歡迎來到死亡率曲線與異質性的世界！

你好！既然你已經開始準備 ALTAM 考試，想必你已經知道人類會隨著時間老化並最終離世。但你有沒有想過，為什麼有些 90 歲的老人家依然能跑馬拉松，而有些人卻在 60 歲時就感到吃力呢？這種「差異」就是我們所說的異質性 (heterogeneity)。在本章中，我們將超越簡單的生命表，探索描述老化過程的數學「曲線」，以及讓每個人獨一無二的隱藏因素。理解這些不僅僅是酷炫的科學，更是精準計算年金與人壽保險費率的關鍵！

1. 死亡率定律：老化的形態

在探討人與人之間的差異前，我們需要一個描述人類老化方式的「基準」。精算師使用稱為死亡率定律 (Mortality Laws) 的數學公式來描述死亡力 (force of mortality) (\(\mu_x\))。

Gompertz 定律

Benjamin Gompertz 在 1825 年發現，死亡風險會隨著年齡增長呈指數級上升。想像一個滾下山坡的雪球，速度變得越來越快——這就是 30 歲以後你的死亡風險。
公式：\(\mu_x = B \cdot c^x\)
其中：
- B 是死亡率的基礎水平。
- c 是死亡率的「增長率」（通常約為 1.1，意味著每增加一歲，風險約增加 10%）。

Makeham 定律

Makeham 意識到 Gompertz 忽略了一件事：意外！有些風險與你的年齡無關（例如被閃電擊中）。他在公式中增加了一個常數項 A。
公式：\(\mu_x = A + B \cdot c^x\)
- A：與年齡無關的風險（意外）。
- B \cdot c^x：與年齡相關的風險（生物性老化）。

快速複習：
- Gompertz：僅考慮生物性老化。
- Makeham：生物性老化 + 隨機意外。

2. 異質性：為什麼我們並非全都一樣

在基礎模型中，我們假設每個 40 歲的人都有完全相同的死亡機率。但在現實中，有些人擁有「好的」基因或健康的生活習慣，而有些人則不然。這種多樣性稱為異質性 (heterogeneity)。

馬拉松比喻：
想像一場大型馬拉松。在起跑點，有菁英運動員和休閒慢跑者。
1. 比賽進行時，休閒慢跑者（「體弱」者）會先被淘汰。
2. 到達 20 英里處時，剩下的人大多是菁英運動員（「強健」者）。
3. 因為「最弱」的參賽者很早就退出了，剩下的參賽者平均速度看起來反而比你預期的快！這就是死亡率中異質性的核心。

關鍵概念：篩選效應 (Selection Effect)
當一個群體老化時，風險最高的人會先離世。這留下了一個「倖存者群體」，他們平均起來比最初的群體更健康。這可能會讓人在極高齡時看起來死亡率似乎在放緩。

3. 體弱模型 (Frailty Models)

我們如何將其轉化為數學方程式？我們使用一個體弱變數 (Frailty Variable)，通常記作 Z。

個體的死亡力

每個人都有自己的體弱值 \(Z\)。
\(\mu(x+t | Z=z) = z \cdot \mu^*(x+t)\)
- \(z\)：該個人的「乘數」。如果 \(z > 1\)，代表他們較體弱（風險較高）；如果 \(z < 1\)，代表他們較強健（風險較低）。
- \(\mu^*(x+t)\)：標準個體的「基準」死亡力。

你知道嗎？
我們通常假設出生時的平均體弱值為 1 (\(E[Z] = 1\))。這確保了我們的基準 (\(\mu^*\)) 作為起始平均風險是具有意義的。

群體的死亡力

這是學生最常踩雷的地方！整個群體的死亡率記作 \(\bar{\mu}_{x+t}\)，它是依然存活著的人的個別死亡率的平均值。
公式：\(\bar{\mu}_{x+t} = E[Z | T > t] \cdot \mu^*(x+t)\)

常見錯誤警告：
不要直接使用 \(Z\) 的初始平均值！隨著時間流逝，高 \(z\) 值的人會離世。因此，\(E[Z | T > t]\) 會隨時間下降。群體風險永遠小於或等於原始群體的平均風險。

4. Gamma-Gompertz 模型

在 ALTAM 考試中，最常用於體弱值 \(Z\) 的分配是 Gamma 分配。為什麼？因為數學處理起來非常順暢（具有「數學易解性」）。

如果 \(Z\) 服從平均值為 1、變異數為 \(\sigma^2\) 的 Gamma 分配：
1. 群體生存函數 \(S_p(t)\) 變成了基準生存函數的特定冪函數。
2. 群體死亡力 \(\bar{\mu}_{x+t}\) 最終會趨於平緩，或比個體的 \(\mu\) 增長得慢得多。這通常被稱為死亡率減速 (mortality deceleration)。

記憶小技巧：
把 Gamma 想成「大整平器」。它將指數級上升的風險 (Gompertz) 變得平緩，因為最體弱的人已經不在群體中了。

5. 總結與關鍵重點

別讓符號嚇倒你！以下是你在考試中絕對必須記住的重點：

1. 個體與群體：個體死亡率是發生在具有固定 \(z\) 值的一個人身上的情況。群體死亡率是我們在一個群體中觀察到的結果，它會隨著「體弱」成員的離世而改變。

2. 篩選效應：在高齡階段，群體死亡率比「每個人都相同」的情況下要低，因為只有「最強壯」（\(z\) 值最低）的人存活了下來。

3. 對訂價的影響：如果精算師忽略了異質性，可能會高估極高齡時的死亡人數。對於年金公司來說，這是危險的，因為他們可能沒有存足夠的錢來支付給倖存者！

快速複習盒：
- \(z \cdot \mu^*\)：個體風險。
- 篩選 (Selection)：高風險個體提早死亡的過程。
- 減速 (Deceleration)：死亡率曲線在極高齡（如 100 歲以上）時變平的現象。
- Gamma：用於模擬體弱變數 \(Z\) 的首選分配。

繼續練習那些公式吧！你做得很好。記住，每個複雜的模型都只是人類嘗試描述真實且複雜的生命的一種方式。你一定行的！