ยินดีต้อนรับสู่โลกแห่ง Multiple Decrement (การลดลงจากหลายสาเหตุ)!

ในการเรียนคณิตศาสตร์ประกันภัยขั้นต้น (เช่น FAM-L) คุณมักจะเจอกับโมเดลที่เหตุการณ์เกิดขึ้นกับคนเพียงรูปแบบเดียว คือไม่ "มีชีวิตอยู่" ก็ "เสียชีวิต" แต่ในโลกความเป็นจริง ชีวิตซับซ้อนกว่านั้นมาก! คนเราไม่ได้ออกจากแผนบำนาญเพียงเพราะเสียชีวิตเท่านั้น แต่อาจจะเกษียณอายุ ทุพพลภาพ หรือลาออกจากการทำงานก็ได้

ในบทนี้ เราจะมาสำรวจ โมเดลการลดลงจากหลายสาเหตุ (Multiple Decrement Models) ให้ลองจินตนาการว่านี่คือวิธีติดตาม "ทางออก" ทั้งหมดจากกลุ่มคนกลุ่มหนึ่ง การทำความเข้าใจเรื่องนี้สำคัญมากสำหรับ การสอบ ALTAM เพราะผลิตภัณฑ์บำนาญหรือประกันภัยเกือบทุกประเภทมีทางออกของกรมธรรม์ได้มากกว่าหนึ่งทาง ไม่ต้องกังวลถ้ารู้สึกว่าสัญลักษณ์เยอะในช่วงแรก เราจะค่อยๆ ย่อยให้เข้าใจทีละขั้นตอนเอง!

1. ภาพรวม: ตาราง Multiple Decrement คืออะไร?

ลองนึกภาพ "ถังน้ำรั่ว" ที่มีพนักงานใหม่ 10,000 คนอยู่ในถัง น้ำสามารถไหลออกจากถังได้ผ่านรู 3 รูที่แตกต่างกัน:
1. รูที่ 1: เสียชีวิต
2. รูที่ 2: เกษียณอายุ
3. รูที่ 3: ลาออก

ตาราง Multiple Decrement (MDT) ช่วยให้เราคำนวณความน่าจะเป็นที่ใครบางคนจะออกจากกลุ่มผ่าน "รูเฉพาะเจาะจง" ภายในช่วงเวลาที่กำหนด ในขณะที่รูอื่นๆ ก็เปิดอยู่ด้วยเช่นกัน

สัญลักษณ์สำคัญที่ต้องจำ:
  • \(l_x^{(\tau)}\): จำนวนรวมของผู้ที่ยังมีชีวิตอยู่หรือยังทำงานอยู่ ณ อายุ \(x\) โดยที่ตัวยก \((\tau)\) ย่อมาจาก "total" (รวม)
  • \(d_x^{(j)}\): จำนวนคนที่ออกจากกลุ่มระหว่างอายุ \(x\) ถึง \(x+1\) ด้วยสาเหตุ \(j\)
  • \(q_x^{(j)}\): ความน่าจะเป็นที่บุคคลอายุ \(x\) จะออกจากกลุ่มด้วยสาเหตุ \(j\) ภายในหนึ่งปี
  • \(q_x^{(\tau)}\): ความน่าจะเป็นรวมในการออกจากกลุ่มไม่ว่าจะด้วย สาเหตุใดก็ตาม

ทบทวนสั้นๆ: เช่นเดียวกับโมเดลชีวิตเดี่ยว ผลรวมของอัตราการลดลงเฉพาะสาเหตุจะเท่ากับอัตราการลดลงรวม:
\(q_x^{(\tau)} = \sum_{j=1}^m q_x^{(j)}\)
และในทางกลับกัน ความน่าจะเป็นที่จะอยู่รอดคือ: \(p_x^{(\tau)} = 1 - q_x^{(\tau)}\)

2. แรงกระทำต่อการลดลง (Force of Decrement)

ในโมเดลชีวิตเดี่ยว เรามีแรงแห่งความตาย (\(\mu_x\)) ส่วนในโมเดล Multiple Decrement เราจะมี แรงกระทำต่อการลดลง (force of decrement) สำหรับแต่ละสาเหตุ

แรงรวมของการลดลง ณ อายุ \(x\) คือผลรวมของแรงแต่ละสาเหตุ:
\(\mu_x^{(\tau)} = \mu_x^{(1)} + \mu_x^{(2)} + ... + \mu_x^{(m)}\)

สูตรสำคัญ: เพื่อหาความน่าจะเป็นในการรอดพ้นจากทุกสาเหตุเป็นเวลา \(t\) ปี:
\({}_t p_x^{(\tau)} = e^{-\int_0^t \mu_{x+s}^{(\tau)} ds}\)

เปรียบเทียบ: ลองจินตนาการว่าคุณกำลังเดินในสนามที่มีคนหลายคนกำลังปาบอลลูนน้ำใส่คุณ "แรงที่คุณจะตัวเปียก" คือผลรวมของความแม่นยำ/ความเร็วของทุกคนที่ปาใส่คุณในเวลาเดียวกัน

แจ้งเตือนข้อผิดพลาดที่พบบ่อย!

นักศึกษามักเข้าใจผิดว่าเนื่องจาก \(\mu_x^{(\tau)}\) เป็นผลรวมของแรงแต่ละสาเหตุ ดังนั้น \(p_x^{(\tau)}\) ควรจะเป็นผลรวมของความน่าจะเป็นแต่ละสาเหตุด้วย ซึ่งนี่เป็นเรื่องที่ผิด! ความน่าจะเป็นไม่ได้บวกกันด้วยวิธีนั้น มีเพียง ค่าแรง (forces) และ ค่า q (ภายในปีเดียวกัน) เท่านั้นที่สามารถนำมาบวกกันได้

3. โมเดลการลดลงเดี่ยว (ตาราง "Associated")

นี่มักจะเป็นส่วนที่ยากที่สุดของบทนี้ บางครั้งเราต้องการตั้งคำถามว่า: "ความน่าจะเป็นที่จะเสียชีวิตจะเป็นเท่าไรหากการเสียชีวิตเป็นเพียงสาเหตุเดียวที่ทำให้คนออกจากกลุ่ม?" (เช่น ถ้าเราอุดรูเกษียณและรูลาออกในถังน้ำของเราไปให้หมด)

สถานการณ์สมมตินี้เรียกว่า Associated Single Decrement Table (ASDT) เราใช้สัญลักษณ์ "prime" (ขีด) เพื่อแทนค่าเหล่านี้:
\(q_x^{'(j)}\) = ความน่าจะเป็นที่สาเหตุ \(j\) จะเกิดขึ้น หากสาเหตุ \(j\) เป็น สาเหตุเดียว ที่กระทำต่อประชากร

ทำไมเราถึงต้องสนใจ?

ปกติแล้ว ข้อมูลจะถูกเก็บมาในรูปแบบ "เดี่ยว" (เช่น ตารางมรณะมาตรฐาน) แต่เมื่อเราสร้างโมเดลบำนาญ เราจำเป็นต้อง "ผสม" ข้อมูลการเสียชีวิตนั้นเข้ากับข้อมูล "การลาออก" เราจึงใช้คณิตศาสตร์เพื่อแปลงอัตรา "prime" ที่เป็นอิสระต่อกันเหล่านี้ ให้กลายเป็นอัตรา "multiple" ที่เราเห็นใน MDT

4. การแปลงค่าระหว่างอัตรา "Prime" และ "Multiple"

วิธีการแปลงขึ้นอยู่กับ ข้อสมมติฐาน ที่เรากำหนดว่าจะเกิดอะไรขึ้น ระหว่างปี

ข้อสมมติฐาน A: แรงกระทำต่อการลดลงคงที่ (Constant Forces of Decrement)

หากเราสมมติให้แรง \(\mu_{x+s}^{(j)}\) คงที่ตลอดทั้งปีสำหรับแต่ละ \(j\) ความสัมพันธ์จะเป็น:
\(q_x^{(j)} = \frac{\mu^{(j)}}{\mu^{(\tau)}} \cdot q_x^{(\tau)}\)

นี่เป็นทางลัดยอดนิยมในการทำข้อสอบ! มันหมายความว่าสาเหตุ \(j\) จะรับ "ส่วนแบ่ง" ของจำนวนคนที่ออกไปทั้งหมดตามสัดส่วนของแรงที่มันมี

ข้อสมมติฐาน B: การกระจายตัวสม่ำเสมอ (UDD) ใน ASDT

หากเราสมมติว่าแต่ละสาเหตุ \(j\) มีการกระจายตัวอย่างสม่ำเสมอในตารางการลดลงเดี่ยวของตัวมันเอง เราจะใช้สูตรนี้ (สำหรับ 2 สาเหตุ คือ 1 และ 2):
\(q_x^{(1)} = q_x^{'(1)} [1 - \frac{1}{2} q_x^{'(2)}]\)

เดี๋ยวสิ มันหมายความว่ายังไง? ลองมองตามตรรกะนะครับ ความน่าจะเป็นที่ออกเพราะสาเหตุที่ 1 ใน MDT (\(q_x^{(1)}\)) คือความน่าจะเป็นที่จะออกเพราะสาเหตุที่ 1 ในโลกของมันเอง (\(q_x^{'(1)}\)) ลบด้วย คนที่ควรจะออกเพราะสาเหตุที่ 1 แต่ดันออกไปก่อนหน้านั้นแล้วภายในปีเดียวกันเพราะสาเหตุที่ 2

เทคนิคช่วยจำ: ในกรณี UDD สาเหตุที่ 1 จะ "เสีย" คนไปครึ่งหนึ่งของกลุ่มคนที่ควรจะออกเพราะสาเหตุที่ 2 เพราะโดยเฉลี่ยแล้ว คนที่ออกเพราะสาเหตุที่ 2 จะออกในช่วงกลางปีนั่นเอง

5. ทีละขั้นตอน: การแก้โจทย์ปัญหาทั่วไป

ไม่ต้องกังวลถ้าดูเหมือนจะยากในตอนแรก! ให้ทำตามขั้นตอนเหล่านี้เมื่อเจอกับโจทย์ "การแปลงค่า":

  1. ระบุเป้าหมาย: คุณกำลังแปลงจาก "prime" ไปเป็น "multiple" หรือจาก "multiple" ไปเป็น "prime"?
  2. ระบุข้อสมมติฐาน: มองหาคำว่า "Constant Force" หรือ "UDD in the single decrement tables"
  3. หาค่ารวม: คำนวณ \(p_x^{(\tau)}\) หรือ \(q_x^{(\tau)}\) ออกมาก่อน
    ย้อนกลับไปดูสูตร: \(p_x^{(\tau)} = p_x^{'(1)} \cdot p_x^{'(2)} \cdot ... \cdot p_x^{'(m)}\)
  4. ใช้สูตรการแปลง: ใช้สัดส่วน Constant Force หรือสูตร UDD เพื่อหาค่า \(q_x^{(j)}\) ที่ต้องการ

6. สรุปและประเด็นสำคัญ

Multiple Decrements คือเรื่องของการแข่งขันกันของความเสี่ยง คุณไม่สามารถเกษียณอายุได้ถ้าคุณเสียชีวิตไปก่อน!

  • แรงรวม: \(\mu_x^{(\tau)} = \sum \mu_x^{(j)}\)
  • การอยู่รอดรวม: \(p_x^{(\tau)} = \prod p_x^{'(j)}\) (นำความน่าจะเป็นในการอยู่รอดแต่ละส่วนมาคูณกัน)
  • ค่า "Prime" (\(q_x^{'(j)}\)): คือความน่าจะเป็นแบบ "บริสุทธิ์" หากไม่มีสาเหตุอื่นเกิดขึ้นเลย
  • ค่า "Multiple" (\(q_x^{(j)}\)): คือความน่าจะเป็น "จริง" ในโลกที่ทุกสาเหตุเกิดขึ้นพร้อมๆ กัน

คุณรู้หรือไม่? นักคณิตศาสตร์ประกันภัยใช้โมเดลเหล่านี้เกินกว่าเรื่องของประกันภัย เช่น การคาดการณ์ว่ากองรถเช่าจะอยู่ได้นานแค่ไหนก่อนที่จะถูกขาย ออกจากระบบเพราะอุบัติเหตุ หรือพังจนซ่อมไม่ได้!

กล่องทบทวนด่วน

1. \(\sum q_x^{(j)} = q_x^{(\tau)}\) (ความน่าจะเป็นเฉพาะสาเหตุบวกกันได้ความน่าจะเป็นรวม)
2. \(p_x^{'(1)} \cdot p_x^{'(2)} = p_x^{(\tau)}\) (อัตราการรอดชีวิตของแต่ละส่วนคูณกันได้การรอดชีวิตรวม)
3. ตรวจสอบเสมอว่าโจทย์ถามหา แรง (force), อัตราอิสระ (prime), หรือ อัตราขึ้นกับสาเหตุอื่น (multiple)

คุณทำได้แน่นอน! คณิตศาสตร์ Multiple Decrement ก็แค่การติดตามดูว่าข้อมูลไหลออกไปทาง "รู" ไหน ฝึกทำโจทย์การแปลงค่าสักสองสามข้อ แล้วสัญลักษณ์เหล่านี้จะกลายเป็นเรื่องที่คุ้นเคยไปเอง!