生存模型的概念及生存模型数学(生存模型中国精算研究院,周渭兵).PPTVIP

1.1 生存模型 1.1.1 生存状态和生存模型 一、生存状态 从数学的角度来看，生存状态是一个简单的过程。这个过程具有以下的特征： 1、存在两种状态：生存与死亡。 2、单个生命个体可划分为生存者和死亡者，也就是说我们可以说出他们的状态。 3、生命个体可从“生存”状态到“死亡”状态，但不能相反。 4、任何个体的未来生存时间都是未知的，所以我们生存或死亡概率的探讨而着手生存状态的研究。 1.4条件度量和截尾分布 1.4.1条件概率和密度 如果某人已生存到x岁，他在n年后仍生存的概率Pr，我们将条件概率用nPx表示，则： 1.5 随机变量的变换 1.6 变换后随机变量的均值和方差 如果已知随机变量X，而Y=g（x），如何求得E（Y）与Var（Y）。 一、 假设已知X随机变量的分布，若知Y=g（x），且知其是单调递增函数。求随机变量Y的概率分布。 解：∵ Y=g（x）； 可以求得： * 第一章生存模型的概念及生存模型 二、 生存模型：是一类特殊随机变量的概率分布；是对生存过程建立的一个数学模型。 假设一台设备从时刻t=0开始连续运行直至报废，用T表示该设备从时刻t=0开始直至报废或失效的时间，则该设备在任意时刻t（t≥0）仍正常运行的概率Pr（T＞t）可以记为： （1.1.1） 上式中显然有： （）T≥0 （）S（0）=1 （）S（t）是t的非增函数，且 随机变量T为设备从t=0开始的“未来寿命”。S（t）为生存函数。 1.1.2精算生存函数 一、对于一个刚刚出生的个体（0岁）的未来生存时间可作为一个随机变量，我们用T0表示。 定义随机变量T0的分布函数F0（t）为 F0（t） =P（T0≤t）（1.1.2） F0（t）是一个正好0岁的人不晚于t岁死亡的概率。 未来生存时间超过t年的概率就是S0（t），就是生存函数或生存分布： S0（t）= P（T0＞t）=1- F0（t） （1.1.3） 通常S0（t）可以表示为S（t）； F0（t）可以表示为 F（t） 。这是新生婴儿的生存模型和分布函数。 二、对于一个年龄为x岁的人的的未来生存时间定义为Tx，随机变量Tx的分布函数记为F（t:x） 。 F（t;x） =P（Tx≤t）（1.1.4） F（t;x）是一个x岁的人不晚于x+t岁死亡的概率。 一个年龄为x岁的人的未来生存时间超过t年的概率就是或S(t;x)，就是生存函数： S（t;x）= P（Tx＞t）=1- F（t;x） （1.1.5） S（x+t）= S（x） S（t;x） （1.1.6） 1.1.3生存函数的形式 一、参数生存模型：S（t） 实际运用中，用表格描述生存模型 二、多个伴随变量的生存模型 S（t；x1，x2，…，xm） 1.1.4研究方法 一、横向研究：适用大样本空间 1、选择一个独立人群 2、选取一个观察期 二、纵向研究： 1、确定一个特殊的人群 2、对每个对象进行观察直至死亡 1.2 T的分布函数 一、S（t）的性质 由T决定的S(t)也称为生存分布函数，有 S（0）=1，S（+∞）=0. 令F（t）=Pr（T≤t）， 有F（t）==1- S（t） 上式有： F（0）= 0，F（ +∞ ）=1 二、对于连续型随机变量T，其概率密度函数： （t≥0） 从而有 三、危险率（死力） 六、中位数 如果Pr（T＞y）=Pr （T≤y）=1/2，则称y为随机变量的中位数 有 S（y）=F（y）= ? 1.3参数生存模型举例: 1.3.1均匀分布 均匀分布的概率密度函数为 其性质： F(x) a b x 0 a x b 1 f(x) 1.3.2指数分布 其生存分布函数为 F(x) λ x 0 0 x 1 f(x) 例1.4 对于指数分布，证明 1.3.3 Gompertz分布 特征： 1.3.4 Makeham分布 Weibull分布 【例1-5】 根据S（t;x）,求出所选取的x岁的人活到x+10岁，并在X+20岁前死亡的概率。 1.4.2 x的下截尾分布 以生存到x岁为条件的生存函数，既那