ยินดีต้อนรับสู่เรื่องอายุแบบเศษส่วน (Fractional Ages): การเติมเต็มช่องว่างที่หายไป!

ในการเดินทางบนเส้นทางสายคณิตศาสตร์ประกันภัยจนถึงตอนนี้ คุณคงคุ้นเคยกับการใช้ ตารางชีพ (Life Tables) กันมาบ้างแล้ว ตารางพวกนี้มีประโยชน์มาก แต่โดยปกติแล้วมันมักจะให้ข้อมูลเฉพาะอายุที่เป็นจำนวนเต็มเท่านั้น เช่น อายุ 40, 41 หรือ 42 ปี แต่จะเกิดอะไรขึ้นถ้ามีคนเสียชีวิตตอนอายุ 40 ปีกับอีก 6 เดือน?

ในบทนี้ เราจะมาเรียนรู้วิธี "เติมช่องว่าง" ระหว่างวันเกิดแต่ละปีกัน เนื่องจากในตารางชีพเราไม่รู้ว่าใครเสียชีวิตตอนไหนระหว่างปี เราจึงต้องใช้ ข้อสมมติเกี่ยวกับอายุแบบเศษส่วน (Fractional age assumptions) ซึ่งก็คือ "การคาดการณ์เชิงคณิตศาสตร์ที่ดีที่สุด" ที่ช่วยให้เราคำนวณความน่าจะเป็นในช่วงเวลาใดก็ได้ ไม่ต้องกังวลถ้าตอนแรกจะดูเป็นนามธรรมไปบ้างนะ เมื่อคุณเห็นรูปแบบ (Pattern) ของมันแล้ว ทุกอย่างจะกลายเป็นเรื่องง่ายของการเลือกใช้สูตรที่ถูกต้องเท่านั้น!

1. ทำไมเราถึงต้องใช้ข้อสมมติเหล่านี้?

ลองจินตนาการถึงตารางชีพที่บอกว่ามีคนรอดชีวิตอยู่ 1,000 คนที่อายุ 50 ปี (\(l_{50} = 1000\)) และเหลือ 900 คนที่อายุ 51 ปี (\(l_{51} = 900\)) เราทราบว่ามีคนตาย 100 คนในช่วงปีนั้น แต่ พวกเขาตายตอนไหนล่ะ? ตายพร้อมกันช่วงฤดูหนาวเพราะไข้หวัดใหญ่ หรือค่อยๆ ทยอยตายไปตลอดทั้งปีกันแน่?

เนื่องจากเราไม่ทราบเวลาที่แน่นอน เราจึงใช้แบบจำลองหลัก 2 ตัวในการประมาณการ:

  • การกระจายตัวของความตายแบบสม่ำเสมอ (Uniform Distribution of Deaths - UDD)
  • แรงมรณะคงที่ (Constant Force of Mortality - CFM)

ทบทวนสัญลักษณ์พื้นฐาน:

ก่อนจะลุยเนื้อหา อย่าลืมสัญลักษณ์พื้นฐานเหล่านี้:

  • \(q_x\): ความน่าจะเป็นที่บุคคลอายุ \(x\) จะเสียชีวิตก่อนถึงอายุ \(x+1\)
  • \(p_x\): ความน่าจะเป็นที่บุคคลอายุ \(x\) จะมีชีวิตรอดจนถึงอายุ \(x+1\)
  • \(t\): เศษส่วนของปี (โดยที่ \(0 \le t \le 1\))

2. การกระจายตัวของความตายแบบสม่ำเสมอ (UDD)

UDD เป็นข้อสมมติที่พบได้บ่อยที่สุดในข้อสอบ Exam FAM โดยสมมติว่าการเสียชีวิตนั้นกระจายตัวอยู่อย่าง สม่ำเสมอ ตลอดทั้งปี

เปรียบเทียบ: ลองจินตนาการว่ามีคน 120 คนที่ต้องเดินออกจากอาคารภายใน 1 ชั่วโมง ภายใต้ UDD จะมีคนเดินออกเป๊ะๆ นาทีละ 2 คน ซึ่งเป็นการไหลออกที่เป็นเส้นตรงและคงที่

สูตรสำคัญสำหรับ UDD:

1. การประมาณจำนวนผู้รอดชีวิต: \(l_{x+t} = (1-t)l_x + t \cdot l_{x+1}\)
(นี่ก็คือการลากเส้นตรงระหว่างสองปีนั่นเอง!)

2. ความน่าจะเป็นที่จะเสียชีวิต: \(_t q_x = t \cdot q_x\)
ตัวอย่าง: ถ้าความน่าจะเป็นที่จะตายภายในหนึ่งปีคือ 10% ความน่าจะเป็นที่จะตายในช่วงครึ่งปีแรก (\(t=0.5\)) ก็คือ \(0.5 \times 10\% = 5\%\)

3. แรงมรณะ (Force of Mortality): \(\mu_{x+t} = \frac{q_x}{1 - t \cdot q_x}\)
เดี๋ยวนะ! สังเกตไหมว่าแม้ความตายจะ "สม่ำเสมอ" แต่ค่า แรงมรณะ (ความเสี่ยง ณ ขณะนั้น) กลับ เพิ่มขึ้น เมื่อ \(t\) เปลี่ยนจาก 0 ไป 1 นั่นเพราะว่า "กลุ่มประชากรผู้รอดชีวิต" มันเล็กลงเรื่อยๆ แต่จำนวนคนที่ตายต่อหน่วยเวลายังคงเท่าเดิมนั่นเอง

สรุป UDD:

ภาพจำ: เป็นเส้นตรง (การประมาณค่าเชิงเส้น)
ตรรกะสำคัญ: \(_t q_x\) จะแปรผันตรงกับ \(t\)
ข้อควรระวัง: อย่าลืมว่า \(_t q_{x+s}\) ไม่ใช่แค่ \(t \cdot q_x\) ถ้า \(s > 0\) ให้ดึงการคำนวณกลับไปที่จุดเริ่มต้นของปี (\(x\)) เสมอถ้าคุณเริ่มงง!

3. แรงมรณะคงที่ (CFM)

CFM สมมติว่า "ความเสี่ยง" ในการตาย (Hazard rate) นั้นคงที่เหมือนเดิมในทุกๆ วินาทีตลอดทั้งปี

เปรียบเทียบ: ลองนึกถึงถุงป๊อปคอร์น ถ้าความร้อนคงที่ เมล็ดข้าวโพดแต่ละเม็ดจะมีโอกาสแตกเท่าๆ กันในทุกๆ ช่วงเวลา จำนวนป๊อปคอร์นที่แตกอาจจะลดลงเมื่อเมล็ดเหลืออยู่น้อยลง แต่ ความร้อน (แรงมรณะ) นั้นยังคงเท่าเดิม

สูตรสำคัญสำหรับ CFM:

1. ความน่าจะเป็นในการรอดชีวิต: \(_t p_x = (p_x)^t\)
ตัวอย่าง: ถ้าความน่าจะเป็นในการรอดชีวิตตลอดปีคือ 0.90 ความน่าจะเป็นในการรอดชีวิตครึ่งปีแรกคือ \((0.90)^{0.5} = 0.9487\)

2. แรงมรณะ: \(\mu_{x+t} = \mu = -\ln(p_x)\) สำหรับ \(0 \le t < 1\)
สังเกตว่าไม่มี \(t\) อยู่ในสูตรแรงมรณะเลย! มันคงที่เสมอไม่ว่าจะวัดตอนไหนของปี

3. การประมาณจำนวนผู้รอดชีวิต: \(l_{x+t} = l_x \cdot (p_x)^t\)

สรุป CFM:

ภาพจำ: เส้นโค้งเอกซ์โพเนนเชียล (การประมาณค่าเชิงเรขาคณิต)
ตรรกะสำคัญ: \(_t p_x\) ใช้การยกกำลัง (\(t\))
ข้อควรระวัง: ระวังอย่าใช้สูตรเส้นตรงของ UDD เมื่อโจทย์กำหนดว่าเป็น Constant Force ให้มองหาคีย์เวิร์ดในโจทย์ดีๆ!

4. การเปรียบเทียบ UDD และ CFM

คุณอาจสงสัยว่า "แบบไหนให้ค่าสูงกว่ากัน?" นี่เป็นคอนเซปต์คลาสสิกของ Exam FAM เลย!
รู้ไหมว่า? สำหรับ \(q_x\) รายปีที่เท่ากัน ข้อสมมติ UDD จะให้ความน่าจะเป็นในการรอดชีวิต (\(_t p_x\)) ช่วงกลางปีที่ ต่ำกว่า แบบ CFM เสมอ
เทคนิคช่วยจำ:
UDD = Under (ให้ค่าการรอดชีวิต \(_t p_x\) ต่ำกว่า CFM)
CFM = Convex/Constant (ให้ค่าการรอดชีวิต \(_t p_x\) สูงกว่า UDD)

5. ขั้นตอนการแก้โจทย์อายุแบบเศษส่วน

ถ้าคุณเจอโจทย์ที่ถามหา \(_t q_{x+s}\) โดยที่ \(x\) เป็นจำนวนเต็มแต่ \(s\) เป็นเศษส่วน ให้ทำตามขั้นตอนดังนี้:

ขั้นตอนที่ 1: ระบุข้อสมมติ โจทย์บอกว่าเป็น "Uniform Distribution" หรือ "Constant Force"?
ขั้นตอนที่ 2: แยกส่วนการคำนวณ จำกฎพื้นฐานนี้ไว้: \(_t p_{x+s} = \frac{_{s+t} p_x}{_s p_x}\) การคำนวณจาก อายุจำนวนเต็ม \(x\) แล้วค่อยนำมาหารกันมักจะง่ายที่สุด
ขั้นตอนที่ 3: ใช้สูตรให้ถูกตัว
- ถ้าเป็น UDD: ใช้ \(_k p_x = 1 - k \cdot q_x\)
- ถ้าเป็น CFM: ใช้ \(_k p_x = (p_x)^k\)
ขั้นตอนที่ 4: คำนวณค่าสุดท้าย ได้คำตอบออกมาเลย!

6. สรุปและประเด็นสำคัญ

- ตารางชีพ ให้ข้อมูลที่อายุจำนวนเต็ม; ข้อสมมติอายุแบบเศษส่วน ช่วยเติมเต็มช่องว่างที่หายไป
- UDD (Uniform Distribution of Deaths): การตายเป็นเส้นตรง \(_t q_x = t \cdot q_x\) แรงมรณะ \(\mu\) จะ เพิ่มขึ้น ระหว่างปี
- CFM (Constant Force of Mortality): ความเสี่ยงคงที่ \(_t p_x = (p_x)^t\) แรงมรณะ \(\mu\) จะ คงที่ ตลอดทั้งปี
- เคล็ดลับสอบ: ถ้าโจทย์ไม่ได้บอกข้อสมมติ ให้ลองอ่านดีๆ บางครั้งคำตอบซ่อนอยู่ในคำบรรยาย (เช่น "deaths are distributed linearly" หมายถึง UDD)

ไม่ต้องกังวลถ้าสูตรของ \(\mu\) จะดูน่ากลัว! โฟกัสที่การแม่นสูตรการรอดชีวิต (\(p\)) และการตาย (\(q\)) ก่อน เพราะมันออกสอบบ่อยที่สุด สู้ๆ นะ คุณทำได้!