歡迎來到分數年齡的世界：填補缺口！

在你目前的精算學習之旅中，你可能已經接觸過生命表 (Life tables)。這些表格非常實用，但通常只提供整數歲的數據，例如 40 歲、41 歲或 42 歲。但如果有人在 40 歲零 6 個月時去世，該怎麼辦呢？

在這一章中，我們將學習如何「填補生日之間的空白」。由於我們無法單從生命表得知某人在一年內的準確死亡時間，因此我們需要作出分數年齡假設 (Fractional age assumptions)。這些是數學上的「最佳推測」，讓我們能計算出任何時間點的機率。如果一開始覺得有點抽象也不用擔心——只要看出其中的規律，這就只是選擇正確公式的簡單問題而已！

1. 為什麼我們需要這些假設？

想像一張生命表顯示 50 歲時有 1,000 人存活 (\(l_{50} = 1000\))，而 51 歲時有 900 人存活 (\(l_{51} = 900\))。我們知道那一年有 100 人去世。但他們是什麼時候去世的呢？他們是否都在冬季流感爆發的第一個月去世？還是分佈在全年逐漸去世？

由於我們不知道確切的死亡時間，我們使用兩個主要模型來估算：

  • 死亡均勻分佈假設 (Uniform Distribution of Deaths, UDD)
  • 固定死亡力假設 (Constant Force of Mortality, CFM)

快速複習：預備知識符號

在深入探討之前，先記住這些基本概念：

  • \(q_x\)：一名 \(x\) 歲的人在到達 \(x+1\) 歲之前死亡的機率。
  • \(p_x\)：一名 \(x\) 歲的人存活到 \(x+1\) 歲的機率。
  • \(t\)：一年中的一個分數（其中 \(0 \le t \le 1\)）。

2. 死亡均勻分佈 (UDD)

死亡均勻分佈 (UDD) 是你在 Exam FAM 中最常遇到的假設。它假設死亡在一年內是均勻分佈的。

類比： 想像有 120 個人預計在一個小時內離開大樓。在 UDD 下，每分鐘剛好有 2 個人離開。這是一個穩定、線性的過程。

UDD 的關鍵公式：

1. 存活人數插值： \(l_{x+t} = (1-t)l_x + t \cdot l_{x+1}\)
（這僅僅是兩個整數歲之間的直線！）

2. 死亡機率： \(_t q_x = t \cdot q_x\)
例子：如果一年內的死亡機率是 10%，那麼在上半年（\(t=0.5\)）內死亡的機率就是 \(0.5 \times 10\% = 5\%\)。

3. 死亡力： \(\mu_{x+t} = \frac{q_x}{1 - t \cdot q_x}\)
注意！ 你會發現儘管死亡是「均勻」的，但死亡力（即瞬間風險）實際上會隨著 \(t\) 從 0 增加到 1 而增加。這是因為存活者的「基數」在變小，但人們仍在以相同的速率死亡。

快速複習：UDD 總結框

視覺化： 一條直線（線性插值）。
核心邏輯： \(_t q_x\) 與 \(t\) 成正比。
常見錯誤： 當 \(s > 0\) 時，忘記 \(_t q_{x+s}\) 並不等於 \(t \cdot q_x\)。如果卡住了，請務必將計算回溯到該年度的起點（\(x\)）！

3. 固定死亡力 (CFM)

固定死亡力 (CFM) 假設死亡的「風險」（危害率）在一年中的每一秒都完全相同。

類比： 想想一袋爆谷。如果熱度恆定，每一粒粟米在任何時刻爆開的機率都是一樣的。雖然隨著剩餘粟米減少，爆開的數量可能會變少，但「熱度」（即死亡力）始終保持不變。

CFM 的關鍵公式：

1. 存活機率： \(_t p_x = (p_x)^t\)
例子：如果一年內的存活機率是 0.90，那麼上半年內存活的機率就是 \((0.90)^{0.5} = 0.9487\)。

2. 死亡力： \(\mu_{x+t} = \mu = -\ln(p_x)\)，其中 \(0 \le t < 1\)。
注意公式中沒有 \(t\)！無論你在一年中的哪個時間點測量，死亡力都是一樣的。

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

快速複習：CFM 總結框

視覺化： 一條指數曲線（幾何插值）。
核心邏輯： \(_t p_x\) 使用指數 (\(t\))。
常見錯誤： 當題目指定「固定死亡力」時，卻使用了 UDD 的線性公式。記得查看題目中的關鍵字！

4. 比較 UDD 與 CFM

你可能會問：「哪一個數值較高？」這是一個經典的 Exam FAM 概念！

你知道嗎？ 對於相同的年度 \(q_x\)，與 CFM 假設相比，UDD 假設在年中總是會得出一個較低的存活機率 (\(_t p_x\))。

記憶技巧：
UDD = Under（存活機率 \(_t p_x\) 比 CFM 低）。
CFM = Convex/Constant（存活機率 \(_t p_x\) 比 UDD 高）。

5. 逐步教學：解決分數年齡問題

如果你遇到一個問題，要求計算 \(_t q_{x+s}\)，其中 \(x\) 是整數而 \(s\) 是分數，請按照以下步驟操作：

步驟 1：識別假設。 題目是說「均勻分佈 (Uniform Distribution)」還是「固定死亡力 (Constant Force)」？
步驟 2：拆解問題。 記住基本規則：\(_t p_{x+s} = \frac{_{s+t} p_x}{_s p_x}\)。從整數歲** \(x\) 開始計算機率然後相除，通常會簡單得多。
步驟 3：套用具體公式。
- 若是 UDD：使用 \(_k p_x = 1 - k \cdot q_x\)。
- 若是 CFM：使用 \(_k p_x = (p_x)^k\)。
步驟 4：最終計算。 完成分數運算。

6. 總結與關鍵要點

- 生命表提供整數歲數據；分數年齡假設用於填補缺口。
- UDD (死亡均勻分佈)： 死亡線性發生。\(_t q_x = t \cdot q_x\)。死亡力 \(\mu\) 在一年內會增加。
- CFM (固定死亡力)： 風險是恆定的。\(_t p_x = (p_x)^t\)。死亡力 \(\mu\) 在一年內保持固定。
- 考試貼士： 如果題目沒有明確說明假設，請仔細閱讀——有時隱藏在措辭中（例如，「死亡均勻分佈」即指 UDD）。

如果 \(\mu\) 的公式看起來很嚇人，不用擔心！先專注於掌握存活 (\(p\)) 和死亡 (\(q\)) 的公式，因為它們出現的頻率最高。你可以做到的！