations tudies.
1) Mise en oeuvre de la mthode Lee-Carter

1.1)
Particularits dune analyse par grandes causes mdicales de

dcs :
En prambule la modlisation, il convient de prciser les caractristiques des donnes

analyses : taux moyens bruts de dcs q xt de sexe fminin pour 17 grandes causes mdicales
de dcs, disponibles pour les annes 1979 2004 et sur 12 classes dge.
Ces donnes ont les contraintes suivantes :
Dans une analyse par grandes causes de dcs, les sinistres sont disponibles par
classes dge. LINSERM a prfr travailler sur un regroupement dges pour viter
des variations importantes et alatoires dune priode lautre pour des causes
nombre de sinistres limits. On obtient ainsi des taux moyens bruts de mortalit par
classe dge quil faudra redployer en fin danalyse avant construction des tables
prospectives.
Le calcul des ln xt ncessite des xt > 0. Or, pour 7 des 17 grandes causes
mdicales de dcs analyses, nous sommes en prsence de classes dge effectif nul
ou avec des valeurs nulles pour certaines annes t. Si la mthode Lee-Carter nest pas
impacte en prsence de lignes nulles ( x = 0 et x = 0), il en va autrement en cas de
classes dge avec des "trous" pour les annes t sans sinistre. Ces situations imposent
les modifications suivantes dans la mthodologie Lee-Carter :
a) pour xt = 0, les ln xt ne sont pas calculs,
b) Les x dfinis par : x =
t =t M
1
ln xt sont remplacs par :
t M t m + 1 t =tm
x"= moyenne(
t =t M
t =t m
ln xt ) avec xt > 0.
- 31 -
Les x et kt sont galement calculs sur les xt > 0. Les calculs des xt par la
modlisation Lee-Carter sont donc ralisables mais biaiss ce stade.
La correction est ralise deux niveaux :
1) Sur les 26 annes dhistorique :
Il faut prciser que les classes dge et causes concerns par un nombre de dcs nuls
sont peu significatives : 0,1% 0,3% du total des dcs constats selon lanne t.
Ladquation aux donnes est bonne puisque les calculs ne sont pas raliss pour les
xt nuls. Une correction est toutefois ralise en ajustant les dcs prdits par le
modle sur ceux constats en France via la fonction F(k) = 0 dcrite au chapitre 2 :
F(k) = 0 =
x = xM
x = xm
x = xM
x = xm
D xt pour chaque grande cause.
2) Sur les prvisions long terme :

Les prvisions obtenues sont multiplies par la "probabilit pour une classe dge
donne de ne pas avoir de taux brut de mortalit nul", Px :
P =
1[ q x ,t >0]
26
Ainsi, les taux de mortalit prvisionnels sont ajusts de la faon suivante :

a) Modle Lee-Carter standard :
- xt = exp( x + x k t ) Px
b) Modle Lee-Carter logistique:
- q xt =
exp( x + x .k t )
Px
1 + exp( x + x .k t )
Dans la grande majorit des cas, Px = 1 et les xt et q xt ne sont pas impacts. Pour
Px < 1, la survenance alatoire des q xt nuls implique, dans la mthode Lee-Carter

standard, des taux instantans de mortalit estims xt plus faibles pour chaque anne
de prvision t. Au final, les xt du cumul des causes mdicales de dcs ne sont pas
impacts.
Dans la chapitre 2, on a prcis que le modle Lee-Carter sajuste dautant mieux
aux donnes que le ratio de la plus grande valeur propre sur la somme des valeurs
propres 1 / i est lev. Pour la plupart des causes de dcs, ce ratio est infrieur
50%. Lajustement aux dcs rels via la fonction F(k) permet de compenser en
grande partie le biais. Cependant pour 4 catgories de causes de dcs (n1, 3, 10 et
0. Lcart est cependant ngligeable en
11) on est en prsence de fonctions : F(k)
- 32 -
nombre : 3 088 dcs sur 26 ans (soit 0,05% du total des dcs constats) dans le
modle Lee-Carter standard et 3 066 dcs sur 26 ans (soit 0,05% du total des dcs
constats) dans le modle Lee-Carter logistique.
Le tableau suivant indique les ratios obtenus pour chacune des grandes causes
mdicales de dcs de sexe fminin comme sur le total des causes cumules.
Tableau 1 : Ratios dinertie de lapproximation Z

Ratios Modle Lee - Modle Lee 1/ i Carter standard Carter logistique
Cat 1
31,677%
31,673%
Cat 2
39,636%
39,600%
Cat 3
30,233%
30,231%
Cat 4
28,549%
28,539%
Cat 5
26,671%
26,722%
Cat 6
39,699%
39,739%
Cat 7
42,174%
42,149%
Cat 8
41,313%
41,276%
Cat 9
38,445%
38,438%
. t k
Ratios Modle Lee - Modle Lee 1/ i Carter standard Carter logistique

Cat 10
21,694%
21,693%
Cat 11
25,169%
25,168%
Cat 12
30,871%
30,868%
Cat 13
46,448%
46,448%
Cat 14
48,774%
48,770%
Cat 15
28,491%
28,491%
Cat 16
43,415%
43,403%
Cat 17
60,236%
60,203%
Total
59,361%
58,403%
Comme on peut le constater, le modle Lee-Carter logistique donne des rsultats trs proches
de la mthode standard. En effet, les calculs sont effectus en remplaant les ln( xt ) par les
q xt
. En particulier, on constate quil ny a pas de diffrence significative dans les
1 q xt
reprsentations graphiques des paramtres. Cest pour cette raison que, dans les tapes
suivantes, nous exposerons essentiellement les rsultats issus du modle Lee-Carter standard.
ln
1.2)
Etape 1 : Calcul des xt
Les donnes de bases de ltude : qxt pour chaque grande cause mdicale de dcs sont
rappels en annexe 2.
Cette tape concerne exclusivement la mthode Lee-Carter standard. Pour calculer les xt , on
fait l'
hypothse de constance des taux instantans de mortalit dans chaque carr du
diagramme de Lexis. On remarquera que les xt sont significativement diffrents des qxt pour
des valeurs de qxt 10%, soit pour les classes dge [85-94 ans] et [95 ans et +[. Ces biais
seront corrigs lors de la fermeture des tables.
- 33 -
1.3)
Etape 2 : Calcul des ln xt , des ln
q xt
1 q xt
et des x
Par dfinition, les ln xt ne sont pas calculs pour les xt nuls.

Dans le modle Lee-Carter logistique, les ln
q xt
1 q xt
ne sont pas calculs pour les
qxt nuls.
Les x sont par dfinition les moyennes dans le temps des ln xt .
Les x obtenus dans le modle Lee-Carter standard sont reprsents ci-dessous pour
chacune des 18 catgories de causes mdicales de dcs, avec une chelle des
ordonnes uniformise pour mieux visualiser les spcificits :
.9
5
.8
594
.7
584
.6
574
.5
564
.4
554
0,000
-2,000
-4,000
-6,000
-8,000
-10,000
-12,000
-14,000
-16,000
.5
564
.6
574
.7
584
.8
594
.9
5
.5
564
.6
574
.7
584
.8
594
.9
5
et
+
.4
554
.3
544
.2
534
.1
524
.5
-1
4
.4
554
0,000
-2,000
-4,000
-6,000
-8,000
-10,000
-12,000
-14,000
-16,000
.1
-4
.<
1
an
et
+
.9
5
.8
594
.7
584
.6
574
.5
564
cat 4
.4
554
.3
544
.2
534
.1
524
.5
-1
4
.1
-4
.<
1
an
cat 3
0,000
-2,000
-4,000
-6,000
-8,000
-10,000
-12,000
-14,000
-16,000
0,000
-2,000
-4,000
-6,000
-8,000
-10,000
-12,000
-14,000
-16,000
- 34 -
et
+
.3
544
.2
534
.1
524
.5
-1
4
.1
-4
.<
1
an
et
+
.9
5
.8
594
.7
584
.6
574
.5
564
cat 6
.4
554
.3
544
.2
534
.1
524
.5
-1
4
.1
-4
.<
1
an
cat 5
0,000
-2,000
-4,000
-6,000
-8,000
-10,000
-12,000
-14,000
-16,000
.3
544
.2
534
.1
524
.5
-1
4
.<
1
.1
-4
an
et
+
.9
5
.8
594
.7
584
.6
574
.5
564
.4
554
.3
544
.2
534
.1
524
.5
-1
4
an
.1
-4
.<
1
0,000
-2,000
-4,000
-6,000
-8,000
-10,000
-12,000
-14,000
-16,000
et
+
cat 2
cat 1
an
0,000
-2,000
-4,000
-6,000
-8,000
-10,000
-12,000
-14,000
-16,000
0,000
-2,000
-4,000
-6,000
-8,000
-10,000
-12,000
-14,000
-16,000
- 35 -
.9
5
et
+
.8
594
.7
584
.6
574
cat 17
.5
564
cat 15
.4
554
.7
584
.8
594
.9
5
.7
584
.8
594
.9
5
et
+
.6
574
.6
574
et
+
.5
564
.5
564
cat 16
.4
554
0,000
-2,000
-4,000
-6,000
-8,000
-10,000
-12,000
-14,000
-16,000
.4
554
cat 13
.3
544
.2
534
.1
524
.5
-1
4
an
et
+
.9
5
et
+
.8
594
.7
584
.6
574
.5
564
.4
554
.3
544
.2
534
.1
524
.5
-1
4
.1
-4
.<
1
.9
5
.8
594
.7
584
.6
574
.5
564
.4
554
.3
544
.2
534
.1
524
.5
-1
4
cat 11
.3
544
.2
534
.1
524
.5
-1
4
an
et
+
.1
-4
.<
1
.9
5
an
.1
-4
.<
1
an
an
et
+
an
an
et
+
.7
584
.8
594
.9
5
.7
584
.8
594
.9
5
et
+
.6
574
.6
574
et
+
.5
564
.3
544
.2
534
.1
524
.5
-1
4
.1
-4
.<
1
.9
5
.8
594
.7
584
.6
574
.5
564
.4
554
.3
544
.2
534
.1
524
.5
-1
4
.1
-4
.<
1
.5
564
cat 10
.4
554
0,000
-2,000
-4,000
-6,000
-8,000
-10,000
-12,000
-14,000
-16,000
.4
554
.3
544
.2
534
.1
524
.5
-1
4
.1
-4
.<
1
.9
5
.8
594
.7
584
.6
574
.5
564
.4
554
.3
544
.2
534
.1
524
.5
-1
4
.1
-4
.<
1
cat 9
.3
544
.2
534
.1
524
.5
-1
4
.1
-4
0,000
-2,000
-4,000
-6,000
-8,000
-10,000
-12,000
-14,000
-16,000
.1
-4
0,000
-2,000
-4,000
-6,000
-8,000
-10,000
-12,000
-14,000
-16,000
an
et
+
.8
594
.7
584
.6
574
.5
564
.4
554
.3
544
.2
534
.1
524
.5
-1
4
0,000
-2,000
-4,000
-6,000
-8,000
-10,000
-12,000
-14,000
-16,000
.<
1
.9
5
.8
594
.7
584
.6
574
.5
564
.4
554
.3
544
.2
534
.1
524
.5
-1
4
an
.1
-4
.<
1
0,000
-2,000
-4,000
-6,000
-8,000
-10,000
-12,000
-14,000
-16,000
an
et
+
an
.1
-4
.<
1
0,000
-2,000
-4,000
-6,000
-8,000
-10,000
-12,000
-14,000
-16,000
.<
1
.9
5
.8
594
.7
584
.6
574
.5
564
.4
554
.3
544
.2
534
.1
524
.5
-1
4
.1
-4
.<
1
cat 7
cat 8
0,000
-2,000
-4,000
-6,000
-8,000
-10,000
-12,000
-14,000
-16,000
cat 12
0,000
-2,000
-4,000
-6,000
-8,000
-10,000
-12,000
-14,000
-16,000
cat 14
0,000
-2,000
-4,000
-6,000
-8,000
-10,000
-12,000
-14,000
-16,000
Total
Si lon considre que la courbe des x du total des causes de dcs ( Total) est celle de
rfrence, on constate que la tendance est dcroissante jusqu lge de 5 ans puis crot de
faon linaire jusqu lge ultime. Cette observation nest pas vraie pour les catgories n13
(complications de grossesse) et n14 (affections dans la priode prinatale) qui sont bien
entendu particulires. Pour les autres grandes causes, la tendance gnrale est assez bien
suivie mme si les valeurs des x diffrent sensiblement.
q xt
1 q xt
et nont pas t reprsents car ils sont trs proches de ceux de la mthode standard (courbes
quasi-confondues).
R : Dans le modle Lee-Carter logistique, les x sont une moyenne pondre des ln
1.4)
Etape 3 : Calcul des x et des kt
Les matrices Z = { z xt } avec z xt = ln xt x sont approximes par la dcomposition en 2

vecteurs tels que : Z . t k .
1.4.1) Reprsentation des
Les paramtres x indiquant la sensibilit de la mortalit instantane (chelle logarithmique)

de la classe dge x par rapport lvolution temporelle sont prsents par grandes catgories
de risques avec une chelle des ordonnes standardise :
0,300
0,300
0,000
0,000
-0,300
-0,300
et
+
.9
5
.8
594
.7
584
.6
574
.5
564
.4
554
.5
564
.6
574
.7
584
.8
594
.9
5
.5
564
.6
574
.7
584
.8
594
.9
5
et
+
.4
554
.3
544
.2
534
.1
524
.5
-1
4
.4
554
0,900
.1
-4
.<
1
an
et
+
.9
5
.8
594
.7
584
.6
574
.5
564
cat 4
.4
554
.3
544
.2
534
.1
524
.5
-1
4
.1
-4
.<
1
an
cat 3
.2
534
.1
524
.5
-1
4
an
.<
1
0,900
0,600
.1
-4
et
+
.9
5
.8
594
.7
584
.6
574
.5
564
.4
554
.3
544
.2
534
.1
524
.5
-1
4
an
.1
-4
.<
1
0,900
0,600
.3
544
cat 2
cat 1
0,900
0,600
0,600
0,300
0,300
0,000
0,000
-0,300
-0,300
0,900
0,900
0,600
0,600
0,300
0,300
0,000
0,000
-0,300
-0,300
- 36 -
et
+
.3
544
.2
534
.1
524
.5
-1
4
.1
-4
.<
1
an
et
+
.9
5
.8
594
.7
584
.6
574
.5
564
cat 6
.4
554
.3
544
.2
534
.1
524
.5
-1
4
.1
-4
.<
1
an
cat 5
an
cat 17
0,900
0,900
0,600
0,600
0,300
0,300
0,000
0,000
-0,300
-0,300
- 37 -
et
+
0,000
-0,300
.9
5
0,000
-0,300
.8
594
0,600
0,300
.7
584
0,600
0,300
.6
574
cat 15
.8
594
.9
5
.8
594
.9
5
et
+
.7
584
.7
584
et
+
.6
574
.6
574
cat 16
.5
564
0,000
-0,300
.5
564
0,000
-0,300
.5
564
0,300
.4
554
0,900
.4
554
0,600
0,300
.3
544
cat 13
.4
554
0,600
.9
5
et
+
.8
594
.7
584
.6
574
.5
564
.4
554
.3
544
.2
534
cat 11
.3
544
-0,300
.1
524
an
et
+
an
an
et
+
.8
594
.9
5
.8
594
.9
5
et
+
.7
584
.7
584
et
+
.6
574
.4
554
.3
544
.2
534
.1
524
.5
-1
4
.1
-4
.<
1
.9
5
.8
594
.7
584
.6
574
.5
564
.4
554
.3
544
.2
534
.1
524
.5
-1
4
.1
-4
.<
1
.6
574
cat 10
.5
564
0,900
.5
564
.4
554
.3
544
.2
534
.1
524
.5
-1
4
cat 9
.3
544
-0,300
.2
534
0,300
0,000
.2
534
0,300
0,000
.2
534
0,900
0,600
.1
524
0,900
0,600
.1
524
-0,300
.1
524
0,000
.5
-1
4
0,000
-0,300
.5
-1
4
0,600
0,300
.5
-1
4
0,600
0,300
.1
-4
.<
1
.9
5
0,000
-0,300
.5
-1
4
an
et
+
0,000
-0,300
.1
-4
.<
1
.9
5
.8
594
.7
584
.6
574
.5
564
.4
554
.3
544
.2
534
.1
524
.5
-1
4
0,300
.1
-4
an
et
+
.8
594
.7
584
.6
574
.5
564
.4
554
.3
544
.2
534
.1
524
.5
-1
4
an
.1
-4
.<
1
0,600
0,300
.1
-4
.<
1
.9
5
.8
594
.7
584
.6
574
.5
564
.4
554
.3
544
.2
534
.1
524
.5
-1
4
an
.1
-4
.<
1
0,600
.1
-4
0,900
an
et
+
0,900
.<
1
.9
5
.8
594
.7
584
.6
574
.5
564
.4
554
.3
544
.2
534
.1
524
.5
-1
4
an
.1
-4
.<
1
0,900
an
et
+
an
.1
-4
.<
1
0,900
.<
1
.9
5
.8
594
.7
584
.6
574
.5
564
.4
554
.3
544
.2
534
.1
524
.5
-1
4
.1
-4
.<
1
cat 7
cat 8
0,900
cat 12
cat 14
0,900
Total
Dans le cas de figure de rfrence, toutes causes confondues ( Total), les x sont dcroissants
sur les classes dge [1 an ; 44 ans] comme [75 ans et + [ et croissants dans les autres cas.
Chaque grande cause de mortalit a un comportement spcifique et on remarquera quen
particulier :
les x sont croissants avec lge sur la catgorie n6 (maladies du systme
nerveux et des organes des sens),
les catgories n13 et n14 ont une nouvelle fois un comportement spcifique.
1.4.2) Reprsentation des kt :

Les paramtres kt permettent de cerner lvolution de la mortalit au cours du temps.
On notera que les kt prsents ci-dessous, ne sont pas ajusts ce stade sur la mortalit
fminine relle.
20
03
20
01
19
99
19
97
19
95
19
93
19
91
19
87
19
85
19
83
19
81
19
79
20
03
20
01
19
99
19
97
19
95
19
93
19
91
19
89
19
87
19
85
19
83
19
81
19
79
3,000
19
89
kcat 2
kcat 1
3,000
2,000
1,000
0,000
-1,000
-2,000
-3,000
-4,000
2,000
1,000
0,000
-1,000
-2,000
-3,000
-4,000
3,000
3,000
2,000
2,000
1,000
1,000
0,000
0,000
-1,000
-1,000
-2,000
-2,000
-3,000
-3,000
-4,000
-4,000
- 38 -
20
03
20
03
19
91
19
89
19
87
19
85
19
83
19
91
19
89
19
87
19
85
19
83
19
81
19
79
20
03
20
01
19
99
19
97
19
95
kcat 6
19
93
19
91
19
89
19
87
19
85
19
83
19
81
19
79
kcat 5
20
01
-4,000
20
01
-3,000
-4,000
19
99
-2,000
-3,000
19
99
-2,000
19
97
-1,000
19
97
0,000
-1,000
19
95
1,000
0,000
19
95
2,000
1,000
19
93
3,000
2,000
19
93
3,000
19
81
19
79
20
03
20
01
19
99
19
97
19
95
kcat 4
19
93
19
91
19
89
19
87
19
85
19
83
19
81
19
79
kcat 3
-2,000
-2,000
-3,000
-3,000
-4,000
-4,000
kcat 15
kcat 16
3,000
3,000
2,000
2,000
1,000
0,000
1,000
0,000
-1,000
-1,000
-2,000
-2,000
-3,000
-3,000
-4,000
-4,000
kcat 17
3,000
3,000
2,000
2,000
1,000
0,000
1,000
0,000
-1,000
-1,000
-2,000
-2,000
-3,000
-3,000
-4,000
-4,000
- 39 20
03
-1,000
20
03
0,000
-1,000
20
01
1,000
20
01
0,000
20
03
2,000
1,000
19
99
3,000
2,000
19
99
3,000
20
01
kcat 13
19
97
-4,000
19
97
-3,000
-4,000
19
99
-2,000
-3,000
19
95
-2,000
k Total
19
95
-1,000
19
97
0,000
-1,000
19
95
1,000
19
93
0,000
19
93
2,000
1,000
19
93
3,000
2,000
19
91
3,000
19
91
19
99
20
01
20
03
19
99
20
01
20
03
19
99
20
01
20
03
19
95
19
93
19
91
19
89
19
87
19
85
19
83
19
81
19
79
20
03
20
01
19
99
19
97
19
95
19
93
19
91
19
89
19
87
19
85
19
83
19
81
19
79
19
97
kcat 12
19
97
19
95
19
93
19
91
19
89
19
87
kcat 10
19
97
19
95
19
93
19
91
kcat 11
19
91
-4,000
19
89
-3,000
-4,000
19
89
-2,000
-3,000
19
89
-2,000
19
85
kcat 9
19
89
-1,000
19
87
0,000
-1,000
19
87
1,000
19
87
0,000
19
87
2,000
1,000
19
85
3,000
2,000
19
85
3,000
19
85
-4,000
19
85
-3,000
-4,000
19
83
-2,000
-3,000
19
83
-2,000
19
83
-1,000
19
83
0,000
-1,000
19
83
1,000
19
81
19
79
20
03
20
01
19
99
19
97
19
95
19
93
19
91
19
89
19
87
19
85
19
83
19
81
19
79
0,000
19
81
19
79
20
03
20
01
19
99
19
97
19
95
19
93
19
91
19
89
19
87
19
85
19
83
19
81
19
79
2,000
1,000
19
81
19
79
20
03
20
01
19
99
19
97
19
95
19
93
19
91
19
89
19
87
19
85
19
83
19
81
19
79
3,000
2,000
19
81
19
79
20
03
20
01
19
99
19
97
19
95
19
93
19
91
19
89
19
87
19
85
19
83
19
81
19
79
3,000
19
81
19
79
20
03
20
01
19
99
19
97
19
95
19
93
19
91
19
89
19
87
19
85
19
83
19
81
19
79
kcat 7
kcat 8
kcat 14
Si les kt sont dcroissants avec le temps dans le cas de rfrence (kTotal) comme dans 9 autres
grandes causes (n2, 7, 8, 9, 10, 12, 13, 16 et 17), il nen va pas de mme pour les autres
catgories de risques :
les kt sont croissants avec lge sur la catgorie n5 (troubles mentaux et du
comportement) et n6 (maladies du systme nerveux et des organes des sens),
les kt sont plutt stables dans le temps, avec des variations plus ou moins
importantes autour de cette tendance, pour les catgories n1 (maladies
infectieuses et parasitaires), n3 (maladies du sang et des organes
hmatopotiques), n4 (maladies endocriniennes), n11 (maladies du systme
osto-articulaire et des muscles), n14 (infections de la priode prinatale) et
n15 (malformations congnitales).
1.5)
Etape 4 : Second ajustement des kt sur les dcs rels
La prsence de ratios dinertie la plupart du temps infrieurs 50% (sauf sur la catgorie n17
relative aux accidents) impose un ajustement de la composante temporelle kt laide de la
fonction F(k) = 0 =
x = xM
x = xm
x = xM
x = xm
D xt avec x et x = constante (dcrite au
chap. 2).
Nous obtenons ainsi un vecteur k t* pour chacune des grandes catgories.
Les pages suivantes prsentent les rsultats de ces ajustements.
- 40 -
Lgende :
20
01
20
03
20
01
20
03
20
03
19
99
19
99
19
99
20
01
19
97
19
97
19
95
19
93
19
97
10,000
6,000
5,000
4,000
19
91
19
89
19
87
19
85
19
83
19
81
19
79
20
03
20
01
19
99
19
97
19
95
kcat 4
19
93
19
91
19
89
19
87
19
85
19
83
19
81
19
79
19
91
19
87
19
85
19
83
19
81
2,000
1,500
1,000
0,500
0,000
-0,500
-1,000
-1,500
-2,000
-2,500
kcat 3
2,000
0,000
0,000
-5,000
-2,000
-10,000
-4,000
-15,000
-6,000
2,500
2,000
1,500
1,000
0,500
0,000
-0,500
-1,000
-1,500
-2,000
- 41 -
19
91
19
89
19
87
19
85
19
83
19
81
19
79
20
03
20
01
19
99
19
97
19
95
kcat 6
19
93
19
91
19
89
19
87
19
85
19
83
19
81
19
79
kcat 5
4,000
2,000
0,000
-2,000
-4,000
-6,000
-8,000
-10,000
-12,000
19
95
-3,000
19
95
0,000
-1,000
-2,000
19
93
1,000
19
93
3,000
2,000
19
79
20
03
20
01
19
99
19
97
19
95
19
93
19
91
19
89
19
87
19
85
19
83
19
81
19
79
4,000
19
89
kcat 2
kcat 1
19
99
20
01
20
03
20
01
20
03
20
01
20
03
19
97
19
95
19
93
19
91
19
89
19
87
19
85
19
83
19
81
19
99
6,000
19
79
20
03
20
01
19
99
19
97
19
95
kcat 8
19
93
19
91
19
89
19
87
19
85
19
83
19
81
19
79
kcat 7
8,000
6,000
4,000
2,000
0,000
-2,000
-4,000
-6,000
-8,000
-10,000
-12,000
4,000
2,000
0,000
-2,000
-4,000
-6,000
8,000
6,000
4,000
2,000
0,000
-2,000
-4,000
-6,000
-8,000
19
97
19
95
19
93
19
91
19
89
19
87
19
85
19
83
19
81
19
79
20
03
20
01
19
99
19
97
19
95
kcat 10
19
93
19
91
19
89
19
87
19
85
19
83
19
81
19
79
kcat 9
10,000
5,000
0,000
-5,000
-10,000
-15,000
5,000
4,000
3,000
2,000
1,000
0,000
-1,000
-2,000
-3,000
-4,000
19
99
19
97
19
95
19
93
19
91
19
89
19
87
19
85
19
83
19
81
19
79
20
03
20
01
19
99
19
97
19
95
kcat 12
19
93
19
91
19
89
19
87
19
85
19
83
19
81
19
79
kcat 11
10,000
8,000
6,000
4,000
2,000
0,000
-2,000
-4,000
-6,000
19
97
19
99
20
01
20
03
19
97
19
99
20
01
20
03
19
91
19
89
19
87
19
85
19
83
19
95
2,000
19
95
3,000
1,000
19
93
4,000
19
93
3,000
2,000
19
81
19
79
20
03
20
01
19
99
19
97
19
95
kcat 14
19
93
19
91
19
89
19
87
19
85
19
83
19
81
19
79
kcat 13
1,000
0,000
0,000
-1,000
-1,000
-2,000
-2,000
-3,000
-3,000
4,000
19
91
19
89
19
87
19
85
19
83
19
81
19
79
20
03
20
01
19
99
19
97
19
95
kcat 16
19
93
19
91
19
89
19
87
19
85
19
83
19
81
19
79
kcat 15
5,000
4,000
3,000
2,000
1,000
0,000
-1,000
-2,000
-3,000
-4,000
3,000
2,000
1,000
0,000
-1,000
-2,000
-3,000
6,000
4,000
3,000
2,000
1,000
0,000
-1,000
-2,000
-3,000
-4,000
4,000
2,000
0,000
-2,000
-4,000
-6,000
-8,000
- 42 -
19
83
19
85
19
87
19
89
19
91
19
93
19
95
19
97
19
99
20
01
20
03
19
79
19
81
20
03
20
01
19
99
19
97
19
95
k Total
19
93
19
91
19
89
19
87
19
85
19
83
19
81
19
79
kcat 17
La contrainte
t =tM
t = tm
k t* = 0 est ici respecte.
On observe que sur le cumul des causes (kTotal), lajustement sur les dcs recenss chaque
anne se traduit par une rotation des kt par rapport laxe des abscisses avec augmentation de
la pente. Ce rsultat est galement valable pour les catgories de risques n2 (tumeurs), n7
(maladies de lappareil circulatoire), n9 (maladies de lappareil digestif), n13 (complications
de grossesse), n15 (malformations congnitales), n16 (autres symptmes) et n17
(accidents). Lajustement entrane des fluctuations importantes sur la grande cause de dcs
n1 (maladies infectieuses et parasitaires).
Les x sont ensuite ajusts laide des coefficients x et kt = constantes :

t =tM
x
kt
x* = x +
t M t m + 1 t = tm
R : Les x* de chacune des grandes causes de dcs ne sont pas reprsents graphiquement
ce niveau car leurs valeurs sont trs proches de celles des x .
2) Extrapolation de la composante temporelle

La srie des k t* de chaque grande cause de dcs va tre prolonge jusqu un horizon de 130
ans en se basant sur la meilleure modlisation possible (rgression ou srie chronologique).
Lhorizon 130 a t choisi pour rendre possible les calculs jusqu lge ultime pour la
gnration ne en 2008 : 2008 + 120 ans = 2128. Les donnes ntant disponibles que
jusquen 2004, on prolonge de 130 ans : 2004 + 130 = 2134, soit un peu plus que ncessaire.
On notera que les projections de la composante temporelle 130 ans ne sont pas lies
la mthode de fermeture des tables. Cela permet en fait dutiliser les rsultats de
cette tude pour calculer lensemble des Lx des gnrations les plus rcentes. La
vritable fermeture des tables sera ralise dans le chapitre 4 - section 1.5 et pour un
ge ultime de 120 ans, retenu pour lensemble de la population fminine franaise.
2.1) Modlisation par grande cause mdicale de dcs

Les rsultats suivants sont prsents sous forme de tableaux synthtiques pour chacune des 17
catgories de risques. Les valeurs des coefficients ainsi que quelques statistiques lmentaires
(carts types sur les paramtres, sur la prvision, valeurs minimum et maximum prises sur la
priode 1979-2134, ) sont donnes pour chacune des 4 rgressions retenues. Le meilleur
modle ARIMA est indiqu de faon spcifique avec lcriture de son quation. Enfin, la
dernire colonne prcise le modle choisi pour les prvisions long terme.
- 43 -
Le processus ARIMA (2,0,2) est donc le modle retenu pour la prvision des kt* des dcs de
sexe fminin lis aux maladies infectieuses et parasitaires. Il a t slectionn parmi les 12
processus ARIMA suivants car il minimise les critres AIC et SBC dfinis au chapitre 2 :
Tableau 1 - Statistiques ARIMA - catgorie 1

Modles
ARIMA(0,0,0)
ARIMA(1,0,0)
ARIMA(0,0,1)
ARIMA(1,0,1)
ARIMA(2,0,0)
ARIMA(0,0,2)
AIC
104,1922
96,30583
96,4596
97,21933
96,3816
96,96152
SBC
105,4503
98,82202
98,97579
100,9936
100,1559
100,7358
Modles
ARIMA(2,0,2)
ARIMA(2,0,1)
ARIMA(1,0,2)
ARIMA(3,0,3)
ARIMA(3,0,0)
ARIMA(0,0,3)
AIC
96,02182
96,12907
98,85484
101,0472
96,91148
98,60476
SBC
102,3123
101,1615
103,8872
109,8538
101,9439
103,6371
Ce processus comporte une composante cyclique rgulire reprsente sur le graphique

suivant :
Graphique 1a - kt* - ARIMA(2,0,2) - Maladies infectieuses et parasitaires
Lgende :
srie des kt*
prvisions
L95%
- 44 -
U95%
SAS 9.1
Ce modle ARIMA ainsi que les diffrentes rgressions sont reprsents sur lensemble de
lhorizon de prvision :
Graphique 1b - kt* - Modles de rgression et processus ARIMA - Maladies infectieuses

et parasitaires.
19
79
19
84
19
89
19
94
19
99
20
04
20
09
20
14
20
19
20
24
20
29
20
34
20
39
20
44
20
49
20
54
20
59
20
64
20
69
20
74
20
79
20
84
20
89
20
94
20
99
21
04
21
09
21
14
21
19
21
24
21
29
21
34
Prvisions kt+i*
16,0
14,0
12,0
10,0
kt* = a.lnt + b
8,0
kt* = a/t + b
6,0
kt* = b+c.a^t
kt* = a.t + b
4,0
Donnes kt*
ARIMA(2,0,2)
2,0
0,0
-2,0
-4,0
On peut constater que le processus ARIMA est ici le plus adquat pour la prvision. Le
modle non linaire k t* = b + c a t + t est confondu avec lquation linaire et a une
tendance linstabilit long terme (paramtre a # 1).
________________________
Le modle n4 non linaire est celui qui ajuste le mieux la composante temporelle des dcs
lis aux cancers. Les prvisions de dcs sont proches du modle linaire dans une premire
priode pour sen carter trs nettement la baisse sur le trs le long terme. Cette hypothse
semble cohrente pour ce type de risque.
- 45 -
Graphique 2 - kt* - Modles de rgression et processus ARIMA - Tumeurs
19
79
19
84
19
89
19
94
19
99
20
04
20
09
20
14
20
19
20
24
20
29
20
34
20
39
20
44
20
49
20
54
20
59
20
64
20
69
20
74
20
79
20
84
20
89
20
94
20
99
21
04
21
09
21
14
21
19
21
24
21
29
21
34
Prvisions kt+i*
5,0
0,0
-5,0
kt* = a.lnt + b
kt* = a/t + b
kt* = b+c.a^t
kt* = a.t + b
Donnes kt*
-10,0
ARIMA (1,1,1)
-15,0
-20,0
-25,0
R : nous reprsentons ici les diffrentes quations des modles de rgression sans intervalle de
confiance pour viter de surcharger les graphiques. Ces derniers sont facilement dductibles
pour les 4 rgressions partir du tableau de synthse ci-dessus en utilisant lquation :
k t*+i 1,96 kt au seuil de risque de 5%.
________________________
Comme pour la catgorie n1, le processus ARIMA (2,0,2) est retenu pour la prvision des
kt* des maladies du sang. Le modle a t choisi parmi les 12 processus ARIMA de la page
suivante.
- 46 -
Tableau 2 Statistiques ARIMA - catgorie 3

Modles
ARIMA(0,0,0)
ARIMA(1,0,0)
ARIMA(0,0,1)
ARIMA(1,0,1)
ARIMA(2,0,0)
ARIMA(0,0,2)
AIC
165,6998
148,0066
157,7476
147,5301
147,0739
154,2842
SBC
166,9579
150,5228
160,2638
151,3044
150,8482
158,0585
Modles
ARIMA(2,0,2)
ARIMA(2,0,1)
ARIMA(1,0,2)
ARIMA(3,0,3)
ARIMA(3,0,0)
ARIMA(0,0,3)
AIC
146,8185
153,4306
148,8271
149,8732
149,0207
153,6113
SBC
153,109
158,463
153,8595
158,6799
154,0531
158,6437
Le modle ARIMA (2,0,2) a t slectionn, mme sil ne minimise pas le critre SBC.
Graphiquement, une composante cyclique est mise en vidence comme pour les maladies
infectieuses et parasitaires mais avec plus damplitude :
Graphique 3a - kt* - ARIMA(2,0,2) - Maladies du sang et des organes hmatopotiques
Lgende :
srie des kt*
prvisions
L95%
U95%
SAS 9.1
Les prvisions oscillent donc autour de zro. Elles traduisent implicitement un cycle et une
certaine stagnation dans les progrs mdicaux attendus pour ce type de risque.
- 47 -
Graphique 3b - kt* - Modles de rgression et processus ARIMA Maladies du sang et

des organes hmatopotiques.
19
79
19
84
19
89
19
94
19
99
20
04
20
09
20
14
20
19
20
24
20
29
20
34
20
39
20
44
20
49
20
54
20
59
20
64
20
69
20
74
20
79
20
84
20
89
20
94
20
99
21
04
21
09
21
14
21
19
21
24
21
29
21
34
Prvisions kt+i*
20,0
0,0
-20,0
kt* = a.lnt + b
kt* = a/t + b
kt* = b+c.a^t
-40,0
kt* = a.t + b
Donnes kt*
ARIMA (2,0,2)
-60,0
-80,0
-100,0
________________________
Le processus ARIMA (0,1,0) est retenu pour la prvision des kt* des maladies endocriniennes.
Il comprend une diffrenciation mais pas de composante autorgressive ou moyenne mobile.
Pour cette catgorie, difficile modliser, il semble prfrable de tabler sur baisse lente et
rgulire des dcs long terme.
- 48 -

Modles
ARIMA(0,1,0)
ARIMA(1,1,0)
ARIMA(0,1,1)
ARIMA(1,1,1)
ARIMA(2,1,0)
ARIMA(0,1,2)
AIC
98,06032
99,08205
99,27718
101,0456
100,9613
100,5199
SBC
99,27919
101,5198
101,7149
104,7022
104,6179
104,1766
Modles
ARIMA(2,1,2)
ARIMA(2,1,1)
ARIMA(1,1,2)
ARIMA(3,1,3)
ARIMA(3,1,0)
ARIMA(0,1,3)
AIC
99,61441
100,97
102,1763
106,0948
102,0663
94,85494
SBC
105,7088
105,8455
107,0518
114,6269
106,9418
99,73044
Graphique 4a - kt* - ARIMA(0,1,0) - Maladies endocriniennes, nutritionnelles et mtab.
Lgende :
srie des kt*
prvisions
L95%
- 49 -
U95%
SAS 9.1
Graphique 4b - kt* - Modles de rgression et processus ARIMA - Maladies

endocriniennes, nutritionnelles et mtab.
19
79
19
84
19
89
19
94
19
99
20
04
20
09
20
14
20
19
20
24
20
29
20
34
20
39
20
44
20
49
20
54
20
59
20
64
20
69
20
74
20
79
20
84
20
89
20
94
20
99
21
04
21
09
21
14
21
19
21
24
21
29
21
34
Prvisions kt+i*
8,0
6,0
4,0
2,0
kt* = a.lnt + b
kt* = a/t + b
0,0
kt* = b+c.a^t
-2,0
kt* = a.t + b
Donnes kt*
-4,0
ARIMA (0,1,0)
-6,0
-8,0
-10,0
-12,0
________________________
Ce risque est particulier car il est en progression sur lhistorique mme si cette hausse semble
atteindre un plafond sur les dernires annes disponibles. Pour cette raison, le modle n4 non
linaire a t slectionn pour modliser les kt* des troubles mentaux. Les prvisions de dcs
sont ici proches du modle avec asymptote, contrairement la catgorie de causes n2.
- 50 -
Graphique 5 - kt* - Modles de rgression et processus ARIMA - Troubles mentaux et

du comportement
19
79
19
84
19
89
19
94
19
99
20
04
20
09
20
14
20
19
20
24
20
29
20
34
20
39
20
44
20
49
20
54
20
59
20
64
20
69
20
74
20
79
20
84
20
89
20
94
20
99
21
04
21
09
21
14
21
19
21
24
21
29
21
34
Prvisions kt+i*
30,0
25,0
20,0
15,0
kt* = a.lnt + b
kt* = a/t + b
10,0
kt* = b+c.a^t
kt* = a.t + b
5,0
Donnes kt*
ARIMA (2,0,0)
0,0
-5,0
-10,0
-15,0
________________________
Le processus autorgressif avec diffrenciation ARIMA (1,1,0) est le meilleur pour la

modlisation de la catgorie des maladies du systme nerveux. Pour cette grande cause de
dcs, il faut prvoir une lgre augmentation de la sinistralit long terme.
- 51 -
Tableau 4 - Statistiques ARIMA - catgorie 6

Modles
ARIMA(0,1,0)
ARIMA(1,1,0)
ARIMA(0,1,1)
ARIMA(1,1,1)
ARIMA(2,1,0)
ARIMA(0,1,2)
AIC
19,34576
17,41489
18,47201
19,28672
19,22365
18,05661
SBC
20,56463
19,85264
20,90976
22,94335
22,88028
21,71324
Modles
ARIMA(2,1,2)
ARIMA(2,1,1)
ARIMA(1,1,2)
ARIMA(3,1,3)
ARIMA(3,1,0)
ARIMA(0,1,3)
AIC
SBC
non convergent
21,02791
25,90341
19,63783
24,51333
23,4759
32,00803
20,91753
25,79303
19,42606
24,30156
Graphique 6a - kt* - ARIMA(1,1,0) - Maladies du syst. nerveux et des org. des sens
Lgende :
srie des kt*
prvisions
L95%
- 52 -
U95%
SAS 9.1
Graphique 6b - kt* - Modles de rgression et processus ARIMA Maladies du syst.

nerveux et des org. des sens.
19
79
19
84
19
89
19
94
19
99
20
04
20
09
20
14
20
19
20
24
20
29
20
34
20
39
20
44
20
49
20
54
20
59
20
64
20
69
20
74
20
79
20
84
20
89
20
94
20
99
21
04
21
09
21
14
21
19
21
24
21
29
21
34
Prvisions kt+i*
14,0
12,0
10,0
8,0
kt* = a.lnt + b
kt* = a/t + b
6,0
kt* = b+c.a^t
kt* = a.t + b
Donnes kt*
4,0
ARIMA (1,1,0)
2,0
0,0
-2,0
-4,0
Encore une fois, le modle non linaire a une tendance la divergence. Il est confondu avec le
modle linaire sur le graphique.
________________________
Le modle non linaire k t* = b + c a t + t est retenu pour prvoir les dcs lis aux maladies
cardiaques. Si la tendance est la baisse, il semble prfrable de tabler sur une dcroissance
progressivement ralentie plutt que sur un modle linaire avec cette catgorie de causes.
- 53 -
Graphique 7 - kt* - Modles de rgression et processus ARIMA - Troubles mentaux et

du comportement.
19
79
19
84
19
89
19
94
19
99
20
04
20
09
20
14
20
19
20
24
20
29
20
34
20
39
20
44
20
49
20
54
20
59
20
64
20
69
20
74
20
79
20
84
20
89
20
94
20
99
21
04
21
09
21
14
21
19
21
24
21
29
21
34
Prvisions kt+i*
20,0
10,0
0,0
-10,0
kt* = a.lnt + b
kt* = a/t + b
kt* = b+c.a^t
-20,0
kt* = a.t + b
Donnes kt*
ARIMA (1,1,0)
-30,0
-40,0
-50,0
-60,0
________________________
Ce risque est en forte baisse sur les dernires annes dhistorique. Les modles ARIMA tests
ne sont pas satisfaisants sur cette catgorie. Au final, la tendance linaire k t* = a t + b + t a
t retenue pour la prvision des dcs lis aux maladies de lappareil respiratoire.
- 54 -
Graphique 8 - kt* - Modles de rgression et processus ARIMA - Maladies de lappareil

respiratoire.
19
79
19
84
19
89
19
94
19
99
20
04
20
09
20
14
20
19
20
24
20
29
20
34
20
39
20
44
20
49
20
54
20
59
20
64
20
69
20
74
20
79
20
84
20
89
20
94
20
99
21
04
21
09
21
14
21
19
21
24
21
29
21
34
Prvisions kt+i*
10,0
0,0
-10,0
-20,0
kt* = a.lnt + b
kt* = a/t + b
kt* = b+c.a^t
kt* = a.t + b
-30,0
Donnes kt*
ARIMA (0,1,1)
-40,0
-50,0
-60,0
-70,0
On notera que sur ce graphique les quations linaires et non linaires sont une nouvelle fois
confondues.
________________________
Le modle non linaire k t* = b + c a t + t est slectionn pour la catgorie des maladies de

lappareil digestif. La tendance retenue est bien plus proche du modle n2 sans asymptote
que du modle linaire n1 sur lhorizon de prvision.
- 55 -
Graphique 9 - kt* - Modles de rgression et processus ARIMA - Maladies de lappareil

digestif.
19
79
19
84
19
89
19
94
19
99
20
04
20
09
20
14
20
19
20
24
20
29
20
34
20
39
20
44
20
49
20
54
20
59
20
64
20
69
20
74
20
79
20
84
20
89
20
94
20
99
21
04
21
09
21
14
21
19
21
24
21
29
21
34
Prvisions kt+i*
20,0
10,0
0,0
-10,0
kt* = a.lnt + b
-20,0
kt* = a/t + b
kt* = b+c.a^t
-30,0
kt* = a.t + b
Donnes kt*
-40,0
ARIMA (0,1,2)
-50,0
-60,0
-70,0
-80,0
On constate en particulier que modles linaires et ARIMA sont confondus pour ce risque.
________________________
Cette catgorie est en forte baisse sur lhistorique comme celle des maladies de lappareil
respiratoire. Aucun modle ARIMA test ntant satisfaisant, lquation linaire
k t* = a t + b + t a t retenue pour modliser la grande cause des dcs par infection de la
peau.
- 56 -
Graphique 10 - kt* - Modles de rgression et processus ARIMA - Infections de la peau

et du tissu cellulaire sous-cutan.
19
79
19
84
19
89
19
94
19
99
20
04
20
09
20
14
20
19
20
24
20
29
20
34
20
39
20
44
20
49
20
54
20
59
20
64
20
69
20
74
20
79
20
84
20
89
20
94
20
99
21
04
21
09
21
14
21
19
21
24
21
29
21
34
Prvisions kt+i*
10,0
0,0
-10,0
kt* = a.lnt + b
kt* = a/t + b
-20,0
kt* = b+c.a^t
kt* = a.t + b
Donnes kt*
-30,0
ARIMA (0,1,2)
-40,0
-50,0
-60,0
________________________
Cette grande cause est particulirement difficile modliser comme on peut lobserver la
lecture des faibles coefficients R. Le processus ARIMA (1,0,2) a t slectionn car cest
celui qui ajuste le mieux les kt*. Il prdit une stabilit long terme aprs une lgre hausse
des dcs lis aux maladies musculaires et articulaires.
- 57 -

Modles
ARIMA(0,0,0)
ARIMA(1,0,0)
ARIMA(0,0,1)
ARIMA(1,0,1)
ARIMA(2,0,0)
ARIMA(0,0,2)
AIC
113,8966
101,4661
107,1877
103,3333
102,8849
102,1616
SBC
115,1547
103,9822
109,7039
107,1076
106,6592
105,9359
Modles
ARIMA(2,0,2)
ARIMA(2,0,1)
ARIMA(1,0,2)
ARIMA(3,0,3)
ARIMA(3,0,0)
ARIMA(0,0,3)
AIC
96,57897
100,3936
92,92928
100,2399
101,202
98,7921
SBC
102,8695
105,426
96,70357
109,0466
106,2344
103,8245
Graphique 11a - kt* - ARIMA(1,0,2) - Maladies syst. osto-art., muscles et tissu conj.
Lgende :
srie des kt*
prvisions
L95%
- 58 -
U95%
SAS 9.1
Graphique 11b - kt* - Modles de rgression et processus ARIMA - Maladies syst. ostoart., muscles et tissu conj.
19
79
19
84
19
89
19
94
19
99
20
04
20
09
20
14
20
19
20
24
20
29
20
34
20
39
20
44
20
49
20
54
20
59
20
64
20
69
20
74
20
79
20
84
20
89
20
94
20
99
21
04
21
09
21
14
21
19
21
24
21
29
21
34
Prvisions kt+i*
6,0
4,0
2,0
0,0
kt* = a.lnt + b
kt* = a/t + b
kt* = b+c.a^t
-2,0
kt* = a.t + b
Donnes kt*
ARIMA (1,0,2)
-4,0
-6,0
-8,0
-10,0
________________________
Rgression
Linaire
Sans asymptote
Avec asymptote
Non linaire
ARIMA
ARIMA (1,0,0)
Formule
Rappel min et max sur donnes k1979-k2004 :

R
72,59%
-0,44
kt* = a.t + b + t
kt=(2,10)
F=(63,55)
a=(0,05)
-4,38
kt* = a.lnt + b + t 87,59%
kt=(1,41)
F=(169,46)
a=(0,34)
61,95%
15,16
kt* = a/t + b + t
kt=(2,47)
F=(39,08)
a=(2,43)
0,87
kt* = b+c.a^t + t 92,11%
kt=(1,12)
F=(280,12)(si a 1=> instable)
7,40
1
1,00
2
0,00
b
5,90
c
/
10,32
-2,25
b=(0,85)
b=(0,84)
b=(0,60)
-3,84
b=(0,32)
k t* = 0 + 1 k t*1 + 2 k t* 2 1 t 1 2 t 2 + t
1
0,00
-4,98
8,31
Analyse sur prvisions kt+i*

Min k1979-k2134
Max k1979-k2134
-62,23
5,46
-12,22
10,32
-2,16
12,91
15,49
-3,84
9,61
2
0,00
-4,98
8,31
c=(0,93)
avec : 0 =
(1 1 2 ... p )
kt* = kt-1* + t
Ce risque est en baisse avec un ralentissement marqu sur les dernires annes de notre
historique. La modlisation non linaire tend vers un plancher proche de celui du modle avec
asymptote n3. Elle a t slectionne pour prvoir la composante temporelle des dcs lis
aux maladies de lappareil gnito-urinaire.
- 59 -
Choix
Graphique 12 - kt* - Modles de rgression et processus ARIMA - Maladies de

l'appareil gnito-urinaire.
19
79
19
84
19
89
19
94
19
99
20
04
20
09
20
14
20
19
20
24
20
29
20
34
20
39
20
44
20
49
20
54
20
59
20
64
20
69
20
74
20
79
20
84
20
89
20
94
20
99
21
04
21
09
21
14
21
19
21
24
21
29
21
34
Prvisions kt+i*
20,0
10,0
0,0
-10,0
kt* = a.lnt + b
kt* = a/t + b
-20,0
kt* = b+c.a^t
kt* = a.t + b
-30,0
Donnes kt*
ARIMA (1,0,0)
-40,0
-50,0
-60,0
-70,0
On remarquera que les modles non linaire, avec asymptote et ARIMA sont ici trs proches.
________________________
Pour cette grande cause de dcs affectant les femmes en ge de procrer, seules les classes
dge allant de 15 55 ans sont rellement concernes. La tendance est la baisse et
lquation linaire k t* = a t + b + t a t retenue pour modliser les sinistres lis aux
complications de grossesse. On notera que la tendance est proche de celle donne par le
modle moyenne mobile dordre 3 ARIMA (0,1,3).
- 60 -
Graphique 13 - kt* - Modles de rgression et processus ARIMA - Complic. de

grossesse, accouch. et puerpralit.
19
79
19
84
19
89
19
94
19
99
20
04
20
09
20
14
20
19
20
24
20
29
20
34
20
39
20
44
20
49
20
54
20
59
20
64
20
69
20
74
20
79
20
84
20
89
20
94
20
99
21
04
21
09
21
14
21
19
21
24
21
29
21
34
Prvisions kt+i*
5,0
0,0
-5,0
kt* = a.lnt + b
kt* = a/t + b
kt* = b+c.a^t
kt* = a.t + b
-10,0
Donnes kt*
ARIMA (0,1,3)
-15,0
-20,0
-25,0
________________________
Cette catgorie de risques concerne essentiellement la classe dge des moins dun an. La
modlisation non linaire k t* = b + c a t + t a t slectionne pour anticiper une stabilit de
ce risque sur le long terme.
- 61 -
Graphique 14 - kt* - Modles de rgression et processus ARIMA - Certaines infections

de la priode prinatale.
19
79
19
84
19
89
19
94
19
99
20
04
20
09
20
14
20
19
20
24
20
29
20
34
20
39
20
44
20
49
20
54
20
59
20
64
20
69
20
74
20
79
20
84
20
89
20
94
20
99
21
04
21
09
21
14
21
19
21
24
21
29
21
34
Prvisions kt+i*
6,0
4,0
2,0
0,0
kt* = a.lnt + b
kt* = a/t + b
-2,0
kt* = b+c.a^t
-4,0
kt* = a.t + b
Donnes kt*
-6,0
ARIMA (1,0,0)
-8,0
-10,0
-12,0
-14,0
________________________
La catgorie des dcs lis aux malformations et anomalies chromosomiques suit une
tendance dcroissante rgulire et lgrement ralentie sur les dernires annes de lhistorique.
Le modle non linaire n4 a t retenue et se caractrise par une dcroissance jusqu un
niveau plancher pour les dcs attendus long terme. Les rsultats sont ici proches de ceux du
modle n2 sans asymptote.
- 62 -
Graphique 15 - kt* - Modles de rgression et processus ARIMA - Malformations

congn. et anom. chromosomiques.
19
79
19
84
19
89
19
94
19
99
20
04
20
09
20
14
20
19
20
24
20
29
20
34
20
39
20
44
20
49
20
54
20
59
20
64
20
69
20
74
20
79
20
84
20
89
20
94
20
99
21
04
21
09
21
14
21
19
21
24
21
29
21
34
Prvisions kt+i*
10,0
5,0
0,0
-5,0
kt* = a.lnt + b
kt* = a/t + b
-10,0
kt* = b+c.a^t
kt* = a.t + b
Donnes kt*
-15,0
ARIMA (0,1,1)
-20,0
-25,0
-30,0
-35,0
________________________
Cette grande cause regroupe lensemble des dcs de sexe fminin non expliqus par les 16
autres catgories. Elle reprsente environ 7,0% des dcs sur lhistorique, ce qui est dj
significatif. Comme la prcdente catgorie, la modlisation non linaire permet de prvoir un
net ralentissement dans la baisse des dcs futurs attendus.
- 63 -
Graphique 16 - kt* - Modles de rgression et processus ARIMA - Symptmes et tats

morbides mal dfinis.
19
79
19
84
19
89
19
94
19
99
20
04
20
09
20
14
20
19
20
24
20
29
20
34
20
39
20
44
20
49
20
54
20
59
20
64
20
69
20
74
20
79
20
84
20
89
20
94
20
99
21
04
21
09
21
14
21
19
21
24
21
29
21
34
Prvisions kt+i*
10,0
5,0
0,0
-5,0
-10,0
kt* = a.lnt + b
kt* = a/t + b
kt* = b+c.a^t
-15,0
kt* = a.t + b
Donnes kt*
ARIMA (0,1,3)
-20,0
-25,0
-30,0
-35,0
-40,0
-45,0
________________________
Cette dernire grande cause est celle qui est la mieux reprsente par la modlisation LeeCarter (ratio dinertie de plus de 60%21). La composante temporelle est ici dcroissante et trs
linaire. La rgression non linaire n4 a t prfre une modlisation linaire ou un
processus moyenne mobile dordre 1 ARIMA (0,1,1) mme si les 3 rsultats sont proches.
21
cf. section 1.1 de ce chapitre.
- 64 -
Graphique 17 - kt* - Modles de rgression et processus ARIMA - Causes externes de

blessure et dempoisonnement.
19
79
19
84
19
89
19
94
19
99
20
04
20
09
20
14
20
19
20
24
20
29
20
34
20
39
20
44
20
49
20
54
20
59
20
64
20
69
20
74
20
79
20
84
20
89
20
94
20
99
21
04
21
09
21
14
21
19
21
24
21
29
21
34
Prvisions kt+i*
20,0
10,0
0,0
-10,0
kt* = a.lnt + b
kt* = a/t + b
kt* = b+c.a^t
-20,0
kt* = a.t + b
Donnes kt*
ARIMA (0,1,1)
-30,0
-40,0
-50,0
-60,0
2.2) Modlisation globale sans rfrence la causalit des dcs

Enfin, il est intressant dappliquer notre mthodologie lensemble des causes mdicales de
dcs fminin, comme cest le cas pour la plupart des applications de type Lee-Carter ou
drivs en Assurance.
- 65 -
Graphique 18 - kt* - Modles de rgression et processus ARIMA - Toutes causes de

dcs de sexe fminin confondues.
19
79
19
84
19
89
19
94
19
99
20
04
20
09
20
14
20
19
20
24
20
29
20
34
20
39
20
44
20
49
20
54
20
59
20
64
20
69
20
74
20
79
20
84
20
89
20
94
20
99
21
04
21
09
21
14
21
19
21
24
21
29
21
34
Prvisions kt+i*
10,0
5,0
0,0
-5,0
-10,0
kt* = a.lnt + b
-15,0
kt* = a/t + b
kt* = b+c.a^t
-20,0
kt* = a.t + b
Donnes kt*
ARIMA (0,1,2)
-25,0
-30,0
-35,0
-40,0
-45,0
Une approche prudente consisterait retenir un modle linaire ou un processus ARIMA

moyenne mobile pour extrapoler les kt* sur le long terme. Cependant, la modlisation n2
"sans asymptote" nest pas exclure doffice avec un R > 85%. Au final, on observe que le
modle le plus reprsentatif des dcs de sexe fminin en France, sans sintresser la nature
des causes, est un modle non linaire. Ce dernier est nettement plus proche dun modle de
rgression sur le logarithme du temps que dun modle linaire.
Ce rsultat est intressant car il va lencontre des projections classiques de la

composante temporelle dans les modlisations de type Lee-Carter ou drivs.
Deux visions de la mortalit prospective sont donc envisageables ce stade :
1) une mortalit qui dcrot de faon linaire sur le long terme (vision prudente),
2) une mortalit qui tend progressivement vers un niveau plancher et traduirait ainsi
une limite lesprance de vie des femmes (vision rationnelle retenue ici).
________________________
Sans chercher
coexistent :
-
conclure ce stade, il semble cohrent de penser que les deux visions

certaines grandes causes de dcs dcroissent de faon linaire,
dautres catgories de risques ont des volutions ralenties la baisse,
certaines catgories sont en croissance forte ou ralentie,
enfin, certains risques sont difficilement modlisables long terme.
- 66 -
En fonction des moyens humains et financiers disponibles pour la recherche mdicale et le

progrs sanitaire, les volutions futures de la mortalit fminine semblent en parties alatoires
mais trs certainement comprises entre ces deux grandes tendances.
Il apparat ncessaire ce stade de vrifier la cohrence des prvisions "toutes causes" avec le
cumul des projections de chaque modle. Ce contrle ne peut pas tre ralis au niveau de
lanalyse des composantes temporelles puisque le cumul des kt na pas de sens. Il sera
effectu sur lensemble de lhorizon danalyse aprs calcul et redploiement ge par ge des
taux de dcs dans le prochain chapitre.
- 67 -
CHAPITRE IV :
FERMETURE ET PRESENTATION
DES TABLES DE MORTALITE
PROSPECTIVES FEMININES
Dans la suite de ltude, nous utiliserons les projections cumules de chacune 17 grandes
causes mdicales de dcs pour construire les tables de mortalit prospectives fminines.
Lanalyse par grandes catgories de causes sarrte donc cette tape de la
modlisation Lee-Carter.
1) Redploiement des taux de mortalit par ge et fermeture des tables

Calcul des taux de mortalit issus de la modlisation Lee-Carter
Les vecteurs * , et k * de chaque catgorie permettent de reconstituer :
a)
Modle Lee-Carter standard :
les taux instantans de mortalit : xt = exp( x + x .k t )

b)
Modle Lee-Carter logistique :
les taux bruts de mortalit : q xt =
exp( x + x .k t )
1 + exp( x + x .k t )
Ces taux de mortalit sur additionns sur chacune des 17 grandes causes de dcs, pour
chaque anne t (t [1979 ; 2134]) et pour chaque classe dge.
1.2) Transformation en taux de dcs annuels pour tout ge x

Les taux de mortalit prospectifs ainsi obtenus sont donns par tranche de longueur variable.
Il convient donc pour les exploiter de les transformer en probabilits annuelles de dcs.
On pose lhypothse dune "volution exponentielle de la mortalit entre deux
classes dge".
- 68 -
Prenons par exemple lanne 1979 dans le cas du modle Lee-Carter standard :
indice
i
1
2
3
4
5
6
7
8
9
10
11
12
13
Classes
d'ge
<1 an
1-4
5-14
15-24
25-34
35-44
45-54
55-64
65-74
75-84
85-94
95 et +
Age limite
Age
central xi
0,5
3,0
10,0
20,0
30,0
40,0
50,0
60,0
70,0
80,0
90,0
107,5
120,0
Hypothse : "mortalit exponentielle".

xi ,1979 = b a t ln( xi ,1979 ) = ln(b) + t. ln(a )
xi,1979
0,988%
0,048%
0,023%
0,052%
0,070%
0,135%
0,306%
0,653%
1,698%
5,827%
15,829%
36,815%
100,000%
Avec 2 points : (x2 = 3 ; x2,1979 = 0,048%)

et (x3 = 10 ; x3,1979 = 0,023%), on rsout
un systme permettant de dterminer les
valeurs de a et b.
Au final :
a = exp
ln( x3 ,1979 ) ln( x2 ,1979 )
( x3 x2 )
b = exp ln( x2 ,1979 ) x 2 ln(a )
et
Ces rsultats sont appliqus sur lensemble

des classes dge prises 2 2.
On peut remarquer que cette tape de calcul des taux de dcs par ge a pour
consquence daboutir une premire fermeture implicite des tables puisque lon a
fix un ge ultime de 120 ans sur la dernire classe dge. Ce rsultat nest cependant
pas dterminant car la vritable clture des tables aura lieu au niveau de la section 1.5
de ce chapitre.
Les rsultats de lanne 1979 se prsentent de la faon suivante :
Graphique 1 Taux instantans de dcs par ge de lanne 1979 - Modles Lee-Carter

standard.
Taux instantans de mortalit de l'anne 1979
100%
80%
60%
Taux recalculs
Taux initiaux
40%
20%
12
0
10
5
90
75
60
45
30
15
0%
Modle Lee-Carter standard
- 69 -
Pour le modle Lee-Carter logistique la diffrence vient du fait que lon travaille directement
sur les taux bruts de dcs. Le graphique suivant prsente les rsultats quivalents :
Graphique 2 Taux bruts de dcs par ge de lanne 1979 - Modles Lee-Carter

logistique.
Taux bruts de mortalit de l'anne 1979
12
0
10
5
90
75
60
45
30
Taux initiaux
Taux recalculs
15
100%
90%
80%
70%
60%
50%
40%
30%
20%
10%
0%
Modle Lee-Carter Logistique
Cette opration est ralise pour chacune des annes t. On obtient ainsi pour les 2
modlisations Lee-Carter un tableau avec 121 lignes (ges 0 120 ans) et 156 colonnes
(annes 1979 2134).
1.3) Comparaison de la modlisation sans rfrence la causalit des dcs

avec le cumul des modlisations par cause.
Le contrle de la cohrence des projections de la composante temporelle kt par causes avec
lapproche globale est ralis ce stade pour chacune des deux mthodes Lee-Carter.
Cette tape est indispensable car incidemment la construction dune table "toutes
causes" devrait donner des rsultats proches de ceux obtenus par addition des
projections par grande cause. Il sagit galement dun test de cohrence global du
modle causes de sorties multiples retenu dans cette tude.
Suite lclatement par ge des taux de dcs, on mesure les carts de taux entre les
approches par causes et "toutes causes", cest--dire sans rfrence la causalit des dcs.
Les deux graphiques suivants permettent de visualiser les carts de taux instantans de
mortalit dans le cadre du modle Lee-Carter standard. Comme cela a t prcis au prcdent
chapitre22, deux approches sont envisageables pour lanalyse "toutes causes" :
1) Une mortalit qui tend progressivement vers un niveau plancher :
la composante temporelle est non linaire : kt=b+c.at (graphique 3).
Cest lhypothse de projection qui a t retenue.
2) Une mortalit qui dcrot de faon linaire :
la composante temporelle est linaire : kt=a.t+b (graphique 4).
Il sagit dun scnario diffrent test ici uniquement titre de comparaison.
22
cf. section 2.2 de ce chapitre.
- 70 -
Lobjectif est de sassurer quil ny a pas dcarts significatifs de taux sur lhorizon
des projections selon lhypothse dvolution de la composante temporelle au niveau
dajustement "toutes causes".
Graphique 3 Ecarts des x,t : Delta mu =

Carter standard.
par cause
x,t
* avec un modle non linaire retenu pour la projection des kt des
global
x,t
* - Modlisation Lee-
global
.
x,t
Les carts de taux instantans de mortalit sont ngatifs ou nuls indiquant que lapproche par
causes donne des taux lgrement plus faibles que lanalyse "toutes causes". Ces diffrences
sont plus marques aux grands ges en raison de valeurs plus levs des taux de dcs
conjugues une croissance exponentielle de la mortalit jusqu lge de 120 ans. Ces carts
aux grands ges nauront pas dimpact au final suite lapplication de la mthode de
fermeture des tables.
De 0 80 ans, lcart moyen est ici de -0,037% sur lensemble des annes. La surface
correspondante est par ailleurs presque plane indiquant quelle est sujette de faibles
variations.
On en conclue quil y a bien cohrence entre lapproche par causes et lanalyse sans
rfrence la causalit des dcs dans cette tude.
- 71 -
Graphique 4 Ecarts des x,t : Delta mu =

Carter standard.
par cause
x,t
** avec un modle linaire retenu pour la projection des kt des
global
x,t
** - Modlisation Lee-
global
.
x,t
Lorsque les projections "toutes causes" suivent un modle linaire, les taux instantans de
mortalit calculs partir des modlisations par cause sont logiquement plus levs sur
lhorizon des prvisions. Au-del de 80 ans, on constate galement une plus grande amplitude
des carts de taux.
De 0 80 ans, lcart moyen est ici de +0,102% sur lensemble des annes. La surface
reprsente est galement peu bossele, indiquant une faible variabilit des carts.
Si lon se focalise sur la valeur absolue des carts, on peut remarquer que les
projections de la mortalit par cause sont plus proches des rsultats provenant dune
projection non linaire des kt dans lanalyse "toutes causes".
Pour complter cette analyse, le graphique de la page suivante prsente les carts de taux
bruts de mortalit dans le cadre de la modlisation Lee-Carter logistique. Seule une projection
non linaire des kt est ici propose pour le modle "toutes causes".
- 72 -
Graphique 5 Ecarts des qx,t : Delta qx,t =

logistique.
qx,tpar cause - qx,tglobal * - Modle Lee-Carter
* avec un modle non linaire retenu pour la projection des kt des qx,tglobal.
La surface des carts reprsents est similaire celle du graphique n3.

De 0 80 ans, lcart moyen est ici de -0,059% sur lensemble des annes, soit un peu plus
que dans la modlisation Lee-Carter standard.
On peut galement conclure la cohrence entre lapproche par causes et lanalyse
"toutes causes" pour la modlisation Lee-Carter logistique.
1.4) Analyse des taux de dcs obtenus avec les 2 modlisations par
cause
Pour complter lanalyse, une reprsentation graphique des logarithmes de ces taux de dcs
est prsente page suivante pour chacune des deux modlisations. Elle permet de mieux
cerner les variations de taux de dcs entre les ges.
Par construction, les taux de dcs sont 100% lge de 120 ans suite au redploiement des
taux de dcs par ge. Cette clture nest que provisoire et la vritable fermeture des tables
sera ralise dans la section 1.5.
- 73 -
Graphique 6 - ln(
xt)
- Modle Lee-Carter standard avant fermeture des tables.
Graphique 7 ln(qxt) - Modle Lee-Carter logistique avant fermeture des tables.
Les 2 modlisations prsentent de lgres ondulations sur lhorizon de prvision.

Graphiquement les rsultats sont assez proches entre les 2 modlisations Lee-Carter. Le
redploiement des classes dge avec une longueur de 10 ans (valable pour les taux de dcs
de 5 95 ans) a tendance lisser certaines hausses. Ainsi, on nobserve pas, par exemple
daugmentation brusque des taux de dcs vers lge de 20 ans.
- 74 -
1.5) Fermeture des tables

En pralable la fermeture des tables, on positionne les taux de dcs par gnration,
conformment aux critres du diagramme de Lexis23. Cette analyse suppose de raliser une
lecture diagonale des taux issus des tableaux dcrits la section prcdente.
On peut schmatiser cette opration de la faon suivante :
Schma 1 - Mthode de positionnement des taux de dcs par gnration.
On remarquera que les taux de dcs ne sont pas disponibles pour les annes
antrieures 1979. Cette censure gauche nempche pas la construction des
tables prospectives de gnration car on partira de leffectif de 100 000 individus
la naissance partir des gnrations 1996 et suivantes ( limage des TGF 2005).
Pour les gnrations antrieures 1996, leffectif de 100 000 est plac en face de
lge correspondant en 1996, soit :
- 100 000 individus lge d1 an en 1996 pour la gnration 1995,
- 100 000 individus lge de 2 ans en 1996 pour la gnration 1994,
- etc.
1.5.1) Modle Lee-Carter standard

La mthode propose par Coale et Kisker [1990] pour extrapoler les taux de mortalit aux
ges levs, expose au chapitre 2, est applique ce niveau. Les taux instantans de
mortalit xt sont ici dtermins de faon spcifique jusqu lge ultime de 120 ans.
La fermeture des tables concerne exclusivement ici les ges suprieurs 80 ans et se base sur
les taux instantans de mortalit :
x = x 1 exp( g 80 + s( x 80)) avec x {80, , 119}

avec :
23
s=
1
ln( 79 ) + 41g 80
et g 80 = ln 80
15
65
820
cf. chapitre 2 - section 1.1.
- 75 -
Les calculs ne posent pas de difficult particulire sauf pour les gnrations les plus anciennes
(1990 1913) o lon ne dispose pas des valeurs pour les 65,t . Ces dernires sont estimes
par rgression linaire sur les dernires valeurs de 65,t connues.
1.5.2) Modle Lee-Carter logistique

La mthode de fermeture retenue est ici diffrente car on travaille directement sur les q xt .
Ainsi, pour chaque anne t :
q x = a exp(b. x )
en linarisant :
avec x [85 ; 120]
ln( q x ) = ln(a ) + b x
A partir de 2 points : (x = 85 ans ; q85 ) et (x = 120 ans ; q120 = 1), on dtermine les valeurs des
paramtres a et b pour chaque gnration. Les calculs ne posent pas de difficults particulires
pour toute anne t.
2) Qualit de lajustement et statistiques du Khi-Deux

Lobjectif de cette section est de dterminer le modle Lee-Carter qui prsente le meilleur
ajustement par rapport aux dcs observs sur la priode 1979-2004.
On calcule pour cela la statistique : t2 =
( D xt D xt* )
o D xt est le nombre de dcs rels
D xt*
x =1
12
pour chaque classe dge x ainsi que pour lanne t et D xt* est le nombre de dcs thoriques
correspondants issus de la modlisation Lee-Carter standard ou logistique.
Les calculs sont appliqus au cumul des rsultats issus de lanalyse sur 17 grandes causes
mdicales de dcs. Les taux de mortalit obtenus sont multiplis par leffectif sous risque,
cest--dire la population fminine franaise pour lanne t et sur lune des 12 classes dge
considres.
On prcisera que :
Lajustement de la composante temporelle kt sur les dcs rels laide de la
fonction F(k) = 0 =
x = xM
x = xm
x = xM
x = xm
D xt est ralis toutes classes
dges confondues, ce qui tend accrotre les carts ( D xt D xt* ) au numrateur de

la statistique du Khi-Deux.
Les dcs attendus D xt* sont tous significatifs (rgle empirique n.pi 5). Le choix
a t de retenir dans un premier temps toutes les classes pour le calcul de la
statistique mme si certaines dentre elles donnent lieu des carts importants par
- 76 -
rapport aux donnes initiales. Lanalyse est prsente dans un second temps pour
les tranches dge comprises entre 1 et 84 ans de manire exclure les classes
dge extrmes aux carts plus marqus.
Pour ces raisons, les rsultats prsents ci-dessous sont indicatifs et permettront
avant tout de dire quel est le modle le mieux ajust aux donnes ( t2 minimum).
En effet, la distance du Khi-deux ne permet pas de faire de test statistique dans
cette tude car on ne connat pas la loi asymptotique.
Graphique 1 - Statistiques du Khi-Deux par ajustement Lee-Carter - Ensemble des

classes dge.
Ensemble des classes d'ge
Valeur du Khi-Deux
1 400
1 200
1 000
800
600
400
200
4
00
Annes
99
1
99
1
Modle Lee-Carter logistique
9
98
1
98
97
Graphique 2 - Statistiques du Khi-Deux par ajustement Lee-Carter Ages compris

entre 1 et 84 ans.
Classes d'ge de 1 84 ans
Valeur du Khi-Deux
Modle Lee-Carter logistique
4
00
Annes
99
4
99
1
98
4
98
1
97
800
700
600
500
400
300
200
100
0
Les valeurs du t2 sont de faon gnrale particulirement leves pour les raisons dcrites
prcdemment. La modlisation Lee-Carter logistique est prfrable dans 17 cas sur 26 (65%)
sur lensemble des classes dge et dans 20 cas sur 26 (77%) pour les tranches dge d1 an
84 ans. Il ny a cependant pas de diffrence significative entre les 2 modlisations retenues.
- 77 -
On constate galement un pic en 2003, anne de canicule, qui doit donc tre considre
comme particulire.
Les tableaux suivants compltent lanalyse en prsentant la dcomposition des statistiques
annuelles par classes dge.
Tableau 1 - Valeurs du Khi-Deux par classes dges - Modle Lee-Carter standard.
Tableau 2 - Valeurs du Khi-Deux par classes dges - Modle Lee-Carter Logistique.
Les chiffres en trame de fond verte mettent en vidence des statistiques avec une valeur
soulignant ainsi les classes dges les moins bien reprsentes par chacun des modles.
10,
3) Prsentation des tables prospectives de gnration femme construites

partir des statistiques par grandes causes mdicales de dcs
Deux tables de mortalit prospectives par gnration sont proposes pour la population
fminine au terme de cette analyse :
a) TGF v.1 : issue de la modlisation Lee-Carter standard,
b) TGF v.2 : issue de la modlisation Lee-Carter logistique.
Ces tables vont nous permettre de raliser diffrentes comparaisons avec les nouvelles tables
officielles TGF 2005, ainsi que les prcdentes tables TPG 1993.
- 78 -
3.1) Nombre de survivants Lx par gnration

Lobjectif est de prsenter graphiquement les nouvelles tables et de les comparer celles en
vigueur en matire de tarification des rentes viagres ou desprance de vie (cf. chapitre 5).
Les tables de mortalit ralises dans cette tude sont dtailles en annexe 4 (TGF
v.1) et 5 (TGF v.2).
Les graphiques suivants permettent davoir une vision synthtique en 3 dimensions des tables
de mortalit construite au terme de lanalyse par grandes causes de dcs, comme des tables
officielles franaises.
Graphique 1 - TGF v.1 - Modlisation Lee-Carter standard des grandes causes de dcs.
Graphique 2 - TGF v.2 - Modlisation Lee-Carter logistique des grandes causes de

dcs.
Les effectifs survivants sont de 100 000 individus la naissance partir de la gnration
1996. Ils sont forcs ce niveau aux gnrations prcdentes pour les ges correspondants et
- 79 -
en rfrence lanne 1996. On constate que les tables TGF v.1 et TGF v.2 ont des profils
relativement similaires.
Graphique 3 - Tables officielles TGF 2005.
Les tables TGF 2005 ont un nombre de survivants significativement suprieur (> 1%) partir
de lge de 50 ans par rapport celles issues de cette tude. La particularit des nouvelles
tables officielles est galement de ne pas se terminer lge de 120 ans pour les gnrations
1933 et suivantes. Par rapport la mthode de fermeture de Coale et Kisker utilise dans les
tables TGF v.1 (ge limite fix 120 ans), les TGF 2005 ont t construites pour assurer une
cohrence globale avec les tables du moment INSEE aux ges suprieurs 95 ans.
Graphique 4 - Tables TPG 1993.
Les prcdentes tables officielles ont une prsentation classique : 100 000 femmes la
naissance quelque soit la gnration. Lge ultime est au maximum de 117 ans pour les plus
jeunes gnrations.
- 80 -
3.2) Taux bruts de dcs par gnration

Il est galement intressant dtudier les taux de mortalit directement dduits des tables des
Lx. Les graphiques suivants prsentent les ln(qx) pour souligner les variations de taux de
mortalit entre les ges.
Graphique 5 Ln(qx) issus des tables TGF v.1 - modle Lee-Carter standard.
Graphique 6 Ln(qx) issus des tables TGF v.2 - modle Lee-Carter logistique.
- 81 -
Graphique 7 Ln(qx) issus des tables TGF 2005.
La surface des taux de dcs des tables TGF 2005 est nettement plus bossele que les
prcdentes. On observe un premier pic 20 ans, mme si les accidents ces ges sont
surtout le fait des hommes. De 50 70 ans, les taux bruts sont ici relativement stables,
contrairement aux tables TGF v.1 et v.2 caractrises par une hausse rgulire des probabilits
de dcs. Enfin, les TGF 2005 nont pas pour ge ultime suprieur 120 ans partir de la
gnration 1933.
Graphique 8 Ln(qx) issus des tables TPG 1993.
3.3) Ecarts de Lx entre tables de mortalit

Pour complter lanalyse, cette section a pour objet de mettre entre vidence les carts de
nombre de survivants Lx issus des tables de cette tude par rapport aux tables officielles.
Les 2 graphiques suivants ont pour objet de mettre en vidence les carts par rapport aux TGF
2005.
- 82 -
Graphique 9 Delta Lx : LxTGF 05 - LxTGF v.1
Graphique 10 Delta Lx : LxTGF 05 - LxTGF v.2
Tout dabord, il faut prciser que la plupart des carts de Lx ngatifs sont observs sur les
gnrations les plus anciennes et sont impacts par les mthodes de fermeture des tables.
Lintrt de leur interprtation est donc limit. On remarquera que les surfaces des 2 derniers
graphiques sont relativement similaires avec toutefois un meilleur lissage pour les carts avec
les tables TGF v.2 construites partir dune modlisation Lee-Carter logistique. Jusqu 5060 ans selon la gnration, lcart de Lx avec les tables TGF 2005 est faible (moins de 1%).
Cet cart croit de faon exponentielle jusqu 120 ans (en pourcentage) et en terme de Lx
jusqu 95 ans maximum. Les carts absolus dcroissent ensuite de faon exponentielle pour
tendre vers 0 en raison de lapplication des mthodes de fermeture des tables. Par ailleurs, les
carts sont croissants avec les gnrations les plus rcentes en raison de lhypothse de
croissance linaire de lesprance de vie des femmes retenue dans les tables TGF 2005. La
construction des tables de mortalit prospectives fminines par grandes causes conduit une
hausse ralentie de leur esprance de vie selon la gnration.
Lanalyse est ralise de faon similaire en comparaison des tables TPG 1993 sur les 2
graphiques suivants.
- 83 -
Graphique 11 Delta Lx : LxTPG 93 - LxTGF v.1
Graphique 12 Delta Lx : LxTPG 93 - LxTGF v.2
La surface des carts de Lx mise en vidence sur ces 2 graphiques est celle communes aux
tables. Ainsi, la dernire gnration reprsente correspond lanne de naissance 1993. Les
carts ngatifs sur les gnrations les plus anciennes sexpliquent par le fait que lventail
total des ges est disponible pour les TPG 1993 contrairement aux tables issues de cette tude.
On observe des surfaces similaires celles obtenues avec les TGF 2005 mais moins
accentues : les tables TGF v.1 et v.2 sont donc plus proches des anciennes tables officielles
que des nouvelles. Lhypothse de croissance linaire de lesprance de vie des femmes avec
les TPG 1993 a pour consquence un cart relatif significatif (>1%) et croissant partir de 60
ans ainsi quavec les gnrations. Lcart absolu est quant lui croissant jusqu un seuil
proche de 90 ans. Il dcrot ensuite rapidement en raison des fermetures de tables.
__________________
Ces tables sont destines avant tout la tarification et au provisionnement des rentes viagres.
Lapplication en Assurance Vie de ces tables prospectives est prsente dans le prochain
chapitre.
- 84 -
CHAPITRE V :
TABLES DE MORTALITE
PROSPECTIVES ET RENTES
VIAGERES
Les tables prospectives fminines prsentes au chapitre prcdent vont nous permettre
dtudier successivement leur application pratique en matire de rente viagre et desprance
de vie rsiduelle. Ces deux notions sont bien entendu lies.
1) Rentes viagres
1.1) Thorie
La rente viagre sur une tte constitue pour lassureur un engagement durant la vie de
lassur. Cette rente peut tre effet diffr ou effet immdiat.
1.1.1) La rente viagre immdiate

Le premier paiement effectu par lassureur, si lassur est vivant, a lieu la fin de la
premire priode (analyse terme chu dans ce chapitre). Ensuite, il suffit, chaque
chance, que lassur soit en vie. Le kime versement, pay la fin de la kime anne, aura
donc une probabilit tpx dtre effectu. Lesprance mathmatique dun euro vers en kime
L
anne, sera actualise lorigine : v k . x + k = (1 + i ) k . k p x = k E x .
Lx
La prime unique dune rente viagre payable terme chu dun euro scrit :
a x = v1 .
Lx +1
L
L
L
+ v 2 . x + 2 + v 3 . x +3 + ... + v k . x + k + ... =
Lx
Lx
Lx
Lx
t =1
Ex =
N x +1
Dx
On observe que la rente dpend du taux dintrt technique i dans le terme v et de la table de
mortalit par lintermdiaire des Lx.
1.1.2) La rente viagre diffre

Le premier paiement effectu par lassureur, si lassur est vivant, naura lieu quaprs une
priode dattente de d annes.
La prime unique dune rente viagre diffre de d annes terme chu dun euro scrit :
d/
ax = vd .
Lx + d
L
L
N x + d +1
+ v d +1 . x + d +1 + v d + 2 . x + d + 2 + ... =
t E x = d E x a x +d =
Lx
Lx
Lx
Dx
t = d +1
- 85 -
Dans la section suivante, lanalyse portera uniquement sur la rente viagre

immdiate terme chu ax.
1.2) Application aux tables de mortalit prospectives

Dans un premier temps, nous analyserons le cot dune rente viagre immdiate en fonction
de la table de mortalit prospective. Les rsultats provenant des 2 mthodes Lee-Carter (TGF
v.1 et TGF v.2) sont mis en parallle de ceux issus des tables officielles TPG 1993 (anciennes
tables : noter que lon aurait obtenu des rsultats similaires avec la TPRV 1993) et TGF
2005 (nouvelles tables). Les calculs prennent pour hypothses le fait que lon est en prsence
de femmes, pour une liquidation en 2008 et un taux technique de 2,50%. Il sagit dune vision
statique avec une anne de rfrence fixe en 2008 et sur un intervalle large dges de
liquidation potentielles : 50 75 ans.
On prendra ensuite 60 ans comme ge central de liquidation de retraite et on simulera la
tarification dune rente viagre immdiate sur la priode 2000 2050.
Graphique 1 Cot dune rente viagre annuelle de 1 euro ax en 2008 au taux technique
de 2,50% en fonction de lge de liquidation.
ax
26
24
22
20
18
16
14
12
10
Ages
50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75
TGF v.1
TGF v.2
TGF 05
TPG93
Les rentes calcules avec les tables TPG 1993 et TGF 2005 forment des droites quasiparallles. Lcart absolu est de lordre de 1,3 1,7 annes actualises de versement potentiel
en plus dans le cas de la TGF 2005. Le cot des rentes issus de la TGF v.1 et TGF v.2 sont
trs proches (droites parallles galement). Les rsultats sont similaires ceux obtenus avec la
TPG 1993 avec un cot de rente infrieur 50 ans et plus lev 75 ans. On observe ainsi en
quelque sorte une rotation avec augmentation de la pente avec lge, par rapport aux TPG
1993, lorsque lon construit des tables partir des grandes causes mdiales de dcs. Le cot
avec la TGF v.1 est quivalent celui obtenu laide de la TPG 1993 56 ans, et 65 ans
dans le cas de la TGF v.2.
- 86 -
Graphique 2 Cot dune rente viagre annuelle de 1 euro 60 ans a60 au taux technique
de 2,50% en fonction de lanne de rfrence des calculs.
a60
24
23
22
21
20
19
Annes
18
20
00
20
05
20
10
20
15
TGF v.1
20
20
TGF v.2
20
25
20
30
TGF 05
20
35
20
40
20
45
20
50
TPG93
Les rentes viagres 60 ans sont en croissance linaire avec les tables TPG 1993 et TGF 2005
sur la priode 2000-2050. Lcart entre ces 2 tables varie de 1,56 1,89 annes actualises, ce
qui rend les volutions presque parallles. La hausse de la valeur actualise de la rente est de
lordre de 15% pour les deux tables sur la priode danalyse. Par contre avec les tables
construites en fonction des grandes causes mdicales de dcs, si le cot de la rente est
sensiblement proche en 2000 de celui valu avec les TPG 1993, une tendance au
plafonnement est clairement mis en vidence sur un horizon de 50 ans. La hausse du
coefficient de rente 60 ans serait de lordre de 7,9% avec la TGF v.1 et de 6,7% avec la TGF
v.2.
2) Esprance de vie
2.1) Thorie 24
Il sagit de la dure moyenne de vie restante, pour un assur dj g de x annes. On
dcompte le nombre dannes restant vivre pour les Lx assurs vivants lpoque de leur
xme anniversaire. Chaque Lx+k sapplique sur lanne entire suivante : nous dirons donc que
les Lx ttes auront vcu une demi-anne, soit au total Lx annes. Ensuite sur la priode
suivante, les Lx+1 personnes en moyenne, se trouvant au milieu de la priode considre,
auront vcu Lx+1 annes, et ainsi de suite.
Le nombre total dannes vcues par les Lx personnes sera gal :
1
.Lx + Lx +1 + Lx + 2 + Lx +3 + ...
2
24
P. CHOQUE (membre de lA.A.A.) [1992]. Les techniques de lassurance vie et de la rassurance vie.
- 87 -
Lesprance de vie lge x, note ex, sobtient en divisant le nombre total dannes par le
nombre dassurs survivants lpoque des calculs soit Lx, et nous avons donc :
L
L
1 L
e x = + x +1 + x + 2 + x + 3 + ...
2 Lx
Lx
Lx
Lesprance abrge de vie, note ex, ne tient pas compte de la demi-anne initiale. Elle
scrit donc :
L
L
L
e x' = x +1 + x + 2 + x +3 + ...
Lx
Lx
Lx
Dans la section suivante, lanalyse portera uniquement sur lesprance de vie ex.
2.2) Application aux tables de mortalit prospectives

A limage de la section 1, nous analyserons dans le premier temps lventail des esprances
de vie rsiduelles de la naissance jusqu 100 ans, en prenant comme anne de rfrence
2008. Cette vision statique sera complte par une simulation de lesprance de vie rsiduelle
60 ans calcule en faisant varier lanne de rfrence de 2000 2050.
Graphique 3 Esprances de vie rsiduelles calcules en 2008.

ex
100
90
80
70
60
50
40
30
20
10
0
Ages
10
15
20
25
TGF v.1
30
35
40
45
50
55
TGF v.2
60
65
TGF 05
70
75
80
85
TPG93
90
95 100
Tout dabord, on remarquera que pour les tables TGF 2005, la premire esprance de vie est
calcule lge de 3 ans en 2008. Pour la TPG 1993, lanalyse dbute 15 ans. Les courbes
desprance de vie sont dcroissantes et les carts absolus se resserrent pour devenir trs
faibles au-del de 80 ans en raison des mthodes de fermeture des tables respectives. Les
tables TGF v.1 issues du modle Lee-Carter standard ont des rsultats proches de ceux de la
TGF v.2 (carts relatifs de 1,6% 4,4% jusqu lge de 60 ans). Les TGF v.1 (v.2) donnent
des esprances de vie infrieures en moyenne de 8,0 % (10,0%) aux TGF 2005 pour des ges
compris entre 5 90 ans. Les dures de vie restantes issues des tables TGF v.1 (v.2) sont
infrieures celles calcules avec les TPG 1993 jusqu lge de 50 ans (62 ans), pour ensuite
les dpasser de manire croissante jusqu 100 ans. On notera que les esprances de vie
provenant des TGF v.1 et v.2 sont suprieures celles de la TGF 2005 au-del de 80 ans. Ces
rsultats sont intimement lis aux techniques de fermeture de tables.
- 88 -
Graphique 4 Esprances de vie rsiduelles 60 ans en fonction de lanne de rfrence

des calculs.
e60
39
37
35
33
31
29
27
00
20
Annes
05
20
10
20
15
20
TGF v.1
20
20
TGF v.2
25
20
30
20
TGF 05
35
20
40
20
45
20
50
20
TPG93
A limage des rsultats obtenus avec les rentes viagres 60 ans, lesprance de vie 60
augmente de faon linaire sur la priode 2000-2050 avec les tables TPG 1993 et TGF 2005.
Lcart absolu augmente lgrement avec le temps entre ces 2 tables : 3,2 annes en 2000
jusqu 4,6 ans en 2050. Lesprance de vie 60 ans suit une tendance similaire entre les
tables TGF v.1 et TGF v.2. (courbes quasi-parallles) : lcart entre les 2 tables varie de 0,7
1,4 annes sur lchancier. Si les esprances de vie sont proches de celles obtenues avec la
TPG 1993 en 2000, elles seront nettement plus faibles en 2050 : -1,9 ans / TGF v.1 et -3,2 ans
/ TGF v.2.
On observe une nette tendance au plafonnement de lesprance de vie des femmes avec les
tables issues dune analyse par grandes causes de dcs :
- + 11,0% sur 50 ans avec les TGF v.1,
- + 8,9% sur 50 ans avec les TGF v.2.
Dans le mme temps, lesprance de vie augmentera de +23,8% avec les nouvelles tables
officielles et de + 21,6% avec les TPG 1993.
Ces rsultats traduisent l encore la prsomption dune limite la croissance de lesprance de
vie des femmes. Cette limitation tant valable pour la population franaise de sexe fminin
prise dans son ensemble. Par contre, les tables officielles TPG 1993 et TGF 2005 traduisent
une vision prudente de la longvit fminine, prsume plus adapte des portefeuilles de
rentiers. Lcart entre les deux approches permet, pour une grande part, de corriger le risque
dantislection des rentiers et ainsi scuriser les comptes des assureurs vie. On notera que la
translation la hausse attendue de lesprance de vie dans les nouvelles tables officielles a
pour inconvnient de freiner la sortie en rente viagre quand cette option est possible au
contrat.
- 89 -
SYNTHESE DES RESULTATS

Au terme de cette tude, les principaux enseignements de la construction de tables de
mortalit fminines par grandes causes mdicales sont exposs dans cette partie spcifique.
La ralisation de tables de mortalit prospectives partir de prvisions sur 17 grandes causes
de dcs dans le cadre dun modle causes de sorties multiples est une approche originale
par rapport aux travaux dj raliss au niveau international, toutes causes confondues. Elle
sappuie, pour chacune des 2 mthodes de Lee-Carter tudies, sur 17 modlisations
excutes simultanment. Les prvisions de taux de mortalit long terme sont au final
cumules et permettent la ralisation de tables prospectives de gnration fminines.
Lanalyse porte sur lensemble de la population franaise de sexe fminin selon une dmarche
qui consiste exploiter linformation contenue dans les taux bruts de dcs (modlisation
endogne).
Les rsultats peuvent tre synthtiss de la faon suivante :
1.1) Des tendances multiples qui convergent vers une dcroissance non
linaire et ralentie de la mortalit fminine
La prise en compte de 17 grandes causes de dcs par tranches dge et sur 26 annes (1979
2004) a contribu rvler des tendances divergentes pour la mortalit fminine, sur
lhistorique comme dans les projections :
a) Dcroissance quasi-linaire avec ou sans grandes variations annuelles
autour de cette tendance (catgories n2, 3, 7, 8, 9, 10, 12, 13, 15, 16 et
17),
b) Stagnation aprs dcroissance sur plusieurs annes (catgorie n14),
c) Croissance nette sur les derniers exercices (catgorie n6),
d) Stagnation aprs croissance sur plusieurs annes (catgories n4 et 5),
e) Evolution cyclique difficilement modlisable long terme (catgories
n1 et 11).
Comme on peut sy attendre, la baisse de la mortalit fminine lemporte au global sur toute
autre considration. On remarquera que les maladies cardiovasculaires et les tumeurs
(catgories n7 et 2) qui reprsentent 61,7% des dcs en 1979 et 56,9% en 2004, sont
classes dans le premier groupe (dcroissance quasi-linaire). Ces deux grandes causes sont
essentielles pour la modlisation de la mortalit fminine franaise. Par ailleurs, les
diffrentes volutions parfois contradictoires, laissent prsager un ralentissement dans le
rythme de croissance de la longvit des femmes. Ce rsultat est observ sur le cumul des
prvisions issues de lanalyse par grandes catgories de dcs, comme dans lanalyse globale,
toutes causes de dcs confondues25.
25
Cest aussi parce que lapproche par grandes causes a ncessit une modlisation plus dtaille de la
composante temporelle kt par le test systmatique de 4 modles de rgression et de 12 processus ARIMA, que
ces rsultats ont pu tre mis en vidence.
- 90 -
1.2) Deux visions de la mortalit future des femmes coexistent : dcroissance

linaire ou freine
On constate que les projections de la mortalit fminine peuvent tre apprhendes de 2
faons :
a) Dcroissance linaire des taux de mortalit :
Cette hypothse prudente est retenue dans les tables TPG 1993 et TGF 2005. Elle est adapte
aux portefeuilles de rentiers car elle prsente une marge de scurit destine prvenir le
risque dantislection et les gains non anticips desprance de vie des femmes. Elle a pour
inconvnient de freiner la souscription de contrats avec sortie en rente viagre : les nouvelles
tables font perdre beaucoup de pouvoir dachat aux rentiers potentiels (-7,5% / TPG 1993
pour une rente viagre 60 ans en 2008). Il nest galement pas possible, pour le moment,
dadapter le cas gnral issu de ces tables aux situations individuelles (prise en compte de la
catgorie socioprofessionnelle, du dpartement ou de la rgion, ). On notera galement que,
si les nouvelles tables sont disponibles par sexe, bien des assureurs nutilisent que les tables
fminines pour les calculs de rentes viagres, en liaison avec la rglementation europenne.
b) Dcroissance ralentie des taux de mortalit :
Lanalyse par grandes causes a permis de mettre en vidence une esprance de vie fminine
qui progressera moins rapidement dans le futur. Ces rsultats sont corrobors par des tudes
rcentes sur la priode 1950-2000 des principaux pays occidentaux26. Si les progrs sanitaires
et mdicaux en France ont permis une hausse sensible de lesprance de vie des femmes, on
constate depuis deux dcennies une rduction de leurs gains de longvit. Les raisons de
lavantage fminin ont t largement nonces : avantage biologique, comportements plus
favorables la sant, rapport plus facile la mdecine, etc. Les femmes sont donc les
premires bnficier de ces avances, suivies plus au moins longue chance par les
hommes. Ainsi, depuis la canicule de 2003, on constate que les mesures prvention en faveur
des personnes ges ont permis dobtenir une baisse substantielle de la mortalit fminine audel de 65 ans27. Actuellement, ce sont surtout les progrs raliss aux grands ges qui
soutiennent principalement la hausse de lesprance de vie des femmes : 83,8 ans la
naissance en 2005.
1.3) Des tables de mortalit prospectives satisfaisantes mais avec des

nombres de survivants Lx nettement en retrait aux ges levs de ceux
affichs par les nouvelles tables officielles fminines
Les modlisations Lee-Carter standard et logistique ont permis la ralisation des tables de
gnration TGF v.1 et TGF v.2 dans cette tude. Elles ont t construites de faon endogne
partir dun historique de 26 annes de taux bruts de dcs, sans rfrence un modle externe
et sans fixation de contraintes lies des avis dexperts ou lobservation de portefeuilles de
rentiers. Ces tables refltent donc lanticipation, ralise en 2008 partir dune approche par
grandes causes mdicales de dcs, de la croissance long terme de lesprance de vie
fminine en France. Les rsultats, mme sils sont soumis des alas et biais plus importants
quune analyse gnrale toutes causes confondues, sont satisfaisants au regard du fait quil
reste trs difficile, avec les outils statistiques dont on dispose, de prvoir la mortalit trs
long terme. Les nombreux travaux rcents en matire de mortalit prospective attestent par
ailleurs de lintrt croissant du sujet.
26
27
F. MESLE [2004] - Esprance de vie : un avantage fminin menac ? - Population & Socits - INED.
F. PRIOUX [2006] - Lvolution dmographique rcente en France - Population - INED.
- 91 -
Les tables officielles TGF 2005, mme si elles sont labores de faon plus prcise au regard
des mthodologies employes (rfrences aux tables INSEE) et de ladquation aux rgimes
de rentiers, anticipent un accroissement linaire avec les gnrations de lesprance de vie des
femmes. Cette hypothse nest pas vrifie sur lhistorique rcent. Cette tude ouvre donc le
dbat sur une prise en compte non linaire de la composante temporelle dans les futures tables
de mortalit prospectives.
1.4) En matire de rente viagres et desprance de vie, les rsultats de

lapproche par causes sont proches de ceux obtenus en 2008 avec les
TPG 1993, mais sen loignent la baisse lhorizon 2050
Les applications en Assurance Vie des tables TGF v.1 et TGF v.2 donnent des capitaux
constitutifs de rentes et des esprances de vie similaires aux rsultats TPG 1993 :
Les anciennes tables TPG 1993 semblent cohrentes pour les projections de dure
de vie des gnrations de femmes qui liquident leur retraite en 2008 au niveau
national.
Ce rsultat est aussi li au fait que les tables TPG 1993 sont bases sur une analyse de la
mortalit fminine nationale. Les tables TGF 2005 sont construites partir dobservations sur
19 portefeuilles de rentiers et dun rfrentiel INSEE compos des tables du moment de 1962
2000.
Le cot dune rente viagre 60 ans augmente, pour un calcul sur la priode 2000-2050, de
7,9% avec les TGF v.1, de 6,7% avec les TGF v.2 et de 15,4% avec les TPG 1993. Ces
dernires anticipent une augmentation linaire de lesprance de vie, contrairement aux tables
construites partir dune approche par grandes causes.
Les anciennes tables officielles TPG 1993 restent prudentes pour modliser la
longvit de la population fminine franaise dans les prochaines dcennies. Les
tables TGF 2005 prsentent un cart important de +4,6 ans en 2050 par rapport
ces dernires, sens mieux correspondre aux rgimes de rentiers.
1.5) Lanalyse par grandes causes de dcs est plus complexe mettre en
uvre et plus difficile modliser
La prise en compte dune dcomposition en 17 grandes causes de mortalit a permis de
distinguer des comportements multiples et parfois contradictoires dans le temps. Le
phnomne pourrait tre dcompos en davantage de sous-catgories. On se trouverait alors
face des causes de dcs avec des sinistres peu frquents et donc difficilement modlisables.
Lanalyse par causes est en effet plus complexe mettre en uvre avant tout en raison dun
volume de donnes qui est multiplicatif avec le nombre de catgories analyser. Les biais
issus de cette analyse se cumulent lors du regroupement final des projections, toutes causes
cumules. On peut aussi ajouter que la dcomposition retenue dans cette tude en 17
catgories nest pas statistique mais mdicale en fonction de la codification CIM. Le
regroupement de grandes causes en agrgats au comportement similaire est un autre axe
danalyse envisager.
- 92 -
CONCLUSION
Dans les rgimes en rentes viagres, lassureur est confront au risque de longvit, bien plus
qu des risques financiers. Lapprciation de la dure de vie humaine est donc un exercice
indispensable mais difficile. Sur le dernier sicle, si lesprance de vie des femmes a connu
une croissance essentiellement linaire pour atteindre 83,8 ans en 2005, celle-ci sest
considrablement ralentie sur les 20 dernires annes. Lapproche par grandes causes
mdicales de dcs a permis de mettre en vidence cette tendance. Elle a t ralise sur la
base dun modle causes de sorties multiples comportant 17 modles endognes de type
Lee-Carter bass sur un historique de 26 annes et avec des mthodes de projections plus
dtailles pour limiter la part de subjectivit. Les tables de mortalit fminines de gnration
construites au terme de lanalyse donnent des niveaux de rentes viagres proches dun calcul
avec les anciennes tables officielles franaises TPG 1993 en 2008. Les capitaux constitutifs
des rentes sen loignent la baisse lhorizon de calcul 2050, compte tenu de la nonlinarit observe. Dans une approche par grandes causes, lanalyse est plus complexe et les
biais sadditionnent avec le nombre de catgories retenues. Les rsultats obtenus permettent
de modliser la survie de lensemble de la population fminine franaise. Pour une population
de rentiers, les rsultats sont sous-estims en raison essentiellement de lantislection (la rente
attire les individus qui pensent vivre le plus longtemps) et de lala moral (le dveloppement
des retraites aurait effectivement contribu lallongement de lesprance de vie)28.
Pour J. W. VAUPEL29, "les projections d'
esprance de vie prenant en compte les causes de
dcs ont en gnral produit des rsultats encore plus dcevants que celles ignorant les causes
de dcs. Cela s'
explique par une raison simple. Au fur et mesure que des progrs sont faits
pour rduire une cause de dcs, les chercheurs et les mdecins reportent leurs efforts sur les
principales causes de dcs restantes. Par consquent, les progrs dans la lutte contre ces
causes de dcs ont tendance s'
acclrer. De ce fait, les projections par cause de dcs ont
gnralement donn des prvisions d'
esprance de vie bien plus basses". Cette rflexion
semble, au terme de cette analyse, plutt pessimiste au regard du fait que lon a dmontr
ladquation entre les projections par cause et les projections globales toutes causes de dcs
confondues30.
Pour les rgimes en rentes viagres, assurances lies la survie de lassur, cest avant tout la
sous-mortalit des bnficiaires qui pose problme lassureur. Mortalit et esprance de vie
sont par dfinition intimement lies. Lanalyse par grandes causes de dcs reste donc une des
pistes intressantes pour apprhender les progrs futurs de la mdecine comme des
comportements sanitaires sur la longvit humaine.
Ce sujet relve galement de la modlisation de lhtrognit, en particulier aux grands
ges. La baisse de la mortalit aux ges levs a fortement contribu laugmentation de
lesprance de vie fminine dans les pays dvelopps31. Lhtrognit peut se dfinir ici
comme la diffrence entre les causes pertinentes constates lors du dcs des individus de
sexe fminin. Le fait de travailler sur des donnes statistiques agrges fait perdre de vue
28
A. MASSON - Pourquoi la rente viagre et la vente en viager sont-elles si peu diffuses ? Risques n59.
J. W. VAUPEL [2004] - Projections de mortalit et rentes viagres - Newsletter SCOR Vie.
30
cf. chapitre IV - section 1.3.
31
BARBI E., CASELLI E., VALLIN J. [2003]. Htrognit des gnrations et ge extrme de vie - INED.
29
- 93 -
lhtrognit. Cette tude a donc le mrite de rintroduire une vision plus diversifie de la
mortalit fminine.
Ltablissement de coefficients multiplicateurs ou de dcalages appliquer aux tables de
mortalit prospectives en fonction de la catgorie socioprofessionnelle et/ou de la zone
gographique constituent dautres voies de recherche approfondir en la matire. Cette
diffrenciation multicritres semble indispensable en raison dun phnomne pervers observ
dans tout rgime de rentes : la sur-reprsentation des mauvais risques conduit les assureurs
rviser leurs tarifs la hausse, ce qui carte davantage les meilleurs risques, augmente leffet
dantislection et rduit dautant la taille des marchs32. Une solution alternative serait de
rendre lachat de la rente obligatoire, ce que font finalement les rgimes de retraite
obligatoire. Dans ce cas de figure, la marge de scurit lie la prise en compte de
portefeuilles de rentiers dans les nouvelles tables fminines TGF 2005 semble plus discutable.
Ces questions sont tudier aussi bien au niveau statistique et actuariel quau niveau
rglementaire.
32
A. MASSON [2004] - Pourquoi la rente viagre et la vente en viager sont-elles si peu diffuses ? - Risques
n59.
- 94 -
BIBLIOGRAPHIE
AOUBA A., PEQUIGNOT F., LE TOULLEC A., JOUGLA E. [2007]. Les causes mdicales
de dcs en France en 2004 et leur volution 1980-2004. INSERM - CpiDc.
AT A., FORTIN A., GOSSELIN C., LENOIR M. [2005]. Cration de tables de mortalit
prospectives en France. Mmoire de statistique applique. ENSAE.
BARBI E., CASELLI E., VALLIN J. [2003]. Htrognit des gnrations et ge extrme de
vie INED.
BOHANNON T., COHEN R. [2000]. ANOVA and Regression. SAS Institute.
BOWERS N.L., GERBER H.U., HICKMAN J.C., JONES D.A., NESBITT C.J. [1986].
Actuarial Mathematics. Society of Actuaries.
BROCKLEBANK J., DICKEY D. [1994/2007]. Forcasting Techniques Using SAS/ETS
Software. SAS Institute.
BROUHNS N., DENUIT M. [2002]. Risque de longvit et rentes viagres, Tables de
mortalit prospectives pour la population belge. Belgian Actuarial Bulletin.
CHOQUE P. [1992]. Les techniques de lassurance vie et de la rassurance vie.
COALE A., KISKER E.E. [1990]. Defects in data on old age mortality in the united states :
New procedures for calculating approximatively accurate mortality schedules and life tables
at the highest ages. Asian and Pacific Population Forum.
DELWARDE D., DENUIT M. [2003]. Importance de la priode dobservation et des ges
considrs dans la projection de la mortalit selon la mthode de Lee-Carter. Belgian
Actuarial Bulletin.
GUTTERMAN S., VANDERHOOFT I.T. [1999]. Forecasting changes in mortality: a search
for a law of causes and effects. North American Actuarial Journal 2, 135-138.
HORNY G. [2006]. Modles de dure multivaris avec htrognit multiple : application au
march du travail, Thse de doctorat s Sciences conomiques, Strasbourg.
HIDALGO M. [1992]. Tables de mortalit prospectives lhorizon 2020 et risque viager.
Universit Louis Pasteur, Strasbourg.
LECOUTRE J-P. [1998]. Statistique et probabilits. Dunod.
LEE R.D. [2000]. The Lee-Carter method of forecasting mortality, with various extensions
and applications. North American Actuarial Journal.
- 95 -
LEE R.D., CARTER L. [1992] Modelling and forecasting mortality, with various extensions
and applications. Journal of the American Statistical Association 87, 659-671.
MASSON A. [2004] Pourquoi la rente viagre et la vente en viager sont-elles si peu diffuses
?. Risques n59.
MESLE F. [2004]. Esprance de vie : un avantage fminin menac ?. Population & Socits.
INED.
PRIOUX F. [2006]. Lvolution dmographique rcente en France. Population. INED.
PETAUTON P. [1993]. Les tables de mortalit. Risques n15.
PLANCHET F. [2007]. Modles prospectifs de mortalit avec drive contrainte - application
au risque de longvit pour un rgime de rentes. ISFA. Winter & Associs.
PLANCHET F., LELIEUR V. [2006]. Utilisation des mthodes de Lee-Carter et Log-Poisson
pour l'
ajustement de tables de mortalit dans le cas de petits chantillons. ISFA. Winter &
Associs.
PLANCHET F., THEROND P. [2006]. Modles de dure, applications actuarielles.
Economica.
TASSI P. [1989]. Analyse statistique des dures de vie. Economica.
TOSETTI A., BEHAR T., FROMENTEAU M., MENART S. [2002]. Assurance :
Comptabilit, Rglementation, Actuariat. Economica.
VAUPEL J. W. [2004]. Projections de mortalit et rentes viagres - Newsletter SCOR Vie.
- 96 -
ANNEXE 1 - Principales causes de dcs et codification internationale.

CAUSES DE DCS, LISTE EUROPENNE SUCCINCTE
Liste corrige octobre 2000
N
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30

Toutes causes de dcs
Tuberculose
Infection mningocoques
SIDA et maladies VIH
Hpatites virales et autres
Autres
II. Tumeurs
Tumeurs malignes
Tumeur maligne de la lvre, de la cavit buccale et du pharynx
Tumeur maligne du oesophage
Tumeur maligne de l'
estomac
Tumeur maligne du clon
Tumeur maligne du rectum et de lanus
Tumeur maligne du foie et des voies biliaires intrahpatiques
Tumeur maligne du pancras
Tumeur maligne du larynx, de la trache, des bronches et du poumon
Mlanome malin de la peau
Tumeur maligne du sein
Tumeur maligne du col de lutrus
Tumeur maligne dautres parties de lutrus
Tumeur maligne de lovaire
Tumeur maligne de la prostate
Tumeur maligne du rein
Tumeur maligne de la vessie
Tumeur maligne des tissus lymphodes et hmatopotiques
Autres tumeurs malignes
Autres tumeurs
III. Maladies du sang et des organes hmatopotiques,
IV. Maladies endocriniennes, nutritionelles et mtaboliques
Diabte sucr
Autres
Abus dalcool (y compris psychose alcoolique)
Pharmacodpendance, toxicomanie
Autres
- 97 -
Cim10
Cim9
A00-Y89
A00-B99
A15-A19,B90
A39
B20-B24
B15-B19
001-E999
001-139
010-018,137
36
042-044
70
C00-D48
C00-C97
C00-C14
C15
C16
C18
C19-C20-C21
C22
C25
C32-C34
C43
C50
C53
C54-55
C56
C61
C64
C67
C81-C96
140-239
140-208
140-149
150
151
153
154
155
157
161-162
172
174-175
180
179,182
183.0
185
189.0
188
200-208
D50-D89
E00-E90
E10-E14
279-289
240-278
250
F00-F99
F10
F11-F16,
F18-F19
290-319
291,303
304-305
N
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47

VI. Maladies du systme nerveux et des organes des sens
Mningites (autres que 03)
Autres
Cardiopathies ischmiques
Autres cardiopathies
Maladies crbrovasculaires
Autres
Grippe
Pneumonie
Maladies chroniques des voies respiratoires infrieures
Asthme
Autres
Ulcre gastro-duodnal
Maladie chronique du foie
Autres
X. Maladies de la peau et du tissu cellulaire sous-cutan
XI. Maladies du systme osto-articulaire, des muscles et
du tissu conjonctif
Arthrite rhumatode et ostoarthrite
55
56
57
Autres
Maladies du rein et de l'
uretre
Autres
XIV. Certaines affections dont lorigine se situe dans la
priode prinatale
Malformations congnitales du systme nerveux
Malformations congnitales de lappareil circulatoire
Autres
Syndrome de mort subite du nourrisson
Causes inconnues ou non prcises
58
59
Autres
Accidents
48
49
50
51
52
53
54
60
61
62
63
64
65
Accidents de transport
Chutes accidentelles
Intoxications accidentelles
Autres
Suicides
Homicides
vnements dont l'
intention n'
est pas dtermine
Autres
- 98 -
Cim10
Cim9
G00-H95
G00-G03
320-389
320-322
I00-I99
I20-I25
I30-I33,
I39-I52
I60-I69
390-459
410-414
420-423,
425-429
430-438
J00-J99
J10-J11
J12-J18
J40-J47
J45-J46
460-519
487
480-486
490-494,496
493
K00-K93
K25-K28
K70, K73-K74
520-579
531-534
571.0-571.9
L00-L99
M00-M99
680-709
710-739
M05-M06,
M15-M19
714-715
N00-N99
N00-N29
580-629
580-594
O00-O99
P00-P96
630-676
760-779
Q00-Q99
Q00-Q07
Q20-Q28
740-759
740-742
745-747
R00-R99
R95
R96-R99
780-799
798.0
798.1-9
799.0,2-3,5-9
V01-Y89
V01-X59
E800-E999
E800-E928
V01-V99
W00-W19
X40-X49
E800-E848
E880-E888
E850-E869
X60-X84
X85-Y09
Y10-Y34
E950-E958
E960-E968
E980-E988
ANNEXE 2
- 99 -
- 100 -
- 101 -
- 102 -
- 103 -
ANNEXE 3
Programme SAS IML dapproximation de la matrice Z
. t k
Ce programme est une adaptation de celui prsent par BROUHS N. et DENUIT M. [2002].
/******************************************/
/* Construction des tables de mortalit prospectives
/* Mthode de Lee-Carter
/******************************************/
/* Calcul des vecteurs et k par la mthode de dcomposition
en valeurs et vecteurs propres.*/
/* SAS/IML */
/* Input : matrice (Lee) contenant les ges
en lignes, les annes en colonnes
et dont les lments sont gaux au logarithme
du taux de mortalit central
auquel on a soustrait alpha. */
proc iml;
title '
Dcomposition en valeurs propres'
;
use Lee;
read all var _num_ into x;
call svd(u,q,v,x);
print u;
print q;
print v;
print x;
u1=u[,1];
print u1;
q1=q[1];
print q1;
/* on calcule le ratio d'
inertie explique */
sq=sum(q);
ratio=q1/sq;
print ratio;
su1=sum(u1);
print su1;
/* on normalise le vecteur */
un1=u1/su1;
print un1;
v1=v[,1];
print v1;
vn1=sqrt(q1)*su1*v1;
print vn1;
create kt from vn1[colname='
k'
];
append from vn1;
create beta from un1[colname='
beta'
];
append from un1;
quit;
- 104 -
ANNEXE 4
33
Tables de gnration Femme - TGF v.1 - Modle Lee-Carter standard33
Pour les gnrations antrieures 1930, les Lx entre 0 et 66 ans ne sont pas renseigns.
- 105 -
Page 1 sur 7
Page 2 sur 7
- 106 -
Page 3 sur 7
- 107 -
Page 4 sur 7
- 108 -
Page 5 sur 7
- 109 -
Page 6 sur 7
- 110 -
Page 7 sur 7
- 111 -
ANNEXE 5
34
Tables de gnration Femme - TGF v.2 - Modle Lee-Carter logistique34
Pour les gnrations antrieures 1930, les Lx entre 0 et 66 ans ne sont pas renseigns.
- 112 -
Page 1 sur 7
Page 2 sur 7
- 113 -
Page 3 sur 7
- 114 -
Page 4 sur 7
- 115 -
Page 5 sur 7
- 116 -
Page 6 sur 7
- 117 -
Page 7 sur 7
- 118 -
Laurent GUERIN dcembre 2008
- 119 -

Mémoire Mortalité Prospective Laurent GUERIN

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Mémoire Mortalité Prospective Laurent GUERIN

Transféré par

Droits d'auteur :

Formats disponibles

PROMOTION: 2005/26

Mmoire dactuariat prsent devant

Diplme dActuaire du CENTRE DETUDES

Construction de tables de mortalit fminines par gnration

RESUME : Construction de tables de mortalit fminines par gnration

F. PRIOUX [2006] - Lvolution dmographique rcente en France - Population - INED.

ABSTRACT : Construction of female projected life tables from most

Chapitre 2 : Mthodes de construction des tables prospectives _________ 18

1. Prsentation des modles ____________________________________________ 18

Chapitre 3 : Modlisation Lee-Carter des taux bruts de dcs par grandes

1. Mise en oeuvre de la mthode Lee-Carter _______________________________ 31

1.4. Etape 3 : Calcul des x et des kt ______________________________ 36

Chapitre 4 : Fermeture et prsentation des tables de mortalit prospectives

Chapitre 5 : Tables de mortalit prospectives et rentes viagres________ 85

1. Rentes viagres ____________________________________________________ 85

SYNTHESE DES RESULTATS__________________________________ 90

1) Une approche par grandes causes mdicales de dcs

2) La mthode retenue et les solutions alternatives

cf. chapitre 1 - section 1.

cf. PLANCHET et THEROND [2006] - p. 168.

cf. BARBI E., CASELLI E., VALLIN J. [2003] - p. 49.

cf. le tableau des grandes causes de dcs en annexe 1.

Nombre de dcs dus cette cause

Le dnominateur (effectif de la population) est un effectif moyen se dfinissant comme

Tableau 1 : Liste des causes de dcs retenues dans cette tude.

La liste dtaille des principales causes mdicales de dcs issues de la codification

2) Etat de la mortalit fminine franaise en 2004

3) Evolution de la mortalit sur la priode 1979-2004

Maladies ou causes extrieures

* avec (6) = [1+(1)]*[1+(2)]*[1+(3)]*[1+(4)]*[1+(5)] 1.

Pour relativiser le poids de chaque cause dans la mortalit fminine de mtropole, le

Figure 1 Diagramme de Lexis

1.2) Le modle Lee-Carter standard

tM. Lanalyse porte ici sur 26 annes :

le taux instantan de mortalit la date t pour lge x,

- kt dcrit lvolution gnrale de la mortalit. Afin de rendre identifiable le modle, il

- x indique la sensibilit de la mortalit instantane par rapport lvolution gnrale de la

(ln xt* x x .k t ) (2)

1.3) Le modle Lee-Carter logistique

Ce modle est similaire au modle Lee-Carter standard en remplaant les ln xt par

Cette solution est unique grce aux contraintes :

La mthode Lee-Carter peut tre dcompose de la faon suivante :

Calcul des xt laide des xt = ln(1 q xt ) (modle Lee-Carter standard),

pour le modle Lee-Carter logistique :

0 les valeurs propres de tZZ,

Lapproximation est alors ralise sur la plus grande valeur propre

Cette estimation est dautant plus convaincante que le ratio 1 /

En rapprochant les quations (3) et (4), nous obtenons les estimations de

v1 j 0 alors on constate que les contraintes

et k est identique au modle Lee-carter standard.

La forme de F assure lunicit de la racine. La rsolution est obtenue par un algorithme de

type Newton-Raphson. On obtient ainsi un vecteur k .

Les x sont enfin recalculs avec les x et kt = constante :

2.2) Extrapolation de la composante temporelle

2.2.1) Modles de rgression

Allure de la courbe reprsentative

Croissance ralentie sans asymptote (a>0)

Croissance ralentie avec asymptote (a>0)

Croissance ou dcroissance non linaire

Dcroissance ralentie avec asymptote (a<0)

x = A + B.Cx avec A>0, B>0 et C>1.

2.2.2) Processus ARIMA

Pour le choix du modle AR(p), on doit avoir une dcroissance

SSE (sum of square errors) avec p = ordre de lAR(p)

* avec (6) = [1+(1)][1+(2)][1+(3)][1+(4)][1+(5)] 1.