欢迎来到生存模型的世界！

你好！欢迎来到你 CS2 之旅中最基础的章节之一。如果你曾经好奇保险公司是如何决定人寿保险的保费，或是工程师如何预测机器零件何时会损坏，那么你来对地方了。在本章中，我们将学习如何为“事件”发生的时间进行建模。通常我们讨论的是人类的寿命，但这些概念同样适用于任何会先“存活”一段时间然后“失效”的事物。不用担心数学看起来很深奥——我们会把它拆解成容易理解的小部分！

大局观：什么是生存模型？

生存模型 (Survival Model) 只是一种描述某人（或某物）随时间推移保持“存活”概率的方法。在精算工作中，我们不是在瞎猜；我们使用随机变量 (Random Variables) 来捕捉寿命长短的不确定性。

1. 未来寿命随机变量 \( T_x \)

想象一个今天刚好 x 岁的人。我们无法确切知道他们何时会去世，因此我们用随机变量 \( T_x \) 来表示他们的剩余寿命。
• \( T_x \) = 一个 x 岁的人的未来寿命。
• 如果一个 30 岁的人在 75 岁时去世，那么 \( T_{30} = 45 \)。
• 这是一个连续 (Continuous) 随机变量，因为死亡可能发生在任何微小的瞬间！

2. 生存函数：\( S_x(t) \)

生存函数 (Survival Function) 是本章最直观的部分。它回答了这个问题：“一个 x 岁的人至少再多活 t 年的概率是多少？”
数学上，我们写作：
\( S_x(t) = P(T_x > t) \)

要记住的关键性质：
• 在 \( t = 0 \) 时，概率为 1（你现在还活着！）：\( S_x(0) = 1 \)。
• 当 \( t \) 趋于无穷大时，概率趋于 0（每个人最终都会去世）：\( S_x(\infty) = 0 \)。
• 函数绝不会增加。随着时间流逝，你不可能变得“更活着”！

3. 分布函数：\( F_x(t) \)

这是生存函数的相反（补数）。它是该人在 t 年内去世的概率。
\( F_x(t) = P(T_x \le t) = 1 - S_x(t) \)
小贴士：在精算符号中，我们通常用 \( {}_tq_x \) 表示这个值，用 \( {}_tp_x \) 表示生存概率。它们只是同一枚硬币的两面！

总结要点： \( T_x \) 是“计时器”，\( S_x(t) \) 是计时器仍在运行的机会，而 \( F_x(t) \) 是计时器已经停止的机会。

概率密度函数 (PDF)：\( f_x(t) \)

如果你还记得基本的统计学知识，PDF 告诉我们事件刚好在时间 \( t \) 发生的“相对可能性”。
对于生存模型，公式如下：
\( f_x(t) = \frac{d}{dt} F_x(t) = -\frac{d}{dt} S_x(t) \)

可以这样想： 如果生存函数是一条向下的斜坡，那么 PDF 就是它在任何特定时刻下降的速度。

生存模型的核心：死亡力 \( \mu_{x+t} \)

这是一个关键概念，学生常觉得很难。死亡力 (Force of Mortality) 是瞬时 (Instantaneous) 的死亡率。

雨的类比：
想象你正站在户外。“死亡力”就像特定一秒钟内雨的强度。它不是已经下的雨的总量（那是分布函数），而是现在这一刻雨下得有多大。如果随着时间推移雨势变大，那么“力”就在增加。

\( \mu_{x+t} \) 的公式：

\( \mu_{x+t} = \frac{f_x(t)}{S_x(t)} \)

这个公式告诉我们，现在这一刻的死亡风险取决于两件事：此时的死亡密度 (\( f_x(t) \))，除以你必须先活着 (\( S_x(t) \)) 才有可能死亡的事实！

你知道吗？ 我们对人称之为“死亡力”，但在工程学中，它被称为危险率 (Hazard rate) 或失效率 (Failure rate)。数学原理完全一样！

连接各点：本质联系

你经常会被给予死亡力并要求找出生存函数。这是非常常见的考试任务。以下是“黄金方程式”：
\( S_x(t) = \exp \left( -\int_0^t \mu_{x+s} ds \right) \)

求解这些问题的步骤：
1. 取得死亡力 \( \mu \)。
2. 将其相对于时间从 0 到 \( t \) 进行积分。
3. 在结果前面加上负号。
4. 将 \( e \) 提升到该结果的幂次。

要避免的常见错误： 忘了负号！如果你的生存概率算出大于 1，你很可能忘了对积分取负值。

总结要点： 死亡力是风险的“强度”。如果你知道每个时间点的死亡力，你就能计算出存活到任何年龄的概率。

预期未来寿命

精算师喜欢计算“平均值”。我们使用两种类型的期望值：

1. 完全预期未来寿命： \( \mathring{e}_x \)

这是 x 岁的人预计存活的平均总时间。因为这是一个连续的度量（包括年、日、秒），我们使用积分：
\( \mathring{e}_x = E[T_x] = \int_0^\infty S_x(t) dt \)
记忆辅助：\( e \) 上面的“圆圈”(ring) 代表“完全”(complete)—它测量了每一小段时间。

2. 截尾预期未来寿命： \( e_x \)

这是去世前完成的整数年数的平均值。我们忽略“多出来”的月和日。我们对此使用求和公式：
\( e_x = \sum_{k=1}^\infty S_x(k) \)
逻辑检查：\( \mathring{e}_x \) 总是会比 \( e_x \) 大约 0.5 年，因为平均来说，人们死于他们最后一年的一半左右。

关键公式快速复习

别慌！ 如果你能记住这三个关系，你几乎可以导出所有其他的公式：
1. \( F_x(t) = 1 - S_x(t) \)
2. \( f_x(t) = S_x(t) \mu_{x+t} \)
3. \( S_x(t) = e^{-\int \mu} \)

最后的鼓励： 生存模型只是看待概率的一种特定方式。如果你习惯了 \( S_x(t) \) 是“活到时间 t 的机会”这个想法，剩下的微积分部分通过练习自然会融会贯通。继续加油！