ยินดีต้อนรับสู่โลกแห่งคนสองคน! การจำลองสถานะชีวิตคู่ (Joint-Life Modelling)
ในการเรียนที่ผ่านมา คุณได้โฟกัสไปที่ชีวิตของคนเพียงคนเดียว ซึ่งเรามักจะแทนด้วย \((x)\) แต่ในโลกความเป็นจริง การตัดสินใจทางการเงินหลายอย่างเกี่ยวข้องกับคนมากกว่าหนึ่งคน เช่น คู่สามีภรรยาที่ซื้อบ้านร่วมกัน หรือบริษัทที่จ่ายบำนาญให้กับผู้เกษียณอายุและคู่สมรส
ในบทนี้ เราจะเปลี่ยนผ่านจากการจำลองชีวิต รายบุคคล (Individual) ไปสู่แบบจำลอง ชีวิตคู่ (Joint-life) เราจะมาสำรวจวิธีการคำนวณความน่าจะเป็นเมื่อมีชีวิตเข้ามาเกี่ยวข้องสองชีวิต ฟังดูเหมือนงานจะเพิ่มขึ้นเป็นสองเท่าใช่ไหมล่ะ? แต่อย่าเพิ่งกังวลไป! เมื่อคุณมองเห็นแพทเทิร์นของมันแล้ว มันก็เหมือนกับการต่อเลโก้เลยล่ะ!
1. มุมมองสองแบบเกี่ยวกับชีวิตคู่
เมื่อเราพิจารณาคนสองคน คือ \((x)\) และ \((y)\) เรามักจะสนใจสถานะใดสถานะหนึ่งจากสองสถานะนี้:
- สถานะชีวิตคู่ (Joint-Life Status) \((xy)\): สถานะนี้จะคงอยู่ตราบเท่าที่ ทั้งสองคน ยังมีชีวิตอยู่ สถานะจะ "สิ้นสุดลง" ทันทีที่คน คนแรก เสียชีวิต เปรียบเทียบง่ายๆ: เหมือนการเล่นเทนนิสประเภทคู่ ถ้าเพื่อนร่วมทีมคนหนึ่งต้องออกไป สถานะทีมก็ถือเป็นอันสิ้นสุด
- สถานะผู้รอดชีวิตคนสุดท้าย (Last-Survivor Status) \((\overline{xy})\): สถานะนี้จะคงอยู่ตราบเท่าที่ อย่างน้อยหนึ่งคน ยังมีชีวิตอยู่ สถานะนี้จะ "สิ้นสุดลง" ก็ต่อเมื่อคน คนที่สอง (คนสุดท้าย) เสียชีวิตเท่านั้น เปรียบเทียบง่ายๆ: เหมือนหลอดไฟสองดวงที่ต่อแบบขนาน ห้องจะมืดก็ต่อเมื่อหลอดไฟทั้งสองดวงขาดพร้อมกัน
ทบทวนสั้นๆ: คณิตศาสตร์เบื้องหลังสถานะ
ให้ \(T_x\) คือเวลาจนกว่า \((x)\) จะเสียชีวิต และ \(T_y\) คือเวลาจนกว่า \((y)\) จะเสียชีวิต
1. เวลาที่สถานะชีวิตคู่สิ้นสุดลงคือ \(T_{xy} = \min(T_x, T_y)\)
2. เวลาที่สถานะผู้รอดชีวิตคนสุดท้ายสิ้นสุดลงคือ \(T_{\overline{xy}} = \max(T_x, T_y)\)
ความสัมพันธ์สำคัญที่ควรจำ:
\(T_x + T_y = T_{xy} + T_{\overline{xy}}\)
สูตรนี้ช่วยชีวิตเราได้มาก! มันบอกเราว่าผลรวมของอายุขัยรายบุคคลมีค่าเท่ากับเวลาจนกว่าจะมีการเสียชีวิตคนแรกบวกกับเวลาจนกว่าจะมีการเสียชีวิตคนที่สองนั่นเอง
2. แบบจำลองชีวิตอิสระ (Independent Life Model)
วิธีที่ง่ายที่สุดในการจำลองชีวิตสองคนคือการสมมติว่าการเสียชีวิตของ \((x)\) ไม่มีผลกระทบใดๆ ต่อการเสียชีวิตของ \((y)\) เลย ซึ่งเราเรียกสิ่งนี้ว่า ข้อสมมติความเป็นอิสระต่อกัน (Independence Assumption)
ความน่าจะเป็นในการรอดชีวิต (Survival Probabilities)
หากทั้งสองคนเป็นอิสระต่อกัน ความน่าจะเป็นที่ทั้งคู่จะรอดชีวิตไปได้จนถึงเวลา \(t\) ปี ก็คือผลคูณของความน่าจะเป็นในการรอดชีวิตของแต่ละคน:
\[{}_t p_{xy} = {}_t p_x \cdot {}_t p_y\]
สำหรับสถานะ ผู้รอดชีวิตคนสุดท้าย (Last-Survivor) ความน่าจะเป็นที่มีอย่างน้อยหนึ่งคนรอดชีวิตคือ:
\[{}_t p_{\overline{xy}} = {}_t p_x + {}_t p_y - {}_t p_{xy}\]
ไม่ต้องกังวลถ้าดูเหมือนจะซับซ้อน! แค่จำ หลักการเพิ่มเข้า-ตัดออก (Inclusion-Exclusion Principle) จากความน่าจะเป็นพื้นฐานได้ก็พอ: \(P(A \cup B) = P(A) + P(B) - P(A \cap B)\) ในที่นี้ "A หรือ B รอดชีวิต" คือสถานะผู้รอดชีวิตคนสุดท้าย และ "A และ B รอดชีวิต" คือสถานะชีวิตคู่
แรงแห่งการเสียชีวิตร่วม (Joint Force of Mortality)
หากชีวิตทั้งสองเป็นอิสระต่อกัน แรงแห่งการเสียชีวิต (force of mortality) สำหรับสถานะชีวิตคู่ ก็คือผลรวมของแรงแห่งการเสียชีวิตของแต่ละคน:
\[\mu_{xy}(t) = \mu_x(t) + \mu_y(t)\]
ทบทวนสั้นๆ: นี่หมายความว่า "อันตราย" หรือ "ความเสี่ยง" ของสถานะชีวิตคู่ที่จะสิ้นสุดลง คือความเสี่ยงรวมของโอกาสที่ใครคนใดคนหนึ่งจะเสียชีวิต
สรุป: ในแบบจำลองที่เป็นอิสระต่อกัน เราแค่เอาความน่าจะเป็นในการรอดชีวิตมาคูณกันเพื่อหาความน่าจะเป็นของชีวิตคู่
3. แนวทางแบบจำลองหลายสถานะ (Multiple State Model)
ในการสอบ ALTAM เรามักจะก้าวข้ามผ่านความเป็นอิสระต่อกันไป เราใช้ แบบจำลองหลายสถานะ (Multiple State Model) เพื่ออธิบาย "สถานะ" ต่างๆ ที่คู่ชีวิตสามารถเป็นไปได้ ซึ่งวิธีนี้สมจริงกว่ามาก เพราะมันยอมให้การเสียชีวิตของคนหนึ่งส่งผลกระทบต่ออัตราการตายของอีกคนได้ (ผลกระทบ "หัวใจสลาย" หรือ broken heart effect)
สี่สถานะที่เป็นไปได้
ลองนึกภาพกล่องที่มี 4 ห้อง:
- สถานะ 0: ทั้ง \((x)\) และ \((y)\) ยังมีชีวิตอยู่
- สถานะ 1: \((x)\) เสียชีวิตแล้ว แต่ \((y)\) ยังมีชีวิตอยู่
- สถานะ 2: \((y)\) เสียชีวิตแล้ว แต่ \((x)\) ยังมีชีวิตอยู่
- สถานะ 3: ทั้งคู่เสียชีวิตแล้ว (สถานะ "ดูดซับ" หรือ Absorbing state)
การเปลี่ยนสถานะ (แรงแห่งการเสียชีวิต)
เราใช้ \(\mu_{x+t:y+t}^{jk}\) เพื่อแสดงแรงของการเปลี่ยนจากสถานะ \(j\) ไปสู่สถานะ \(k\) ณ เวลา \(t\)
- \(\mu_{x+t:y+t}^{01}\): แรงที่ \((x)\) เสียชีวิตก่อน
- \(\mu_{x+t:y+t}^{02}\): แรงที่ \((y)\) เสียชีวิตก่อน
- \(\mu_{x+t:y+t}^{13}\): แรงที่ \((y)\) เสียชีวิต โดยที่ \((x)\) เสียชีวิตไปก่อนแล้ว
- \(\mu_{x+t:y+t}^{23}\): แรงที่ \((x)\) เสียชีวิต โดยที่ \((y)\) เสียชีวิตไปก่อนแล้ว
คุณรู้หรือไม่? หากทั้งสองชีวิต เป็นอิสระต่อกัน แล้ว \(\mu^{01} = \mu^{23} = \mu_x\) และ \(\mu^{02} = \mu^{13} = \mu_y\) แต่ถ้าพวกเขา พึ่งพากัน ค่าเหล่านี้ก็จะแตกต่างกัน!
4. การคำนวณความน่าจะเป็นของสถานะ
ในการหาความน่าจะเป็นที่จะอยู่ในสถานะใดสถานะหนึ่ง ณ เวลา \(t\) เราใช้ตรรกะดังนี้:
การอยู่ในสถานะ 0 (ทั้งคู่ยังอยู่)
การจะอยู่ในสถานะ 0 ได้ คือต้องไม่มีใครเสียชีวิต แรงรวมของการออกจากสถานะ 0 คือ \(\mu^{01} + \mu^{02}\)
\[{}_t p_{xy}^{00} = \exp \left( -\int_0^t (\mu_{x+s:y+s}^{01} + \mu_{x+s:y+s}^{02}) ds \right)\]
การย้ายไปสู่สถานะ 1 (\((x)\) เสียชีวิตก่อน แล้ว \((y)\) ยังอยู่)
นี่คือการคำนวณตาม "เส้นทาง" การที่จะจบลงที่สถานะ 1 ณ เวลา \(t\):
- ทั้งคู่ต้องรอดชีวิตมาจนถึงเวลา \(s\) (โดยที่ \(s < t\))
- ณ เวลา \(s\) พอดี \((x)\) เสียชีวิต (การเปลี่ยนสถานะ \(0 \to 1\))
- ตั้งแต่เวลา \(s\) ถึงเวลา \(t\), \((y)\) ต้องรอดชีวิตอยู่ในสถานะ 1 ต่อไป
\[{}_t p_{xy}^{01} = \int_0^t {}_s p_{xy}^{00} \cdot \mu_{x+s:y+s}^{01} \cdot {}_{t-s} p_{y+s}^{11} ds\]
เทคนิคช่วยจำ: ให้คิดว่ามันคือ "รอดชีวิตจนถึงเหตุการณ์ \(\times\) เหตุการณ์นั้นเกิดขึ้น \(\times\) รอดชีวิตหลังจากเหตุการณ์"
5. ข้อควรระวังที่พบบ่อย
1. สับสนระหว่าง \(T_{xy}\) กับ \(T_{\overline{xy}}\): ตรวจสอบให้ดีเสมอว่าโจทย์ถามหา "การเสียชีวิตครั้งแรก" (Joint-life) หรือ "การเสียชีวิตครั้งสุดท้าย" (Last-survivor)
2. ลืมนิยามของสถานะ: ในแบบจำลองหลายสถานะ \({}_t p_{xy}^{01}\) คือความน่าจะเป็นที่ \((y)\) เป็น ผู้รอดชีวิตเพียงคนเดียว ณ เวลา \(t\) มัน ไม่ใช่ ความน่าจะเป็นที่ \((x)\) จะเสียชีวิตก่อนเวลา \(t\) เท่านั้น
3. ขอบเขตของการอินทิเกรต: เมื่อคำนวณความน่าจะเป็นอย่าง \({}_t p_{xy}^{01}\) ค่าอินทิเกรตจะเริ่มจาก \(0\) ถึง \(t\) เสมอ ต้องมั่นใจว่าแทนค่าฟังก์ชันแรงแห่งการเสียชีวิตถูกต้อง
6. สรุปกล่องทบทวนด่วน
สูตรสำคัญ:
- การรอดชีวิตของชีวิตคู่: \({}_t p_{xy} = P(T_{xy} > t)\)
- การรอดชีวิตของผู้รอดชีวิตคนสุดท้าย: \({}_t p_{\overline{xy}} = {}_t p_x + {}_t p_y - {}_t p_{xy}\)
- แรงแห่งการเสียชีวิตกรณีอิสระ: \(\mu_{xy} = \mu_x + \mu_y\)
- MSM สถานะ 0: \({}_t p_{xy}^{00} = e^{-\int (\text{ผลรวมของแรงที่ออกจากสถานะ 0})}\)
ข้อคิดสำคัญ: แบบจำลองหลายสถานะเป็นเพียงแผนที่ ให้เดินตามลูกศร (การเปลี่ยนสถานะ) แล้วคูณความน่าจะเป็นไปตามเส้นทางนั้น!
ไม่ต้องกังวลไปถ้าสูตรการอินทิเกรตจะดูน่ากลัวในตอนแรก ในโจทย์สอบส่วนใหญ่ แรงแห่งการเสียชีวิต (\(\mu\)) มักจะเป็นค่าคงที่ ซึ่งทำให้การอินทิเกรตง่ายขึ้นมาก โดยมักจะออกมาเป็นฟังก์ชันเอกซ์โพเนนเชียลธรรมดา!