欢迎来到死亡率曲线与异质性的世界！

你好！既然你已经开始准备 ALTAM 考试，想必你已经知道人类会随着时间老化并最终离世。但你有没有想过，为什么有些 90 岁的老人家依然能跑马拉松，而有些人却在 60 岁时就感到吃力呢？这种“差异”就是我们所说的异质性 (heterogeneity)。在本章中，我们将超越简单的生命表，探索描述老化过程的数学“曲线”，以及让每个人独一无二的隐藏因素。理解这些不仅仅是酷炫的科学，更是精准计算年金与人寿保险费率的关键！

1. 死亡率定律：老化的形态

在探讨人与人之间的差异前，我们需要一个描述人类老化方式的“基准”。精算师使用称为死亡率定律 (Mortality Laws) 的数学公式来描述死亡力 (force of mortality) (\(\mu_x\))。

Gompertz 定律

Benjamin Gompertz 在 1825 年发现，死亡风险会随着年龄增长呈指数级上升。想象一个滚下山坡的雪球，速度变得越来越快——这就是 30 岁以后你的死亡风险。
公式：\(\mu_x = B \cdot c^x\)
其中：
- B 是死亡率的基础水平。
- c 是死亡率的“增长率”（通常约为 1.1，意味着每增加一岁，风险约增加 10%）。

Makeham 定律

Makeham 意识到 Gompertz 忽略了一件事：意外！有些风险与你的年龄无关（例如被闪电击中）。他在公式中增加了一个常数项 A。
公式：\(\mu_x = A + B \cdot c^x\)
- A：与年龄无关的风险（意外）。
- B \cdot c^x：与年龄相关的风险（生物性老化）。

快速复习：
- Gompertz：仅考虑生物性老化。
- Makeham：生物性老化 + 随机意外。

2. 异质性：为什么我们并非全都一样

在基础模型中，我们假设每个 40 岁的人都有完全相同的死亡机率。但在现实中，有些人拥有“好的”基因或健康的生活习惯，而有些人则不然。这种多样性称为异质性 (heterogeneity)。

马拉松比喻：
想象一场大型马拉松。在起跑点，有精英运动员和休闲慢跑者。
1. 比赛进行时，休闲慢跑者（“体弱”者）会先被淘汰。
2. 到达 20 英里处时，剩下的人大多是精英运动员（“强健”者）。
3. 因为“最弱”的参赛者很早就退出了，剩下的参赛者平均速度看起来反而比你预期的快！这就是死亡率中异质性的核心。

关键概念：筛选效应 (Selection Effect)
当一个群体老化时，风险最高的人会先离世。这留下了一个“幸存者群体”，他们平均起来比最初的群体更健康。这可能会让人在极高龄时看起来死亡率似乎在放缓。

3. 体弱模型 (Frailty Models)

我们如何将其转化为数学方程式？我们使用一个体弱变量 (Frailty Variable)，通常记作 Z。

个体的死亡力

每个人都有自己的体弱值 \(Z\)。
\(\mu(x+t | Z=z) = z \cdot \mu^*(x+t)\)
- \(z\)：该个人的“乘数”。如果 \(z > 1\)，代表他们较体弱（风险较高）；如果 \(z < 1\)，代表他们较强健（风险较低）。
- \(\mu^*(x+t)\)：标准个体的“基准”死亡力。

你知道吗？
我们通常假设出生时的平均体弱值为 1 (\(E[Z] = 1\))。这确保了我们的基准 (\(\mu^*\)) 作为起始平均风险是具有意义的。

群体的死亡力

这是学生最常踩雷的地方！整个群体的死亡率记作 \(\bar{\mu}_{x+t}\)，它是依然存活着的人的个别死亡率的平均值。
公式：\(\bar{\mu}_{x+t} = E[Z | T > t] \cdot \mu^*(x+t)\)

常见错误警告：
不要直接使用 \(Z\) 的初始平均值！随着时间流逝，高 \(z\) 值的人会离世。因此，\(E[Z | T > t]\) 会随时间下降。群体风险永远小于或等于原始群体的平均风险。

4. Gamma-Gompertz 模型

在 ALTAM 考试中，最常用于体弱值 \(Z\) 的分配是 Gamma 分配。为什么？因为数学处理起来非常顺畅（具有“数学易解性”）。

如果 \(Z\) 服从平均值为 1、变异数为 \(\sigma^2\) 的 Gamma 分配：
1. 群体生存函数 \(S_p(t)\) 变成了基准生存函数的特定幂函数。
2. 群体死亡力 \(\bar{\mu}_{x+t}\) 最终会趋于平缓，或比个体的 \(\mu\) 增长得慢得多。这通常被称为死亡率减速 (mortality deceleration)。

记忆小技巧：
把 Gamma 想成“大整平器”。它将指数级上升的风险 (Gompertz) 变得平缓，因为最体弱的人已经不在群体中了。

5. 总结与关键重点

别让符号吓倒你！以下是你在考试中绝对必须记住的重点：

1. 个体与群体：个体死亡率是发生在具有固定 \(z\) 值的一个人身上的情况。群体死亡率是我们在一个群体中观察到的结果，它会随着“体弱”成员的离世而改变。

2. 筛选效应：在高龄阶段，群体死亡率比“每个人都相同”的情况下要低，因为只有“最强壮”（\(z\) 值最低）的人存活了下来。

3. 对定价的影响：如果精算师忽略了异质性，可能会高估极高龄时的死亡人数。对于年金公司来说，这是危险的，因为他们可能没有存足够的钱来支付给幸存者！

快速复习盒：
- \(z \cdot \mu^*\)：个体风险。
- 筛选 (Selection)：高风险个体提早死亡的过程。
- 减速 (Deceleration)：死亡率曲线在极高龄（如 100 岁以上）时变平的现象。
- Gamma：用于模拟体弱变量 \(Z\) 的首选分配。

继续练习那些公式吧！你做得很好。记住，每个复杂的模型都只是人类尝试描述真实且复杂的生命的一种方式。你一定行的！