欢迎来到分数年龄的世界：填补缺口！

在你目前的精算学习之旅中，你可能已经接触过生命表 (Life tables)。这些表格非常实用，但通常只提供整数岁的数据，例如 40 岁、41 岁或 42 岁。但如果有人在 40 岁零 6 个月时去世，该怎么办呢？

在这一章中，我们将学习如何“填补生日之间的空白”。由于我们无法单从生命表得知某人在一年内的准确死亡时间，因此我们需要作出分数年龄假设 (Fractional age assumptions)。这些是数学上的“最佳推测”，让我们能计算出任何时间点的机率。如果一开始觉得有点抽象也不用担心——只要看出其中的规律，这就只是选择正确公式的简单问题而已！

1. 为什么我们需要这些假设？

想象一张生命表显示 50 岁时有 1,000 人存活 (\(l_{50} = 1000\))，而 51 岁时有 900 人存活 (\(l_{51} = 900\))。我们知道那一年有 100 人去世。但他们是什么时候去世的呢？他们是否都在冬季流感爆发的第一个月去世？还是分布在全年逐渐去世？

由于我们不知道确切的死亡时间，我们使用两个主要模型来估算：

  • 死亡均匀分布假设 (Uniform Distribution of Deaths, UDD)
  • 固定死亡力假设 (Constant Force of Mortality, CFM)

快速复习：预备知识符号

在深入探讨之前，先记住这些基本概念：

  • \(q_x\)：一名 \(x\) 岁的人在到达 \(x+1\) 岁之前死亡的机率。
  • \(p_x\)：一名 \(x\) 岁的人存活到 \(x+1\) 岁的机率。
  • \(t\)：一年中的一个分数（其中 \(0 \le t \le 1\)）。

2. 死亡均匀分布 (UDD)

死亡均匀分布 (UDD) 是你在 Exam FAM 中最常遇到的假设。它假设死亡在一年内是均匀分布的。

类比： 想象有 120 个人预计在一个小时内离开大楼。在 UDD 下，每分钟刚好有 2 个人离开。这是一个稳定、线性的过程。

UDD 的关键公式：

1. 存活人数插值： \(l_{x+t} = (1-t)l_x + t \cdot l_{x+1}\)
（这仅仅是两个整数岁之间的直线！）

2. 死亡机率： \(_t q_x = t \cdot q_x\)
例子：如果一年内的死亡机率是 10%，那么在上半年（\(t=0.5\)）内死亡的机率就是 \(0.5 \times 10\% = 5\%\)。

3. 死亡力： \(\mu_{x+t} = \frac{q_x}{1 - t \cdot q_x}\)
注意！ 你会发现尽管死亡是“均匀”的，但死亡力（即瞬间风险）实际上会随着 \(t\) 从 0 增加到 1 而增加。这是因为存活者的“基数”在变小，但人们仍在以相同的速率死亡。

快速复习：UDD 总结框

可视化： 一条直线（线性插值）。
核心逻辑： \(_t q_x\) 与 \(t\) 成正比。
常见错误： 当 \(s > 0\) 时，忘记 \(_t q_{x+s}\) 并不等于 \(t \cdot q_x\)。如果卡住了，请务必将计算回溯到该年度的起点（\(x\)）！

3. 固定死亡力 (CFM)

固定死亡力 (CFM) 假设死亡的“风险”（危害率）在一年中的每一秒都完全相同。

类比： 想想一袋爆米花。如果热度恒定，每一粒玉米在任何时刻爆开的机率都是一样的。虽然随着剩余玉米减少，爆开的数量可能会变少，但“热度”（即死亡力）始终保持不变。

CFM 的关键公式：

1. 存活机率： \(_t p_x = (p_x)^t\)
例子：如果一年内的存活机率是 0.90，那么上半年内存活的机率就是 \((0.90)^{0.5} = 0.9487\)。

2. 死亡力： \(\mu_{x+t} = \mu = -\ln(p_x)\)，其中 \(0 \le t < 1\)。
注意公式中没有 \(t\)！无论你在一年中的哪个时间点测量，死亡力都是一样的。

3. 存活人数插值： \(l_{x+t} = l_x \cdot (p_x)^t\)

快速复习：CFM 总结框

可视化： 一条指数曲线（几何插值）。
核心逻辑： \(_t p_x\) 使用指数 (\(t\))。
常见错误： 当题目指定“固定死亡力”时，却使用了 UDD 的线性公式。记得查看题目中的关键字！

4. 比较 UDD 与 CFM

你可能会问：“哪一个数值较高？”这是一个经典的 Exam FAM 概念！

你知道吗？ 对于相同的年度 \(q_x\)，与 CFM 假设相比，UDD 假设在年中总是会得出一个较低的存活机率 (\(_t p_x\))。

记忆技巧：
UDD = Under（存活机率 \(_t p_x\) 比 CFM 低）。
CFM = Convex/Constant（存活机率 \(_t p_x\) 比 UDD 高）。

5. 逐步教学：解决分数年龄问题

如果你遇到一个问题，要求计算 \(_t q_{x+s}\)，其中 \(x\) 是整数而 \(s\) 是分数，请按照以下步骤操作：

步骤 1：识别假设。 题目是说“均匀分布 (Uniform Distribution)”还是“固定死亡力 (Constant Force)”？
步骤 2：拆解问题。 记住基本规则：\(_t p_{x+s} = \frac{_{s+t} p_x}{_s p_x}\)。从整数岁** \(x\) 开始计算机率然后相除，通常会简单得多。
步骤 3：套用具体公式。
- 若是 UDD：使用 \(_k p_x = 1 - k \cdot q_x\)。
- 若是 CFM：使用 \(_k p_x = (p_x)^k\)。
步骤 4：最终计算。 完成分数运算。

6. 总结与关键要点

- 生命表提供整数岁数据；分数年龄假设用于填补缺口。
- UDD (死亡均匀分布)： 死亡线性发生。\(_t q_x = t \cdot q_x\)。死亡力 \(\mu\) 在一年内会增加。
- CFM (固定死亡力)： 风险是恒定的。\(_t p_x = (p_x)^t\)。死亡力 \(\mu\) 在一年内保持固定。
- 考试贴士： 如果题目没有明确说明假设，请仔细阅读——有时隐藏在措辞中（例如，“死亡均匀分布”即指 UDD）。

如果 \(\mu\) 的公式看起来很吓人，不用担心！先专注于掌握存活 (\(p\)) 和死亡 (\(q\)) 的公式，因为它们出现的频率最高。你可以做到的！