1

ANLISE DE SOBREVIVNCIA/
TBUAS DE MORTALIDADE
Professor: Dani Gamerman
Instituto de Matemtica UFRJ
Sala 121E do bloco C do CT
email: dani@im.ufrj.br
Tel: (21) 2562 7911
acd.ufrj.br/~dani
Para obter material do curso: ir na homepage acima, verso em Portugues,
para a seo de Ensino e clicar no curso
Referncia bsica do curso:
Captulos 3 (tbuas de mortalidade) e 18 (teoria de populaes) de
Actuarial Mathematics, de Bowers Jr, N.L., Gerber, H.U., Hickman, J. C.,
Jones, D. A e Nesbitt, C. J., publicado pela Society of Actuaries em 1986.
2
CONTEDO
- Distribuio de Sobrevivncia e Tbuas de Mortalidade
1. Funo de sobrevivncia
2. Fora (taxa) de mortalidade
3. Relaes entre F(x), f(x), S(x) e (x)
4. Relaes de funes de sobrevivncia com tbuas de mortalidade
5. Outras funes de tbuas de mortalidade
- Leis de mortalidade
- Tipos de tbuas de mortalidade: seleta, final e agregada
- Inferncia em tbuas de mortalidade: estimadores de p
x
e m
x
- Dinmica de populaes (diagrama de Lexis)
- Sequncias de tbuas de mortalidade (previso)
3
Planejamento do curso

DIA (CH) TEMAS RECURSOS
27/06 2 Apresentao do curso e introduo Datashow e PC
04/07 2 Elementos bsicos de anlise de sobrevivncia Datashow e PC
11/07 2 Fora de mortalidade Datashow e PC
18/07 2 Relaes de funes de sobrevivncia com tbuas Datashow e PC
25/07 2 Aplicaes com tbuas de mortalidade reais Datashow e PC
01/08 2 Outras funes de tbuas de mortalidade Datashow e PC
08/08 2 Aplicaes de fora central de mortalidade Datashow e PC
15/08 2 Leis de mortalidade Datashow e PC
22/08 2 Tipos de tbuas: seleta, final, agregada Datashow e PC
29/08 2 Inferncia em tbuas de mortalidade Datashow e PC
05/09 2 Dinmica de populaes e sequncia de tbuas Datashow e PC
12/09 2 Reviso e tirada de dvidas final Quadro-negro
12/09 2 Prova final

Avaliao

A avaliao ser com base em

trabalhos feitos ao final de cada aula (peso 40%)
uma prova final (peso 60%).

4
Distribuio de Sobrevivncia e Tbuas de Mortalidade
1. Funo de sobrevivncia
X tempo de vida ou idade na morte (varivel contnua)
F(x) = P(X s x) , para x > 0 - funo de distribuio de X
S(x) = 1 - F(x) = P(X > x) , para x > 0 - f de sobrevivncia de X
Observe que F(0) = 0 e S(0) = 1.
i) A probabilidade de morte entre x e z
P(x < X s z) = F(z) - F(x) = S(x) - S(z)
5
ii) Tempo at a morte de uma pessoa com idade x.
Pessoa com idade x denotada por (x).
Tempo de vida futuro de (x) X-x, tambm denotado por T(x).
A probabilidade de morte entre x e z dado que j sobreviveu at a idade x
P( X s x + t | X > x ) = P(x < X s x + t ) / P( X > x ) = 1 S(x+t) / S(x)
Afirmaes probabilsticas sobre T(x) utilizam a notao
t
q
x
= P( T(x) s t) = P( T s x + t | T > x ), para t > 0
t
p
x
= 1 -
t
q
x
= P( T(x) > t), para t > 0
portanto
t x
q
a funo de distribuio de T(x)
t x
p
a funo de sobrevivncia de T(x).
6
Observe as seguintes relaes
i)
x
p
0
= S(x)
ii) se t=1,
t
q
x
= q
x
= P( morte em 1 ano aps x ) e

t
p
x
= p
x
= P( sobrevivncia a 1 ano aps x )
Notao especial usada para
t|u
q
x
= P( t < T(x) s t + u ) =
t+u
q
x
-
t
q
x
,
a probabilidade de (x) sobreviver t anos e morrer nos u anos seguintes.
Analogamente, se u=1,
t|u
q
x
=
t|
q
x
.
Temos ainda:
t x
x
p
p
p
= =
S(x + t)
S(x)
x+t 0
0
t x
q = 1 -
S(x + t)
S(x)
t|u
q
x
= [ S(x+t) S(x+t+u) ] / S(x) =
t
p
x
.
u
q
x+t
7
Os seguintes eventos so de interesse
- P( X > x )
- P( x < T s x + t )
- P( x < T s x + t | X > x)
- P( T(x) > t )
- P( t < T(x) s t + u )
8
Tempo de vida futura encurtado (discretizado)

Tbuas de mortalidade so frequentemente apresentadas
com dados agrupados por anos inteiros.

Pode-se definir a varivel discreta K(x),
dada pelo #anos completados por (x) antes de sua morte.

K(x) = parte inteira de T(x).

Assim, K(x) tem f de probabilidade
P( K(x) = k ) = P( k < T(x) s k+1 ) =
k|
q
x

A funo de distribuio de K(x) uma funo escada (K(x) discreta) com
F(k) =
0|
q
x
+ ... +
k|
q
x
=
k+1
q
x
, para k= 0, 1, 2, ..

Note que
k|
q
x
=
k
p
x
-
k+1
p
x







9
2. Fora (taxa) de mortalidade
Sendo F(x) a funo de distribuio de X, define-se
funo de densidade de X por f(x) = F(x),
isto ,
( )
lim
A
A
A x0

F x + x -F(x)
x
= f(x)
.
Seja agora:
P(x < X s x + Ax | X > x) =
( )
F x x + A - F(x)
1- F(x)

~
f(x) x
1- F(x)
A
Define-se a fora de mortalidade de X como

x
=
f(x)
1- F(x)
=
-S' (x)
S(x)
.
10
Para cada idade x, a fora de mortalidade fornece a probabilidade de morte
de X num pequeno intervalo aps x, dada a sobrevivncia at a idade x.
A fora de mortalidade tambm chamada (em anlise de
sobrevivncia/confiabilidade) de taxa de falha.
Da relao

x
=
f(x)
1- F(x)
=
-S' (x)
S(x)
, temos que
x
= - [log S(x)].
Logo,
F x
d
s
( ) = 1 - S(x) = 1 - e
-
s
0
x
}
e
a densidade f(x) = F(x) =
x
p
0

x .
A funo de distribuio de T(x) dada por G(t) =
t
q
x
e sua densidade por g(t) =
t
p
x

x+t
.
11
3. Relaes entre F(x), f(x), S(x), (x)

F(x) f(x) S(x)
(x)
F(x) - F(x) 1-F(x) F(x)/1-F(x)
f(x) f x
x
( )dx
0
} - 1
0

}
f x
x
( )dx f x f x
x
( ) / ( )dx

}
S(x) 1-S(x) -S(x) - -S(x)/S(x)
(x)
( )
1
0

}
e
x dx
x
( )
( )

( )e
( )
x
x dx
x
}
0
( )
e
x dx
x
} ( )
0 -
12
4. Relaes de funes de sobrevivncia com Tbuas de Mortalidade
As tbuas em geral contm as funes bsicas:
l
x
- nmero (esperado) de sobreviventes na idade x
d
x
- nmero (esperado) de mortes na idade x
q
x
- probabilidade de morte de uma pessoa de idade x antes de completar x+1.
l
0
- chamado de raiz, nmero inicial de pessoas do grupo a ser observado
Relaes:
- t x
q = 1 -
S(x + t)
S(x)
e, quando t=1,
q
x
= 1 -
S(x +1)
S(x)
.
- l
x
= l
0
S(x) e l
x
(x) = l
0
f(x) = l
0

x
p
0
(x)
- d
x
= l
0
[ S(x) S(x+1) ] = l
x
l
x+1
.
13
Relao entre
x
, q
x
e l
x

x
- taxa instantnea de mortalidade ou fora de mortalidade
q
x
- probabilidade de morte em 1 ano para (x)
l
x
- nmero esperado de indivduos vivos em x
i) q
x
= 1 S(x+1) / S(x) = 1 ( l
x+1
/ l
0
) / ( l
x
/ l
0
) = 1 - ( l
x+1
/ l
x
).
ii) (
t+A
q
x
-
t
q
x
) / A
x
, quando A 0
iii) Considere uma frao A de um ano e suponha q
x
constante entre x e x + 1.
Logo, a probabilidade de morte entre x e x + A ser
A
q
x
= ( l
x
- l
x+A
) / l
x
= q
x
/ A .
Assim q
x
= - (1 / l
x
) ( l
x+A
- l
x
) / A.
Fazendo A 0, temos
x
= - (1 / l
x
) ( dl
x
/ dx ) = - ( d log l
x
/ dx )
14
Comentrios sobre a Tbua de Mortalidade americana 1979-1981


tabela parte de uma raiz (hipottica) l
0
= 100 000;

1% dos recm-nascidos dever morrer no 1o. ano de vida;

77% dos recm-nascidos viver at 65 anos;

Mnimos locais no nmero de mortes ocorrem aos 11 e 27 anos;

O mximo nmero de mortes dentro de um grupo aos 83 anos;

No h indicao de idade limite pois 21 ainda esto vivos;

l
x
e d
x
foram arredondados (sem haver necessidade).
15
Exerccios sobre tbuas de mortalidade - Parte I

1) Usando a tbua de mortalidade americana 1979-1981, qual a probabilidade de (20)
i) viver at 100 anos?
ii) morrer antes de 70 anos?
iii) morrer em sua 10a dcada?

Soluo:
i) P( T(20) > 100) = P( T > 100 | T > 20 ) = P( T > 100)/ P( T > 20 ) = S(100)/S(20).
Mas S(x) = l
x
/ l
0
. Logo, S(100)/S(20) = l
100
/ l
20
.
ii) P( T(20) s 70 ) = P( 20 < T s 70 | T > 20 ) = [S(20) - S(70)] / S(20) = 1 - S(70)/S(20).
Das contas em (i), S(70)/S(20) = l
70
/ l
20
.
iii) P( 90 < T(20) s 100 ) = P( 90 < T s 100 | T > 20 ) = [S(90) - S(100)] / S(20).
Das contas em (i), P( 90 < T(20) s 100 ) = ( l
90


- l
100
)/ l
20
.


16
2) Com auxlio da tbua American Experience, determinar a probabilidade de
vida para a idade de 45 anos.
Soluo:
Queremos obter p
45
.
Temos da tbua American Experience que l
45
= 74 173 e l
46
= 73 345.
A probabilidade de vida da idade de x anos
p
x
=
l
l
x+1
x
.
Logo,
p
45
=
l
l
46
45

p
45
=
73.345
74.173
.
Assim, p
45
= 0,98884 .
17
3) O nmero de mortos entre as idades de 30 e 31 anos na tbua semitropical de
Hunter de 858 pessoas e a probabilidade de morte para 30 anos 0,00984.
Determinar o nmero de sobreviventes das idades de 30 e 31 anos e a
probabilidade de vida da idade de 30 anos.
Soluo:
Encontraremos em primeiro lugar, a probabilidade de vida da idade de 30 anos.
Como, p
x
= 1 - q
x
temos que p
30
= 1 - q
30
.
Logo, p
30
= 1 - 0,00984 = 0,990159422.
18
Achemos agora o nmero de sobreviventes da idade de 30 anos:
Como
d
l
x
x
= q
x
temos que l
x
=
d
q
x
x
.
Portanto, l
30
=
d
q
30
30
= 858 / 0,00984 = 87190
Finalmente determinaremos o nmero de sobreviventes da idade de 31 anos:
Como l
x+1
= l
x
- d
x
l
31
= l
30
- d
30
.
Assim, l
31
= 87190 - 858 = 86.332.
19
4) Tomando por base a tbua H
M
de 1869, determinar a probabilidade que um
homem, atualmente com 40 anos, tem de chegar aos 50 anos.
Soluo:
Se a pessoa tem atualmente 40 anos, para que a mesma chegue aos 50 anos, claro
que tem de sobreviver mais 50 - 40 = 10 anos.
Como n x
p =
l
l
x+n
x
10 40
p =
l
l
40+10
40
.
Assim, 10 40
p =
l
l
50
40
e, como, l
40
= 82.284 e l
50
= 72.726
Temos que
10
p
40
= 72.726 / 82.284 = 0,88384 .
20
5) Utilizando a Tbua Italiana (M), qual a probabilidade que um homem atualmente
com a idade de 20 anos tem de falecer no 45
0
. ano.
Soluo:
Temos x = 20 anos (idade atual da pessoa) e n = 44 - 20 = 24 anos
Utilizemos a frmula
n|
q
x
= d
x+n
/

l
x

24|
q
20
= d
24+20
/

l
20
= d
44
/

l
20
.
O nmero de mortos entre as idades de 44 e 45 anos
d
44
= l
44
- l
45
= 55.790 - 55.230
Logo, d
44
= 560.
Como l
20
= 69.524, a probabilidade desejada igual
24|
q
20
= 560 / 69.524 = 0,00805.
21
6) Determinar, pela Tbua das Cias. Alems, qual a probabilidade de uma pessoa
com a idade atual de 30 anos, falecer antes de alcanar os 60 anos.
Soluo:
Temos que x = 30 anos (idade atual da pessoa) e n = 60 - 30 = 30 anos.
Utilizaremos a frmula
x n n
q p = 1 -
x

30
q
30
= 1 -
30
p
30
.
Mas
30
p
30
=

l
60
/

l
30
Da tbua, tem-se que l
30
= 91.578 e

l
60
= 55.892.
Logo,
30
p
30
= 55.892 / 91.578 = 0,61032.
Assim,
30
q
30
= 1 0,61032 = 0,38968.
22
7) Pela tbua American Experience, achar a probabilidade que tem uma pessoa de 30
anos, de morrer entre 45 e 50 anos.
Soluo:
Temos que x = 30 anos (idade atual da pessoa), n = 45 - 30 = 15 anos e m = 50 - 45 = 5
anos.
Usaremos a frmula
n|m
q
x
= ( l
x+n
- l
x+n+m
)/ l
x

15|5
q
30
= ( l
45
- l
50
)/ l
30
Da tbua, temos que l
30
= 85.441, l
45
= 74.173 e l
50
= 69.804.
Logo,
15|5
q
30
= ( 74.173

- 69.804

) / 85.441 = 0,051135.
23
8) Sendo dados
10 30
p = 0,920,
10 40
p = 0,890 e p
40
= 0,991, calcular a probabilidade
que tem uma pessoa de 30 anos de morrer:
i) antes da idade de 50 anos;
ii) entre as idades de 40 e 50 anos;
iii) no seu 41
0
. ano.
Soluo:
i) Queremos
20
50
30
30
q =
l
=
l
l
-
l
l
= 1 -
30
30 30
30
50
30
20
l
l
p
Como no temos o valor de
20 30
p
, fazemos o artifcio de clculo
20 30
p =
l
l
=
l
l
.
l
l
50
30
40
40
50
30

=
l
l
.
l
l
= .
40
30
50
40
20 10 10
p p p
30 30 40
Assim,
20 30
p = 0,920 x 0,890
= 0,8188 e
20
q
30
= 1 0,8188 = 0,1812.
24
ii) Temos que
10|10
q
30
= ( l
40
l
50
) / l
30
= ( l
40
/ l
30
) - ( l
50
/ l
30
).
Mas ( l
40
/ l
30
) =
10
p
30
e ( l
50
/ l
30
) = ( l
50
/ l
40
) ( l
40
/ l
30
) =
10
p
40 10
p
30
Logo,
10|10
q
30
=
10
p
30
-
10
p
40 10
p
30
.
Colocando 10 30
p
em evidncia, temos
10|10
q
30
=
10
p
30
( 1 -
10
p
40
) .
Substituindo pelos valores numricos da tbua, teremos:
10|10
q
30
= 0,920 ( 1 - 0,890 ) = 0,1012
iii) Apliquemos a frmula
10|
q
30
=
10
p
30
q
40
.
Como q
40
= ( 1 - p
40
), temos que
10|
q
30
=
10
p
30
( 1 - p
40
).
Substituindo pelos valores numricos da tbua, teremos
10|
q
30
= 0,920 (1 - 0,991) = 0,00828.
25
5. Outras funes de tbuas de mortalidades
- Esperana de vida na idade x
e
0
x
= E[ T(x) ] = }

0
t g(t) dt = }

0
t
t
p
x

x+t
dt = }

0 t
p
x
dt
Similarmente, Var[ T(x) ] = 2 }

0
t
t
p
x
dt - [ }

0 t
p
x
dt ]
2
.
- Vida mediana na idade x
P(T(x) > m(x)) = 0,5
m(x) deve satisfazer a S(x+m(x)) / S(x) = 0,5.
- Esperana de vida encurtada na idade x
e
x
= E[ K(x) ] =

0
k
k|
q
x
=

0

k+1
p
x
26
Nmeros esperados de anos vividos por sobreviventes

T
x
- nmero esperado de anos vividos pelos sobreviventes at x

T
x
= }

0
t l
x+t

x+t
dt = }

0
l
x+t
dt

Pode se mostrar que T
x
/ l
x
= e
0
x
.


L
x
- nmero esperado de anos vividos entre x e x+1 pelos sobreviventes at x

L
x
= }
1
0
t l
x+t

x+t
dt + l
x+1
. 1 = }
1
0
l
x+t
dt

Logo, T
x
= L
x
+ L
x+1
+ ...


Vida mdia entre x e x+1

a
x
= E[ T(x) | T(x) < 1 ] = [ }
1
0
t l
x+t

x+t
dt ] / [ }
1
0
l
x+t

x+t
dt ]

Logo, L
x
= a
x
d
x
+ l
x+1
.



27
Taxa central de mortalidade

m
x
= [ }
1
0
l
x+t

x+t
dt ] / [ }
1
0
l
x+t
dt ] = ( l
x
- l
x+1
) / L
x
= d
x
/ L
x


Mdia de
x
ponderada pela padronizao de l
x


uma espcie de verso discreta da fora de mortalidade
x

til na modelagem estatstica de tbuas de mortalidade pois fornece a relao entre o
nmero de falecidos entre as idades x e x + 1 e o nmero de indivduos que possuem a
idade x.

Temos ainda que

m
x
= d
x
/ [ l
x
- (d
x
/2) ] = (d
x
/ l
x
) / [ (l
x
/ l
x
)- (d
x
/2 l
x
) ] = 2 q
x
/ ( 2 -

q
x
).

Da decorre que q
x
=

2 m
x
/ (2 + m
x
) e p
x
=

2 - m
x
/ (2 + m
x
).




28


Se as mortes entre x e x+1 se distribuem uniformemente (l
x+t

x+t
= d
x
)

a
x
= 1/2

L
x
= l
x+1
+ (1/2) d
x
= l
x
- (1/2) d
x
= ( l
x
+ l
x+1
) / 2

T
x
= (1/2) l
x
+ l
x+1
+ l
x+2
+ ... (provar)

e
0
x
= e
x
+ 0,5



Outras possibilidades podem ser contempladas para a forma de distribuio das
mortes entre x e x+1. As mais famosas so:
i) uniforme (vista acima),
ii) exponencial (fora de mortalidade constante)
iii) Balducci


29
Exerccios sobre tbuas de mortalidade parte II
1) Sabendo-se que l
10
= 100.000, l
11
= 99.251 e l
12
= 98.505, determinar as
taxas centrais de mortalidade para as idades de 10 e 11 anos.
Soluo:
Temos que
m
x
=
d
l d
x
x x
1 2 /
.
Como d
x
= l
x
- l
x+1
, a frmula acima ficar
( )
m
l
l l l
x
x
x x x
=
l
x


+
+
1
1
1 2 /
=
l
l
x
x+1

+
+
l
l
x
x
1
1 2 1 2 / /
=
l l
l l
x x
x x

+
+
+
1
1
2
=
( ) 2
1
1
l l
l l
x x
x x

+
+
+
.
Substituindo os valores numricos, temos
( ) ( )
m
l
l l
10
11
10 11
=
2 l
=
2 100.000 - 99.251
100.000 + 99.251
10

+
= 0,007518.
Analogamente,
( )
m
11
=
2 99.251 - 98.505
99.251 + 98.505
=
1.492
197.756
= 0,007545
30
2) Uma tbua tem taxas centrais de mortalidade para as idades de 20 e 21 anos
dadas respectivamente por 0,007835 e 0,007886 e o nmero de sobreviventes para a
idade de 20 anos 92.637. Determinar os valores de l
21
, l
22
, p
20
, p
21
, q
20
e q
21
.
Soluo:
Vimos antes que
( )
m
l l
l l
x
x x
x x
=
2
1
1

+
+
+
.
Podemos assim, obter o valor de l
x+1
atravs das operaes
m
x
(l
x
+ l
x+1
) = 2l
x
- 2l
x+1

2l
x+1
+ m
x
l
x+1
= 2l
x
- m
x
l
x

(2 + m
x
) l
x+1
= (2 - m
x
) l
x
.
Portanto,
( )
l
x+1
=
2 - m l
2 + m
x x
x
.
31
Substituindo os valores numricos, temos
( )
l
21
=
2 - m l
2 + m
20 20
20
=
( ) 2 0 007835 , x 92.637
2 + 0,007835
Donde obtemos l
21
= 91.914.
Analogamente,
( ) ( )
l
22
=
2 - m l
2 + m
=
2 - 0,007886 x 91.914
2 + 0,007886
21 21
21
= 91.192
As probabilidades so dadas por
p
20
=
l
l
=
91.914
92.637
= 0,992195
21
20
,
p
21
=
l
l
=
91.192
91.914
= 0,992145
22
21
q
20
= 1 - p
20
= 1 - 0,992195 =0,007805 e, finalmente,
q
21
= 1 - p
21
= 1 - 0,992145 =0,007855.
32
Leis de Mortalidade
Seria til poder ter formas analticas descrevendo o padro de mortalidade.
Assim, ao invs de + de 100 probabilidades, bastariam 2 ou 3 nmeros para
descrio completa.
Hoje em dia, isso no mais to importante.
Algumas leis mais famosas:
1) de Moivre (1697-1754) matemtico
Supe que l
x
uma funo linear que decresce em progresso aritmtica
l
x
= l
0
(w - x)
Portanto,
q
l
l
x
x
x
=
l
=
1
w - x
x

+1
,
=
1
w - x
x e S(x) = 1 x / w.
33
2) Gompertz (1779 - 1875)
Supe que a fora de mortalidade
x
cresce em partes proporcionais

x
= B c
x
, para B > 0 e c > 1.
Assim, S(x) =
( )
e
m c
x
-1
onde m = B/log c.
3) Makeham (1826-1891) - Aturio
Envelhecimento faz com que log
t
p
x
decresa em progresso geomtrica quando x cresce em
progresso aritmtica log
t
p
x
= c
x
( c
t
1) log g, com c > 1 e 0 < g < 1.
Da,
x
= A + B c
x
onde B = -log g > 0 , - B s A, que representa riscos acidentais,
e
l
x
= k s g k > 0, 0 < s < 1, 0 < g < 1, c > 1
x c
x
.
- A = 0 Gompertz = Makeham
- c = 1 Gompertz = exponencial (fora constante)
34
Outras leis propostas:
a) Lambert (1765) - l
x
= a+b (x-45) + c(x-45)
2
+ d(x-45)
3
+ e(x-45)
4
+ f(x-45)
5
b) Young e Littrow - l
x
- polinomio de grau n
c) Babbage (1823) - l
x
= A + Bx +
( )
cx x 1
2
d) Thiele -
x
=
1
(x) +
2
(x) +
3
(x) onde

1
(x) = a
1

e
x u
1
, para a populao infantil

2
(x) = a
2

( )
e

1
2

2
x-c u
2
, para a populao adulta

3
(x) = a
3

e
x u
3
, para a populao idosa
e) Lang - l
x
= a + bc
x
f) Moser (1839) - l
x
= l
o
- ax
1/4
- bx
3/4
- cx
7/4
g) Opperman -
x
= (o + |
x
) e
kx
+ e
ux
(x < 15)
35
Tbuas e ndices de Mortalidade
Tabela de Mortalidade - instrumento destinado a medir as probabilidades de vida
e de morte.
Tabela de 1
a
. Espcie - construda tendo em vista todo um grupo da populao.
Tabela de 2
a
. Espcie - construda levando-se em conta um grupo de pessoas
selecionadas (por exemplo, por exame mdico) e por esta razo determina um
grupo homogneo.
36
Existem situaes que fazem com que mortalidade seja diferenciada:

indivduos podem ter sido aprovados em exame mdico
indivduos podem ter deficincia fsica
etc...

Padro de mortalidade alterado e novas probabilidades devem ser utilizadas.

Para explicitar esse ponto, notao tambm ser alterada:
x [x] , idade na qual indivduo teve padro mudado (por exame mdico).
(x+u) ([x]+u) , indivduo com x+u anos que teve padro mudado em x

Exemplo: considere 3 indivduos com 30+i anos: (30+i), ([30]+i) e ([31]+i-1)

2
q
30+i
a probabilidade de (30+i) morrer em 2 anos

2
q
[30]+i
a probabilidade de [30]+i morrer em 2 anos

2
q
[31]+i-1
a probabilidade de [31]+i-1 morrer em 2 anos


Tbuas construdas para esses indivduos so ditas tbuas seletas.


37
Espera-se que efeito do exame acabe com o tempo e mortalidade dependa apenas da idade,

isto , que exista r tal que q
[x-j]+r+j
~ q
[x]+r
~ q
[x]+r
, para j > 0

r o perodo de seleo.


A sociedade de aturia americana recomenda r=15, isto , tomar q
[x-j]+15+j
~ q
[x]+15

Com isso, tbuas seletas s precisam ter r colunas com probs. q
[x]+j
, j=1,... , r.

A tbua de mortalidade para ([25]) necessita dos valores de q
[25]+j
, j=1, ... , 15, 16, ...
Podemos obter
q
[25]+j
, j=1,... , 15 da tbua seleta
q
[25]+15+j
, j=1,... das relaes q
[25]+16
~ q
[26]+15
~ q
41
, q
[25]+17
~ q
[27]+15
~ q
42
, ...


Tbuas seletas e finais so obtidas pela truncagem das tabelas seletas
aps o perodo de seleo r.

A coluna contendo q
[x]+r
(= q
x+r
) de uma tbua seleta e final chamada de tbua final.

38
A tabela abaixo contm um trecho da tbua de seguradoras inglesas 1967-1970

[x] 1000 q
[x]
1000 q
[x]+1
1000 q
x+2
l
[x]
l
[x]+1
l
x+2
x+2

30 0,43767 0,57371 0,69882 33.829 33.814 33.795 32
31 0,45326 0,59924 0,73813 33.807 33.791 33.771 33
32 0,47711 0,63446 0,79004 33.784 33.767 33.746 34
33 0,50961 0,68001 0,85577 33.760 33.742 33.719 35
34 0,55117 0,73655 0,93663 33.734 33.715 33.690 36


O perodo de seleo usado nessa tbua foi r=2.

Note que
l
[x+2]
~ l
[x+1]+1
~ l
x+2
e portanto razovel supor que l
[x]+2
= l
x+2
.

Entretanto q
[x+2]
< q
[x+1]+1
< q
x+2
so bem diferentes e,
embora todas se refiram a (32), ordem faz sentido.

Tbua agregada leva em conta apenas a idade dos indivduos.
39

Exerccio sobre tbuas seletas

Com base na tbua das seguradoras inglesas, calcule
2
q
[30]
,
5
p
[30]
,
1|
q
[31]
e
3
q
[31]+1



Soluo:

i)
2
q
[30]
= P( ([30]) sobreviver 2 anos) = l
32
/ l
[30]
= 33.795 / 33.829 = 0,99899.

ii)
5
p
[30]
= P( ([30]) sobreviver 5 anos) = l
35
/ l
[30]
= 33.719 / 33.829 = 0,99675.

iii)
1|
q
[31]
= P( ([31]) morrer em seu 32o. ano) = ( l
[31]+1
- l
[31]+2
) / l
[31]


Como l
[31]+2
= l
33 .
,
1|
q
[31]
= ( 33.791 - 33.771 ) / 33.807 = 0,00059.

iv)
3
q
[31]+1
= P( ([31]+1) morrer em 3 anos) = ( l
[31]+1
- l
[31]+4
) / l
[31]+1


Como l
[31]+4
= l
35 .
,
3
q
[31]+1
= ( 33.791 - 33.719) / 33.791 = 0,00213.










,
40
Inferncia em tbuas de mortalidade
Estimadores de p
x
1) Amostra reduzida
Neste caso, supe-se que a sada no perodo de observao s ocorre por morte.
Assim, p
x
=
l
l
= 1 -
d
l
x+1
x
x
x
2) Atuarial - Se no perodo de observao pode haver sada (censura) devido a outros fatores alm de morte
em cada idade x, o estimador atuarial supe que as sadas c
x
ocorrem no meio do intervalo (x, x + 1)
Assim,
p
x
= 1 -
d
l -
1
2
c
x
x x
.
41
Inferncia em tbuas de mortalidade (cont.)

Normalmente em tbuas, no h censura q
x
= d
x
/ l
x
.

Supondo que as mortes na idade [x] esto concentradas em
x + , o tempo de exposio na idade x
E
x
= l
x+1
. 1 + d
x
. = l
x
- d
x
.

Supondo que a taxa de mortalidade constante em cada
idade (
x+s
=
x+1/2
, para 0 < s < 1), estimamos

x+1/2
= d
x
/ E
x
q
x
= 1 exp( -
x+1/2
) = 1 exp(- d
x
/ E
x
).

Observaes:
Os 2 estimadores de q
x
so parecidos pois 1 exp(-z) ~ z,
se z for pequeno
Se a taxa de mortalidade constante para cada idade,
a verossimilhana da idade x (
x+1/2
)
dx
exp( -
x+1/2
E
x
)
d
x
/ E
x
EMV de
x+1/2



,
42

Para usar mtodos analticos de inferncia, precisamos
assumir distribuio para v.a.s d
x
e E
x
(ou l
x
).

Costuma-se assumir E
x
(ou l
x
) conhecidos.

Existem 2 opes mais comuns para d
x
:
d
x
~ Poisson (
x+1/2
E
x
) da verossim. Acima
d
x
~ Binomial ( l
x
, q
x
)

Na prtica, no h muita diferena nos 2 caminhos;

Se l
x
grande e q
x
pequeno (normalmente verdade) ento
Binomial Poisson,
l
x
~ E
x

q
x
~

x+1/2



43
Intervalos de confiana (caminho Poisson)

Assumindo o caminho Poisson, podem-se construir I.C.s
para
x+1/2
a partir de I.C.s para =
x+1/2
E
x
.

Exemplo: suponha d
x
= 19 e

E
x
= 2000, para algum x

O I.C. 90% para 12,44 < < 27,88 (da tabela do Gerber)

Dividindo todos os termos por 2000,
I.C. 90% para
x+1/2
0,00622 <
x+1/2
< 0,01394.

1,00624 < exp (
x+1/2
) < 1,01404
0,98616 < exp ( -
x+1/2
) < 0,99380
0,00620 < 1 - exp (-
x+1/2
) < 0,01384 I.C. para q
x

Note semelhana entre os I.C.s de
x+1/2
e q
x


44
Intervalos de confiana (caminho binomial)

Assumindo o caminho binomial, podem-se construir I.C.s
para q
x
a partir da aproximao normal
d
x
/l
x
~ normal (q
x
, q
x
(1- q
x
)/l
x
).

Da, obtm-se o I.C. 95% para q
x
dado pelos limites
(d
x
/l
x
) 1,96 [ d
x
(l
x
- d
x
)/ (l
x
)
3
]
1/2
Para I.C. 99% troca-se 1,96 por 2,576.

Exemplo: suponha d
x
= 19 e

l
x
= 2000, para algum x
d
x
/l
x
= 0,0095
d
x
(l
x
- d
x
)/ (l
x
)
3
= 19 (2000-19)/2000
3
= (0,002169)
2


Assim, I.C. 95% para q
x
tem limites 0,0095 1,96 . 0,002169
I.C. 95%: 0,00525 < q
x
< 0,01375

Aproximao normal funciona bem para l
x
grandes.

45
Abordagem Bayesiana (caminho Poisson)

Usando Poisson, a verossimilhana da idade x dada por
l(
x+1/2
) = (
x+1/2
)
dx
exp( -
x+1/2
E
x
)

Supondo prioris
x+1/2
~ Gama ( o
x
, |
x
),
obtm-se, pelo teorema de Bayes, a posteriori

x+1/2
| dados ~ Gama ( o
x
+ d
x
, |
x
+ E
x
).

A mdia a posteriori de
x+1/2
(o
x
+ d
x
) / ( |
x
+ E
x
).

A mdia a posteriori de q
x
= 1 exp( -
x+1/2
) 1[|
x
/(|
x
+ 1) ]
ox
.

Intervalos de credibilidade para
x+1/2
podem ser construdos, a
partir da distribuio Gama.
Intervalos de credibilidade para q
x
podem ser construdos, a
partir dos intervalos para
x+1/2
.

46
Abordagem Bayesiana (caminho Binomial)

Usando binomial, a verossimilhana da idade x dada por
l(
x+1/2
) (q
x
)
dx
(1 - q
x
)
lx -dx

Supondo prioris q
x
~ Beta ( o
x
, |
x
),
obtm-se, pelo teorema de Bayes, a posteriori
q
x
| dados ~ Gama ( o
x
+ d
x
, |
x
+ l
x
).

A mdia a posteriori de q
x
(o
x
+ d
x
) / ( |
x
+ l
x
).

Intervalos de credibilidade para
x+1/2
podem ser construdos, a
partir da distribuio Gama.
Intervalos de credibilidade para q
x
podem ser construdos, a
partir dos intervalos para
x+1/2
.

47
Graduao

Os valores de q
x
estimados por todos os procedimentos acima
no levam em conta nenhuma relao entre seus sucessivos
valores.

A decorrncia disso que eles podem ter grandes e indesejveis
flutuaes, principalmente nas idades mais avanadas.

Alm disso, no levam em conta possveis formas
determinsticas (leis de mortalidade) que pode se querer impor.

A idia da teoria de graduao, introduzida por Whittaker em
1920, visa justamente tratar essas questes.

Veremos mais tarde como isso pode ser feito.

48
Foras de mortalidade proporcionais

Sejam

p
x+1/2
= f. m. para idade x da tbua padro

x+1/2
= f. m. para idade x da tbua de interesse


Suponha que tbua de interesse tenha fora de mortalidade
proporcional uma tbua padro, isto ,

x+1/2
= f
p
x+1/2
, para toda idade x.

Temos que d
x
~ Poisson (
x+1/2
E
x
) = Poisson (f
p
x+1/2
E
x
).
Assim, d = E
x
d
x
~ Poisson (f E
x

p
x+1/2
E
x
).

Portanto, f pode ser estimado por (E
x
d
x
)/(E
x

p
x+1/2
E
x
) e
e
s+1/2
pode ser estimado por
p
s+1/2
.(E
x
d
x
)/(E
x

p
x+1/2
E
x
)

Intervalos de confiana para f (e
x+1/2
) podem ser construdos.

49
Mltiplas causas de morte

Considere a decomposio da morte pelas suas m causas.

Temos assim, para cada idade x,
- m foras de mortalidade
1,x+1/2
, ... ,
m,x+1/2

- m prob. condicionais de morte q
1,x
, ... , q
m,x

- m contagens de mortos d
1,x
, ... , d
m,x


Os E.M.V. de
j,x+1/2
so dados por d
j,x
/ E
x
, j = 1, ... , m.

Analogamente, os E.M.V. de q
j,x
so dados por
(d
j,x
/d
x
) [ 1 exp ( - d
x
/E
x
) ], j = 1, ... , m.

Intervalos de confiana para
j,x+1/2
e q
j,x
podem ser construdos.

Estimadores e intervalos Bayesianos tambm podem ser obtidos.



50
3) Kaplan-Meier - Neste mtodo, o indivduo perdido (ou censurado)
considerado no estudo e, somente aps a sada, deixa de ser considerado
na estimao de p
x
. Portanto necessria saber a ordem das sadas e
mortes.
Seja N
j

= nmero de indivduos ainda sob observao antes da j

a
morte em
(x, x+ 1)
Logo, p
x
=

N
N + 1
j
j
'
'
[
= j
d
x
1
.
51
Exemplo do estimador Kaplan-Meyer
Suponha uma sada e uma morte no intervalo (x, x+ 1) com
a sada (censura) no tempo t e a morte no tempo u.
N
x
- nmero de indivduos no incio do intervalo.
1
0
. Caso: x s t < u s x + 1
(x, x + 1) = (x, t) (t,u) (u,x+1)
p
x
= p(x, t) p(t, u) p(u, x + 1)
=
N
N N N
x
x x x
x
N - 2
N
x
N
=
N
x
x
x x

1
2
2
2
1
2
0
. Caso: x s u < t s x + 1
p
x
= p(x, u) p(u, t) p(t, x + 1)
=
N
N N N
x
x x x

1
1
2
2
1
x
N - 1
N
x
N
=
N
x
x
x x
52
Comparao de estimadores AR (amostra reduzida), PL (produto limite ou Kaplan-
Meier) e Atuarial para estimar sobrevivncia.
- Uma amostra de 100 indivduos acompanhada no comeo de 1995. Durante o
ano, 70 morrem e 30 sobrevivem. Ao final do ano, uma amostra maior de 1000
indivduos est disponvel. Durante 1996, 15 indivduos da 1
a
. amostra e 750 da
2
a
. amostra morrem, deixando como sobreviventes 15 indivduos na 1
a
. amostra
e 250 indivduos na 2
a
. amostra.
Ao final de 1996, desejamos estimar
2
p
0
, que a probabilidade dos indivduos da
populao sobreviverem mais de 2 anos.
53
Amostra I II
Inicial 100 1000
Mortes no 1
0
. ano 70 750
Sobreviventes no 1
0
. ano 30 250
Mortes no 2
0
. ano 15
Sobreviventes no 2
0
. ano 15
- RS)
2
p
0
=
15
100
= 0,15
(s usa informao da amostra completa)
- KM) p
0
=
30 250
100 1000
+
+
= 0,255
e
p
1
= 15/30 = 0,5 (Probabilidade de (1) sobreviver 2

ano).
Logo,
2
p
0
= p
0
p
1
= 0,255 . 0,50 = 0,127
- Atuarial) p
1
=
1-
15
280-
1
2
250
= 1-
15
160
= 1- 0.094
e

2
p
0
= p
0
p
1
= 0,255 (1 - 0,094) = 0,231
54
Inferncia em tbuas de mortalidade
Estimao de m
x

Na prtica, dispomos de informao sobre mortes observadas na populao.

Com base, nesses dados procuramos obter estimadores de propriedades da populao.
Uma das mais usadas a taxa central de mortalidade pois dada por uma relao direta
entre mortes e indivduos em risco para cada dado intervalo (de 1 ano).

Sejam D
x
= nmero observado de mortes na idade x e
L
x
= nmero observado de anos vividos na idade x

Note que E[D
x
] = d
x
, E [

L
x
] = L
x
e m
x
= d
x
/ L
x
.

Uma hiptese comumente feita que D
x
|

L
x
~ Poisson ( m
x
L
x
).

Da, obtm-se o estimador D
x
/

L
x
para m
x

Hipteses paramtricas sobre m
x
podem ser feitas. Exemplo: Gompertz - m
x
= B c
x


Pela regra de multiplicao P(A
1
... A
n
) = P(A
1
) P(A
2
| A
1
) .... P(A
n
|A
n-1
... A
1
)
( D
1
|

L
1
) , ( D
2
|

L
2
), ( D
3
|

L
3
) , ... so independentes.


55
Temos todas as condies de um modelo linear generalizado (MLG):
observaes independentes D
1
, D
2
, ... , D
w

funo de ligao para a mdia
variveis explicativas (no caso, x a idade)

Aplicando para o caso Gompertz temos m
x
= B c
x
.

Portanto, E [D
x
] = m
x
L
x
= B L
x
c
x
.

Tomando ligao logartmica temos log E [D
x
] = log L
x
+ log B + (log c) x.

Trata-se de MLG com 1 covarivel: x e intercepto dado por log L
x
+ log B .

Se Gompertz no apropriada, outras opes podem ser usadas.
Descries mais realistas podem ter covariveis x, x
2
, x
3
, ...

Ligao logartmica til pois garante positividade de m
x

Outra opo a abordagem no-paramtrica.

Exemplo: modelos autocorrelacionados para m
x

m
x
= m
x-1
+ v
x
onde v
x
~ N(0, V)
.

56
Beltro e Pinheiro (2002) num relatorio tcnico da Funenseg
construram uma tbua seleta da populao consumidora de
produtos das seguradoras brasileiras .

Eles optaram pelo caminho binomial.

A graduao foi feita atravs da especificao de Thiele

q
x
= q
1
(x) + q
2
(x) + q
3
(x) onde

q
1
(x) cuidaria da populao infantil (ausente nesse caso),
q
2
(x) cuida da mortalidade por causas externas
q
3
(x) cuida da mortalidade por envelhecimento

As formas adotadas foram
q
2
(x) = D exp [ - E (log x log F )
2
] e
q
3
(x) = G H
x
/ ( 1 + K G H
x
)


57
Outras possibilidades a serem exploradas em graduao:

Ao tomar o caminho binomial, queremos modelar
probabilidades de morte q
x
que esto no intervalo [0,1].

Nesse caso, a transformao mais apropriada no a logartmica,
usada no caso de taxas de mortalidade.

A mais comum a trasformao logit: q
x
= log [q
x
/(1- q
x
)].

Diferentes modelos podem ser usados aqui como visto anteriormente.



58
Outra opo aplicar as transformaes diretamente nos dados e
assumir a partir da distribuio normal.

Assim,
- no caminho Poisson, tomamos
log (d
x
/E
x
) como sendo normal com mdia
x+1/2
;
- no caminho binomial, tomamos
logit (d
x
/l
x
) como sendo normal com mdia q
x
.

Nesses casos, ainda resta a varincia normal para ser modelada.

Esse caminho aproximado (os anteriores so exatos).

Mas a aproximao ser boa para E
x
(ou l
x
) grandes.

59
Dinmica de Populaes
Consideremos uma populao hipottica com idade limite w = 4 anos.
Suponha que 700 indivduos nascem no ano z e so acompanhados at a morte
Destes indivduos, 140 morrem no primeiro ano (antes do 1
0
. aniversrio)
56 morrem no segundo ano (com um ano mas antes de completar 2
0
. aniversrio)
252 morrem no terceiro ano (com dois anos mas antes de completar 3
0
. aniversrio)
252 morrem no quarto ano (com trs anos mas antes de completar 4
0
. aniversrio)
O diagrama de Lexis
*
(1875) representa o acompanhamento dessas vidas com
i) tempo z no eixo x
ii) idade x no eixo dos y
iii) vidas em linhas fazendo 45
o
com os eixos x e y.
*
Wilhelm Lexis (1837-1914) estatstico, demgrafo e aturio alemo
60
No diagrama, cada vida representada por uma linha inclinada de 45
o
.
A linha inicia-se na data do nascimento e termina na data e idade da morte.
Para nossa populao o diagrama ter 700 linhas inclinadas
comeando no eixo horizontal na idade z e teremos
140 terminando no paralelograma ADBC (antes da horizontal da idade).
56 terminando no paralelograma CDEF (entre as horizontais das idades 1 e 2).
252 terminando em EFGH e o resto em GHIJ.
Os nmeros que atingem as horizontais nas idades 0, 1, 2, 3, 4 so respectivamente
700, 560, 504, 252.
Podemos estimar probabilidades de morte com base no acompanhamento dessa
populao.
Por exemplo, q
1
= 56 / [ 700 140 ] = 0,1.
61
Na descrio feita anteriormente, a populao era um coorte, isto , um grupo
(nascido em um certo ano e) acompanhado at extino.
Cada ano l
0
nascimentos ocorrem em uma populao
Cada coorte (grupo) de nascimento segue o padro de uma dada tabela de
mortalidade (padro)
Se isso permanecer inalterado por muitos anos a populao se torna
estacionria. Assim, um censo tomado desta populao em qualquer momento
aps o estado estacionrio ser atingido obteria
n x
l
pessoas no intervalo x a
x + n. Referimos esta populao como populao da tabela de mortalidade.
62
Na construo de tabelas de mortalidade: essencial que o perodo de referncia (tempo)
e intervalo de idade envolvido sejam bem especificados e entendidos.
O diagrama de Lexis permite deixar claro esses aspectos.
Por exemplo as estimativas de q
x
baseadas no coorte podem ser obtidas a partir de:
P
x
no. de pessoas no incio do ano z com idade entre x e x + 1 (linhas cruzando AD).
E
x
z
= no. de pessoas que chegam a idade x no ano z (linhas cruzando AB)
D
x
z
- no. de mortes no ano z ds pessoas com idade x (linhas que terminam em ABCD).
o
D
x
z
- nmero de mortes no ano z entre as pessoas com idade x que completaram x anos
no ano z (linhas que terminam em ABC).

D
x
z
- nmero de mortes no ano z entre as pessoas com idade x que completaram x anos
no ano z-1 (linhas que terminam em ADC).
Relaes entre esses dados estimativa de q
x
dada por
( ) q D D p
x
z
x
z
x
z
x
z
= +
o +1
/
.
Cada coluna do diagrama de Lexis fornece uma tbua de mortalidade (padro).
63
Sequncia de tbuas de mortalidade

Na prtica, observamos vrias tbuas publicadas a intervalos de tempo regulares.

Podemos coloca-las em sequncia de forma a estabelecer padro para evoluo delas.
Se populao for estacionria, padro constante. Isso pode ser checado!

Idade \ Ano 1975 1980 1985 1990 1995 2000
1 D
1
1975
D
1
1980
D
1
1985
D
1
1990
D
1
1995
D
1
2000

2 D
2
1975
D
2
1980
D
2
1985
D
2
1990
D
2
1995
D
2
2000

3 D
3
1975
D
3
1980
D
3
1985
D
3
1990
D
3
1995
D
3
2000

4 D
4
1975
D
4
1980
D
4
1985
D
4
1990
D
4
1995
D
4
2000

5 D
5
1975
D
5
1980
D
5
1985
D
5
1990
D
5
1995
D
5
2000

6 D
6
1975
D
6
1980
D
6
1985
D
6
1990
D
6
1995
D
6
2000

...

onde D
x
z
denota o nmero de mortos da idade x observado no ano z

Continuamos com independncia (condicional) entre D
1
z
, ... , D
w
z
, para todo ano z.

Supondo que as tabelas foram geradas de forma independente, temos
independncia entre as tabelas.
64
Assim, temos independncia para D
1
1975
, ... , D
w
1975
, ... , D
1
2000
, ... , D
w
2000
.


A hiptese bsica se mantm: D
x
z

|

L
x
z

~ Poisson ( m
x
z

L
x
z

), onde

m
x
z

a taxa central de mortalidade da idade x no ano z

L
x
z
o nmero observado de anos vividos aps x no ano z


Podemos propor MLG como o anterior s que agora temos x e z como
possveis covariveis.

Modelando x (como vimos antes) estudamos o padro de morte da populao.

Modelando z estudamos o padro de evoluo da mortalidade ao longo do tempo.

Exemplo: razovel supor um declnio da taxa central de mortalidade ao longo
dos anos para todas as idades (x=1, ... , w)

log m
x
z

= o
x
+ |
x
z onde espera-se | < 0.

|
x
= 0

indica estacionariedade da populao.