Seance 4

Modles de dure
ISFA Support de cours - 1 -

MODELES DE DUREE

Support de cours 2011-2012

Tables de mortalit

Frdric PLANCHET

Version 2.14
Novembre 2011
Modles de dure
SOMMAIRE

1. Introduction ...................................................................................................................... 3
1.1. Le contexte rglementaire .......................................................................................... 3
1.2. Les diffrents types de tables de mortalit ................................................................. 4
1.2.1. Les tables rglementaires ................................................................................... 4
1.2.2. Les tables dexprience ...................................................................................... 5
2. Lanalyse de la mortalit ................................................................................................. 6
2.1. Notations .................................................................................................................... 6
2.2. Le diagramme de Lexis .............................................................................................. 9
2.2.1. Prsentation ........................................................................................................ 9
2.2.2. Diagramme de Lexis et mesure de mortalit .................................................... 10
2.3. Mortalit longitudinale et mortalit transversale ..................................................... 12
2.4. Rpartition des dcs dans lanne ........................................................................... 13
2.5. Les indicateurs synthtiques du niveau de la mortalit ............................................ 14
2.5.1. Esprance de vie rsiduelle .............................................................................. 14
2.5.2. Entropie ............................................................................................................ 15
3. Quelques indicateurs ...................................................................................................... 17
3.1. Donnes gnrales .................................................................................................... 17
3.2. Impact du tabagisme ................................................................................................. 17
3.2.1. Etude de tables canadiennes ............................................................................. 18
3.2.2. Etude de Ministre de la Sant ......................................................................... 19
4. La construction de tables de mortalit dexprience .................................................. 20
4.1. Tables du moment .................................................................................................... 21
4.1.1. Construction complte ...................................................................................... 21
4.1.2. Utilisation dune rfrence externe .................................................................. 22
4.2. Tables prospectives .................................................................................................. 23
4.2.1. Le modle de Lee-Carter .................................................................................. 24
4.2.2. Le modle log-Poisson ..................................................................................... 29
4.2.3. Les modles log-linaires ................................................................................. 34
4.2.4. Le modle logistique dcal ............................................................................. 36
4.2.5. Utilisation des sries chronologiques ............................................................... 37
4.2.6. Les modles rfrence externe ...................................................................... 38
5. Les critres de validation du modle ............................................................................ 40
5.1. La fidlit aux donnes ............................................................................................ 40
5.2. La comparaison des prdictions et des ralisations .................................................. 41
5.3. La stabilit des estimations ...................................................................................... 42
5.4. La capacit prospective ............................................................................................ 43
6. Le dcs comme premier instant datteinte dun seuil par un processus ................. 43
6.1. Prsentation du modle ............................................................................................ 43
6.2. Estimation des paramtres ........................................................................................ 44

Modles de dure

1. Introduction

La construction dune table de mortalit dans le cadre paramtrique standard a dj t
voque prcdemment dans ce cours
1
; lobjectif du prsent support est de dtailler les outils
danalyse des tables de mortalit, dune part, et daborder la question de lvolution de la
mortalit au cours du temps et des modles propres en rendre compte.

1.1. Le contexte rglementaire
Les tables de mortalit utilises par les assureurs pour leurs tarifs et leurs provisions sont
encadres par la rglementation. En pratique, des tables de la population gnrale sont
utilisables par dfaut, et la rglementation prvoit les conditions dans lesquelles lorganisme
peut utiliser ses propres tables. Ce contexte est dfini par les articles A335-1 du Code des
Assurances, repris ci-aprs pour mmoire :

Article. *A.335-1 (A. 19 mars 1993 ; A. 28 mars 1995, art.5)

Les tarifs pratiqus par les entreprises dassurance sur la vie et de capitalisation comprennent
la rmunration de lentreprise et sont tablis daprs les lments suivants :

Un taux dintrt technique fix dans les conditions prvues larticle A.132-1.
Une des tables suivantes :

- tables tablies sur la base de donnes publies par lInstitut National de la
Statistique et des Etudes Economiques, et homologues par Arrt du ministre
de lconomie et des finances ;
- tables tablies par lentreprise dassurance et certifies par un actuaire
indpendant de cette entreprise, agr cet effet par lune des associations
dactuaires reconnues par la commission de contrle des assurances.

Pour les contrats de rentes viagres, le tarif dtermin en utilisant les tables vises au
deuxime tiret du 2 ne peut tre infrieur celui qui rsulterait de lutilisation des tables
vises au premier tiret du 2.

Pour les contrats collectifs en cas de dcs rsiliables annuellement, le tarif peut appliquer les
tables vises au premier tiret du 2 avec une mthode forfaitaire si celle-ci est justifiable.

Cet article a t modifi par larrt du 01/08/2006 de la manire suivante :

a) Au neuvime alina, les mots : livre IV du titre Ier sont remplacs par les mots : titre
IV du livre Ier ;

b) Le dixime alina est supprim.

13 Aprs l'article A. 335-1, il est cr un article A. 335-1-1 ainsi rdig :

1
Voir le support Statistique des modles paramtriques .
Modles de dure
Art. A. 335-1-1. - Les dcalages d'ge prvus au huitime alina de l'article A. 335-1 sont
appliqus de telle sorte que chaque taux de mortalit annuel un ge donn soit gal au taux
de mortalit annuel l'ge ayant subi le dcalage dans la table approprie.

14 L'article A. 441-4-1 est ainsi rdig :

Art. A. 441-4-1. - Pour l'application de l'article A. 441-4, les tables de mortalit sont celles
appropries mentionnes l'article A. 335-1 applicables aux contrats de rente viagre
souscrits compter du 1er janvier 2007.

Les entreprises peuvent rpartir sur une priode de quinze ans au plus les effets sur le
niveau de la provision mathmatique thorique rsultant de l'utilisation des tables
mentionnes au premier alina.

La provision mathmatique thorique devra nanmoins tre, d'ici au 1er aot 2008,
suprieure ou gale celle obtenue avec la table de gnration homologue par arrt du 28
juillet 1993, lorsque cette provision est infrieure celle rsultant de l'utilisation des tables
mentionnes au premier alina.

Article 2

Les tables prvues au quatrime alina de l'article A. 335-1 du code des assurances pour les
contrats de rente viagre sont compter du 1er janvier 2007 :

- la table TGF05 ci-annexe concernant les assurs de sexe fminin ;
- la table TGH05 ci-annexe concernant les assurs de sexe masculin.

Ces tables ci-annexes sont homologues compter de cette mme date.

Article 3

A l'annexe de l'article A. 335-1 du code des assurances sont ajoutes les tables TGF05 et
TGH05 ci-annexes.

Article 4

Le 3 et le 10 de l'article 1er entrent en vigueur le 1er janvier 2007.

1.2. Les diffrents types de tables de mortalit
Du point de vue de lassureur, on peut distinguer les tables rglementaires, qui jouent un rle
particulier dans la dtermination du tarif et des provisions, et les tables dexprience ; dun
point de vue technique, on distingue les tables transversales, ou tables du moment et les
tables prospectives, intgrant laspect dynamique de la mortalit.

1.2.1. Les tables rglementaires
Les tables rglementaires comportent deux volets :

Les tables TH et TF 00-02 pour les assurances en cas de dcs ;
Modles de dure
Les tables ci-dessus utilises avec des dcalages dges pour les assurances en cas
de vie ( lexclusion des rentes).

Homologue par l'arrt du 20 dcembre 2005, les tables TH et TF 00-02 ont t tablies
partir des donnes de l'INSEE issues d'observations ralises entre 2000 et 2002 et sont
applicables aux contrats d'assurance vie souscrits depuis le 1
er
juillet 1993. La table TF dcrit
la mortalit fminine. La table TH est construite partir de la population masculine.

De plus, la ncessit d'utiliser des tables de mortalit prospectives pour les rentes viagres a
t prise en compte par le lgislateur et des tables de gnrations (TGH et TGF 05) ont t
homologues par un arrt du 01/08/2006. Celles-ci ont t obtenues sur base de la mortalit
de la population des bnficiaires de contrats de rentes observe sur la priode 1993-2005 et
de donnes sur la population gnrale (INSEE) de 1962 2000. Ces tables servent depuis le
1
er
janvier 2007 la tarification et au provisionnement des contrats de rentes viagres
immdiates ou diffres. Elles imposent un tarif minimal
2
.

1.2.2. Les tables dexprience
1.2.2.1.Le contexte gnral

Dans le cadre du suivi technique de ses produits et au regard de larticle A. 335-1 du Code
des assurances, un assureur peut souhaiter utiliser des tables de mortalit dexprience en
lieu et place des tables officiellement en vigueur pour justifier du niveau de la prime pure
dans les contrats quil couvre. Il apparat en effet opportun, dans ce cadre, de cerner au
mieux tout comportement de la population assure qui serait significativement
diffrent des tables rglementaires.

1.2.2.2.La certification des tables de mortalit

La procdure dagrment des actuaires indpendants habilits certifier et suivre les
tables de mortalit (et les lois de maintien en incapacit de travail et en invalidit) est
dfinie par lInstitut des Actuaires, aprs avis de la Commission de Contrle des
assurances et de la Commission de Contrle des mutuelles et des institutions de
prvoyance :

- dans le cadre des arrts du 19 mars 1993 (entreprises dassurances), du 13 octobre
1993 (mutuelles), du 21 dcembre 1993 (institutions de prvoyance) concernant
les lois de mortalit,
- dans le cadre de larrt du 28 mars 1996 (entreprises dassurances, mutuelles et
institutions de prvoyance), concernant les lois de maintien en incapacit de travail
et en invalidit.

Cette procdure comprend la mise en place dune Commission dAgrment indpendante
et souveraine dans ses missions dhabilitation des Actuaires certifier et suivre les
tables de mortalit et les lois de maintien en incapacit de travail et en invalidit. Elle a t
approuve par les membres de la Commission dAgrment le 3 dcembre 2002. Elle a t

2
Dans le cadre du provisionnement en norme IFRS assurance ce minimum na plus lieu dtre.
Modles de dure
ratifie par le Conseil dadministration de lInstitut des Actuaires le 11 dcembre 2002 et
transmise aux autorits de tutelle le 18 dcembre 2002.

En pratique la mise en place, et lautorisation dutilisation, dune table dexprience
comporte 3 tapes :

La construction de la table ;
La certification initiale ;
Le suivi annuel destin assurer la prennit du droit dutilisation de la table.

Le rapport final de certification doit sassurer que la table permet la constitution de
provisions suffisantes et prudentes . Ce document doit en particulier :

valider les donnes utilises et leurs sources, quelles soient internes ou externes
lentreprise,
vrifier les hypothses de travail et les modalits utilises pour construire les
tables de mortalit ou les lois de maintien en incapacit de travail ou en invalidit
sassurer que les principes de prudence communment admis ont t respects, eu
gard aux risques induits (en particulier stabilit des tables ou des lois de
maintien),
dfinir prcisment les conditions dapplication et de validit des lments
certifis, les statistiques ou tableaux de bord prparer priodiquement par
lentreprise pour permettre le suivi des rsultats dexprience.

Le suivi doit tre annuel. En labsence de suivi, la validit des tables (et des lois de
maintien) cesse deux ans aprs leur certification. La validit des tables de mortalit est
limite cinq ans (celle des lois de maintien en incapacit et en invalidit quatre ans).

Le point important que lon peut retenir est que la certification ne concerne pas une table
dans labsolu, mais une table utilise pour un contrat ou un groupe de contrats particuliers,
au regard notamment du risque induit par le contrat considr.

2. Lanalyse de la mortalit

On sintresse la variable alatoire T reprsentant la dure de vie dun individu ; on suppose
les individus de la population dans un premier temps identiques, de sorte quon pourra
disposer dchantillons issus de la loi de T.

2.1. Notations
Il est commode de considrer les variables
x
T reprsentant la dure de vie rsiduelle dun
individu conditionnellement au fait quil soit vivant lge x, ie | | x T x T T
d x
> =

On peut alors dfinir la probabilit de survie entre x et t x + par :

( ) ( ) x T t x T P t T P p
x x t
> + > = > = ,

Modles de dure
et le quotient de mortalit entre x et t x + :

( ) ( ) x T t x T P t T P p q
x x t x t
> + s = s = =1 .

Lorsque 1 = t il est omis dans les notations, et on crit plus simplement
x x
q q
1
= et
x x
p p
1
= .

Fig. 1 : Taux instantan de mortalit en fonction de lge

Ces quotients sexpriment simplement laide de la fonction de survie de T :

( )
( ) x S
t x S
p
x t
+
= .

Il est usuel de noter
3
( ) x S l
x
= ; le nombre de dcs entre x et t x + est not
t x x x t
l l d
+
= ;
dans le cadre de lanalyse statistique de la mortalit dune cohorte on mesure le temps vcu
par les individus de la cohorte entre x et t x + , dfini par :

}
+
=
t
u x x t
du l L
0
.

3
A une constante multiplicative de normalisation prs.
Modles de dure

Fig. 2 : Reprsentation de la fonction de survie

A partir de cet indicateur on peut dfinir la dure de vie rsiduelle, qui est un indicateur
caractristique de la table de mortalit :

0
x x u x
i x
E l du L
+

+
=
= =
}
.

Le quotient de mortalit
x t
q est calcul en rapportant un nombre de dcs sur la priode
leffectif en dbut de priode ; on calcule galement le taux de mortalit, obtenu en rapportant
le nombre de dcs leffectif moyen sur la priode, soit :

t x
t x
t x
d
m
L
= .

Les quotients de mortalit sont des probabilits (nombres sans dimension) alors que les taux
de dcs sont exprims en inverse de lunit de temps et dcomptent des dcs par personne
sous risque et par unit de temps. Cette diffrence conduit aux relations suivantes avec la
fonction de hasard, appele dans ce contexte taux instantan de mortalit :

( )
1
0
1
lim
x t x x t x
h
t x
h P t T t h T t q
p t

+

c
= < s + > =
c
,

car
( )
1 t h x t x
x x
t x
q q
h P t T t h T t
h p
+

< s + > = ; donc lorsque h est petit,
h x x
q h ~ et
1
h x x
p h ~ . Le lien entre le taux instantan de mortalit et le taux de mortalit est direct :
0
lim
x h x
h
m

= , ce qui justifie ex-post la terminologie.

Modles de dure
La relation entre fonction de survie conditionnelle et fonction de hasard scrit avec les
notations utilises ici :

0
exp
t
t x x s
p ds
+
| |
=
|
\ .
}
.

2.2. Le diagramme de Lexis
Lors des tudes de mortalit, il est rare que lon dispose dune information exacte sur les ges
au dcs et les dates de dcs ; ces donnes sont le plus souvent disponibles sous forme
arrondie, en ge entier et anne entire. Afin de dterminer correctement les taux bruts de
mortalit dans ce contexte, on utilise un formalisme particulier, le diagramme de Lexis
4
.

2.2.1. Prsentation
Lanalyse de la mortalit dun groupe donn fait intervenir trois mesures de temps : lge des
individus, leur gnration (date de naissance) et la date dobservation ; bien entendu ces 3
informations sont lies et la connaissance de 2 dentre elles dtermine la troisime.

Chacune de ces dimensions a toutefois son importance dans la dtermination du niveau de la
mortalit :

Lge : cette variable influence videmment le risque de dcs ;
La date dobservation : le risque de dcs peut varier en fonction de circonstances
comme une pidmie, un vnement exceptionnel (la canicule de lt 2003 par
exemple), etc.
La gnration : des phnomnes tels que lamlioration des conditions sanitaires, les
progrs de la mdecine conduisent modifier le risque de mortalit un ge donn
au cours du temps ; de plus, on peut imaginer que le pass dune gnration donn
puisse modifier le niveau de sa mortalit future : typiquement, une pidmie
intervenant une date t et touchant les gens dge x cette date peut contribuer
diminuer les taux de dcs aux ges suprieurs x pour cette gnration, en
entranant la mort prmature des individus les moins rsistants.

Il est alors commode de reprsenter la vie dun individu dans un systme daxes rectangulaire
appel diagramme de Lexis , de la manire suivante :

4
Du nom du statisticien et dmographe allemand Wilhelm LEXIS (1837-1914).
Modles de dure

Fig. 3 : Diagramme de Lexis

La vie dun individu est donc reprsente par une ligne parallle la premire bissectrice, qui
coupe laxe des abscisses lanne de la naissance et sarrte au point mortuaire au jour du
dcs. En traant une bande horizontale entre x et x+1 on isole les individus dcds lge x,
et en traant une bande verticale entre g et g+1, on isole les dcs des individus de la
gnration g. Dans ce formalisme, x et g sont entiers, et x mesure lge en annes rvolues.

2.2.2. Diagramme de Lexis et mesure de mortalit
Les points mortuaires qui se situent dans le carr ci-dessous sont associs aux dcs lge x
au cours de lanne t :

Fig. 4 : Identification des dcs lge x lanne t

Modles de dure
Les individus concerns appartiennent aux gnrations t-x et t-x-1. De mme on peut
dcompter le nombre de dcs lge x parmi la gnration g :

Fig. 5 : Identification des dcs lge x dans la gnration g

Ces dcs se sont produits au cours des annes g+x et g+x+1. On obtient galement le nombre
de dcs lge x parmi la gnration g au cours de lanne t :

Fig. 6 : Identification des dcs lge x lanne t dans la gnration g

Enfin, on peut reprsenter de la mme manire le nombre de dcs au cours de lanne t parmi
les individus de la gnration g :

Modles de dure

Fig. 7 : Identification des dcs dans la gnration g lanne t

2.3. Mortalit longitudinale et mortalit transversale
La mesure naturelle de la mortalit consiste comptabiliser les dcs survenus au cours
dune priode donne (une anne par exemple), puis calculer les taux de dcs par ge en
rapportant ce nombre de dcs leffectif sous risque. Cela revient considrer une bande
verticale du diagramme de Lexis.

On voit que si la mortalit volue au fil du temps, cette approche biaise la mesure de la
mortalit, plus prcisment, dans une priode de baisse tendancielle de la mortalit, elle
conduit sous estimer les dures de vie (ou surestimer les taux de dcs). En effet, dans
cette approche on considre des individus de gnrations diffrentes pour calculer les taux de
dcs, la table obtenue ne reprsente donc la mortalit daucune gnration relle.

Fig. 8 : Mortalit longitudinale et mortalit transversale
Modles de dure

La mortalit relle dune gnration sobtient en considrant les taux le long dune bande
comme ci-dessus.

On aura besoin par la suite de calculer le quotient de mortalit lge x pour lanne t ;
comme on la vu en 2.2.2 ci-dessus, ce quotient fait intervenir deux gnrations, x t et
1 x t . On dtermine donc les quotients partiels de mortalit suivants, en notant ( ) g D
xt

le nombre de dcs lge x pour la gnration g intervenus lanne t :

( )
( )
1
1 ,
xt
xt
x t xt
D t x
q
l D t x
+
=
+
.

(
1 + t x
l
,
dsigne le nombre de personnes dge x au 01/01/t+1) ; ce quotient approche donc la
probabilit pour les individus de la gnration x t de dcder lge x lanne t. On estime
de mme la probabilit pour les individus de la gnration 1 x t de dcder lge x
lanne t :

( )
xt
xt
xt
l
x t D
q
1
2

= .

Le quotient cherch rsulte alors de lagrgation de ces 2 quotients partiels : pour survivre
entre son x
ime
et son (x+1)
ime
anniversaire, il faut survivre de son x
ime
anniversaire la fin de
lanne civile, puis de la fin de lanne civile son (x+1)
ime
anniversaire, soit :

( )( )
1 2
1 1 1
xt xt xt
q q q = .

Lorsque lon veut dterminer le taux de mortalit lge x pour lanne t, on calcule
classiquement, avec des notations videntes :

( )
1
2
, ,
/
xt
x
x t x t
D
m
l l
+
=
+
.

2.4. Rpartition des dcs dans lanne
Les donnes disponibles sont souvent des donnes regroupes dans lesquelles lunit de temps
est lanne. Il convient alors de se donner une rgle de rpartition des dcs dans lanne. Ce
point a t abord prcdemment ; trois hypothses sont classiquement proposes :

la constance des taux instantans de dcs entre 2 ges non entiers (hypothse
exponentielle) : ( ) 1 1
t
t x x
q q = ;
la rpartition linaire des dcs au cours de lanne : 1
t x x
q t q = ;
lhypothse de Balducci, qui postule que
( ) 1 1
x
t x
x
t q
q
t q
=

.

Modles de dure
Lhypothse de Balducci peut tre carte demble car elle conduit des taux instantans de
mortalit dcroissants entre 2 ges entiers ; en effet, on trouve dans ce modle que :

( ) ln
x
x t t x
x x
q
p
t p tq
+
c
= =
c +
,

ce qui rsulte de 1 1
x x
t x t x
x x x x
tq p
p q
p tq p tq
= = =
+ +
. Le choix entre les 2 hypothses
restantes nest pas neutre sur lapprciation que lon aura du niveau de la mortalit. En effet,
si
c
x
T et
l
x
T sont les dures de vie rsiduelles respectivement dans le modle de constance des
taux instantans et dans le modle de rpartition linaire des dcs, on a, avec des notations
videntes : ( ) ( )
l c
x x
S t S t > , ce qui implique en particulier que ( ) ( )
l c
x x
e t e t > ; lhypothse de
constance des taux instantans conduit donc des dures de vie infrieures : de ce fait, il
sagit dune hypothse prudente dans le cas de garanties en cas de dcs, moins prudente pour
des contrats de rentes. Toutefois, lcart entre les 2 approches est faible.

Pour prouver lingalit ( ) ( )
l c
x x
S t S t > , on fixe r k t + = , avec | | t k = et 1 0 < s r et on note
que :

( ) ( ) ( ) 1
l l
x x k x x k
S t P T k r p rq
+
= > + =
et

( ) ( )
c c r
x x k x x k
S t P T k r p p
+
= > + = .

Lingalit dmontrer est donc quivalente ( ) 1 1
r
x k x k
r p p
+ +
> , et cette dernire ingalit
est la consquence directe
5
de ( ) 1 1
r
x rx + s + pour tout 1 0 < s r . Dans les modles prsents
ci-aprs, lhypothse de constance du taux instantan de mortalit entre 2 ges entiers est
effectue, de sorte que lon a ( ) 1 1
t
t x x
q q = .

2.5. Les indicateurs synthtiques du niveau de la mortalit
Les caractristiques dune table de mortalit sont usuellement rsumes au travers dun
certain nombre dindicateurs : lesprance de vie et lentropie sont deux indicateurs
importants, prsents ci-aprs.

2.5.1. Esprance de vie rsiduelle
Lesprance de vie rsiduelle est par dfinition ( )
x
x
x e
l
E
T E e = = ; on a donc
}
+
+
=
0
1
du l
l
e
u x
x
x
;
on dduit en particulier de cette expression que :

5
On a mme lingalit stricte si 0 > r .
Modles de dure
1
x
x x
de
e
dx
= + .

En effet
2
2
x x u
x
x
x
d
l l l du
dx d
e
dx l
+
| |

|
\ .
=
}
, et comme ln
x x
d
l
dx
= , on a bien lgalit ci-dessus.
La version discrte de cette formule est simplement
0
1
x
x h
h
x
e L
L
+
>
=

.

Cette expression signifie que lorsque le taux de mortalit est petit, lesprance de vie
rsiduelle diminue denviron un an chaque anne ; en revanche, lorsque le taux de mortalit
est grand, on peut avoir une esprance de vie rsiduelle qui augmente.

Dun point de vue pratique, cela signifie que le graphe des
x
e est peu prs align sur une
droite de pente 1 jusque vers 75 ans, pour sincurver ensuite, comme on le constate sur le
graphique ci-dessous :

Fig. 9 : Esprance de vie rsiduelle en fonction de lge

A partir de 75 ans, un ajustement polynomial dordre 2 fonctionne en gnral correctement
(ce qui fournit une paramtrisation simple dune table de mortalit du moment). On peut noter
que lesprance de vie rsiduelle peut sinterprter comme le prix dune rente viagre
continue actualise taux 0.

2.5.2. Entropie
La baisse des taux de mortalits aux ges jeunes, sans pour autant que lge ultime de vie
semble voluer sensiblement, a pour consquence un phnomne d orthogonalisation des
tables de mortalit, de plus en plus de personnes dcdant un ge lev
6
:

6
Ce phnomne saccompagne dune baisse de la variance de la dure de vie au cours du temps.
Modles de dure

Fig. 10 : Illustration du phnomne dorthogonalisation des tables de mortalit

Lentropie se propose de mesurer ce phnomne ; on la dfinit par :

( )
0
0
ln
x x
x
l l dx
H
l dx
+
+
=
}
}
.
Comme on a
( ) ln
x x
d
l
dx
= , on peut rcrire cette quantit sous la forme :
0
0 0
x x x
l e dx
H
l e
+
=
}
.

La version discrte de cette formule est
( )
0
0
ln
x h x h
h
x h
h
L L
H
L
+ +
>
+
>
=
. Lentropie rapporte donc le

nombre moyen d annes perdues du fait du dcs au nombre dannes possibles en
stock la date 0.

On peut remarquer que 0 = H si et seulement si tous les dcs se produisent au mme ge et
que 1 = H correspond la situation extrme oppose dans laquelle le taux instantan de
mortalit est constant : cette grandeur mesure est donc bien adapte la mesure du
phnomne dorthogonalisation.

Lentropie est passe denviron 50 % la fin du 19
ime
sicle 15 % aujourdhui.

Modles de dure
3. Quelques indicateurs

Lobjectif de cette section est de fournir quelques ordres de grandeur utiles sur le niveau de la
mortalit. On illustre galement la manire de quantifier limpact sur la mortalit de
caractristiques particulires de la population, en prenant lexemple du critre fumeur / non
fumeur.

3.1. Donnes gnrales
Les esprances de vie la naissance et 60 ans, ainsi que le taux de dcs cet ge, sont
indiqus dans le tableau ci-dessous :

Femmes Hommes
TV73/77 TV88/90 TV99/01 TD73/77 TD88/90 TD99/01
Naissance 76,5 80,2 82,2 68,6 72,0 74,7
60 ans 20,9 23,5 25 16,1 18,3 19,9
q60 0,77% 0,57% 0,48% 1,90% 1,57% 1,18%

Ce tableau fait clairement apparatre des disparits entre les hommes et les femmes :

Femmes / hommes
TV73/77 TV88/90 TV99/01
Naissance 112 % 111 % 110 %
60 ans 130 % 128 % 126 %
q60 41 % 37 % 41 %

On lit galement la baisse tendancielle de la mortalit :

Femmes Hommes

TV88/90 /
TV73/77
TV99/01 /
TV88/90
TD88/90 /
TD73/77
TD99/01 /
TD88/90
Naissance 105 % 102 % 105 % 104 %
60 ans 112 % 106 % 114 % 109 %
q60 74 % 85 % 82 % 75 %

Lcart de mortalit entre les hommes et les femmes se traduit par le fait que, dans les pays
dvelopps
7
, on a 70 hommes pour 100 femmes au sein des plus de 60 ans et 44 hommes pour
100 femmes au sein des plus de 80 ans.

3.2. Impact du tabagisme
Limpact du tabagisme sur la mortalit est illustr sur la base de :

Ltude de tables homme fumeur / homme non-fumeur canadiennes.
Des tudes pidmiologiques menes par le Ministre de la Sant en France.

7
Daprs une tude du US bureau of the census de 1998.
Modles de dure
3.2.1. Etude de tables canadiennes
Le caractre non-fumeur des assurs a un impact favorable sur leur mortalit. Au Canada,
des tudes ont conduit ltablissement de tables de mortalit pour les hommes gs de
plus de 30 ans diffrenties en fonction de cette caractristique. Leur tude nous permet de
quantifier limpact du tabagisme sur la mortalit.

Le graphique suivant reprend ainsi lvolution du taux de mortalit annuel en fonction de
lge selon que lhomme fume ou ne fume pas.

Taux de mortalit des tables Canada - Homme fumeur
et Canada - Homme non fumeur
0%
1%
2%
3%
4%
5%
6%
31 36 41 46 51 56 61 66 71
Canada - Homme f umeur Canada - Homme non f umeur

Fig. 11 : Comparaison des taux de dcs fumeur et non fumeur

Comme on pouvait sy attendre, les taux de mortalit des fumeurs sont systmatiquement
suprieurs ceux des non-fumeurs. Labattement de la mortalit des non-fumeurs par
rapport celle des fumeurs connat un maximum 59 ans (63,35 %).

Abattement de la table Canada - Homme non fumeur rapport
la table Canada - Homme
y = 0,007x + 0,388
R
2
= 0,6878
0%
15%
30%
45%
60%
75%
31 36 41 46 51 56 61 66 71
Age

Fig. 12 : Positionnement de la mortalit des fumeurs par rapport la population des fumeurs
(hommes)

Modles de dure
Labattement moyen entre 31 ans et 71 ans ressort 53,4 %. Cette analyse permet de
mesurer limpact du tabagisme sur la mortalit. Par rapport lensemble de la population,
labattement des non-fumeurs ressort en moyenne 20 % entre 31 et 70 ans.

Abattement de la table Canada - Homme non fumeur
rapport la table Canada - Homme
y = 0,006x + 0,0715
R
2
= 0,6687
0%
15%
30%
45%
31 36 41 46 51 56 61 66 71
Age

Fig. 13 : Positionnement de la mortalit des non fumeurs par rapport la population gnrale
(hommes)

Un maximum est atteint 58 ans avec un taux dabattement de prs de 30 %.

3.2.2. Etude de Ministre de la Sant
Ltude Tabagisme et mortalit : aspects pidmiologiques fournit des indicateurs
intressants permettant de quantifier la sous-mortalit des non fumeurs. Ainsi les lments
cls peuvent tre rsums comme suit :

Entre 39 et 65 ans, 1 dcs sur 3 chez les hommes est attribuable au tabac et 1 dcs
sur 16 chez les femmes.
Entre 35 et 49 ans, 40 % des hommes et 29 % des femmes sont des fumeurs
rguliers. Ces pourcentages diminuent respectivement 28 % et 14 % entre 50 et 64
ans.

En faisant lhypothse que ces proportions sont homognes sur les plages dges indiques,
il est possible destimer la sous mortalit des non-fumeurs par rapport aux fumeurs :

Notons :

q
tabac
le taux de sur mortalit li au tabagisme,
q le taux de mortalit hors tabagisme,

F
t la proportion de fumeurs,

NF
t la proportion de non fumeurs,
o la proportion de dcs dus au tabagisme.

( )
F tabac
F tabac NF
q
q q q
t
o
t t
=
+ +

Modles de dure
Donc :

( ) 1
tabac
F
q
q
o
t o
=

Le taux de sous mortalit des non-fumeurs par rapport au fumeur scrit donc :

( )
( )
1
1 1
1
F
tabac F
q
q q
t o
o t o

=
+ +

Les taux calculs partir des lments de ltude du Ministre de la Sant sont rsums
dans le tableau suivant :

Hommes Femmes
35-49 ans 55,56 % 20,41 %
50-64 ans 64,10 % 32,26 %

Concernant les hommes, les taux de sous mortalit des non fumeurs par rapport aux
fumeurs (56 % et 64 %) sont comparables ceux issus des tables canadiennes (53 %). Ces
mmes taux sont infrieurs pour les femmes ; toutefois le tabagisme fminin est plus rcent
et son impact moins bien cern que celui des hommes.

En supposant que les proportions de fumeurs cites plus haut sont homognes sur toutes les
tranches dges, les taux de sous-mortalit des non-fumeurs par rapport la population
dans son ensemble sont donns par :

Hommes Femmes
35-49 ans 33,33 % 6,25 %
50-64 ans 31,71 % 6,25 %

Les taux masculins sont lgrement suprieurs ce qui est observ avec les tables
canadiennes. Les taux fminins sont nettement infrieurs aux taux masculins.

4. La construction de tables de mortalit dexprience

On se place ici dans le contexte paramtrique ; la dmarche de construction dune table
comporte systmatiquement deux tapes : tout dabord lestimation de taux bruts, par ge, ou
par ge et gnration dans le cas de tables prospectives, puis ensuite lajustement de ces taux
bruts un modle paramtrique.

En pratique on peut distinguer deux situations : tout dabord, la situation de rfrence dans
laquelle on dispose de donnes en quantit suffisante pour construire une table fiable. Mais
dans certains cas il se peut que les donnes disponibles ne soient pas suffisantes pour
Modles de dure
dterminer de manire suffisamment prcise la structure de la table, et on pourra alors
chercher positionner simplement la mortalit du groupe tudi par rapport une mortalit de
rfrence, qui fournira la structure gnrale.

4.1. Tables du moment
4.1.1. Construction complte
La dmarche standard de construction dune table de mortalit dans un cadre paramtrique a
t dcrite prcdemment, elle nest donc pas reprise ici. On retiendra simplement quelle
sappuie sur le choix dune forme paramtrique pour la fonction de hasard, avec comme
modle de rfrence le modle de Makeham, lestimation des paramtres seffectuant par la
mthode du maximum de vraisemblance.

Dans certaines situations particulires, on pourra toutefois se tourner vers dautres modles,
tels que les rgressions de type Poisson ; lexemple type dapplication de tels modles est
lanalyse de la mortalit dun vnement rare, comme les consquences de lexposition
lamiante (la justification de lintrt de la loi de Poisson pour des vnements rares
provient de lobservation que la distribution binomiale , n
n
| |
B
|
\ .
converge en loi vers ( )
P
lorsque n ).

Comme le nombre de dcs est trs faible en regard des effectifs sous risque, on peut utiliser
une loi de Poisson comme modle pour le nombre de dcs par ge et par priode.

La table suivante donne le nombre de dcs par msothliome
8
constat par classe d'ge,
pendant cinq priodes, ainsi que la population risque pendant cette priode :

1970-74 1975-79 1980-84 1985-89 1990-95
25-29 0 10041742 1 10978690 1 10602254 1 10680272 1 10791607
30-34 2 7720583 1 10038396 0 11005461 1 10651073 1 10837520
35-39 2 8074903 3 7589268 5 9904593 5 10922900 6 10657919
40-44 5 8510762 7 7879250 7 7457766 10 9761988 11 10853140
45-49 9 8211522 9 8220829 14 7662805 14 7265550 17 9464014
50-54 10 7173352 18 7821153 22 7866442 26 7354438 24 7022582
55-59 16 4824443 20 6743790 32 7372021 41 7446988 41 7071006
60-64 28 6069611 26 4404567 38 6213936 58 6813378 68 6988969
65-69 33 5371770 42 5298248 41 3889820 63 5575185 84 6148376
70-74 34 4157113 49 4371284 56 4387290 56 3277849 72 4829840
75-79 24 2432745 37 3018047 53 3254297 73 3391145 64 2511709
80-84 10 1229739 22 1467570 35 1878692 54 2112437 63 2362417
85-89 7 527277 11 560756 16 691452 23 927740 31 1123450

Si on veut expliquer les dcs en fonction de l'ge et de la priode, on peut choisir deux sries
de paramtres, (a
i
) et (c
j
) dcrivant chacun l'effet d'une tranche d'ge donne et d'une cohorte
donne. Pour satisfaire les contraintes de positivit (les dcs sont un nombre positif), on peut
proposer un modle multiplicatif a
i
c
j
. On choisira par exemple de modliser le nombre de
dcs espr
( )
ij ij
E d = avec un modle de la forme ln
ij
i j
ij
a c
N
| |
= +
|
|
\ .
ou, de manire

8
Cancer de la plvre consquence de lexposition lamiante.
Modles de dure
quivalente
( )
exp
ij ij i j
N a c = + . Dans une cellule, on a finalement une vraisemblance lie
la loi de Poisson :
( ) ( ) ( ) ( )
exp exp exp / !
ij
d
ij i j ij i j ij
N a c N a c d + + , et la vraisemblance
globale s'obtient en multipliant les vraisemblances de chaque cellule.

Lapplication de ce type de modles la construction de tables prospectives est prsente en
4.2.2 ci-dessous.

4.1.2. Utilisation dune rfrence externe
Lutilisation dune rfrence externe consiste rechercher un positionnement de la table
dexprience par rapport une table de rfrence donne ; la table de rfrence peut tre par
exemple une table INSEE.

De nombreux modles sont possibles, mais lapproche la plus courante consiste appliquer
un taux dabattement (ou de majoration) aux taux de la table de rfrence, ce qui consiste
rechercher un coefficient o tel que
ref
x
ex
x
q q = o . En se souvenant que le quotient de
mortalit est la version discrte du taux de hasard
x
(avec la relation ( )
x x
q = 1 ln si on
fait lhypothse de constance de la fonction de hasard entre deux ges entiers), on remarque
que ce modle est donc un modle hasard proportionnel dans lequel on suppose connue la
fonction de hasard de base. Plus prcisment, si on suppose que
ref
x
ex
x
o = dune part et
que ( )
x x
q = 1 ln dautre part, on obtient la relation suivante entre les quotients de
mortalit :

( )
o
ref
x
ex
x
q q = 1 1 ,

relation qui au premier ordre lorsque les taux sont petits est quivalente
ex ref
x x
q q o ~ . On a
vu que dans ce contexte un estimateur de type moindres carrs ordinaires pouvait tre
propos pour ( ) o u ln = . On obtient ainsi lestimateur :

( ) ( )
n n
i
i ref
n
i
i ref
x H e x H
n
1
1 1
1
(
(
=
|
|
.
|
\
|
=
[
= =
o ln exp

avec la constante dEuler
9
et ( ) ( )
ref
x ref ref
L x S x H ln ln = = la fonction de hasard
cumule.

On peut galement considrer comme critre de choix du paramtre o lcart entre le nombre
de dcs observs et le nombre de dcs thorique associ la table abattue. En notant
obs
x
L
leffectif sous risque lge x dans la population considre, le nombre de dcs prdit par la
table abattue lge x est
obs
x
ref
x
L q o . Si on contraint le nombre total de dcs prdits
galer le nombre observ, on obtient lestimation suivante de o :

9
Dont la valeur est approximativement 0,577215665.
Modles de dure

=
x
obs
x
ref
x
x
obs
x
L q
D
o .

Une approche alternative consiste raisonner ge par ge et considrer une statistique de
type Khi-2 dfinie par :
( )
( )
2
1
obs ref
n
x x
obs
x ref
i
x
q q
L
q
o
_ o
o
=

=

et chercher la valeur de o qui rend minimale cette distance.

4.2. Tables prospectives
Lobjectif de tables prospectives est de tenir compte des volutions venir de la mortalit ; les
mthodes usuelles cherchent tout dabord ajuster les tendances passes, puis les extrapoler
lavenir. Lapproche prospective consistant intgrer dans lavenir leffet de progrs
mdicaux futurs nest pas examine ici.

Les modles utiliss se proposent dajuster les taux bruts calculs par des mthodes telles que
celle prsente en 2.3 ci-dessus un modle paramtrique, permettant dune part de lisser les
fluctuations dchantillonnage et dautre part de projeter lvolution des taux dans le futur, par
extrapolation.

On dispose taux de taux bruts indics par lge x et lanne calendaire t, qui ont typiquement
lallure suivante :

Fig. 14 : Taux de dcs bruts par anne

Le passage des quotients de mortalit bruts au taux instantan de mortalit, qui est la variable
modlise dans certaines approches, seffectue via une hypothse sur la rpartition des dcs
dans lanne (voir 2.4 ci-dessus) ; dans le cas o lon fait lhypothse de constance du taux
instantan dans chaque carr du diagramme de Lexis, on obtient lestimateur suivant :
Modles de dure

( ) 1
*
ln
xt xt
q =

4.2.1. Le modle de Lee-Carter
Il sagit dune mthode dextrapolation des tendances passes initialement utilise sur des
donnes amricaines, qui est devenue rapidement un standard (voir larticle original LEE et
CARTER [1992]). La modlisation retenue pour le taux instantan de mortalit est la suivante :

ln
xt x x t xt
k o | c = + + ,

avec les variables alatoires
xt
c iid ; lide du modle est donc dajuster la srie
(doublement indice par x et t) des logarithmes des taux instantans de dcs une structure
paramtrique (dterministe) laquelle sajoute un phnomne alatoire ; le critre
doptimisation retenu va consister maximiser la variance explique par le modle, ce qui
revient minimiser la variance des erreurs.

Le paramtre
x
o sinterprte comme la valeur moyenne des ( ) ln
xt
au cours du temps. On
vrifie que
( ) ln
xt
t
x
d
dk
dt dt
| = et on en dduit que le coefficient

x
| traduit la sensibilit de la
mortalit instantane lge x par rapport lvolution gnrale
t
k , au sens o
( ) ln
xt
x
t
d
dk
| = . En particulier, le modle de Lee-Carter suppose la constance au cours du

temps de cette sensibilit. Cette contrainte du modle peut apparatre relativement forte :

- Pour tout age x les quotients des variations relatives des taux de mortalit des
dates diffrentes ne dpendent pas de lage x. Si la variation relative du taux de
mortalit 50 ans en 2000 tait 80 % de ce quelle tait en 1990 ce coefficient de
80 % est retenu pour tous les ages ;

- Pour une mme date t les quotients des variations relatives des taux de mortalit
des ges diffrents ne dpendent pas de la date t. Si en 2000 la variation relative
du taux de mortalit 20 ans est 50 % de la variation relative du taux 50 ans ce
coefficient de 50 % sappliquera toute date future ou passe.

Enfin, on peut remarquer que la forme du modle implique lhomoscdasticit des taux de
mortalit, ce qui est manifestement faux en pratique. Cet inconvnient sera examin plus en
dtails en 4.2.2 ci-dessous.

Afin de rendre le modle identifiable, il convient dajouter des contraintes sur les paramtres ;
en effet, pour toute constante c non nulle le modle est invariant par les transformations
suivantes :

( )
, , , ,
x
x x t x t
k c k
c
|
o | o
| |

|
\ .

Modles de dure
( ) ( )
, , , ,
x x t x x x t
k c k c o | o | | +

Il convient donc dimposer deux contraintes sur les paramtres. On retient en gnral les
contraintes suivantes :

1
M
m
x
x
x x
|
=
=
et
=
=
M
m
t
t t
t
k 0 .

On obtient alors les paramtres par un critre de moindres carrs (non linaire) :

( ) ( )
=
t x
t x x xt t x x
k k
,
*
ln min arg ,
,
2
| o | o

Il convient donc de rsoudre ce programme doptimisation, sous les contraintes
didentifiabilit. Le nombre de paramtres estimer est lev, il est gal
( ) 1 1 2 + +
m M m M
t t x x .

4.2.1.1.Estimation des paramtres

Vis vis de ( )
x
o , comme :

( ) ( ) ( )
2
2 1 2
* *
,
ln ln
M
m
t
yt y y t M m x xt x t
y t t t
x
k t t k o | o |
o
=
c
= +
c

,

on trouve en tenant compte de la contrainte
=
=
M
m
t
t t
t
k 0 que :

1
1
*
ln
M
m
t
x xt
t t
M m
t t
o
=
=
+

.

En dautres termes,
x
o est la moyenne temporelle, lge x, des taux instantans de dcs
(sur lchelle logarithmique). On considre alors la matrice ( )
xt
z Z = des taux centrs par
rapport la dimension temporelle :

*
ln
xt xt x
z o = .

Z est une matrice de dimension
( )
1 1 ,
M m M m
x x t t + + . La forme du modle revient
chercher une approximation de Z en produit de 2 vecteurs de la forme

' Z k | ~ , de sorte que
la dcomposition soit optimale au sens du critre des moindres carrs, ie explique la plus
grande part possible de la variance totale. La rsolution de ce problme passe par la
dcomposition en valeurs propres de la matrice Z, que lon met sous la forme :

Modles de dure
>
=
1 i
i i i
u v Z
'

avec 0
2 1
> > .. les valeurs propres de Z Z' ,
i
u le vecteur propre norm
10
de Z Z' associ
i
, et
i
v le vecteur propre associ la mme valeur propre pour ' ZZ . Ceci est justifi par le
fait que, comme
i i i
u Zu Z = ' , on a ( )
i i i
Zu Zu ZZ = ' , et donc les deux matrices transposes
ont les mmes valeurs propres avec des ordres de multiplicit identiques. De plus, si
i
u est un
vecteur propre de ' Z Z alors
i
Zu est un vecteur propre de ' ZZ associ la mme valeur
propre. Si on pose
1
i i
i
v Zu
= , on voit que
' '
i i i i i
Zu u v u = , ce qui en sommant et en tenant
compte de lorthonormalit des vecteurs propres, conduit la dcomposition de Z.

On est ainsi conduit proposer comme approximation
1 1 1
'
Z v u ~ , avec comme mesure de la
qualit de cette approximation la part dinertie explique,
1
i
. On obtient finalement les

estimateurs de | et k suivants :

1
1
1
j
v
v
| =
et
1 1 1
j
k v u =

Lobjectif est dutiliser les rsultats de cet ajustement pour extrapoler les taux de mortalit
pour
M
t t > ; lide est danalyser la srie des ( )
t
k
, qui capture linformation sur lvolution

temporelle de ces taux pour lui ajuster un modle de type ARIMA.

A ce stade on dispose dune premire estimation des paramtres du modle ; toutefois, si on
se trouve dans une situation dans laquelle leffectif soumis au risque est trs important, on
peut se dire que les fluctuations dchantillonnage sur le nombre total de dcs par ge
doivent tre trs faibles. Il apparat alors souhaitable dajuster auparavant les paramtres du
modle pour que le nombre de dcs prvus par le modle chaque anne soit gal au nombre
de dcs observs. Comme lexposition au risque est
*
xt
xt
xt
D
L
= avec
( ) ( ) 1 + = x t D x t D D
xt xt xt
, cette contrainte sexprime par :

( )

exp
M M
m m
x x
xt xt x x t
x x x x
D L k o |
= =
= +

,

la variable tant
t
k
. On introduit la fonction ( ) ( )

= =
| + o =
M
m
M
m
x
x x
xt
x
x x
x x xt
D k L k F
exp , de sorte
que la contrainte ci-dessus sexprime par ( ) 0 = k F . La forme de la fonction F assure lunicit
de la racine si elle existe. La recherche de la racine peut se faire par un algorithme de type
Newton-Raphson, en posant :

10
1 =
i i
u u
'

Modles de dure

( )
( )
i
i
i i
k F
k F
k k
'
=
+1

avec la valeur initiale
t
k k
=
0
et le critre darrt c s
+
i
i i
k
k k
1
en prenant par exemple
7
10
= c . On obtient ainsi un nouvel estimateur
t
k . Mais la srie
t
k
| |
|
\ .
ainsi ajuste doit tre
corrige pour respecter la contrainte didentifiabilit
=
=
M
m
t
t t
t
k 0 , ce qui conduit poser :
=
+
=
M
m
t
t t
t
m M
t t
k
t t
k k
*
1
1
.

Il reste alors corriger les ( )
x
o pour que lgalit entre dcs prdits par le modle et dcs
observs reste valide, ce qui conduit :

1
*
M
m
t
x
x x t
t t
M m
k
t t
|
o o
=
= +
+

.

Lallure typique des paramtres obtenus est la suivante, tout dabord pour les paramtres
fonction de lge :

Paramtres
x
o Paramtres
x
|
Reprsentation des valeurs de alpha en fonction de l'ge, par la mthode de Lee-Carter
y = -7E-06x
3
+ 0,0016x
2
- 0,0311x - 6,5795
R
2
= 0,9683
-8
-7
-6
-5
-4
-3
-2
-1
0
0 10 20 30 40 50 60 70 80 90 100
Age
Alpha
Lee-Carter
Polynomial (Lee-Carter)

Fig. 15 : Coefficients alpha

Reprsentation des valeurs de beta en fonction de l'ge, par la mthode de Lee-Carter
y = -4E-07x
3
+ 7E-05x
2
- 0,0033x + 0,0557
R
2
= 0,298
-0,1
-0,08
-0,06
-0,04
-0,02
0
0,02
0,04
0,06
0,08
0,1
0 10 20 30 40 50 60 70 80
Age
Beta
Lee-Carter
Polynomial (Lee-
Carter)

Fig. 16 : Coefficients bta

puis la composante temporelle :

Modles de dure
Evolution du paramtre kt en fonction de l'ge
y = -2,0604x + 4112,5
R
2
= 0,7955
-25
-20
-15
-10
-5
0
5
10
15
20
1989 1991 1993 1995 1997 1999 2001 2003
Anne
Kt
Evolution des kt entre 1989 et 2003
Linaire (Evolution des kt entre 1989 et 2003)

Fig. 17 : Evolution de la tendance temporelle

4.2.1.2.Extrapolation de la composante temporelle

Il reste alors modliser la srie ( )
*
t
k pour extrapoler les taux futurs ; pour cela, on utilise en
gnral un modle ARIMA
11
, mais toute autre modlisation de srie temporelle peut tre
utilise. Toutefois, compte tenu de lallure du graphe ci-dessus, la modlisation la plus simple
que lon puisse imaginer est par exemple une rgression linaire de ces coefficients :

t t
b at k c + + =
*

avec ( )
t
c un bruit blanc gaussien.

4.2.1.3.Fermeture de la table

Lestimation des paramtres du modle de Lee-Carter ncessite que lon dispose dune
matrice rectangulaire complte de taux de dcs
( )
*
xt
; en pratique les valeurs brutes
estimes prsentent une grande instabilit aux ges levs, du fait du faible effectif
disponible. Au surplus, il peut arriver que les donnes ne soient plus disponibles au del dun
ge limite. Plusieurs mthodes existent pour complter la table avant deffectuer lajustement,
ou ex-post (on parle de fermeture de la table de mortalit ). On pourra notamment consulter
sur la sujet DENUIT et QUASHIE [2005].

A titre dillustration, on prsente ici la mthode de Coale et Kisker (COALE et KISKER
[1990]) ; la mthode consiste extrapoler les taux de mortalit aux grands ges (jusqu
x=110 ans par exemple) en se basant sur la formule
12
:

65
65
( )

x
g x
x
e

=

11
En suivant la dmarche de Box et Jenkins.
12
On omet ici lindice t pour allger les notations.
Modles de dure
g
x
dsignant le taux moyen de croissance de
x
entre 65 et x ans. On calcule ainsi les
coefficients g
x
jusqu un certain ge, puis on les extrapole afin de pouvoir recomposer les
taux
x
.
Coale et Kisker ont en effet remarqu empiriquement que les courbes des g
x

possdent en gnral un pic aux alentours de 80 ans avant de dcrotre linairement. Ils ont
par consquent propos lquation :

( )
80
80
x
g g s x = + , 80 > x .

Finalement, on peut utiliser la formule suivante pour extrapoler au-del de 80 ans les taux
instantans de mortalit :
80
80
1
( )

g s x
x x
e
+
= , 80 > x .

On utilise les valeurs de paramtres suivantes :
( )
79 80
31
465
ln g
s
+
= et
80
65
80
15
ln
| |
|
\ .
= .

Ainsi, les taux de mortalit lisss partir des donnes brutes sont directement obtenus par la
mthode de lissage de Lee-Carter pour les ges infrieurs 80 ans. Pour les ges suprieurs
ou gaux 80 ans, si lchantillonnage nest pas assez consquent, on recourt la mthode de
Coale et Kisker : celle-ci construit les taux de mortalit aux grands ges partir des taux
lisss (par Lee-Carter) aux ges de 65 et 80 ans.

La question de la fermeture de la table est importante dans le cas de la construction dune
table pour des provisionnements de rentes viagres. On pourra toutefois noter que cette
importance doit tre relativise si les rentiers dge trs lev sont en proportion modeste dans
le portefeuille.

En effet, considrons lexemple simple dans lequel on value un capital constitutif dune rente
viagre sur une tte avec la table TF00-02 ; on compare le calcul ralis avec la table
complte et celui ralis avec la mme table ferme de manire prudente en figeant le taux de
dcs 95 ans. Ainsi, si pour valuer le capital constitutif d'une rente viagre sur une tte 75
ans au taux de 2,5 % (et avec la TH00-02), on considre que le taux de dcs est stable
partir de 95 ans (et que les survivants sortent brutalement 120 ans), on ne majore la
provision que de 0,7 % (et environ 2,5 % 85 ans).

Lcart entre deux mthodes de fermeture en termes de provisionnement nest vritablement
significatif qu des ges trs levs (voir par exemple DELWARDE et DENUIT [2006]).

4.2.2. Le modle log-Poisson
Le modle de Lee-Carter repose sur lhypothse dhomoscdasticit des taux de mortalit, ce
qui constitue une hypothse forte et peu raliste : en effet, la variance des taux de dcs crot
aux ges levs, du fait notamment de la baisse des effectifs de survivants. On peut illustrer ce
fait de deux manires ; tout dabord, on considre la population franaise au 01/01/2005, que
Modles de dure
lon suppose mourir selon la table TV1999/2001. La variance des taux de dcs bruts que lon
observerait peut tre approche par
( )
x
x x
L
q q 1
, et on constate lvolution suivante :

Variance du taux de dcs
0,000%
0,005%
0,010%
0,015%
0,020%
0,025%
0,030%
0,035%
0,040%
6
5
6
7
6
9
7
1
7
3
7
5
7
7
7
9
8
1
8
3
8
5
8
7
8
9
9
1
9
3
9
5
9
7
9
9
1
0
1
1
0
3
Age
V
a
r
i
a
n
c
e

Fig. 18 : Variance du taux de dcs avec lge

On note une trs forte augmentation aprs 85 ans. De manire plus directe, lorsque lon
effectue un ajustement par la mthode de Lee-Carter, on peut analyser la variance des rsidus,
et confronter les observations lhypothse dhtroscdasticit. On obtient des graphiques
lallure suivante
13
:

Etude de l'htroscdasticit des rsidus
-0,15
-0,1
-0,05
0
0,05
0,1
0,15
0,2
0 10 20 30 40 50 60 70 80 90
Ages
Rsidus
Anne 1989 Anne 1996 Anne 2003

Fig. 19 : Analyse des rsidus dans le modle de Lee-Carter

13
Voir LELIEUR [2005].
Modles de dure
De plus, le critre retenu dans la mthode de Lee-Carter pour estimer les paramtres nest pas
de type maximum de vraisemblance .

Au surplus, il peut sembler naturel de modliser directement le nombre de dcs plutt que le
taux instantan de mortalit. Si
xt
D dsigne le nombre de dcs lge x lanne t, et
xt
L
lexposition au risque,
xt
D est alors une variable alatoire dont on va modliser lesprance en
posant :

( )
xt xt xt
E D L = .

Le modle log-Poisson, propos par BROUHNS et al. [2002], est une adaptation du modle de
Lee-Carter qui intgre ces diffrents lments. On notera que lgalit ci-dessus est la
consquence directe de lhypothse de constance de
xt
sur chaque carr du diagramme de
Lexis. En effet, comme lexposition au risque est gale :

( )
1
0
,
xt
L S x u t u du = + +
}

et que
( ) ( ) ( )
0
, , exp ,
u
S x u t u S x t x v t v dv
| |
+ + = + +
|
\ .
}
, la constance de
xt
conduit :

( ) ( ) ( ) ( )
, , exp , S x u t u S x t u x t + + =
puis ( ) ( ) ( )
1
0
, exp ,
xt
L S x t u x t du =
}
et donc :

( )
( )
( ) ( ) ( )
( )
( )
( ) 1
, ,
exp , ,
, ,
xt
S x t S x t
L x t q x t
x t x t

= = ,

ce qui tablit le rsultat.

Lide est de modliser le nombre de dcs lge x lanne t par une loi de Poisson, comme
en 4.1 ci-dessus, en supposant que
xt
D suit une loi de Poisson de paramtre
xt xt
L avec
( ) exp
xt x x t
k o | = + . Lexpression du taux de dcs instantan est identique celle propose
dans le modle de Lee-Carter, avec la mme interprtation des diffrents paramtres. En
particulier, le modle ne sera identifiable quavec des contraintes sur les paramtres, et on
peut retenir les mmes que celles utilises par Lee et Carter. Enfin, on peut noter que passer
du modle de Lee-Carter ce modle poissonien revient passer dun modle linaire un
modle linaire gnralis avec le logarithme comme fonction de lien
14
.

14
On pourra se reporter RENSHAW [1991].
Modles de dure
Comme on a ( )
( )
( ) exp
!
d
xt xt
xt xt xt
L
P D d L
d
= = avec ( ) exp
xt x x t
k o | = + , la log-
vraisemblance
15
du modle scrit ( une constante additive prs) :

( ) ( ) ( ) { }
,
ln , , exp
xt x x t xt x x t
x t
L k D k L k o | o | o | = + +

On dispose donc dune expression simple de la log-vraisemblance ; les quations de
vraisemblance nont pas de solution analytique du fait de la prsence du terme non linaire
x t
k | et doivent tre rsolues numriquement ; on peut par exemple utiliser un algorithme de
Newton-Raphson et utiliser le schma propos en 4.2.1.1 ci-dessus avec pour fonction
objectif F annuler le vecteur des scores
'
, , |
.
|
\
|
c
c
c
c
c
c
k
L L L
| o
; cela conduit ici aux relations de
rcurrence suivantes :

( ) ( )
( ) ( )
1

exp

exp
i i i
xt xt x x t
i i t
x x
i i i
xt x x t
t
D L k
L k
o |
o o
o |
+
+
=
+

( ) ( )
( ) ( )( )
1
1
2
1

exp

exp
i i i i
xt xt x x t x
i i x
t t
i i i i
xt x x t x
x
D L k
k k
L k
o | |
o | |
+
+
+
+
=
+

( ) ( )
( ) ( )( )
1 1
1
2
1 1 1

exp

exp
i i i i
xt xt x x t t
i i t
x x
i i i i
xt x x t t
t
D L k k
L k k
o |
| |
o |
+ +
+
+ + +
+
=
+

Les valeurs initiales sont libres, on choisira simplement des valeurs
0
0
x
| = pour viter des
divisions par 0. Pour que les contraintes didentifiabilit soient vrifies, il convient ensuite
dajuster les paramtres ainsi estims, en posant :

1
1
*

M
m
t
t t t x
t t x
M m
k k k
t t
|
=
| |
=
|
+
\ .

*
x
x
x
x
|
|
|
=

1
*
M
m
t
x
x x t
t t
M m
k
t t
|
o o
=
= +
+

Les valeurs estimes des paramtres sont assez proches de celles obtenues par le modle de
Lee-Carter, comme on peut le constater sur les graphiques repris en annexe
16
. Lextrapolation

15
Il ne sagit dune vraisemblance que si on utilise les effectifs sous risque rels ; si on normalise les effectifs en
partant dun effectif initial de
0
L , on obtient une pseudo-vraisemblance.
Modles de dure
de la composante temporelle est ensuite conduite de la mme manire que dans le modle de
Lee-Carter.

4.2.2.1.Obtention dintervalles de confiance
17

En pratique les tables ainsi construites vont en gnral servir calculer des esprances de vie
rsiduelle, pour obtenir des dures de vie de rentiers (actuels et futurs) ; plus prcisment elles
pourront tre utilises pour calculer des capitaux constitutifs de rentes viagres, de la forme :

( )
1
0 0
,
exp
i
i
xt x i t i
i j
a v
+
+ +
> =
=
[

avec
r
v
+
=
1
1
le facteur dactualisation. Au del de lestimation ponctuelle de
xt
a qui dcoule
de la modlisation des
xt
, on souhaite mesurer la prcision associe, et donc obtenir des
intervalles de confiance. Deux sources dala se combinent ici, dune part les fluctuations
dchantillonnage du modle de rgression poissonien, et dautre part lincertitude lie la
prdiction des
t
k pour
M
t t > .

Lestimation des paramtres du modle (pour
M
t t s ) par la mthode du maximum de
vraisemblance permet de conclure que le vecteur
( )

, ,
x x t
k o | est asymptotiquement distribu
selon une loi normale. On peut alors construire alors des intervalles de confiance pour des
fonctionnelles telles que
xt
a par la mthode de simulation suivante :

on gnre une ralisation
( )

, ,
x x t
k o | partir de la loi normale ;
partir de la ralisation ci-dessus, on estime les paramtres de projection du
modle ARIMA associ aux
t
k ;
on simule une trajectoire de
t
k pour
M
t t >
partir des lments ainsi calculs, on dtermine une ralisation de la variable
dintrt (par exemple
xt
a )

En renouvelant lopration on obtient une distribution empirique de la variable dintrt, puis,
en particulier, un intervalle de confiance.

Lorsque la taille de lchantillon est trs importante on peut considrer que les fluctuations
dchantillonnage deviennent ngligeables, et supprimer la premire tape de lalgorithme.

Ce type dapplication sera dvelopp dans le cadre des modles de mortalit stochastique.

16
Ces graphiques sont repris de BROUHNS et al. [2002].
17
Seul le principe de la mthode est dcrit ici ; pour lapproche dtaille on pourra se reporter HADERER
[2003].
Modles de dure
4.2.3. Les modles log-linaires
Dans le choix dun modle susceptible de structurer un jeu de donnes historiques, la
flexibilit du modle et par la mme sa fidlit aux donnes est directement lie aux
nombres de paramtres introduits. Le choix dun modle trs flexible se fait le plus souvent
au dtriment des qualits prdictives de celui-ci (un modle totalement non paramtrique
nautorise aucune prdiction).

Les modles de Lee-Carter ou Log-Poisson peuvent de ce fait paratre trs paramtrs. Au
surplus, dans le contexte de donnes de portefeuilles, dont le volume est sensiblement
infrieur ce que lon peut obtenir comme taille de population sous risque lchelle dun
pays, le nombre lev de paramtres du modle peut conduire des irrgularits
consquences de fluctuations dchantillonnage. Ce phnomne est mis en vidence dans
LELIEUR [2005].

Dans ce contexte il peut tre utile de se tourner vers des modles alternatifs moins paramtrs
mettant en jeu des expressions analytiques portant sur les ges ou sur les annes (ou les deux).

Par ailleurs les influences de lge x et de lanne t sur les taux de mortalit ( ) t q
x
sont
exprims via lintroduction du logit :

( ) ( ) ( ) ( )
1 lg lg ln /
xt x xt xt
q t q q = = .

Le logit pour des taux de mortalits faibles est peu diffrent de la variable ( )
xt
ln du modle
de Lee-Carter mais il peut tre sensiblement diffrent pour des ges levs. Il prsente
lavantage de varier dans | | + , , ce qui simplifie la mise en uvre de modle de
rgression. La forme typique dun logit est la suivante (obtenue avec la TV 1999/2001) :

Lg(x) - TV 1999/2001
-10
-9
-8
-7
-6
-5
-4
-3
-2
-1
0
Age 4 9 14 19 24 29 34 39 44 49 54 59 64 69 74 79 84 89 94 99
Age
l
g
(
x
)

Fig. 20 : Logit du taux de dcs en fonction de lge (table TV 99-01)

On est ainsi conduit introduire les modles log-linaires. Le modle de base de cette famille
impose une tendance linaire en fonction du temps :

Modles de dure
( ) lg
x x x xt
t t o | c = + + .

On suppose les rsidus iid (et donc homoscdastiques), ce qui permet dutiliser les rsultats
standards du modle linaire ordinaire (avec lanne calendaire t comme variable explicative,
x fix). Cette paramtrisation est proche de celle du modle de Lee-Carter dans lequel on
aurait suppos
t
k t = et remplac
( ) ln
xt
par ( ) lg
x
t . Ce modle est en particulier utilis
pour la construction des tables TPG 1993. On dispose dexpressions explicites pour les
paramtres. En effet, en se souvenant que dans le modle linaire
i i i
b ax y c + + = on a :

( )
( ) x
y x
x x
n
y x y x
n
a
n
i
i
n
i
i i
var
, cov
=
=
=
1
2 2
1
1
1
et x a y b
= ,

avec
=
=
n
i
i
x
n
x
1
1
on obtient facilement les expressions des coefficients
x
o et
x
| .

On constate empiriquement une trs forte corrlation entre les sries ( )
x
o et ( )
x
| , ce qui
conduit proposer une variante du modle dans laquelle ces deux coefficients sont lis par
une relation affine ; cela conduit au modle suivant :

( ) ( ) lg
x x x xt x xt
t a b t a t b | | c | c = + + + = + + +

Le nombre de paramtres estimer diminue sensiblement pour stablir 1 2 + +
m M
x x au
lieu de ( ) 1 2 +
m M
x x dans le modle prcdent et de ( ) 1 1 2 + +
m M m M
t t x x
dans le modle de Lee-Carter. Cependant le problme de moindres carrs devient non linaire,
ce qui complique un peu lestimation des paramtres
18
. En pratique on doit avoir recours des
mthodes numriques alors que dans la premire version du modle on dispose dune
expression explicite directe des paramtres.

La drive linaire peut apparatre irraliste sur le long terme, et on constate par exemple sur
des donnes amricaines un ralentissement de la tendance. On peut alors chercher des
modlisations permettant dintroduire au niveau des prvisions de trs long terme des
informations exognes traduisant un ralentissement prvisible de la drive. Ceci peut tre
ralis avec les modles suivants :

( ) lg
x x x x xt
t t t
o
o | c = + + + .

Dans ces modles les estimations font galement apparatre une trs forte corrlation entre les
estimations des paramtres ( )
x
o , ( )
x
| et ( )
x
, ce qui incite proposer deux nouveaux
modles en posant
x x
a b o = + et
x x
c d | = + et conduit la spcification :

18
Qui doit tre effectue globalement et non plus ge par ge.
Modles de dure
( ) ( )
lg
x x xt
t b d t t c t a
o
c = + + + + + .

La rsolution numrique du critre de moindres carrs associ nappelle pas de commentaire
particulier.

4.2.4. Le modle logistique dcal
On considre ici le modle propos par BONGAART [2004] et dfini par :

( ) ( )
( ) ( )
( )
1
exp
exp
xt
t x
t
t x
o |

o |
= +
+
.
Comme linverse de la fonction logistique ( )
1
lg ln
x
x
x
| |
=
|
\ .
est
1
y
y
e
y
e
+
, on en dduit en
crivant :

( )
( ) ( )
( ) ( )
1
exp
exp
xt
x t
t
x t
| o

| o
+
=
+ +

avec
( ) ( ) ( )
ln t t o o = que ce modle peut galement scrire :

( ) ( ) ( ) ( )
lg ln
xt
t x t | o = + .

Ce modle est en fait une gnralisation du modle de Makeham (MAKEHAM [1860])
( ) exp
x
x o | = + propose par THATCHER [1999] en posant
( )
( ) 1
exp
exp
x
x
x
o |

o |
= +
+
que
lon adapte au cas de taux de dcs non constants au cours du temps. Cet ajustement du
modle de Makeham est motiv originellement par la volont de corriger la sur-estimation des
taux de dcs conditionnels aux ges levs observe en pratique.

Le fait | soit indpendant du temps est la consquence du fait quon constate empiriquement
que ce paramtre dpend peu du temps.

Lestimation des paramtres peut tre effectue par une mthode de moindres carrs non
linaires en minimisant
( )
2
,
xt xt
xt
x t
xt
q q
n
q
c

=
avec
xt
n lexposition au risque pour lge et
lanne considrs
19
. Une fois le modle ajust sur les valeurs passes, lextrapolation de la
mortalit future se ramne une extrapolation, via des techniques de sries temporelles, des
coefficients ( ) t o et ( ) t . Cette paramtrisation prsente lintrt dtre moins contrainte
dans la dimension temporelle que Lee-Carter ou log-Poisson, lextrapolation reposant sur 2
paramtres et non un seul.

19
En pratique ce critre est proche dun maximum de vraisemblance discrtis (voir le support sur les modles
paramtrique).
Modles de dure
Le calcul de
x
q en fonction de
( )
( ) 1
exp
exp
x
x
x
o |

o |
= +
+
est effectu via

( )
( )
( )
1 1
1 1
1
exp
exp exp
exp
x x
x
x x
u
q u du du
u
o |

o |
+ +
| | | | | |
= = + | | |
| |
+
\ . \ . \ .
} }
.

En posant ( ) ( ) 1
,
exp v u u
o |
o | = + on remarque que
( )
( )
1
1
exp
exp
u
dv
du
u v
o |
o | |
=
+
, ce qui conduit
aprs quelques manipulations :

( )
( )
1
1
1
,
,
x
v x
q e
v x
|
o |
o |
(
=
(
+
(

.

En d'autres termes, la fonction de survie de ce modle est ( ) ( )
1
,
x
S x e v x
|
o |

= . Le terme de
modle dcal est motiv par lobservation suivante : si on ne considre que la
composante du taux de mortalit associe au vieillissement,

( ) ( )
( ) ( ) 1
exp
exp
s
xt
t x
t x
o |
o |
=
+

alors pour une anne
0
t fixe on peut crire pour
0
t t > :

( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
0
0
1
exp
exp
s
xt
t x t
t x t
o |
o |
A
=
+ A

avec
( )
( )
( )
0
1
ln
t
t
t
o
| o
| |
A =
|
|
\ .
.

4.2.5. Utilisation des sries chronologiques
Le modle de Lee-Carter, aprs avoir ajust sur les donnes historiques les paramtres o, |
et k, propose de considrer la suite des
t
k comme une srie chronologique pour obtenir les
valeurs prospectives des taux. On est ainsi conduit poser :

t t
b at k c + + =
*

Cette approche peut tre transpose dans le cadre des modles logistiques, dans le but de
rduire le nombre de paramtres. On cherche alors paramtrer la fonction ( ) t x
x
lg pour
prendre en compte linfluence de lanne t de manire non paramtrique, puis modliser
dans un second temps les sries chronologiques introduites. On considre ainsi un modle de
la forme :
Modles de dure

( ) ( )
xt t x
x f t c + u = , lg

o la fonction ( )
t
x f u , est choisie, pour des arguments de simplicit de mise en uvre,
linaire par rapport au paramtre (vectoriel)
t
u . Dans une deuxime phase la srie ( )
t
u est
modlise.

La forme retenue pour f est celle dune spline cubique avec des nuds aux ges
( ) p i x
i
,.., , 1 = . La forme de la fonction f avec p nuds est alors la suivante :

( ) ( ) | |
=
+
+ + + + =
p
i
i t i t t t t p
x x e x d x c x b a e e d c b a x f
1
3
3 2
1 ,
,.. , , , , ,

En pratique, une version simplifie de ce modle dans laquelle seul le paramtre
t
a dpend
du temps fournit des rsultats fiables. En observant que la modlisation de
t
a au travers dune
rgression linaire analogue celle mene pour
t
k , on peut construire une version
entirement paramtrique du modle en proposant :

( ) ( ) | |
=
+
+ + + + + =
p
i
i i p
x x e dx cx bx t a e e d c b a x f
1
3
3 2
1
,.. , , , , ,

4.2.6. Les modles rfrence externe
Si on ne dispose pas de donnes suffisantes pour structurer correctement la table complte, on
peut imaginer dutiliser la structure dune table de rfrence existante et de simplement
positionner la mortalit du groupe considr par rapport cette rfrence.

Deux approches sont envisageables pour atteindre cet objectif, elles sont prsentes
succinctement ci-aprs.

4.2.6.1.Rgression logistique

Lorsque lon souhaite positionner une table par rapport une autre, il peut apparatre naturel
deffectuer la rgression des logits des taux bruts sur les logits de la table de rfrence, ce qui
conduit au modle suivant, propos initialement dans BRASS [1971] :

( ) ( )
( ) ( )
1 1 ln / ln /
ref ref
xt xt xt xt xt
q q a q q b c = + + ,

ou encore :
( ) ( ) lg lg
ref
x x xt
t a t b c = + + .

La mise en uvre de cette approche si lon retient un critre de type moindres carrs est
trs simple, puisquil sagit dune rgression linaire dans le cadre dun modle linaire
Modles de dure
ordinaire. On dispose donc dune expression explicite des paramtres a et b (voir 4.2.3 ci-
dessus).

Elle permet, au surplus, une extrapolation aise des logits des taux dexprience dans les
plages dge pour lesquelles les donnes dexprience seraient insuffisantes.

On peut adapter le critre doptimisation utilis pour tenir compte du contexte dutilisation
des tables en retenant plutt :

( )
( )
60 60
, argmin[ , ]
liss nonliss
a b e a b e = ,

sous la contrainte suivante :
( )
60 60
0 ,
liss nonliss
e a b e > .

o ( )
60
,
liss
e a b dsigne lesprance de vie rsiduelle 60 ans, fonction des paramtres a et b,
calcule partir de la rgression sur les logits et
nonliss
e
60
dsignant lesprance de vie
rsiduelle 60 ans calcule partir des donnes brutes. On perd alors le caractre explicite de
lexpression des paramtres. Le dtail de lapproche est prsent dans LELIEUR [2005].

On peut galement retenir comme variante ( ) ( )
lg lg
ref
x x x x xt
t a t b c = + + avec des
coefficients dpendant de lge (ou de lanne). Cest un modle de ce type qui a t utilis
pour construire les tables TGH et TGF 05 (cf. PLANCHET [2006]).

Enfin, on peut observer que lorsque
( ) ( )
1 ln /
ref ref
xt xt x x t
q q k o | = + , cest dire si la
structure de mortalit sous-jacente est dcrite par un modle de type Lee-Carter, alors :

( ) ( ) ( ) ( )
1 ln /
xt xt x x t xt x x t xt
q q a k b a b a k o | c o | c = + + + = + + +

et donc le modle ajust est galement de type Lee-Carter avec la mme tendance temporelle.
Seul le coefficient de sensibilit
x
| est transform en
x
a | . On effectue donc par ce biais un
positionnement en niveau de la mortalit dexprience, la tendance de la rfrence tant
rutilise directement.

4.2.6.2.Positionnement par rapport une rfrence externe

On peut galement rechercher, dans un ensemble de tables prospectives exognes disponibles
la priode des tables de rfrence | | h t t + , la plus proche de la priode | | h t t
ex ex
+ , issue
des donnes dexpriences. Cela conduit utiliser comme tables dexprience les tables
exognes dcales.

La notion de la plus proche suppose lutilisation dune distance entre deux tables.
Diffrentes approches sont possibles ce niveau : Khi-2 sur les ( ) t q
x
, distance dduite des
esprances rsiduelles ou de leurs intgrales (qui reprsente une unit montaire prs
Modles de dure
lengagement dun portefeuille de rentes o tous les ges sont qui-reprsents et taux
technique nul) lavantage de cet indicateur est le gommage des fluctuations.

Ces modles ne seront pas dvelopps ici.

5. Les critres de validation du modle

Les critres de validation de modle fournissent des aides la dcision dans le cadre de la
slection du modle le plus pertinent. La pertinence est ici apprcie en regard du contexte
dutilisation des tables proposes : souvent lvaluation des engagements au titre de rentes
viagres pour des tables prospectives.

Cela conduit notamment porter une attention particulire la reprsentation des esprances
de vie rsiduelles.

5.1. La fidlit aux donnes
La premire des exigences que doit satisfaire un modle est dtre fidle aux donnes qui ont
servi le calibrer. Cette fidlit peut tre examine a priori de deux manires :

Au travers des taux de mortalit ( ) t q
x
, ( ) | | | |
1 0 1 0
a a x x t x , , , e ;

Au travers de lesprance de survie rsiduelle dans la plage | |
1 0
x x , , dfinie par :
( ) ( )
1 1
, min ,
t
e x x E X x x x X x ( = >

Le second critre est motiv par le fait que lutilisation des tables prospectives est
principalement oriente vers les calculs des engagements des rentes viagres. Les esprances
de survie rsiduelles reprsentent les engagements associs au calcul des rentes avec un taux
dactualisation nul . Laudit des esprances conditionnelles est donc incontournable.

Les modles les moins paramtrs sont en principe et en gnral les plus fidles. Nanmoins
cette logique statistique nest pas toujours respecte le calibrage se faisant sur ( ) t
x
lg ou sur
( ) ln
xt
et non sur les lments retenus pour apprcier la fidlit du modle (taux de
mortalit ( ) t q
x
et esprance rsiduelle ( )
1
x x e
t
, ). On peut toutefois, et avant la mise en uvre
proprement dite, faire les remarques suivantes :

Le modle Lee-Carter peut conduire sous-valuer notablement les taux de
mortalit des ages levs ( partir de 85-90 ans). En effet, lalgorithme de
rfrence construit sur une approche maximum de vraisemblance favorise les
premiers ges (les plus jeunes) et par ailleurs la relation ( ) 1 ln
xt xt
q = repose
que lhypothse de constance du taux instantan de dcs entre deux ges entiers,
hypothse discutable aux ges levs.

On peut sattendre ce que les modles les moins paramtrs pousent mieux les
irrgularits rsiduelles des donnes brutes ce qui constitue un handicap
dautant plus important que le volume de donnes est restreint.

Modles de dure
Au niveau des esprances rsiduelles les irrgularits des tables brutes et des tables
ajustes sont classiquement crases et ne ressortent que les drives ventuelles et
systmatiques des modles sur les q
x
.

On peut noter ce stade que pour viter davoir utiliser la formule de passage
( ) 1 ln
xt xt
q = dans le modle de Lee-Carter, il est possible de modliser directement
( ) t
x
lg plutt que
( ) ln
xt
en crivant :

1
ln
xt
x x t xt
xt
q
k
q
o | c
| |
= + +
|
|
\ .
.

5.2. La comparaison des prdictions et des ralisations
On considre un portefeuille observ pendant une dure dun an ; entre les dates de dbut et
de fin dobservation t et 1 t + on observe des individus qui entrent dans la priode
dobservation lge
i
x ( une date
e
i
t t > ) et qui en sortent lge
i i
x d + ,
i
d tant la dure
dobservation de lindividu i (avec la contrainte 1
s e
i i i
t t d t = + s + ). On sintresse au nombre
de dcs espr ( thorique ) observ sur lexercice pour un ge x fix.

La contribution de lindividu i ce nombre est conditionne par le fait que lintervalle

| |
1 , ,
i i i i
J x x d x x = + +

soit non vide. On peut crire de manire quivalente
( ) ( ) 1 ,
i i i i
J x x x d x = v + . +

.

Le nombre de dcs observ pendant la priode est alors dfini par :

( )
1
i i
x J x
i I
D T
e
=

avec
x
T la loi conditionnelle de survie sachant que T x > . On en dduit que :

( )
( )
i
x x i
i I
E D P T J
e
= e
;

Si le modle de dure sous-jacent est associ une fonction de survie S, alors on trouve :

( )
( ) ( ) ( ) ( )
( )
{ }
1
1
i
i i i
x
J
i
i I
S x x S x d x
E D
S x
=C
e
v + . +
=

En pratique on utilise souvent lapproximation
( )
{ }
1
i
x x i
J
i I
E D q d
=C
e
=
qui sinterprte
comme le produit du taux de dcs lge x et de lexposition au risque cet ge. Cette
Modles de dure
approximation repose sur lhypothse de linarit de la fonction de survie entre deux ges
entiers et sur le fait de confondre x et
i
x . En effet, en supposant
i
x x = ,

( ) ( ) ( ) ( )
( )
( ) ( )
( )
1
i i i
i
i
S x x S x d x
S x S x d
S x S x
v + . +
+
~ ,

et avec lhypothse de linarit de la fonction de survie :

( ) ( ) ( ) ( ) ( ) ( ) ( ) 1 '
i i i x i
S x d S x S x d S x S x d q S x d + ~ ~ + ~ ,

ce qui permet de conclure.

5.3. La stabilit des estimations
Le choix de la plage dges et de la plage dannes partir desquelles on doit gnrer les
prvisions est important dans la mesure o les estimations des paramtres dpendent
sensiblement de ce choix. En effet il est possible que ces diffrences, si elles existent,
engendrent des prvisions diffrentes.

En ce qui concerne les estimations des ges le choix de la plage dges ne doit pas avoir
dincidence notable sur les estimations. Ainsi si lon retient par exemple la plage [50 ans-
70 ans] et la plage [60 ans-80 ans] les ges communs (de 60 70 ans) doivent avoir des
estimations voisines. Cela nest pas le cas dans les modles de Lee-Carter et log-Poisson :

-50
-25
0
25
50
1950 1955 1960 1965 1970 1975 1980 1985 1990 1995
[1950-1996] [1960-1996] [1970-1996] [1980-1996]

Fig. 21 : Tendances estimes dans Lee-Carter en fonction de la priode dobservation

Pour les modles o les estimations se font ge par ge la nature mme des modles assure
lgalit des estimations quand on fait varier la plage utilise. Pour les autres modles qui
tiennent compte conjointement de tous les ges constituant une plage on peut craindre que les
estimations des paramtres dpendent (plus ou moins fortement) de la plage dtude choisie.
Toutefois, on peut esprer que cette instabilit ne perturbe pas les estimations des logits, taux
de dcs et esprances rsiduelles compte tenu des qualits de fidlit des modles.
Modles de dure

Pour le modle de Lee-Carter (le moins paramtr en ges) la contrainte didentification
1
x
| =
a pour consquence mcanique des diffrences entre les estimations limites

cependant des translations.

5.4. La capacit prospective
On peut noter que, dune manire gnrale, la capacit dun modle une utilisation
prospective est dautant plus importante que le modle est fortement paramtrique. Cette
remarque conduit privilgier les approches paramtriques.

6. Le dcs comme premier instant datteinte dun seuil par un processus

Une approche alternative est parfois utilise pour modliser la survie ; cette approche est
utilise en gnral pour des populations non humaines (insectes notamment). Elle consiste
modliser un processus vital par un processus de diffusion, et considrer que le dcs
survient lorsque le niveau du processus vital diminue trop et franchit un certain seuil ; un
changement dchelle prs, on peut toujours supposer que ce seuil est zro
20
.

6.1. Prsentation du modle
21

Le modle le plus simple que lon puisse imaginer est alors :

( ) ( )
i i
dS t dt dW t o = +

o lindice i se rapporte la tte considre, et les
i
W sont des mouvements browniens
indpendants. Etant donn le niveau de la viabilit initiale, 0
0
> = x S , la probabilit de
mourir entre t et dt t + est gale la probabilit que le brownien avec drive ci-dessus
atteigne lorigine pour la premire fois linstant t, soit :

( )
( )
2
2
2 3
2
2
exp
x
x t
x
p t
t
t
o
to
| |
| =
|
\ .

Pour une distribution initiale des viabilits de densit
0
e , on obtient que le nombre de dcs
la date t est ( ) ( ) ( )
0
0
x
D t p t x dx e
+
=
}
, ce qui conduit lexpression suivante du taux de dcs
instantan :

20
On peut imaginer la modlisation duale dun processus de morbidit qui, lorsquil dpasse un certain seuil,
dclenche le dcs.
21
Voir FRASER et WEITZ [2003] pour le dtail de lapproche et une application numrique.
Modles de dure
( )
( )
( )
0
0
t
D t
t
N D s ds
=
}
.

On peut montrer que dans le cas dune population initialement homogne ( 1 = x pour tous les
individus de la population), alors le taux de mortalit instantan admet une expression
analytique.

6.2. Estimation des paramtres
Lestimation par la mthode du maximum de vraisemblance ne pose pas de difficult
particulire et conduit ici :
1
1
1 1
N
i
i
T
N T

=
| |
= =
|
\ .

1 2
1
1 1 1
/
N
i
i
N T T
o
=
| | | |
=
| |
|
\ . \ .

Ce type dapproche permet dexploiter les nombreux rsultats existants sur les temps
datteinte dun seuil par un mouvement brownien avec drive.
Modles de dure

Bibliographie

BRASS W. [1971] On the Scale of Mortality , Biological aspects of demography, W. Brass (ed.), Londres,
Taylor and Francis, 69-110.

BONGAARTS J. [2004] Long-Range Trends in Adult Mortality : Models and Projection Methods , Population
Council, n194.

BROUHNS N., DENUIT M. [2002], Risque de longvit et rentes viagres : II. Tables de mortalit prospectives
pour la population belge , BAB.

BROUHNS N., DENUIT M. [2002], Risque de longvit et rentes viagres : I. Evolution de la mortalit en
Belgique de 1880 nos jours , BAB.

BROUHNS N., DENUIT M., VERMUNT J.K. [2002], A Poisson log-bilinear regression approach to the
construction of projected lifetables , IME.

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 4,1-31.

CZADO C., DELWARDE A., DENUIT M. [2004], BAYESIAN POISSON LOG-BILINEAR MORTALITY
PROJECTIONS

DEBON A., MARTINEZ-RUIZ F., MONTES F. [2004], Dynamic Life Tables: A Geostatistical Approach , IME
Congress

DENUIT M., QUASHIE A. [2005], Modles dextrapolation de la mortalit aux grands ges . Institut des
Sciences Actuarielles et Institut de Statistique Universit Catholique de Louvain, Louvain-la-Neuve,
Belgique.

DENUIT M., MAGIS C., WALHIN F. [2004], La mortalit, un phnomne en pleine mutation: quelle solution
pour le march des rentes ? , Working Paper.

FRASER H.B., WEITZ J. S. [2003], Explaining Mortality Rate Plateaus , Proc. Nat. Acad. Sci.

HADERER M. [2003], Rassurance du risque de longvit , ISFA, Mmoire dactuariat.

LELIEUR V. [2005] Construction de tables de mortalit prospectives : le cas des petites populations , ISFA,
Mmoire dactuariat.

PLANCHET F. [2006] Tables de mortalit dexprience pour des portefeuilles de rentes note de
prsentation , Publication de lInstitut des Actuaires.

RENSHAW A.E. [1991] Actuarial graduation practice and generalized linear and non-linear models , Journal
of the Institute of Actuaries, vol. 118, pp. 295312.

SITHOLE T., HABERMAN S., VERRALL R.J. [2000] An investigation into parametric models for mortality
projections, with applications to immediate annuitants and life office pensioners , Insurance:
Mathematics and Economics, vol. 27, pp. 285312.

THATCHER A.R. [1999] The Long-term Pattern of Adult Mortality and the Highest Attained Age. , Journal of
the Royal Statistical Society 162 Part 1: 5-43.

THATCHER A.R., KANNISTO V., VAUPEL J.W. [1998]. The Force of Mortality at Ages 80 to 120. Odense: Odense
University Press.
Modles de dure

Annexe : comparaison des modles de Lee-Carter et de Poisson

Seance 4

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

Seance 4

Transféré par

Droits d'auteur :

Formats disponibles

Modles de dure

ISFA Support de cours - 1 -

. Lentropie rapporte donc le

| = et on en dduit que le coefficient

| = . En particulier, le modle de Lee-Carter suppose la constance au cours du

. On obtient finalement les

, qui capture linformation sur lvolution

= c . On obtient ainsi un nouvel estimateur

a pour consquence mcanique des diffrences entre les estimations limites

Vous aimerez peut-être aussi