Vous êtes sur la page 1sur 39

ACT2250: Mathématiques de l’assurance-vie 1

Chapitre 2

Maciej Augustyniak, PhD, FSA, AICA

Département de mathématiques et de statistique

Maciej Augustyniak ACT2250 Chapitre 2 1 / 39


Introduction

Dans le chapitre 1, nous avons appris comment calculer des


probabilités de survie et de décès à partir d’un modèle de survie qui
nous était donné.

Nous allons maintenant apprendre comment calculer des


probabilités de survie et de décès à partir de données sur la
mortalité d’une population.

Pour modéliser la mortalité d’une population, des démographes et


des actuaires construisent des tables de mortalité. Ces tables se
basent sur une population donnée et indiquent le nombre de
survivants et de décès à chaque année.

Maciej Augustyniak ACT2250 Chapitre 2 2 / 39


CHAPITRE 2
Tables de mortalité

Référence principale
Actuarial Mathematics for Life Contingent Risks, 2e édition, 2013.
Dickson, Hardy, et Waters. Chapitre 3.
Autres références
Models for Quantifying Risk, 6e édition, 2014.
Cunningham, Herzog, et London. Chapitre 6 (excl. 6.5).
Actuarial Mathematics, 2e édition, 1997.
Bowers, Gerber, Hickman, Jones, et Nesbitt. Chapitre 3.

Maciej Augustyniak ACT2250 Chapitre 2 3 / 39


Table de mortalité
Considérons une cohorte de lx0 individus d’âge x0 . Une table de
mortalité indique le nombre de survivants et le nombre de décès à
chaque âge entier x ≥ x0 .
Définition (lx )
Le symbole lx représente le nombre de survivants parmi cette cohorte
à l’âge x.

Définition (dx )
Le symbole dx représente le nombre de décès dans cette cohorte entre
l’âge x et x + 1. Le nombre de décès entre x et x + n est dénoté par
n dx . Nous avons les relations suivantes :

n dx = lx − lx+n
= dx + dx+1 + . . . + dx+n−1 .
Maciej Augustyniak ACT2250 Chapitre 2 4 / 39
Table de mortalité
Exemple Excel
Illustrative Life Table : Table-de-mortalite.xlsx
Considérons un individu d’âge x.
Comment peut-on construire un modèle de survie pour cet individu
à partir d’une table de mortalité ?
Quelle hypothèse est nécessaire afin que le modèle de survie soit
adéquat ?

Modèle de survie à partir d’une table de mortalité


t px = lx+t /lx
qx = dx /lx

n| qx = dx+n /lx
Maciej Augustyniak ACT2250 Chapitre 2 5 / 39
Probabilités de décès en fonction de l’âge aux États-Unis en 2002
pour les hommes (ligne pointillée) et les femmes (ligne pleine)

Maciej Augustyniak ACT2250 Chapitre 2 6 / 39


Tendances dans les probabilités de décès
La valeur de q0 est relativement élevée.
Les probabilités de décès décroissent entre l’âge 0 et 10.
Les taux de mortalité pour les hommes augmentent beaucoup plus
rapidement que ceux des femmes entre l’âge 10 et 20.
Les taux de mortalité prennent la forme d’une bosse (hump) à la
fin de l’adolescence. Cette bosse est le résultat d’un taux élevé de
décès accidentels.
Entre les âges 20 et 30, les taux de mortalité sont relativement
stables.
Après l’âge de 30 ans, les taux de mortalité croissent de manière
stable. Cette croissance est exponentielle puisque l’axe des y est
sous une échelle logarithmique. Par exemple, on pourrait utiliser la
loi de Gompertz pour modéliser la mortalité dans ces âges.
Les taux de mortalité sont moins élevés pour les femmes.
Maciej Augustyniak ACT2250 Chapitre 2 7 / 39
Exemples
Exemple (AMLCR Exemple 3.1)
x lx dx
30 10 000.00 34.78
31 9 965.22 38.10
32 9 927.12 41.77
33 9 885.35 45.80
34 9 839.55 50.26
35 9 789.29 55.17
36 9 734.12 60.56
37 9 673.56 66.49
38 9 607.07 72.99
39 9 534.08 80.11

1 Calculez : l40 , 10 p30 , q35 , et 5 q30 .


2 La probabilité qu’un individu de 30 ans décède durant sa 36e
année de vie.
Maciej Augustyniak ACT2250 Chapitre 2 8 / 39
Exemples
Solution :
(i) l40 = l39 − d39 = 9 534.08 − 80.11 = 9 453.97

l40 9 453.97
(ii)
10 p30 = = = 0.9454
l30 10 000

d35 55.17
(iii) q35 = = = 0.005636
l35 9 789.29

5 d30 34.78 + 38.10 + 41.76 + 45.81 + 50.26


(iv)
5 q30 = = = 0.02107
l30 10 000

l35 d35 d35 55.17


(v)
5| q30 = 5 p30 · q35 = · = = = 0.005517
l30 l35 l30 10 000

Maciej Augustyniak ACT2250 Chapitre 2 9 / 39


Exemples

Exemple
Complétez la table de mortalité suivante.
x lx dx px qx
0 50 0.6
1 0.5
2 2
3
4 9 − − −

Exemple
Trouvez l5 si : l1 = 9700, q1 = q2 = 0.02, q4 = 0.026, et d3 = 232.

Maciej Augustyniak ACT2250 Chapitre 2 10 / 39


Modèle de survie pour un groupe
En pratique, une compagnie d’assurance-vie vend des produits à un
groupe de personnes et doit donc avoir un modèle de survie pour ce
groupe.

Supposons que la compagnie assure lx individus d’âge x. Le nombre


d’individus qui survivent jusqu’à l’âge x + t est une variable aléatoire
que l’on définit comme suit :
lx
X
Lx (t) = Ij , où
j=1

1,
si l’individu j survit jusqu’à l’âge x + t;
Ij = 
0, sinon.

Maciej Augustyniak ACT2250 Chapitre 2 11 / 39


Modèle de survie pour un groupe
Notons que :
E(Ij ) = 1 · t px + 0 · t qx = t px ,
lx
X
E(Lx (t)) = t px = lx · t px = lx+t .
j=1

Remarque
Ces deux équations impliquent qu’on peut formuler une interprétation
probabiliste de la table de mortalité. Au lieu que lx+t représente le
nombre de survivants d’une cohorte donnée à l’âge x + t, on peut
également interpréter ce symbole comme étant l’espérance du nombre
de survivants à l’âge x + t parmi un groupe de lx individus d’âge x.

Question
Pouvez-vous formuler une interprétation probabiliste du symbole dx ?
Maciej Augustyniak ACT2250 Chapitre 2 12 / 39
Modèle de survie pour un groupe
Lien avec la loi binomiale
De plus, si les temps de vie future (Tx ) de tous les individus sont
indépendants, alors Lx (t) suit une loi binomiale telle que,
Lx (t) ∼ Bin(lx , t px )

E(Lx (t)) = lx · t px = lx+t

Var(Lx (t)) = lx · t px · (1 − t px )

Approximation normale
Si lx est suffisamment grand, le théorème central limite implique,

Lx (t) − lx · t px
q ∼ N (0, 1)
lx · t px · (1 − t px )
Maciej Augustyniak ACT2250 Chapitre 2 13 / 39
Exemple
l0 l10 l40 l60
100 98 93 85

La modélisation de la mortalité d’un groupe de 1 000 nouveau-nés


(indépendants) est basée sur la table de mortalité ci-haut.
(a) Trouvez la distribution du nombre d’individus survivant jusqu’à 60
ans.
(b) Calculez la probabilité que le nombre d’individus survivant jusqu’à
60 ans est supérieur ou égal à 875.
(c) Trouvez la distribution du nombre d’individus décédant entre les
âges 10 et 40.
(d) Calculez le coefficient de corrélation entre le nombre d’individus
survivant jusqu’à 60 ans et le nombre d’individus décédant entre
les âges 10 et 40.

Maciej Augustyniak ACT2250 Chapitre 2 14 / 39


Hypothèse sur la mortalité entre deux âges entiers

Nous avons vu qu’il est possible de formuler un modèle de survie à


partir d’une table de mortalité. Cependant, ce modèle nous restreint à
considérer des âges entiers seulement.

Dit autrement, nous obtenons un modèle pour la variable aléatoire


Kx , c-à-d, un modèle pour le nombre d’années entières survécues par
un individu d’âge x.

Pour étendre ce modèle à la variable aléatoire Tx , il faut préciser une


hypothèse sur la mortalité entre deux âges entiers.

Maciej Augustyniak ACT2250 Chapitre 2 15 / 39


Hypothèse DUD
Définition (Hypothèse DUD)
L’hypothèse de distribution uniforme des décès (DUD) stipule que,

lx+s = (1 − s) · lx + s · lx+1 , 0 ≤ s ≤ 1,

c-à-d, lx+s est obtenue par une interpolation linéaire entre les deux
âges entiers les plus proches. Cette relation implique également :
lx+s = lx − s(lx − lx+1 ) = lx − sdx , et
lx − lx+s sdx
s qx = = = sqx , 0 ≤ s ≤ 1.
lx lx
Par conséquent, sous l’hypothèse DUD, la probabilité de décès est
proportionnelle à la fraction de l’année s, ou encore, les décès sont
distribués uniformément dans l’année.
Maciej Augustyniak ACT2250 Chapitre 2 16 / 39
Hypothèse DUD
Sous l’hypothèse DUD, nous avons pour tout âge entier x,
s qx
µx = lim+ = qx , et
s→0 s
d
s qx = qx , 0 < s < 1,
ds
ce qui nous permet d’écrire
s px µx+s = qx , 0 ≤ s < 1,
et donc d’obtenir une expression explicite pour la force de mortalité à
tous les âges, entiers ou fractionnaires,
qx qx
µx+s = = , 0 ≤ s < 1.
s px 1 − sqx
Par conséquent, sous l’hypothèse DUD, la force de mortalité est
généralement croissante avec l’âge, mais affiche des discontinuités
aux âges entiers.
Maciej Augustyniak ACT2250 Chapitre 2 17 / 39
Hypothèse DUD
Étant donné que nous avons une expression explicite pour la force de
mortalité, nous connaissons la distribution de la variable aléatoire Tx .
L’hypothèse DUD nous permet donc d’étendre un modèle pour Kx
vers un modèle pour Tx .
Soit fx (t), la densité de probabilité de Tx évaluée à t ∈ (0, ω − x).
Sous l’hypothèse DUD, si t = k + s où k = btc et 0 ≤ s < 1 :

fx (t) = k+s px µx+k+s


= k px · s px+k µx+k+s
= k px · qx+k , car 0 ≤ s < 1
= Pr(Kx = k) = Pr(Kx = btc).

Cette densité prend la forme d’un escalier : elle est constante entre
les âges entiers, mais discontinue à chacun de ces âges.
Maciej Augustyniak ACT2250 Chapitre 2 18 / 39
Hypothèse DUD
De plus, nous pouvons exprimer fx (t) en fonction des données
disponibles dans une table de mortalité :
lx+k dx+k dx+k
fx (t) = k px · qx+k = · = .
lx lx+k lx
Finalement, sous l’hypothèse DUD, la fonction de répartition de Tx
satisfait :

Fx (t) = k+s qx
= k qx + k px · s qx+k
= k qx + s · k px qx+k
1
= (k dx + s · dx+k ) .
lx

Maciej Augustyniak ACT2250 Chapitre 2 19 / 39


Hypothèse DUD
Exemple (AMLCR Exemple 3.4)
Sous l’hypothèse DUD, démontrez que la force de mortalité est
généralement une fonction discontinue aux âges entiers.
Solution : Nous avons
qx qx qx
lim− µx+s = lim− = =
s→1 s→1 1 − sqx 1 − qx px
et
µx+1 = lim+ µx+s = qx+1 .
s→1
Pour que la force de mortalité soit une fonction continue, il faudrait
que la relation suivante soit satisfaite pour tous les âges entiers x,
qx = px qx+1 = 1| qx ,
et donc que Tx soit de loi de Moivre (uniforme). Cependant,
généralement nous observons qx < 1| qx .
Maciej Augustyniak ACT2250 Chapitre 2 20 / 39
Hypothèse DUD
Exemple (AMLCR Exemple 3.3)
Considérez la table de mortalité de l’exemple à la page 8. Calculez
1.7 q33 et 1.7 q33.5 sous DUD.

Solution :
1.7 q33 = q33 + p33 · 0.7 q34 = q33 + 0.7 · p33 q34
d33 + 0.7d34 45.80 + 0.7 · 50.26
= = = 0.008192
l33 9 885.35

l35.2 0.8l35 + 0.2l36


1.7 q33.5 =1− =1− = 0.008537
l33.5 0.5l33 + 0.5l34

Exemple (AMLCR Exemple 3.5)


Si q70 = 0.010413 et q71 = 0.011670, calculez 0.7 q70.6 sous DUD.
Maciej Augustyniak ACT2250 Chapitre 2 21 / 39
Hypothèse DUD
Théorème
Soit Sx = Tx − Kx , la variable aléatoire représentant la fraction de
l’année vécue dans l’année du décès. Sous l’hypothèse DUD, Sx et Kx
sont indépendantes et Sx ∼ U(0, 1).

Démonstration
Pour tout 0 ≤ s < 1 et k = 0, 1, . . . , ω − x − 1 :

Pr({Sx ≤ s} ∩ {Kx = k})


Pr(Sx ≤ s | Kx = k) =
Pr(Kx = k)
Pr(k ≤ Tx ≤ k + s)
=
Pr(Kx = k)
k px s qx+k
=
k px qx+k
= s, 0 ≤ s < 1.
Maciej Augustyniak ACT2250 Chapitre 2 22 / 39
Hypothèse DUD

La décomposition Tx = Kx + Sx , nous permet de relier les moments


de Kx à ceux de Tx . Sous l’hypothèse DUD, nous avons
o
e x = E(Kx ) + E(Sx )
1 ω−x−1
X 1
= ex + = k px + ,
2 k=1 2

et,

Var(Tx ) = Var(Kx ) + Var(Sx )


" ω−x−1 #
X
2 1
= 2 k k px − ex − (ex ) + .
k=1 12

Maciej Augustyniak ACT2250 Chapitre 2 23 / 39


Hypothèse DUD
Exemple
o o
Sous DUD, calculez e x:2 et e x:1.4 , si qx = 0.05 et qx+1 = 0.1.
Z 1 Z 1
Solution : eo = eo + px eo
x:2 x:1 x+1:1 = t px dt + px t px+1 dt
0 0
Z 1 Z 1
= (1 − tqx )dt + px (1 − tqx+1 )dt
0 0

= (1 − qx /2) + px (1 − qx+1 /2) = 1.8775


Z 1 Z 0.4
o
e x:1.4 = (1 − tqx )dt + px (1 − tqx+1 )dt = 1.3474
0 0

Remarque
o o
e x:n 6= ex:n + 1/2. Nous avons plutôt e x:n = ex:n + n qx /2.
Maciej Augustyniak ACT2250 Chapitre 2 24 / 39
Hypothèse FMC
Définition (Hypothèse FMC)
L’hypothèse force de mortalité constante (FMC) stipule que,

µx+s = − log px , 0 ≤ s < 1.

Par conséquent, la force de mortalité µx prend la forme d’un escalier,


car elle est constante entre les âges entiers, mais discontinue à
chacun de ces âges. Cette relation implique également :
s px = s px+t = (px )s , 0 ≤ s ≤ 1 et t + s ≤ 1, et
lx+s = lx · (px )s , 0 ≤ s ≤ 1,
car Rs Rs

s px = e 0
µx+v dv
= e− 0
µx+t+v dv
= s px+t
= e s log px = (px )s .
Maciej Augustyniak ACT2250 Chapitre 2 25 / 39
Hypothèse FMC
Sous l’hypothèse FMC, nous avons,

s px µx+s = −(px )s log px , 0 ≤ s < 1,

ce qui nous permet d’obtenir la densité de probabilité de Tx , soit,

fx (t) = k+s px µx+k+s


= k px · s px+k µx+k+s
= k px · −(px+k )s log px+k ,

où t = k + s, k = btc et 0 ≤ s < 1.

La densité de probabilité affiche des discontinuités aux âges entiers,


mais, contrairement à ce qui a été observé sous l’hypothèse DUD,
elle n’est plus constante entre les âges entiers.
Maciej Augustyniak ACT2250 Chapitre 2 26 / 39
Hypothèse FMC
Exemple
Sous l’hypothèse FMC, démontrez que les variables aléatoires Kx et
Sx sont indépendantes si et seulement si px+k ne dépend pas de k. Si
Kx et Sx sont indépendantes, quelle est la distribution de Tx ?
Solution : Nous avons
Pr(k ≤ Tx ≤ k + s) k px s qx+k
Pr(Sx ≤ s | Kx = k) = =
Pr(Kx = k) k px qx+k

1 − s px+k 1 − (px+k )s
= = , 0 ≤ s < 1,
1 − px+k 1 − px+k
qui ne dépend pas de k si et seulement si px+k ne dépend pas de k.
Notez que si px+k = px , pour k = 0, 1, . . ., alors la force de mortalité
est nécessairement constante : ∀t > 0, µx+t = − log px . Dans ce cas,
Tx est de loi exponentielle de moyenne −1/ log px .
Maciej Augustyniak ACT2250 Chapitre 2 27 / 39
Hypothèse FMC
Exemple (AMLCR Exemple 3.6)
Si p40 = 0.999473, calculez 0.4 q40.2 sous l’hypothèse FMC.
Solution :
0.4 q40.2 = 1 − 0.4 p40.2 = 1 − 0.4 p40 = 1 − (p40 )0.4 = 0.00021083

Exemple (AMLCR Exemple 3.7)


Si q70 = 0.010413 et q71 = 0.011670, calculez 0.7 q70.6 sous
l’hypothèse FMC.
Solution :
0.7 q70.6 = 1 − 0.7 p70.6 = 1 − 0.4 p70.6 · 0.3 p71

= 1 − (p70 )0.4 · (p71 )0.3 = 0.007679


Maciej Augustyniak ACT2250 Chapitre 2 28 / 39
Table de mortalité sélecte

Pour qu’une table de mortalité nous permette de modéliser


adéquatement la mortalité d’un groupe d’individus, il faut qu’elle
soit réprésentative de ce groupe.

Par exemple, une table de mortalité pour la population canadienne


n’est pas appropriée pour modéliser la mortalité d’un groupe de
fumeurs dans l’état de la Californie aux États-Unis.

Lorsqu’un individu achète un produit d’assurance, il y a


généralement un processus de sélection : questionnaire médical,
examen médical, analyse de sang, analyse d’urine, etc. Si l’individu
passe tous les tests, il est considéré en bonne santé et ses chances
de survie sont donc plus élevées que la moyenne. On dira d’un tel
individu qu’il est un « bon risque » (good risk).

Maciej Augustyniak ACT2250 Chapitre 2 29 / 39


Table de mortalité sélecte
Une table de mortalité agrégé est une table de mortalité qui ne fait
aucune distinction entre les individus qui ont passé ou non un
processus de sélection.
Utiliser une table agrégé pour modéliser la mortalité d’un bon
risque peut conduire à une sur-estimation de ce risque, et donc à
une prime trop élevée dans un produit d’assurance. Si la prime est
trop élevée, il y a de fortes possibilités que le bon risque décide de
s’assurer chez un compétiteur.
Ceci nous amène à considérer la table de mortalité sélecte où les
probabilités de décès dépendent non seulement de l’âge de la
personne, mais également de son âge lors du processus de
sélection. Par conséquent, une table de mortalité sélecte incorpore
une dimension additionnelle aux tables de mortalité vues
précédemment, soit l’âge à la sélection.
Maciej Augustyniak ACT2250 Chapitre 2 30 / 39
Table de mortalité sélecte
La table de mortalité suivante présente les valeurs de µx × 105 pour
un groupe d’hommes qui ont acheté une assurance-vie entre 50 et 56
ans, après avoir passé un processus de sélection.

Âge à la sélection
x 50 52 54 56
50 78 − − −
52 152 94 − −
54 240 186 113 −
56 360 295 227 136
58 454 454 364 278
60 573 573 573 448
62 725 725 725 725

Pour modéliser la mortalité de façon appropriée dans un tel exemple,


il faut considérer deux variables : l’âge de la personne (x) et l’âge à la
sélection.
Maciej Augustyniak ACT2250 Chapitre 2 31 / 39
Table de mortalité sélecte
Définition (Notation sélecte)
Un individu d’âge x + k sélectionné à l’âge x est dénoté [x] + k.
t p[x]+k : Probabilité qu’un individu d’âge x + k sélectionné à l’âge
x survit jusqu’à l’âge x + k + t.

t q[x]+k : Probabilité qu’un individu d’âge x + k sélectionné à l’âge


x décède avant d’atteindre l’âge x + k + t.
µ[x]+k : Force de mortalité à l’âge x + k pour une sélection qui a
eu lieu à l’âge x.
.
De plus, nous avons : t p[x]+k = l[x]+k+t l[x]+k ,
.
q[x]+k = d[x]+k l[x]+k ,
d[x]+k = l[x]+k − l[x]+k+1 .
Maciej Augustyniak ACT2250 Chapitre 2 32 / 39
Table de mortalité sélecte
Après une certaine période de temps, disons d années, l’effet du
processus de sélection devient moins significatif et s’estompe. À ce
moment, l’âge à la sélection est beaucoup moins important pour
expliquer la probabilité de décès et il peut donc être ignoré.
Mathématiquement, cela s’exprime par

t q[x]+k = t qx+k , k ≥ d.

Les probabilités de décès et de survie liées à un horizon plus grand


que la période de sélection d (k ≥ d) sont appelées probabilités
ultimes tandis que celles liées à un horizon plus petit (0 ≤ k < d)
sont appelées probabilités sélectes.
La table de mortalité et le modèle de survie sont donc divisés en
deux parties : partie sélecte et partie ultime.
Maciej Augustyniak ACT2250 Chapitre 2 33 / 39
Table de mortalité sélecte
Considérons la table de mortalité à la page 31.

Âge à la sélection
x 50 52 54 56
50 78 − − −
52 152 94 − −
54 240 186 113 −
56 360 295 227 136
58 454 454 364 278
60 573 573 573 448
62 725 725 725 725

La période de sélection est de six ans (d = 6) et la partie ultime de


cette table de mortalité est en bleu. La partie ultime dépend
seulement de l’âge de la personne et est donc indépendante de l’âge à
la sélection.
Maciej Augustyniak ACT2250 Chapitre 2 34 / 39
Table de mortalité sélecte

Voici un exemple d’une table de mortalité avec une partie sélecte et


une partie ultime. La période de sélection est de trois ans (d = 3).
Sélecte Ultime
x q[x] q[x]+1 q[x]+2 qx+3 x +3

20 q[20] q[20]+1 q[20]+2 q23 23


21 q[21] q[21]+1 q[21]+2 q24 24
22 q[22] q[22]+1 q[22]+2 q25 25
23 q[23] q[23]+1 q[23]+2 q26 26

Maciej Augustyniak ACT2250 Chapitre 2 35 / 39


Table de mortalité sélecte
Exemple
Calculez e[20]:4 avec la table de mortalité suivante qui inclut une
période de sélection de deux ans.
x 1000q[x] 1000q[x]+1 1000qx+2 x +2

20 0.222 0.330 0.422 22


21 0.234 0.352 0.459 23
22 0.250 0.377 0.500 24
23 0.269 0.407 0.545 25
24 0.291 0.441 0.596 26

Solution : e[20]:4 = p[20] + 2 p[20] + 3 p[20] + 4 p[20]


= p[20] + p[20] p[20]+1 + p[20] p[20]+1 p22 + p[20] p[20]+1 p22 p23
= 3.99682
Maciej Augustyniak ACT2250 Chapitre 2 36 / 39
Table de mortalité sélecte
Exemple (AMLCR Exemple 3.11)
Un modèle de survie a une période de sélection de trois ans. La partie
ultime du modèle provient de la table suivante :
x lx
70 80 556
71 79 026
72 77 410
73 75 666
74 73 802
75 71 800

De plus, pour tous les âges x ≥ 65, nous avons,


p[x] = 0.999, p[x−1]+1 = 0.998, p[x−2]+2 = 0.997.

L’exemple continue à la page suivante. . .


Maciej Augustyniak ACT2250 Chapitre 2 37 / 39
Table de mortalité sélecte
Exemple (. . . AMLCR Exemple 3.11)
Calculez la probabilité qu’un individu de 70 ans survive jusqu’à l’âge
75, étant donné qu’il a été sélectionné à l’âge (a) 67 et (b) 70.

Exemple (SOA MLC 2012-11 #2)


Considérez la table de mortalité sélecte et ultime suivante.
x l[x] l[x]+1 l[x]+2 lx+3 x +3
60 80 000 79 000 77 000 74 000 63
61 78 000 76 000 73 000 70 000 64
62 75 000 72 000 69 000 67 000 65
63 71 000 68 000 66 000 65 000 66

Calculez 2|3 q[60]+0.75 sous l’hypothèse FMC entre les âges entiers.
Maciej Augustyniak ACT2250 Chapitre 2 38 / 39
Tendances dans un modèle de survie
Dans la majeure partie du monde, l’espérance de vie des hommes et
des femmes s’est nettement améliorée pendant le dernier centenaire
grâce à l’amélioration des conditions de vie et au progrès accompli
dans le domaine médical.

Supposons qu’on veuille déterminer la probabilité de décès d’une


personne de 50 ans en 2015 et qu’on se base sur une table de
mortalité construite avec des données aux alentours de l’an 1990. Une
personne qui avait 50 ans en l’an 1990 est née en 1940 et on peut
(1940) (1965)
donc estimer q50 . Cependant, nous voulons déterminer q50 .
(1940) (1965)
Quelle est la relation entre q50 et q50 ?

Comment peut-on modéliser une telle relation ?

Maciej Augustyniak ACT2250 Chapitre 2 39 / 39

Vous aimerez peut-être aussi