Tugas Matematika Asuransi

Nama : Dwi Fadilla (08011181722021)

Monica Defriani (08011181722068)

3.3 Tabel Kehidupan

Sebuah tabel kehidupan yang diterbitkan biasanya berisi tabulasi, oleh usia individual,
dari fungsi utama qx, lx, dx dan kemungkinan tambahan fungsi turunan. Sebelum
memperkenalkan sebuah tabel, kita menganggap interpretasi dari fungsi secara langsung
terkait dengan fungsi peluang yang telah dibahas di bab sebelumnya.

3.3.1 Hubungan Fungsi Tabel Kehidupan dengan Fungsi Survival

Pada (3.2.9) kita mengatakan peluang bersyarat bahwa (x) akan mati dalam t tahun
dengan :
𝑠 (𝑥+𝑡)
tqx = 1− 𝑠(𝑥)
dan dengan catatan kita mempunyai
𝑠 (𝑥+1)
qx = 1 − 𝑠(𝑥)
sekarang kita menganggap sebuah kelompok dari I0 baru lahir, I0 = 100,000. Untuk tambahan,
kita misalkan x merupakan jumlah kelompok yang selamat pada usia x. Kita beri indeks
j=1,2,..., l0 dan kita amati bahwa
= ∑l0
𝑗=1 Ij
dimana Ij adalah sebuah indikator untuk kelangsungan j; sehingga
1 𝑗𝑖𝑘𝑎 𝑗 𝑏𝑒𝑟𝑡𝑎ℎ𝑎𝑛 ℎ𝑖𝑑𝑢𝑝 𝑠𝑎𝑚𝑎𝑝𝑖 𝑢𝑠𝑖𝑎 𝑥
Ij = {
0 𝑢𝑛𝑡𝑢𝑘 𝑦𝑎𝑛𝑔 𝑙𝑎𝑖𝑛𝑛𝑦𝑎
Karena E[Ij] = s (x),
E[ ] = ∑𝑙0
𝑗=1 𝐸[𝐼𝑗] = 𝑙0 𝑠(𝑥)
Kita menganggap E[x] adalah lx , dan lx mewakili jumlah harapan yang selamat sampai usia x
dari l0 baru lahir, dan kita mempunyai
lx = l0 s(x).......................................................................(3.3.1)
Dengan cara yang sama didefinisikan sebagai tanda jumlah kematian antara usia x dan
x+n dari antara kehidupan awal l0. Kita mendifinisikan E[ ] adalah ndx. Karena yang baru
lahir memiliki peluang s(x)-s(x+n) dari kematian antara usia x dan x+n kita dapat membuat
pendapat yang sama untuk lx seperti
ndx = E[ ] = l0 [s(x)-s(x+n)]
= l0 – lx+n ..................................................................(3.3.2)
Ketika n=1, kita menghilangkan awalan dan ndx dari (3.3.1) kita lihat bahwa
𝑙 𝑑𝑙𝑥 𝑙 𝑑𝑠(𝑥)
− 𝑙𝑥 = − 𝑠(𝑥) = 𝜇(𝑥) .........................................(3.3.3)
𝑑𝑥 𝑑𝑥
Dan
-dlx = lx 𝜇(𝑥) dx.................................................................(3.3.4)
Karena
 lx 𝜇(𝑥) = l0 xp0 𝜇(𝑥) = l0 fx(x),
Faktor lx 𝜇(𝑥) pada (3.3.4) dapat diartikan sebagai harapan kepadatan dari kematian pada
usia interval ( x, x + dx). Kita catat lebih lanjut bahwa
𝑥
lx = l0 exp (− ∫0 𝜇 (𝑦)𝑑𝑦 ),................................................(3.3.5)
𝑥
lx+n = lx exp (− ∫0 𝜇 (𝑦)𝑑𝑦 ),.............................................(3.3.6)
𝑥+𝑛
lx - lx+n = ∫𝑥 𝑙𝑦 𝜇 (𝑦)𝑑𝑦 .................................................(3.3.7)
untuk referensi yang bagus, kita sebut konsep ini dari l0 baru lahir, masing-masing dengan
fungsi survival s(x), sebuah kelompok acak yang hidup lebih lama.

3.3.2 Contoh Tabel Kehidupan

Pada “Tabel kehidupan untuk total populasi : United States, 1997-81” (Tabel 3.3.1),
fungsi tqx , lx dan tdx memperkenalkan dengan l0 = 100,000. Kecuali untuk tahun pertama
hidup, nilai t dari fungsi tabulasi tqx dan tdx adalah 1.
Tabel kehidupan 1979-81 U.S tidak menyusun pengamatan 100,000 baru lahir sampai 1
tahun lalu meninggal. Menggunakan konsep kelompok acak yang hidup lebih lama dengan
tabel ini, kita harus membuat asumsi bahwa peluang kejadian dari tabel akan tepat untuk
kelompok orang yang hidup lebih lama.
Tabel kehidupan untuk tabel total populasi : United States, 1979-81.
Interval Proporsi Dari Lahir Proporsi seimbang Rata-rata
usia kematian 100,000 hidup yang
tersisa
seumur
hidup
Periode Proporsi Jumlah Jumlah Jumlah Jumlah Rata-rata
hidup orang yang yang hidup yang mati yang hidup yang hidup julah
antara dua hidup di di awal selama di interval disini dan tahun
usia x awal dari dari interval usia tlx berikutnya hidup
sampai interval interval usia tdx di interval yang
x+t usia usia lx usia Tx tersisa di
kematian awal dari
selama interval
interval tqx usia expx
Hari
0-1 0.00463 100 000 463 278 7 387 758 73.88
1-7 0.00246 99 537 245 1 635 7 387 485 74.22
7-28 0.00139 99 292 138 5 708 7 385 850 74.38
28-365 0.00418 99 154 414 91 357 7 380 142 74.43
Tahun
0-1 0.01260 100 000 1260 98973 7387758 73.88
1-2 0.00093 98740 92 98694 7288785 73.82
2-3 0.00065 98648 64 98617 7190091 72.89
3-4 0.00050 98584 49 98560 7091474 71.93
4-5 0.00040 98535 40 98515 6992914 70.97

5-6 0.00037 98495 36 98477 6894399 70.00

6-7 0.00033 98459 33 98442 6795922 69.02
 7-8 0.00030 98426 30 98412 6697480 68.05
8-9 0.00027 98396 26 98383 6599068 67.07
9-10 0.00023 98370 23 98358 6500685 66.08

10-11 0.00020 98347 19 98338 6402327 65.10

11-12 0.00019 98328 19 98319 6303989 64.11
12-13 0.00025 98309 24 98297 6205670 63.12
13-14 0.00037 98285 37 98266 6107373 62.14
14-15 0.00053 98248 52 98222 6009107 61.16

15-16 0.00069 98196 67 98163 5910885 60.19

16-17 0.00083 98129 82 98087 5812722 59.24
17-18 0.00095 98047 94 98000 5714635 58.28
18-19 0.00105 97953 102 97902 5616635 57.34
19-20 0.00112 97851 110 97796 5518733 56.40

20-21 0.00120 97741 118 97682 5420937 55.46

21-22 0.00127 97623 124 97561 5323255 54.53
22-23 0.00132 97499 129 97435 5225694 53.60
23-24 0.00134 97370 130 97306 5128259 52.67
24-25 0.00133 97240 130 97175 5030953 51.74

25-26 0.00132 97110 128 97046 4933778 50.81

26-27 0.00131 96982 126 96919 4836732 49.87
27-28 0.00130 96856 126 96793 4739813 48.94
28-29 0.00130 96730 126 96667 4643020 48.00
29-30 0.00131 96604 127 96541 4546353 47.06

Beberapa pengamatan tentang tabel kehidupan 1979-81 U.S

Pengamatan :

1. kira-kira 1 % kelompok yang hidup lebih lama dari baru lahir akan diharapkan mati di
awal tahun kehidupan

2. berharap bahwa sekitar 77% dari kelompok yang baru lahir akan bertahan hidup sampai
usia 65

3. jumlah maksimal kematian dalam kelompok diharapkan antara usia 83-84

4. minimum lokal dari anga kematian uang diharapkan sekitar usia 11 dan 27 dan maksimum
lokal sekitar udia 24

Tampilan seperti tabel 3.3.1 adalah metode biasa untuk menggambarkan distribusi dari usia
kematian. Sebagai kemungkinan lain fungsi survival dapat menguraikan analisis seperti
s(x)=𝑒 −𝑒𝑥 , 𝑒 > 0, x ≥ 0. Bagaimanapun, banyak studi dari kematian manusia untuk tujuan
𝑙𝑥
asuransi menggunakan gambaran s(x)= 𝑙0 sebagai ilustrasi pada tabel 3.3.1 karena 100,000
s(x) adalah tampilan hanya untuk nilai bilangan bulat dari x, disana membutuhkan tambahan
dalam mengevaluasi s(x) untuk nilai bukan bilangan bulat. Subjek ini dari bab 3.6

Contoh 3.3.1

Pada baris tabel 3.3.1, hitunglah peluang bahwa (20) akan

a. hidup sampai usia 100

b. mati sebelum usia 70

c. mati di 10 dekade kehidupan

solusi :
𝑠 (100) 𝑙100 1,150
a. = = = 0.0118
𝑠(20) 𝑙20 97,741

[𝑠 (20)− 𝑠 (70)] 𝑙70 62,248

b. = 1 − 𝑙20 = 1 − = 0.3017
𝑠(20) 97,741

[𝑠 (90)− 𝑠 (100)] (𝑙90−𝑙100) (14,154−1,150)

c. = = = 0.1330
𝑠(20) 𝑙20 97,741

the force of mortality adalah positive dan bersyarat :

𝑥
∫ 𝜇(𝑥)𝑑𝑥 = ∞
0
3.4 The Deterministic Survivorship Group

Lokal ekstrim poin dari lx 𝜇(𝑥) sesuai dengan poin dari perubahan lx karena

L1 = l0 (1-q0) = l0 – d0,

L2 = l1 (1-q1) = l1 – d1 = l0 – (d0+d1),

lx = lx-1(1-qx-1) = lx-1 – dx-1 = l0 - ∑𝑥−1

𝑦=0 𝑑𝑦
di mana lx adalah jumlah usia hidup x dalam kelompok survivorhip. rantai persamaan ini,
dihasilkan oleh nilai l0 yang disebut radix dan himpunan nilai qx dapat ditulis ulang sebagai

l1 = l0 p0

l2 = l1 p1 = ( l0 p0 ) pv

⁝ ⁝ ⁝

 x 1 
lx = lx-1 px-1 = l0   py   lo xp0 (3.4.2)
 y 0 

ada analogi antara kelompok survivorshipdeterministik dan model untuk bunga majemuk.
Tabel 3.4.1 dirancang untuk merangkum paralelisme ini.

Konsep Terkait dari Matematika Bunga Majemuk dan Kelompok Survivorship

Deterministik.

Bunga Majemuk Kelompok Penyintas

A (t) = ukuran dana pada waktu t, lx = ukuran kelompok pada usia

x,
waktu yang diukur dalam tahun usia diukur dalam tahun.

suku bunga tahunan efektif tingkat kematian tahunan efektif

(kenaikan) (pengurangan)
𝐴(𝑡+1)−𝐴(𝑡) lx−lx−1
it = qx =
𝐴(𝑡) lx

Suku bunga efektif n-tahun, Angka kematian n-tahun yang

efektif,
dimulai pada waktu t. mulai dari usia x.

* 𝐴(𝑡+𝑛)−𝐴(𝑡) lx−lx−n
ni t = n qt =
𝐴(𝑡) lx

kekuatan suku bunga pada waktu t kekuatan kematian pada usia x.

𝐴(𝑡+∆𝑡)−𝐴(𝑡) 𝑙𝑥−𝑙𝑥−∆𝑡
𝛿 t = lim [ ] 𝜇(𝑥) = lim ( )
∆𝑡→0 𝐴(𝑡)∆𝑡 ∆𝑥→0 𝑙𝑥∆𝑡

1 𝑑𝐴(𝑡) 1 𝑑𝑙𝑥
= 𝐴(𝑡) = -𝑙𝑥
𝑑𝑡 𝑑𝑥
 judul kolom tqx, lxdan dx pada tabel 3.3.1 merujuk pada interpretasi kelompok
survivorshipdeterministik. Meskipun dasar matematika dari kelompok Survivor acak dan
kelompok survivordeterministik berbeda, fungsi yang dihasilkan qx lx dan dx memiliki sifat
matematika yang sama dan analisis selanjutnya. konsep kelompok survivor acak memiliki
keuntungan memungkinkan untuk penggunaan penuh teori probabilitas. kelompok
survivorshipdeterministik secara konseptual sederhana dan mudah diterapkan tetapi tidak
memperhitungkan variasi acak dalam jumlah orang yang selamat.

3.5 Other Life Table Characteristic

3.5.1 karakteristik

Nilai harapan dari T(x), dilambangkan dengan e0x, disebut harapan hidup lengkap
dengan definisi dan integrasi oleh bagian-bagian, kita memiliki
∞
e°x = E[T(x)] = ∫0 𝑡 tpx 𝜇(𝑥 + 𝑡)𝑑𝑡
∞
= ∫0 𝑡 𝑑 t(-tpx)
∞ ∞
= t(-tpx)| + ∫0 tpx 𝑑𝑡 (3.5.1)
0
keberadaan E [T(x)] setara dengan batas t(-tpx) = 0. Demikian
∞
e°x = ∫0 tpx 𝑑𝑡 (3.5.2)

Harapan hidup lengkap pada berbagai usia sering digunakan untuk membandingkan
tingkat kesehatan masyarakat di antara populasi yang berbeda. integrasi serupa oleh bagian
menghasilkan ekspresi setara untuk E [T (x)2]:
∞
E[T(x)2] = ∫0 𝑡2tpx 𝜇(𝑥 + 𝑡)𝑑𝑡
∞
= 2 ∫0 𝑡 tpx dt (3.5.3)

hasil ini berguna dalam perhitungan var [T (x)] oleh

Var [T(x)] = E[T(x)2] - E[T(x)]2

∞
= 2 ∫0 𝑡 tpx dt - e°x2

Dalam perkembangan ini, kita mengasumsikan bahwa E [T(x)] dan E [T(x)2] ada.
seseorang dapat membangun s.f.’s seperti s(x) = (1 + x)-1 di mana ini tidak benar.

karakteristik lain dari distribusi T(x) dapat ditentukan. waktu rata-rata kehidupan
masa depan (x), yang dilambangkan dengan m(x), dapat ditemukan dengan memecahkan
1
Pr[T(x)>m(x)] = 2 atau

𝑠[𝑥+𝑚(𝑥)] 1
=2 (3.5.5)
𝑠(𝑥)
 untuk m(x). khususnya, m(0) diberikan dengan menyelesaikan s[m(0)] = 1/2. kita
juga dapat menemukan mode distribusi T(x) dengan mencari nilai t yang menghasilkan nilai
maksimum tpx 𝜇(x + t).

nilai harapan dari K (x) dilambangkan dengan ex dan disebut harapan hidup yang
singkat. menurut definisi dan penggunaan penjumlahan oleh bagian-bagian seperti yang
dijelaskan dalam lampiran 5, kita miliki

ex = E[K] = ∑∞
𝑘=0 𝑘 kpx qx+k

= ∑∞
𝑘=0 𝑘 ∆(-kpx)

= k (-kpx)|∞
0
+ ∑∞
𝑘=0 k+1px (3.5.6)

sekali lagi, keberadaan E[K(x)] setara dengan batas k(-kpx) = 0. dengan demikian, dengan
perubahan variabel penjumlahan

ex = ∑∞
𝑘=0 kp (3.5.7)

mengikuti garis besar yang digunakan untuk model kontinu dan menggunakan penjumlahan
oleh bagian-bagian, kita memiliki

E[K(x)2] = ∑∞ 2
𝑘=0 𝑘 kpx qx+k

= ∑∞
𝑘=0 𝑘 ∆(-kpx)

= k2 (-kpx)|∞
0
+ ∑∞ 2
𝑘=0(∆𝑘 )(k+1px) (3.5.8)

keberadaan E[K (x)2] setara dengan batas k2(-tpx) = 0. dengan perubahan variabel
penjumlahan,

E[K(x)2] = ∑∞ ∞
𝑘=0(2𝑘 + 1)k+1px = ∑𝑘=1(2𝑘 − 1)kpx (3.5.9)
Sekarang,
Var(K) = E[K2] - E[K] 2

= ∑∞
𝑘=1(2𝑘 − 1)kpx – e x
2
(3.5.10)
Untuk menyelesaikan diskusi beberapa entri dalam tabel 3.3.1, kita harus
mendefinisikan fungsi tambahan. simbol Lx menunjukkan jumlah total yang diharapkan
tahun yang hidup antara usia x dan x +1 oleh orang yang selamat dari kelompok awal
kehidupan l0. kita punya
1
Lx = ∫0 𝑡 lx+1𝜇(𝑥 + 𝑡)𝑑𝑡 +lx+1 (3.5.11)

di mana integral menghitung tahun hidup dari mereka yang mati antara usia x dan x +
1 dan istilah lx + 1 menghitung tahun hidup antara usia x dan x + 1 oleh mereka yang
bertahan hidup hingga usia x + 1. integrasi dengan bagian hasil
1
Lx = − ∫0 𝑡 dlx+1 + lx+1
 1
= - t lx+1|10 + ∫0 𝑙 x+1
1
= ∫0 𝑙x+1 dt (3.5.12)

fungsi Lx juga digunakan dalam menentukan tingkat kematian sentral selama interval
dari x ke x + 1, dilambangkan dengan mx di mana
1
∫0 𝑙𝑥+1 𝜇(𝑥+𝑡)𝑑𝑡 𝑙𝑥−𝑙𝑥+1
mx = 1 = (3.5.13)
∫0 𝑙𝑥+1 𝑑𝑡 𝐿𝑥

aplikasi fungsi ini ditemukan dalam bab 10.

definisi untuk mx dan Lx dapat diperluas ke interval umur dengan panjang selain satu
𝑛
nLx = ∫0 𝑡 lx+t 𝜇(𝑥 + 𝑡)𝑑𝑡 + nlx+n
𝑛
= ∫0 𝑙x+t dt, (3.5.14)
𝑛
∫0 𝑙𝑥+𝑡 𝜇(𝑥+𝑡)𝑑𝑡 𝑙𝑥−𝑙𝑥+𝑛
nmx = 𝑛 = (3.5.15)
∫0 𝑙𝑥+𝑡 𝑑𝑡 𝑛𝐿𝑥

untuk kelompok survivor acak, nLx adalah jumlah total yang diharapkan dari tahun
yang hidup antara usia x dan x + n oleh para penyintas dari kelompok awal l 0 jiwa dan
nmxadalah tingkat kematian rata-rata yang dialami oleh kelompok ini selama interval (x, x +
n).

simbol Tx menunjukkan jumlah total tahun yang hidup melampaui usia x oleh kelompok yang
bertahan dengan l0 anggota awal. kita punya
∞
Tx = ∫0 𝑡 lx+t 𝜇(𝑥 + 𝑡)𝑑𝑡
∞
= -∫0 𝑡 dt lx+t
∞
= ∫0 𝑙 x+t dt (3.5.16)

ekspresi akhir dapat diartikan sebagai integral dari total waktu hidup antara usia x + t
dan x + t +dt melalui lx + 1 kehidupan yang bertahan sampai interval usia tersebut. kami juga
mengenali Tx sebagai batas nLx saat n menuju tak terhingga.

jumlah rata-rata tahun masa hidup masa depan dari para Survivor kelompok pada usia x
diberikan oleh
∞
𝑇𝑥 ∫0 𝑙𝑥+𝑡 𝑑𝑡
=
𝑙𝑥 𝑙𝑥
∞
= ∫0 𝑡𝑃𝑥 𝑑𝑡

= e°x
sebagaimana ditentukan dalam (3.5.1) dan (3.5.2).

kita dapat menyatakan jumlah rata-rata tahun yang hidup antara x dan x + n oleh para
Survivor lx pada usia x sebagai
∞
𝑛𝐿𝑥 ∫ 𝑙𝑥 + 𝑡 𝑑𝑡
= 0
𝑙𝑥 𝑙𝑥
𝑇𝑥−𝑇𝑥+𝑛
= 𝑙𝑥
𝑛
= ∫0 𝑡𝑃𝑥 𝑑𝑡 (3.5.17)

fungsi ini adalah harapan hidup lengkap sementara n-tahun untuk (x) dan dilambangkan
dengan e0x:n (lihat latihan 3.16)

sebuah fungsi, terkait dengan interpretasi tabel kehidupan yang dikembangkan dalam
bagian ini, adalah rata-rata jumlah tahun yang hidup antara usia x dan x +1 oleh orang-orang
dari kelompok Survivor yang meninggal antara usia tersebut. fungsi ini dilambangkan
dengan n(x) dan didefinisikan oleh
1
∫0 𝑡 𝑙𝑥+𝑡 𝜇(𝑥+𝑡)𝑑𝑡
a(x) = 1 (3.5.18)
∫0 𝑙𝑥+𝑡 𝜇(𝑥+𝑡)𝑑𝑡

untuk pandangan probabilistik dari tabel kehidupan, kita akan memiliki

𝑛
∫0 𝑡 𝑡𝑃𝑥 𝜇(𝑥+𝑡)𝑑𝑡
a(x) = 𝑛 = E[T|T<1]
∫0 𝑡𝑃𝑥 𝜇(𝑥+𝑡)𝑑𝑡

jika kita menganggap itu

lx+t 𝜇(𝑥 + 𝑡)𝑑𝑡 = dx dt 0≤𝑡 ≤1

yaitu, jika kematian terdistribusi secara seragam di tahun usia, kita miliki
1 1
a(x) = ∫0 𝑡 𝑑𝑡 = 2

ini adalah perkiraan biasa untuk (x), yang diharapkan untuk usia muda dan tua di mana
gambar 3.3.2 menunjukkan bahwa anggapan itu mungkin tidak sesuai.

Contoh 3.5.1
Tunjukkan bahwa
Lx = a(x) lx + [1-a(x)] lx+1
Dan
𝐿𝑥−𝑙𝑥+1
Lx ≅ 2
Solusi:
Dari (3.5.11),(3.5.12), dan (3.5.18), kita mempunyai
𝐿𝑥−𝑙𝑥+1
a(x) = 𝑙𝑥−𝑙𝑥+1

atau
Lx = a(x) lx + [1-a(x)]lx+1
Formula
𝑙𝑥 + 𝑙𝑥+1
Lx ≅ 2

dapat dibenarkan dengan menggunakan aturan trapesium untuk perkiraan integrasi pada
(3.5.12).
Terminologi tabel umur kunci, didefinisikan dalam bagian 3.3-3.5, diringkas sebagai bagian
dari tabel 3.9.1 di bagian 3.9.
3.5.2 rumus rekursi

Contoh 3.5.1 menggambarkan penggunaan teknik analisis numerik untuk

mengevaluasi karakteristik tabel kehidupan.aturan trapesium untuk perkiraan integrasi
digunakan. Penghitungan harapan hidup yang lengkap dan pendek dapat digunakan
menggambarkan alat komputasi lain yang disebut rumus rekursi. penerapan rumus rekursi
dalam buku ini biasanya melibatkan satu dari dua bentuk:

rumus rekursi mundur

u(x) =c(x) + d(x) u(x+1) (3.5.19)

atau
rumus rekursi maju
𝑐(𝑥) 1
u(x+1) = − 𝑑(𝑥) + 𝑑(𝑥) u(x) (3.5.20)

variabel x biasanya bilangan bulat non negatif

untuk mengevaluasi fungsi u(x), untuk domain nilai integer non negatif x, kita harus memiliki
nilai c(x) dan d(x) yang tersedia dan nilai awal u(x). prosedur ini digunakan bab-bab
berikutnya dan diilustrasikan dalam tabel 3.5.1 di mana rumus rekursi mundur diabdikan
untuk menghitung ex dan e0x.

Rumus Rekursi Mundur untuk ex dan e°x.

Langkah ex e°x

∞
1. Persamaan dasar ex = ∑∞
𝑘=1 𝑘𝑃𝑥 e°x= ∫0 𝑠𝑃𝑥 𝑑𝑠
 1
2. Pisahkan operasi ex = px+∑∞
𝑘=2 𝑘𝑃𝑥 e°x= ∫0 𝑠𝑃𝑥 𝑑𝑠+
∞
∫1 𝑠𝑃𝑥 𝑑𝑠

3. faktor px dan ubah ex = px+ px∑∞

𝑘=1 𝑘𝑃𝑥 + 1
1 ∞
e°x=∫0 𝑠𝑃𝑥 𝑑𝑠+px∫0 𝑡𝑃 t+1
1
variabel dalam operasi = px+ px e x+1 =∫0 𝑠𝑃𝑥 𝑑𝑠+pxe°x+1

4. Rumus rekursi u(x) = ex, c(x) = px u(x)= e°x,

1
c(x)= ∫0 𝑠𝑃𝑥 𝑑𝑠

d(x) = px d(x) = px

5. nilai awal e𝜔 = u(𝜔) = 0 e°𝜔 = u(x) = 0

Rumus rekursi mundur untuk ex dan e0x.