欢迎来到死亡率模型：参数化生存模型与生命表！

你好，未来的精算师！欢迎来到 Exam FAM 学习旅程中最基础的章节之一。在本单元中，我们将学习如何将人类生命不可预测的本质转化为数学语言。为什么要这样做？因为要为保险单定价或评估退休金，我们必须计算一个人活着领取福利，或因死亡触发理赔的概率。

你可以把这一章想象成我们数学模型中关于人类衰老与死亡的“规则手册”。我们将探讨参数化模型（平滑的数学公式）和生命表（整齐排列的数据列表）。别担心公式初看之下会很吓人——我们会将它们拆解，逐一击破！

1. 基础概念：生存与死亡

在探讨复杂模型之前，我们先要了解故事中的两位“主角”：生存概率与死亡概率。

• \( S_0(x) \)（生存函数）： 这代表一个新生儿至少活到 \( x \) 岁的概率。它的值从 1 开始（出生时所有人皆活着），最后归零（所有人最终都会死亡）。
• \( F_0(x) \)（累积分配函数）： 这代表一个新生儿在 \( x \) 岁之前死亡的概率。它简单地定义为 \( 1 - S_0(x) \)。
• \( {}_t p_x \)： 这代表一个已经 \( x \) 岁的人再多活 \( t \) 年的概率。数学表达为：\( {}_t p_x = \frac{S_0(x+t)}{S_0(x)} \)。
• \( {}_t q_x \)： 这代表一个 \( x \) 岁的人在未来 \( t \) 年内死亡的概率。数学表达为：\( {}_t q_x = 1 - {}_t p_x \)。

类比：智能手机电池

想象一块智能手机电池。\( S_0(x) \) 是电池在运行 \( x \) 小时后仍然有电的概率。\( {}_t p_x \) 就好比在说：“如果我的手机在 4 小时后电量还剩 50%，那么它再多撑 2 小时的概率是多少？”

重点总结

这一章的所有内容本质上都是比例。 若要计算从 40 岁活到 50 岁的概率，你其实就是在计算（相对于 40 岁时活着的人数）有多少人成功活到了 50 岁。

2. 死亡力 \( \mu_x \)

死亡力 (Force of Mortality) 是一个非常重要的概念。它代表 \( x \) 岁时的瞬时死亡率。它并非概率（它可以大于 1！），而是指在那一瞬间面临死亡风险的“强度”。

必须记住的公式为：
\( \mu_x = -\frac{1}{S_0(x)} \frac{d}{dx} S_0(x) = -\frac{d}{dx} \ln(S_0(x)) \)

快速回顾： 如果题目给定 \( \mu_x \) 并要求你找出生存概率，请使用这个“积分技巧”：
\( {}_t p_x = e^{-\int_{0}^{t} \mu_{x+s} ds} \)

常见错误提醒

学生经常混淆 \( q_x \) 和 \( \mu_x \)。请记住：\( q_x \) 是在整整一年内死亡的概率，而 \( \mu_x \) 是在单一时刻感受到的死亡压力。

3. 参数化生存模型

精算师会使用特定的数学函数来描述死亡率。以下是 Exam FAM 需要掌握的四种模型：

A. 指数模型 (Exponential Model)（固定死亡力）

在此模型中，无论年龄大小，死亡风险皆相同。这就像一台永远不会老旧的机器，只会因随机意外而损坏。
• 公式： \( \mu_x = \mu \)（常数）
• 生存函数： \( {}_t p_x = e^{-\mu t} \)
• 记忆口诀： “固定最无聊”。无论你是 20 岁还是 80 岁，活过 10 年的概率都一样。

B. 冈珀茨模型 (Gompertz Model)

这对人类来说更具现实意义。它假设死亡风险会随着年龄增加而指数式上升。
• 公式： \( \mu_x = B \cdot c^x \)
• 生存函数： \( {}_t p_x = \exp\left[ -\frac{B \cdot c^x (c^t - 1)}{\ln c} \right] \)
• 关键点： 如果你看到公式中年龄 \( x \) 在指数位置（例如 \( 0.001 \cdot 1.1^x \)），请马上联想到冈珀茨模型！

C. 梅克汉模型 (Makeham Model)

梅克汉在冈珀茨模型的基础上增加了一个常数 \( A \)，用以考量与年龄无关的“意外死亡”。
• 公式： \( \mu_x = A + B \cdot c^x \)
• 生存函数： 就是冈珀茨生存函数再乘以 \( e^{-At} \)。
• 你知道吗？ 这是最早能精确描述不同人群中成年人死亡率的模型之一。

D. 韦伯模型 (Weibull Model)

在此模型中，死亡力是年龄的幂函数。
• 公式： \( \mu_x = k \cdot x^n \)
• 生存函数： \( S_0(x) = e^{-\frac{k}{n+1} x^{n+1}} \)
• 辨识方法： 寻找年龄 \( x \) 的固定次方项（例如 \( x^2 \) 或 \( \sqrt{x} \)）。

重点总结表

• 指数： \( \mu_x \) 是平坦的。
• 冈珀茨： \( \mu_x \) 像复利曲线一样增长。
• 梅克汉： 冈珀茨 + 平坦的“意外”率。
• 韦伯： \( \mu_x \) 像多项式一样增长（例如 \( x^2 \)）。

4. 生命表

如果参数化模型是“公式”，那么生命表就是“电子表格”。它们向我们展示了大型人群（称为同龄群体）随着年龄增长的概况。

标准符号：
• \( l_x \)：在 \( x \) 岁时活着的人数。我们通常从一个大数开始，如 100,000（称为基数 (radix)）。
• \( d_x \)：在 \( x \) 岁到 \( x+1 \) 岁之间死亡的人数。公式：\( d_x = l_x - l_{x+1} \)。
• \( p_x \)：一个 \( x \) 岁的人活到 \( x+1 \) 岁的概率。公式：\( p_x = \frac{l_{x+1}}{l_x} \)。
• \( q_x \)：一个 \( x \) 岁的人在 \( x+1 \) 岁前死亡的概率。公式：\( q_x = \frac{d_x}{l_x} \)。

步骤解析：如何查阅表格

1. 从 \( l_x \) 开始。
2. 乘以 \( q_x \) 找出死亡人数 (\( d_x \))。
3. 从 \( l_x \) 减去 \( d_x \) 得到下一年存活的人数 (\( l_{x+1} \))。
4. 重复步骤！

重点总结

\( l_x \) 只是生存函数的一种放大版本。 更准确地说，\( S_0(x) = \frac{l_x}{l_0} \)。只要你会基础分数运算，生命表就难不倒你！

5. 分数年龄（插值法）

生命表通常只提供整数岁数的参数（40、41、42 岁）。但如果我们想知道一个人 40.5 岁时的死亡概率呢？我们必须“填补空格”。Exam FAM 主要使用两种方法：

A. 死亡均匀分布假设 (UDD)

我们假设死亡均匀地分布在一年之中。这就像是在 \( l_x \) 和 \( l_{x+1} \) 之间画一条直线。
• 公式： \( {}_s q_x = s \cdot q_x \)（对于 \( 0 < s < 1 \)）
• 类比： 如果一年内有 100 人死亡，UDD 假设在前 6 个月刚好会有 50 人死亡。

B. 固定死亡力假设 (CF)

我们假设在两个生日之间，死亡力（\( \mu \)）是恒定的，即使它在两年之间有所变化。这会形成一条轻微的曲线。
• 公式： \( {}_s p_x = (p_x)^s \)
• 关键差异： 在一年内，与 UDD 相比，CF 会得出略高的生存概率。

快速回顾箱

若为分数年龄（例如 0.5）：
• UDD： 使用线性数学（乘法/加法）。
• 固定死亡力： 使用指数数学（幂/指数）。

成功的小贴士

• 别慌张： 许多考题看起来很复杂，但其实只需要你从表格或公式中找出两个数字的比率。
• 练习符号： 确保能一眼看出 \( {}_n q_x \)（在 \( n \) 年内死亡）与 \( {}_m|{}_n q_x \)（生存 \( m \) 年后在接下来的 \( n \) 年内死亡）的区别。
• 检查你的答案： 概率一定要在 0 到 1 之间。如果你算出 1.5，那肯定哪里算错了！

你一定行！继续多练习这些 \( l_x \) 的计算，这些规律很快就会变得像直觉一样自然。