2

Tabel Kehidupan
Bagian utama dari buku ini dimulai di mana demografi itu sendiri dimulai, dengan
tabel kehidupan. Tabel kehidupan disusun dalam kaitannya dengan probabilitas bagi individu,
tetapi untuk populasi itu adalah model kematian deterministik dan
selamat. Itu menyajikan nilai yang diharapkan dan mengabaikan variasi acak
bertentangan dengan cara kerja alam dan, khususnya, terlalu menyederhanakan
mekanisme demografis, namun beragam hasil bermanfaat didasarkan padanya.
Suatu metode berharga dalam proporsi langsung dengan kesimpulan substantif
ke mana ia mengarah, dan berbanding terbalik dengan kompleksitasnya.
Tabel kehidupan secara matematis sederhana dan memiliki hasil substantif yang besar.
Pertama, menjawab pertanyaan tentang individu: berapa probabilitasnya
bahwa seorang pria berusia 30 akan bertahan sampai dia pensiun pada usia 65, atau bahwa dia
akan hidup lebih lama
istrinya, 27 tahun? Tapi itu juga menjawab pertanyaan tentang kelompok, kelompok
individu yang lahir pada saat yang sama: berapa pecahan dari kelahiran tahun ini
akan tetap hidup di tahun 2000, atau berapa banyak dari mereka yang akan hidup sampai
usia pensiun? Ketiga, ini menjawab pertanyaan populasi: jika kelahiran
konstan dari tahun ke tahun dalam populasi tertutup dengan kematian konstan,
Berapa bagian dari populasi yang akan berusia 65 tahun ke atas?
2.1 Definisi Fungsi Tabel Kehidupan
Probabilitas bertahan hidup dari lahir sampai usia x ditetapkan sebagai l (x) untuk a
fungsi kontinu dari x dan sebagai lx untuk x diskrit. Tabel kehidupan biasanya ada
probabilitas dikalikan dengan 100.000, artinya, pada radix, l0, sama

menjadi 100.000. Jika lx adalah probabilitas, maka, secara tegas, tabel kehidupan apa
pertunjukannya 100,000lx, tetapi akan sangat menarik untuk mengulang 100,000 setiap kali
satu mengacu pada kolom lx. Ketika lx diartikan sebagai anggota yang masih hidup
dari kohort, radiksnya sewenang-wenang; dan pengaturan l0 = 100.000 memungkinkan satu
lebih mudah untuk menganggap kolom sebagai jumlah orang yang mencapai yang diberikan
usia.
Perbedaan jumlah yang selamat untuk usia berturut-turut, lx - lx + 1, adalah
ditunjuk sebagai dx; dan, secara lebih umum, perbedaan untuk usia n tahun,
lx - lx + n, adalah ndx. Ini dibagi dengan lx adalah probabilitas kematian selama
n tahun berikutnya untuk orang yang telah mencapai usia x:
nqx = lx - lx + n
lx
= ndx
lx
.
Jumlah tahun yang dijalani selama n tahun berikutnya oleh mereka yang
telah mencapai usia x adalah
nLx =
x+n
x
l (a) da, (2.1.1)
yang juga merupakan jumlah orang berusia persis x ke x + n (atau x ke x + n − 1
pada ulang tahun terakhir) dalam populasi stasioner. Pengaturan n sama dengan tak terhingga
atau (acuh tak acuh) hingga ω − x, di mana ω adalah usia tertinggi di mana seseorang tinggal,
memberi
∞Lx = Tx =
ω
x
l (a) da.
Kuantitas Tx adalah jumlah total tahun tersisa untuk kelompok, saat
mencapai usia x, sampai anggota terakhir meninggal pada usia ω. Membagi dengan lx memberi
rata-rata bagian dalam total ini per orang yang mencapai usia x:
oe
x = Tx
lx
=
ω
x
l (a) da
lx
.
Dalam hal probabilitas oe
x adalah rata-rata distribusi tahun sampai kematian
untuk orang usia x dan disebut harapan hidup.
Angka kematian spesifik usia dalam populasi tabel kehidupan adalah nmx =
ndx / nLx. Ini dapat dibandingkan dengan probabilitas nqx = ndx / lx, dan
orang dapat menganggap nqx sebagai sesuatu yang kurang dari n kali nmx. Ini berbeda
dari nMx, tingkat kematian yang diamati dalam populasi nyata; nMx <nmx untuk
meningkatkan populasi pada usia lebih dari 10 tahun.
Pernyataan teoretis tentang kematian sering kali diungkapkan dengan sangat sederhana dalam
hal tingkat kematian spesifik usia dalam interval usia yang sempit dx, ditentukan
sebagai μ (x):
μ (x) = batas
n→0
lx - lx + n x + n
x
l (a) da
=
−1
l (x)
dl (x)
dx
[Tunjukkan bahwa solusi ini memberikan (1.6.5).] Angka kematian spesifik usia
bisa juga ditulis sebagai
μ (x) = batas
n → 0 nmx = batas
n→0
ndx
nLx
,
jika pencampuran notasi kontinu dan diskrit dapat dimaafkan.
Kematian yang Sama untuk Semua Usia. Suatu bentuk matematika yang sudah sering
digunakan untuk jangka waktu pendek, adalah salah satu kekuatan kematian
konstan. Jika μ (x) = μ, menyelesaikan persamaan diferensial yang mendefinisikan μ,
μ=
−1
l (x)
· Dl (x)
dx
,
memberi
l (x) = e
−μx.
Kemungkinan untuk hidup setidaknya selama n tahun tambahan setelah seseorang mencapainya
usia x adalah
lx + n
lx
= e − μ (x + n)
e − μx = e
−μn.
Harapan hidup adalah
oe
x=
1
l (x)
∞
0
l (x + t) dt
=
1
e − μx
∞
0
e
−μ (x + t) dt =
1
μ
.
Baik kemungkinan hidup n tahun tambahan di luar usia x dan
harapan hidup pada usia x adalah konstanta independen dari x. Prospek
di depan setiap orang yang hidup adalah sama, tidak peduli berapa usianya, dalam hal ini
tabel khusus. Semua kolom tabel kehidupan secara umum dapat diturunkan
dari salah satu kolom, dan jika ada kolom yang tidak tergantung usia, semua kolom lainnya
mengacu pada prospek seseorang juga harus.
Penerapan definisi ini ke bentuk lain yang ditentukan secara matematis
dari μ (x) membutuhkan integrasi yang lebih sulit untuk menemukan l (x) dan oe
x. Fungsinya
μ (a) = μ0 / (ω - a) diterapkan dalam Bagian 4.3. Di sini kami melanjutkan ke metode
untuk membangun tabel kehidupan dari data empiris.
2.2 Tabel Kehidupan Berdasarkan Data
Kami membaca bahwa untuk Amerika Serikat selama tahun 1967, 122.672 pria berusia
Usia 65 sampai 69 tahun pada ulang tahun terakhir meninggal, dan itu jumlah laki-laki
dari usia ini yang hidup pada tanggal 1 Juli 1967, adalah 2.958.000. Ini mungkin disebut
observasi. Kita dapat membagi angka pertama dengan yang kedua dan menemukan bahwa

angka kematian spesifik usia untuk pria 65 hingga 69 tahun, dilambangkan sebagai 5M65. adalah
0,04147,
sekali lagi cukup mudah untuk disebut observasi. Bagaimana melakukannya
pengamatan memberitahu kita probabilitas, 1 - (l70 / l65), yang dipilih oleh seseorang
secara acak dari mereka yang berusia tepat 65 akan mati sebelum mencapai usia 70? Ini
sama halnya dengan menanyakan berapa fraksi dari kelompok pria berusia 65 tahun
diperkirakan mati sebelum mencapai usia 70, dan komplemennya, l70 / l65, itu
sebagian kecil dari mereka yang berusia 65 yang bertahan hingga usia 70. Dari data periode
waktu kami
ingin mengetahui sesuatu tentang suatu kelompok, pria yang beranjak dari usia 65 hingga 70
tahun.
Kohort ini harus bersifat hipotetis, karena hanya dengan satu periode observasi
hal terbaik yang dapat kita kelola adalah menganggap kematian tidak berubah
melewati waktu. Tidak ada kelompok nyata yang cenderung menunjukkan rezim yang akan
datang
disimpulkan dari data tahun 1967.
Pengamatan pada periode tertentu, tahun kalender 1967, lebih lagi, adalah
ambigu karena kita tidak tahu apa-apa tentang distribusi eksposur
dalam setiap interval usia 5 tahun, dipengaruhi sebagaimana adanya oleh semua kecelakaan
tersebut
kurva kelahiran dan migrasi.
2.2.1 Mengasumsikan Kemungkinan Konstan Mati dengan Zaman
Selang
Jika, selain mengandaikan bahwa kemungkinan kematian tidak berubah
sehubungan dengan waktu, kami menganggapnya tidak berubah sehubungan dengan usia di
dalam
kelompok 5 tahun, probabilitas lx dapat disimpulkan dari tingkat 5Mx di a
secara lugas. Kami melihat di Bagian 1.6 bahwa populasi awalnya
dari ukuran N0 dan meningkat pada laju konstan r mencapai total N0ert setelah t
tahun. Jika menurun pada laju konstan μ, seperti yang akan terjadi jika ditutup
dan tunduk pada tingkat kematian konstan μ, dan nomornya lx di awal, lalu
pada akhir 5 tahun itu akan menjadi lx + 5 = lxe − 5μ, seperti pada bagian sebelumnya.
Mengidentifikasi 5Mx dengan μ memberi
lx + 5
lx
=e
−55Mx (2.2.1)
sebagai pendekatan pertama untuk rasio yang diinginkan lx + 5 / lx. Untuk data kami di
Amerika Serikat pada tahun 1967, (2.2.1) adalah
l70
l65
=e
−55M65 = e
−5 (0,04147) = 0,81274.
Ini akan tepat jika salah satu (a) tingkat kematian konstan melalui
Interval usia 5 tahun, atau (b) populasi yang terpapar risiko tetap
melalui interval usia 5 tahun. Namun, tidak satu pun dari ini yang berlaku dalam praktik;
secara umum, setelah usia 10 tahun angka kematian meningkat melalui
interval dan populasinya berkurang.
Persamaan Dasar dan Solusi Konvensional
Misalkan distribusi usia populasi terpapar diberikan oleh
p (a) dalam interval usia x hingga x + 5, dan pada usia yang tepat a spesifik usia
angka kematian adalah μ (a). Kemudian tingkat pengamatan 5Mx dapat diidentifikasi
dengan rasio integral:
5Mx =
x+5
x
p (a) μ (a) da
x+5
x
p (a) da
. (2.2.2)
Membuat tabel kehidupan adalah soal menyimpulkan lx + 5 / lx dari (2.2.2). Ini adalah
setara dengan menyimpulkan yang tidak tertimbang
x+5
x μ (a) da dari rata-rata tertimbang
dari μ (a) di (2.2.2), karena dari (1.6.5) kita tahu itu
x+5
x μ (a) da =
−log (lx + 5 / lx), jadi rata-rata tak tertimbang dari μ (a) menghasilkan kolom l (x)
(Weck 1947).
Persamaan dasar 2.2.2 mengingatkan kita bahwa interpretasi yang diamati
5Mx tergantung pada distribusi (tidak diketahui) populasi dalam usia tersebut
interval x sampai x + n. Kita harus mengekstrak
x+5
x μ (a) da dari (2.2.2), a
tugas yang tampak sia-sia ketika tidak ada yang diketahui kecuali 5Mx. Namun setiap kehidupan
tabel berdasarkan data empiris dalam kelompok 5 tahun secara implisit menyimpulkan
x+5
x μ (a) da
dari (2.2.2); ini dicapai dengan membuat asumsi yang membatasi
p (a).
Salah satu solusi umum dari (2.2.2) adalah mengasumsikan p (a) = l (a), dan juga untuk
misalkan l (x) adalah garis lurus. Integral di bawah garis lurus adalah
x+5
x
l (a) da = 52
(lx + lx + 5). (2.2.3)
Sejak
x+5
x l (a) μ (a) da = lx - lx + 5, (2.2.2) dapat ditulis sebagai
5Mx = lx - lx + 5
52
(lx + lx + 5)
, (2.2.4)
dari mana nilai lx + 5 / lx dapat diperoleh dengan membagi pembilang
dan penyebut di kanan dengan lx, dan kemudian menyelesaikan persamaan linier untuk
lx + 5 / lx untuk mencari
lx + 5
lx
=
1 - 55Mx / 2
1 + 55Mx / 2. (2.2.5)
Untuk pria Amerika Serikat berusia 65 hingga 69 tahun, ini adalah 0,81213, diperoleh dari 5M65
=
0,04147. Ini lebih dekat ke nilai yang dikoreksi daripada 0,81274 dari (2.2.1).
Dari (2.2.5) kemungkinan mati adalah
5qx = 1− lx + 5
lx
=
55Mx
1 + 55Mx / 2. (2.2.6)

Tabel Kehidupan Yang Tepat Tanpa Iterasi atau Wisuda

Untuk meningkatkan (2.2.5) atau eksponensial (2.2.1), kita melangkah lebih jauh
mengekstraksi dari (2.2.2) kuantitas
x+5
x μ (a) da. Kami mengharapkan
jawaban untuk muncul sebagai
x+5
x μ (a) da = 5 (5Mx + C), di mana hasilnya akan berubah
bahwa C adalah koreksi yang mudah diperoleh dengan asumsi bahwa keduanya
populasi p (a) dan angka kematian μ (a) berubah secara linier dalam interval.
Kami menghitung koreksi ke nMx untuk interval umum n tahun,
dimulai pada usia x. Pertama kita mengubah variabel dengan menulis a = x + (n / 2) + t;
(2.2.2) dengan n menggantikan 5 menjadi
nMx =
+n/2
−n / 2
p [x + (n / 2) + t] μ [x + (n / 2) + t] dt
x+n
x
p (a) da
. (2.2.7)
Memperluas setiap pecahan di pembilang menurut deret Taylor ke
istilah linier dalam t memberi
nMx =
+n/2
−n / 2
[p (x + n / 2) + tp
(x + n / 2)] [μ (x + n / 2) + tμ
(x + n / 2)] dt
x+n
x
p (a) da
=

tp (x + n / 2) μ (x + n / 2) + t3
3 hal
(x + n / 2) μ
(x + n / 2)

+n/2
−n / 2 x + n
x
p (a) da
= np (x + n / 2) μ (x + n / 2) + (n3 / 12) p
(x + n / 2) μ
(x + n / 2)
x+n
x
p (a) da
.
(2.2.8)
Tetapi ini dapat diterjemahkan ke dalam kuantitas yang diketahui sebagai berikut:
1. Jika p (a) adalah garis lurus dalam interval antara x dan x + n,
maka np (x + n / 2) sama dengan
x+n
x p (a) da dan membatalkan dengan
penyebut.
2. Jika μ (a) adalah garis lurus antara x dan x + n, maka nilai tengahnya
μ (x + n / 2) adalah 1 / n dari integral yang kita cari, yaitu (1 / n)
x+n
n μ (a) da.
3. Integral
x+n
x p (a) da adalah populasi yang diamati pada usia tersebut
interval, nNx.

Jadi (2.2.8) menjadi

nMx =
1
n
x+n
x
μ (a) da + n3
12 nNx
p
</s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s>
</s> </s> </s> </s> </s> </s> </s> </s> orang </s>
</s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s>
</s> </s> </s> </s> </s> </s> </s> </s> orang </s>
x+n
2
</s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s>
</s> </s> </s> </s> </s> </s> </s> orang </s>
μ
</s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s>
</s> </s> </s> </s> </s> </s> </s> </s> orang </s>
</s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s>
</s> </s> </s> </s> </s> </s> </s> </s> orang </s>
x+n
2
</s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s>
</s> </s> </s> </s> </s> </s> </s> </s> orang </s>
, (2.2.9)
yang setelah transposing memberikan yang diinginkan
x+n
x μ (a) da sebagai
x+n
x
μ (a) da = nnMx - n4
12nNx
p
</s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s>
</s> </s> </s> </s> </s> </s> </s> </s> orang </s>
</s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s>
</s> </s> </s> </s> </s> </s> </s> </s> orang </s>
x+n
2
</s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s>
</s> </s> </s> </s> </s> </s> </s> orang </s>
μ
</s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s>
</s> </s> </s> </s> </s> </s> </s> </s> orang </s>
</s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s>
</s> </s> </s> </s> </s> </s> </s> </s> orang </s>
x+n
2
</s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s>
</s> </s> </s> </s> </s> </s> </s> </s> orang </s>
. (2.2.10)
Yang tersisa untuk aplikasi adalah mengekspresikan turunan pertama pada
hak (2.2.10) dalam hal jumlah yang diketahui. Seseorang mungkin membuat
asumsi alami bahwa kemiringan dalam interval x hingga x + n diberikan
oleh perbedaan antara interval bertetangga:
p
</s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s>
</s> </s> </s> </s> </s> </s> </s> </s> orang </s>
</s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s>
</s> </s> </s> </s> </s> </s> </s> </s> orang </s>
x+n
2
</s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s>
</s> </s> </s> </s> </s> </s> </s> orang </s>
= −nNx − n - nNx + n
2n2
μ
</s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s>
</s> </s> </s> </s> </s> </s> </s> </s> orang </s>
</s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s>
</s> </s> </s> </s> </s> </s> </s> </s> orang </s>
x+n
2
</s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s>
</s> </s> </s> </s> </s> </s> </s> orang </s>
= nMx + n - nMx − n
2n
,
(2.2.11)
sehingga nilai yang dapat dihitung dari lx + n / lx adalah
lx + n
lx
= exp
</s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s>
</s> </s> </s> </s> </s> </s> </s> </s> orang </s>
-
x+n
x
μ (a) da
</s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s>
</s> </s> </s> </s> </s> </s> </s> </s> orang </s>
= exp

−n nMx - n
48nNx
(nNx − n - nNx + n) (nMx + n - nMx − n)
= exp [−n (nMx + C)].
(2.2.12)
[Kami berterima kasih kepada James Frauenthal atas koreksi perkiraan aslinya
ke p (x + n / 2) di (2.2.11), yang memiliki n bukan n2 di
penyebut.]
Ekspresi lx + n / lx dalam (2.2.12) adalah hasil pencarian untuk
tabel kehidupan yang akan sesuai dengan data dalam arti memiliki
μ (x) yang mendasari sama dengan pengamatan, namun dapat dihitung secara sederhana
langkah. Ini setara dengan menggunakan eksponensial sederhana lx + n / lx = e − nnMx,
tetapi pertama-tama menaikkan nMx dengan kuantitas C = (nNx − n - nNx + n) (nMx + n -
nMx − n) / 48nNx, hasil kali positif setiap kali populasinya
menurun seiring bertambahnya usia dan angka kematian meningkat.
Akurasi (2.2.12) sangat mengesankan dalam tes yang sejauh ini dilakukan.
Menerapkannya pada pria Swedia, 1965, pada usia 20 hingga 65, misalnya, kami temukan
bahwa l65 / l20 berbeda 0,00001 dari nilai yang diperoleh dengan interpolasi ke
seperlima tahun secara terpisah untuk kematian dan populasi, membangun kehidupan
tabel dalam perlima tahun, dan kemudian disusun kembali menjadi kelompok usia 5 tahun. Itu
juga berbeda sekitar 0,00001 dari tabel kehidupan berulang yang lebih rumit
(Keyfitz 1968, Bab 1)

Tabel 2.1. Contoh perhitungan tabel kehidupan tanpa iterasi atau kelulusan,
Laki-laki Amerika Serikat, 1972
lx + 5
lx
= exp [−55Mx - 5
485Nx
(5Nx − 5 - 5Nx + 5) (5Mx + 5 - 5Mx − 5)] = exp [−5 (5Mx + C)]
Koreksi menjadi 5Mx; C =
lx + 5
lx
= 5qx =
Usia 5Nx
1000
10005Mx
(5Nx − 5 - 5Nx + 5) (5Mx + 5 - 5Mx − 5)
485Nx
e
−5 (5Mx + C) 1 - lx + 5
lx
x (1) (2) (3) (4) (5)
35 5458 3.017
40 5720 4.623 −0.0000058 0.97718 0.02282
45 5814 7,483 0,0000025 0,96326 0,03674
50 5616 11,367 0,0000388 0,94457 0,05543
55 4828 18,092 0,0000990 0,91306 0,08694
60 4192 27.483 0.0001667 0.87088 0.12912
65 3294 39,958 0,0003802 0,81735 0,18265
70 2330 59.770
Di zaman komputer, kemudahan penghitungan kurang penting daripada sekali
dulunya, tetapi Tabel 2.1 diperkenalkan untuk menunjukkan kesederhanaan yang ekstrim
dari aritmatika.
Metode saat ini dapat disesuaikan dengan usia di awal dan
Akhir Hidup. Namun, usia ini juga melibatkan masalah data dengan cepat
mengubah tingkat kematian. Pembaca disebut Shryock dan Siegel (1971,
Bab 15), Wolfenden (1954), Keyfitz (1968, Bab 1), atau sumber lain
untuk usia di bawah 10 tahun ke atas 80 tahun.
Poin lebih lanjut dari Kenneth Wachter dan Thomas Greville adalah itu
turunan μ (x + n / 2) tidak dapat secara pasti diperkirakan oleh (nMx + n -
nMx − n) / 2n, untuk M adalah rata-rata tertimbang dari μ dan dalam pertumbuhan
populasi akan selalu terlalu rendah. Kita bisa lolos dari kesulitan sedetik
iterasi Ketika nilai perkiraan telah ditemukan untuk lx, kita berlaku
memiliki perkiraan dengan yang tidak tertimbang
x
x − n μ (a) da = −log (lx / lx − n),
dan bisa memasukkan ini dibagi n sebagai ganti nMx − n. Singkatnya, kami akan melakukannya
substitusi nMx + n - nMx − n kuantitas (1 / n) log (lxlx + n / lx − nlx2n)
diperoleh pada iterasi pertama.
Efek numerik dapat dinilai dari nilai yang diperoleh berikut ini
dari Tabel 2.1:
Usia nMx + n - nMx − n
1
n
catatan
</s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s>
</s> </s> </s> </s> </s> </s> </s> </s> orang </s>
lxlx + n
lx − nlx + 2n
</s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s>
</s> </s> </s> </s> </s> </s> </s> </s> orang </s>
45 0,00674 0,00679
50 0,01061 0,01070
55 0,01612 0,01625
60 0,02187 0,02215
Perbedaan nMx + n - nMx − n dalam semua kasus terlalu rendah, tetapi yang terbesar
perbedaan sekitar 1,25 persen. Artinya koreksi kita itu sendiri

dari urutan 1 persen dari nMx, akan dinaikkan sekitar 1 persen

pada iterasi. Beberapa pengguna akan menganggap koreksi koreksi ini sebagai
penting secara numerik.
2.2.4 Metode Greville dan Reed-Merrell Turun sebagai Spesial
Kasus
Umum dari (2.2.10) dapat ditunjukkan dengan menerapkannya untuk menurunkan a
ekspresi terkenal karena Greville (1943):
n
0
μ (x + t) dt = nnmx + n3
12 nm2
x (log nmx)
, (2.2.13)
dalam hal nmx, angka kematian tabel kehidupan didefinisikan sebagai ndx / nLx, di mana
bilangan prima kembali menandakan turunan.
Demonstrasi dimulai dengan menuliskan l (x) untuk p (x) di (2.2.10) dan mencatat
bahwa l (x + n / 2) = −l (x + n / 2) μ (x + n / 2). Jadi, saat nMx diganti
dengan nmx dan nNx dengan nLx (seolah-olah data berasal dari stasioner
daripada populasi yang meningkat), (2.2.10) menjadi
n
0
μ (x + t) dt = nnmx + n4
12nLx
l
</s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s>
</s> </s> </s> </s> </s> </s> </s> </s> orang </s>
x+n
2
</s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s>
</s> </s> </s> </s> </s> </s> </s> orang </s>
μ
</s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s>
</s> </s> </s> </s> </s> </s> </s> </s> orang </s>
x+n
2
</s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s>
</s> </s> </s> </s> </s> </s> </s> orang </s>
μ
</s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s>
</s> </s> </s> </s> </s> </s> </s> </s> orang </s>
</s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s>
</s> </s> </s> </s> </s> </s> </s> </s> orang </s>
x+n
2
</s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s>
</s> </s> </s> </s> </s> </s> </s> orang </s>
≈ nnmx + n3
12 nmxnm
</s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s>
</s> </s> </s> </s> </s> </s> </s> </s> orang </s>
x,
jika kita memperkirakan l (x + n / 2) / nLx dengan 1 / n dan μ (x + n / 2) dengan nmx.
Mengalikan
dan membagi suku koreksi di sebelah kanan ekspresi terakhir
oleh nmx, dan kemudian menggunakan fakta bahwa nm
x / nmx = (lognmx), menyediakan
Hasil Greville (2.2.13).
Greville menyatakan hasilnya sebagai (2.2.13) untuk menggunakan keteguhan virtual
dari (log nmx) melalui sebagian besar usia dan untuk sebagian besar tabel kehidupan. Jika ini
diambil sebagai (log nmx) = 0,096, lalu (2.2.10) menjadi
n
0
μ (x + t) dt = nnmx + 0,008n3
nm2
x,
sehingga probabilitas kelangsungan hidup adalah
lx + n
lx
= exp

-
n
0
μ (x + t) dt

= exp (−nnmx - 0,008n3

nm2
x), (2.2.14)
yang merupakan ungkapan yang diturunkan secara empiris oleh Reed dan Merrell (1939).
Tabulasi (2.2.14) yang termasuk dalam kertas Reed – Merrell telah ditentukan
digunakan lebih luas daripada sistem lain untuk membuat tabel kehidupan. Dulu
memang nyaman di hari-hari sebelum komputer tersedia, tetapi beristirahat
pada dua asumsi kotor: (1) bahwa populasi yang diamati memberikan
tingkat usia tertentu stasioner dari tabel kehidupan; dan (2) bentuk yang sama,
0,008n3
nm2
x, berfungsi untuk mengoreksi nmx untuk segala usia dan tabel kehidupan apa pun.
Ekspresi sederhana 2.2.12 menghindari kedua batasan ini.

2.2.5 Batasan pada Kesalahan

Semua pembahasan di atas akan menjadi berlebihan jika ada yang benar
cara membuat tabel kehidupan. Sayangnya ketidaktahuan tentang distribusi
populasi dan kematian dalam setiap interval usia 5 tahun harus diberi kompensasi
karena dengan asumsi yang lebih atau kurang sewenang-wenang. Untuk sebagian besar populasi
satu tahun diminta dari responden, tetapi informasinya dipublikasikan
hanya dalam interval 5 tahun, kebijakan yang bijak di bagian statistik
otoritas mengingat ketidakakuratan pelaporan individu. Apakah itu
interval usia 5 hingga 9, 10 hingga 14, dan seterusnya, adalah yang terbaik adalah soal lain;
konsentrasi pada kelipatan 5 menyebabkan ini mengecilkan usia rata-rata dalam
perbandingan dengan 3 sampai 7, 8 sampai 12, dan seterusnya.
Kematian dan populasi tentu saja dapat diinterpolasi dengan begitu halus
hasilnya unik apapun rumus interpolasi. Seluruh tahun atau
seperlima tahun sudah cukup baik karena ketidakpastian mengkonversi nMx
menjadi nqx berkurang dengan kubus dari interval n. Untuk diyakinkan tentang ini,
bandingkan dua rumus yang digeneralisasi dari (2.2.1) dan (2.2.6), masing-masing:
nqx = 1− e
−nnMx dan nqx = nnMx
1 + (n / 2) (nMx).
Memperluas ini dalam pangkat n memberi
1-e
−n nMx = nnMx - n2
nM2
n
2!
+ n3
nM3
x
3!
-···
dan
nnMx
1 + (n / 2) (nMx)
= nnMx - n2
nM2
x
2
+ n3
nM3
x
4
- · · ·.
Keduanya setuju sampai dengan istilah di n2; maka eksponensial lebih rendah oleh
perbedaan n3
nM3
x / 12, mengabaikan istilah tingkat tinggi. Demikian perbedaannya
dalam satu tahun adalah sekitar 1/125 dari perbedaan dalam kelompok usia 5 tahun.
Tetapi interpolasi tidak dapat menyediakan tabel yang benar secara unik, karena tergantung
pada pilihan formula yang tidak bisa dihindari. Metode berulang
juga membuat berbagai asumsi; salah satu metode tersebut (Keyfitz 1968, h. 19)
mengandaikan stabilitas lokal — bahwa populasi yang diamati telah meningkat
seragam dalam interval usia 5 tahun. Metode dari bab ini
menghindari interpolasi dan iterasi; kesewenang-wenangannya melibatkan
turunan untuk koreksi ke lx + n / lx = e − nnMx in (2.2.12), dihitung
dengan meregangkan garis lurus antara interval usia di bawah dan di atas
salah satu yang menarik, dan bereksperimen telah menunjukkan cara yang berbeda
menghitung turunan pertama atau lebih tinggi membuat sedikit perbedaan.
Kurang pengetahuan tentang tabel kehidupan yang sebenarnya, setidaknya dapatkah kita
menetapkan batasan
Itu? Kita bisa, menetapkan batas yang lebih tinggi dengan mengandaikan populasi
(dan kematian yang sesuai) dalam kelompok usia x hingga x + n menjadi semua
terkonsentrasi di ujung bawah. Ini berarti angka kematian yang diamati
benar-benar mengacu pada usia x yang tepat, sehingga yang kita sebut nMx bukanlah rata-rata

populasi semua terkonsentrasi di kelas atas, yang kami amati sebagai nMx
benar-benar μ (x + n). Kedua kemungkinan berlawanan ini memberikan yang ekstrim
batas; nMx, dan karenanya kolom lx diturunkan darinya, bisa merujuk
untuk populasi n / 2 tahun lebih muda dari yang disebutkan, atau untuk populasi n / 2
tahun lebih tua. Tidak ada logika yang dapat menunjukkan bahwa situasi yang aneh seperti itu
tidak mungkin, tidak mungkin meskipun mungkin dalam populasi kecil.
Untuk tabel kehidupan Amerika Serikat tahun 1967, oe
15 untuk laki-laki adalah 54,22 tahun. Di
argumen yang disebutkan di atas angka ini benar-benar dapat mewakili apa pun
dari oe
1212
untuk oe
1712
. Sejak di usia ini oe
x menurun sekitar 4,75 tahun
per 5 tahun, oe yang sebenarnya
15 bisa berbohong kira-kira dalam kisaran dari
54.22 - 4.75 / 2 hingga 54.22 + 4.75 / 2, atau dari 51.84 hingga 56.60. Rentang seperti itu
terlalu luas untuk menjadi kepentingan praktis, namun sulit untuk melihat logikanya
yang dengannya seseorang dapat mempersempit kemungkinan. Tidak hanya tidak ada kehidupan
yang benar
tabel, tetapi juga tidak ada cara sederhana untuk membangun yang realistis
rentang kesalahan, analog dengan interval kepercayaan 0,95 yang digunakan dimana
model probabilitas berlaku.
Batas bawah kesalahan tabel kehidupan diperoleh dengan mengandaikan itu
individu mati mandiri secara acak, masing-masing dengan probabilitas nqx untuknya
usia x. Ungkapan untuk ini mudah diturunkan (Keyfitz 1968, p. 341, adalah a
sumber sekunder dengan referensi). Tetapi kesalahan seperti itu tampaknya jauh di bawah
kesalahan sebenarnya seperti yang di bagian ini di atas.
2.3 Koreksi Kecil Lebih Lanjut
Metode penghitungan tabel kehidupan yang dinyatakan dalam (2.2.12) telah terbukti
sangat memuaskan dalam praktiknya, memberikan kepergian yang dapat diabaikan dari lulusan
tabel kehidupan dan dari tabel berulang, tanpa memerlukan kelulusan
atau iterasi. Namun, itu tergantung pada penyelesaian persamaan dasar 2.2.2 untuk
integral untuk μ (a), dan oleh karena itu beberapa pembaca mungkin ingin melihat lebih dekat
pada alasan (2.2.2).
Mengukur Eksposur. Diagram, karena Lexis (1875), yang menampilkan file
populasi berdasarkan usia dan waktu akan membantu dalam hal ini. Setiap individu setiap saat
diwakili oleh sebuah titik; pengumpulan poin untuk setiap individu adalah miliknya
garis kehidupan melalui waktu; akhir baris adalah pada saat dan umurnya
kematian.
Gambar 2.1 menunjukkan awal dan akhir tahun 1967, untuk itu
pengamatan sedang dianalisis, sebagai garis horizontal, dan usia 65 dan 70 sebagai
garis vertikal. Dalam ABCD persegi panjang, 122.672 garis laki-laki berakhir
untuk Amerika Serikat pada tahun 1967. Kami tidak begitu tahu berapa banyak garisnya
dalam persegi panjang, tetapi diperkirakan 2.958.000 melintasi horizontal
baris untuk 1 Juli 1967, dan nomor ini, 5Nx pada umumnya, biasanya digunakan
untuk memperkirakan eksposur; akan lebih baik menggunakan person-years

Diagram lexis.
Tabel 2.2. Populasi dan kematian, pria Amerika Serikat, 1972, bersama dengan mereka
perbedaan pertama dan kedua
Kematian Populasi Umur
x 5Nx Δ5Nx Δ25
Nx 5Dx 5Mx =
5Dx
5Nx
Δ5Mx Δ25
Mx
50 5.616.000 63.838 0,011367
−788.000 0,006725
55 4.828.000 152.000 87.348 0,018092 0,002666
−636.000 0,009391
60 4.192.000 −262.000 115.208 0,027483 0,003083
−898.000 0,012474
65 3.294.000 −66.000 131.620 0,039957 0,007339
−964.000 0,019813
70 2.330.000 218.000 139.264 0,059770 0,008784
−746.000 0,028597
75 1.584.000 84.000 139.974 0,088367 0,006392
−662.000 0,034989
80 922.000 113.734 0.123356
Arah perbaikan lainnya, yang mungkin ingin diselidiki oleh pembaca,
termasuk penggunaan derivatif yang lebih tinggi dalam ekspansi Taylor (2.2.8),
dan cara yang lebih baik untuk memperkirakan turunan pertama. Perbedaan berguna dalam
mendekati
untuk turunannya disajikan pada Tabel 2.2. Efeknya pada
koreksi C dari Tabel 2.1 akan ditemukan sedikit.
2.4 Tabel Periode dan Kelompok
Kami telah mencatat bahwa, meskipun di setiap kelompok usia, tabel kehidupan memperkirakan
caranya
banyak kelompok akan berkurang oleh kematian, kemungkinan untuk beberapa zaman
dirangkai bersama sedemikian rupa sehingga hanya dapat mewakili periode yang untuknya
data dikumpulkan. Hasilnya menggambarkan apa yang terkadang dirujuk
sebagai kelompok sintetis.

Untuk mengikuti kelompok asli kita dapat merangkai bersama kemungkinan kelangsungan hidup
dari urutan periode. Pada tahun 1919–21 peluang bertahan hidup selama 5 tahun selama a
laki-laki baru lahir adalah 0.87420 (Keyfitz dan Flieger 1968, hal 142); pada tahun 1924–26
peluang bertahan hidup dari usia 5 hingga 10 tahun adalah 88.574 / 89.600 = 0.98855
(hal. 144); pada tahun 1929–31 dari usia 10 hingga 15 tahun menjadi 88.814 / 89.587 = 0.99137
(hal. 145); dan seterusnya. Merangkai ini bersama-sama memberi
l0 = 100.000, l5 = 87.420, l10 = 86.419, l15 = 85.673 dll.,
sebagai perkiraan selamat untuk anak sungguhan yang lahir sekitar tahun 1917. Penggambaran
pada diagram Lexis menunjukkan bahwa hasilnya adalah perkiraan yang cukup baik,
asalkan kematian tidak berubah secara tiba-tiba dari waktu ke waktu.
Penyempurnaan penghitungan kelompok sedang dilakukan oleh Michael
Stoto, yang telah meningkatkan perkiraan populasi dan kematian di permen
A B C D dari Gambar 2.1.
2.5 Perhitungan Keuangan
Demografi sebagian berasal dari perhitungan aktuaria, sama seperti
probabilitas muncul dari konsultan perjudian. Pusat gravitasi
demografi telah bergeser jauh dari bisnis asuransi, tetapi setidaknya
Gaya perhitungan aktuaria patut dipamerkan di sini, mungkin sebagai kecil
kontribusi untuk mendekatkan disiplin ini lagi.
2.5.1 Anuitas Pembayaran Tunggal dan Asuransi
Nilai sekarang dari anuitas seumur hidup sebesar 1 dolar per tahun, dibayarkan terus menerus
mulai dari usia x orang tersebut, sama dengan
1
lx
ω−x
0
l (x + t) dt = oe
x
dolar, jika uang tidak membawa bunga. Tidak perlu matematika untuk melihatnya
jumlah dolar yang diharapkan seseorang akan menerima dengan tarif 1
untuk setiap tahun kehidupan adalah sama dengan jumlah tahun yang diharapkan dia harus
hidup. Jika uang membawa bunga yang terus bertambah pada tingkat tahunan i,
pembayaran t tahun dari sekarang memiliki nilai sekarang e − it; karenanya saat ini
nilai anuitas tersebut
kapak =
1
lx
ω−x
0
e
−itl (x + t) dt (2.5.1)
dolar. Demikian pula nilai sekarang dari jaminan 1 dolar untuk kehidupan sekarang
usia x harus
Kapak =
1
lx
ω−x
0
e
−itl (x + t) μ (x + t) dt

dolar, yang sama dengan (2.5.1) kecuali untuk faktor μ (x + t) di

integrand. [Tunjukkan bahwa, jika bunga nol, Ax = 1, sesuai dengan fakta
bahwa kematian tidak bisa dihindari. Tunjukkan juga bahwa, jika i> 0, Ax> exp (−i
oe
x).]
2.5.2 Premi dan Cadangan Tahunan
Untuk mengetahui Px premi tahunan, perhatikan hanya yang anuitas premi
harus mencakup jaminan; artinya, kuantitas yang harus dimiliki Pxax dan Axe
menjadi setara. Oleh karena itu kami memiliki untuk premium Px = Ax / ax atau, dituliskan di
penuh,
Px =
ω−x
0
e
−itl (x + t) μ (x + t) dt
ω−x
0
e
−itl (x + t) dt
. (2.5.3)
Pada tahun-tahun awal polis, klaim akan kurang dari premi, dan
cadangan akan terakumulasi yang akan ditarik di tahun-tahun mendatang. Setelah
kebijakan telah berlaku selama y tahun nilai sekarang dari klaim tersebut
Ax + y, dan tidak dapat ditutupi oleh nilai sekarang dari premi Pxax + y,
jumlah yang lebih kecil untuk usia di mana kematian meningkat; perbedaan
Ax + y - Pxax + y, adalah cadangan yang dibutuhkan secara prospektif.
2.6 Tabel Penyebab-Dihapus dan Beberapa Penurunan
Jika seseorang meninggal karena satu sebab, dia tidak bisa mati di lain waktu karena sebab lain;
literatur berbicara tentang penyebab kematian yang saling bersaing. Sejak sekarat diberikan
Penyebab menghindari paparan penyebab lain, jika kita ingin tahu apa kematiannya
dari penyebab lain ini akan menjadi jika penyebab yang diberikan dihapus,
kami membutuhkan penyesuaian ke atas untuk tingkat yang diamati. Selama interval yang
terbatas
waktu atau usia, menghapus penyebab hanya dengan mengabaikan
semua kematian karena penyebab ini dan menghitung tabel kehidupan dari yang tersisa
meninggal; prosedur seperti itu akan memberikan angka kematian yang terlalu rendah dari yang
tersisa
penyebab. Kami membutuhkan perkiraan populasi terpapar yang tidak termasuk
orang meninggal karena penyebab yang dihapus. Untuk membuat perkiraan itu adalah kebiasaan
asumsikan bahwa beberapa penyebab bertindak secara independen.
2.6.1 Ketergantungan Penyebab Kematian
Pikirkan jam tangan atau mesin lain yang memiliki suku cadang dan hanya beroperasi selama itu
karena semua bagian berfungsi. Setiap bagian memiliki tabel kehidupannya sendiri; kesempatan
bahwa bagian ke-i akan beroperasi selama x tahun adalah ¯ l (i) (x), tanpa hitung
referensi ke bagian lain. Maka kemungkinan jam tangan itu akan tetap ada
x tahun setelah kelahirannya
l (x) = ¯ l (1) (x) · ¯ l (2) (x) · · · ¯ l (n) (x), (2.6.1)
pernyataan benar jika kematian masing-masing bagian tidak terpengaruh olehnya
penggabungan dalam arloji. Lalu jika
-1
¯l
(i) (x)
d ¯ l (i) (x)
dx
= −d log ¯ l (i) (x)
dx
= μ (i) (x),
itu diikuti dengan mengambil logaritma dan membedakannya di (2.6.1) itu
μ (x) = μ (1) (x) + μ (2) (x) + · · · + μ (n) (x). (2.6.2)
Aditifitas angka kematian seketika mengikuti multiplikatifitas
dari selamat.
Kita dapat memikirkan banyak cara di mana kondisi ini tidak akan terjadi
terpenuhi. Arloji mungkin tetap berjalan dengan satu bagian rusak tetapi rusak
turun ketika dua rusak. Atau mungkin melemahnya satu bagian
ketegangan di bagian lain; arloji itu akan menjadi "sakit", dan kematiannya mungkin
akhirnya dikaitkan dengan salah satu bagian yang mengalami ketegangan
daripada ke bagian yang menjadi lemah di tempat pertama. Tidak ada
membatasi jumlah cara di mana kemerdekaan bisa hilang.
Bagian-bagian jam tangan bisa dikatakan menyerupai bagian tubuh seseorang,
dan ini akan menjadi independen jika dapat dikatakan bahwa dia mati jika miliknya
hati gagal, atau jika jantungnya gagal, dan seterusnya, dan ini tidak berhubungan. Itu
probabilitas setiap organ terus berfungsi dapat dianggap sebagai
¯l
(i) (x) diberikan dalam tabel kehidupan yang menunjukkan probabilitas bersih kelangsungan
hidup untuk
beberapa penyebab. Sayangnya untuk argumen ini, bagian manusia bergantung
satu sama lain lebih dari sekadar bagian jam tangan; memisahkan tabel kehidupan untuk
berbagai
organ-organ, seolah-olah dapat dipertukarkan, sampai pada tingkat ini adalah buatan.
Selain keterkaitan bagian, seleksi beroperasi: orang yang
meninggal dalam kecelakaan ski mungkin rata-rata lebih sehat daripada umumnya
populasi; Oleh karena itu, jika tindakan pencegahan itu dikurangi jumlah yang fatal
kecelakaan terjadi di resor ski, tingkat kematian akibat penyebab lain
juga akan diturunkan. Sifat ketergantungan seperti itu sangat sulit
untuk membangun. Selama kita hanya tahu bahwa A meninggal karena penyakit jantung, B dari
gagal ginjal, dan sebagainya, tidak ada yang bisa dikatakan tentang apa yang akan terjadi jika
salah satu penyebabnya berkurang atau dihilangkan. Dihadapkan dengan tidak adanya bukti di
sifat ketergantungan, itu konvensional untuk memperlakukan setiap penyebab sebagai
independen
dari yang lain. Jika bagian-bagian (dari seseorang atau arloji) tampak lemah atau ada bagian
lainnya
gejala yang jelas sebelum mereka gagal sama sekali dan membawa mesin ke
berhenti, dan jika tanda-tanda seperti itu hadir tepat y tahun sebelumnya
terbukti fatal, maka sesuatu yang lebih baik dapat dilakukan terkait dependensi.
Tetapi bahkan tes medis yang paling teliti sebelum dan sesudah kematian pun sulit
berikan informasi tersebut.
Sepertinya analisis saling ketergantungan dari beberapa organ
harus menunggu data lebih lanjut. Satu jenis data yang relevan akan tersedia

individu. Namun, saat ini kemungkinan seperti itu termasuk dalam fiksi ilmiah
daripada demografi.
2.6.2 Metode Penghitungan
Jika semua penyebab kecuali ith dihilangkan, berapa probabilitasnya
bertahan? Untuk menjawab ini tanpa data lebih lanjut, kita anggap ada beberapa
sebab-sebab bertindak secara independen satu sama lain, yaitu, kekuatan mereka
kematian aditif:
μ (i)
x + μ (−i)
x = μx, (2.6.3)
di mana μ (i) adalah mortalitas karena penyebab ke-i, dan μ (−i) karena semua
penyebab lainnya. Jika probabilitas bertahan hidup hanya dengan penyebab ke-i yang bertindak
¯l
(saya)
x, kita dapatkan dari (1.6.5) dan aditifitas μ
(saya)
x, sebagai kebalikan dari
argumen yang mengarah ke (2.6.2),
lx = ¯ l (i)
x
¯l
(−i)
x.
Jadi pada dasarnya argumen yang sama dapat dimulai dengan aditif
μ
(saya)
x dan simpulkan perkalian dari thēl
(saya)
x, atau mulai dengan yang terakhir sebagai
kami lakukan di (2.6.1).
Sekarang ekspresi 1.6.5 berlaku untuk thēl
(saya)
x seperti halnya pada lx; karenanya, sebagai
ditunjukkan oleh Jordan (1952, p. 258) dan Chiang (1968, p. 246), kita punya
−log
¯l
(saya)
x+n
¯l
(saya)
x
=
n
0
μ (i) (x + t) dt
=
⎡
⎢⎢⎣
n
0
μ (i) (x + t) dt
n
0
μ (x + t) dt
⎤
⎥⎥⎦
n
0
μ (x + t) dt
=R
n
0
μ (x + t) dt,
katakan, dan, untuk mengalikan dengan −1 dan mengambil eksponensial dari kedua sisi,
¯l
(saya)
x+n
¯l
(saya)
x
=
</s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s>
</s> </s> </s> </s> </s> </s> </s> </s> orang </s>
lx + n
lx
R
. (2.6.4)
Setelah tabel kehidupan biasa dari semua penyebab bersama tersedia, semua yang kita butuhkan
lakukan adalah meningkatkan kelangsungan hidupnya menjadi kekuatan yang diwakili oleh R;
masing-masing
rasio untuk kelompok usia integral dari kekuatan kematian untuk
engan penyebab integral yang sesuai untuk semua penyebab.

Chiang (1968) menganggap R sebagai rasio tarif khusus usia untuk

interval:
R = nM
(saya)
x
nMx
. (2.6.5)
Kami akan menggunakan teknik Bagian 2.2 untuk membuat sedikit perbaikan
ini. Dengan memperluas μ (i) (x + t) dan μ (x + t) dalam deret Taylor tentang
titik tengah dari interval n-tahun dan kemudian melakukan integrasi,
kami temukan
R=
n
0
μ (i) (x + t) dt
n
0
μ (x + t) dt
= μ (i) (x + n / 2) + (n2 / 24) μ (i) (x + n / 2)
μ (x + n / 2) + (n2 / 24) μ (x + n / 2)
(2.6.6)
ke turunan kedua. Mengganti kekuatan mortalitas midperiod dengan
tarif khusus usia, menggunakan perkiraan simetris dari turunan kedua,
dan kemudian menyederhanakan memberi
R = nM
(saya)
x
nMx

1+
1
24
</s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s>
</s> </s> </s> </s> </s> </s> </s> orang </s>
nM
(saya)
x + n + nM
(saya)
x−n
nM
(saya)
x
- nMx + n + nMx − n
nMx
</s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s>
</s> </s> </s> </s> </s> </s> </s> </s> orang </s>
. (2.6.7)
Hasilnya akan tetap berlaku dengan semua M diganti dengan D di mana nD
(saya)
x adalah
jumlah kematian yang diamati dari penyebab ke-i antara usia x dan
x + n.
Dalam cara perhitungan seperti itu digunakan, tabel kehidupan yang menarik adalah yang masuk
yang mana penyebabnya dihapus. Misalnya, pada data perempuan Amerika Serikat
pada tahun 1964, harapan hidup yang lengkap bagi perempuan adalah oe
0 = 73,78 tahun; jika
penyakit jantung (CVR) dihapus, oe
(−CVR)
0 = 90,85 tahun (Preston, Keyfitz,
dan Schoen 1972, hal. 771). Penghapusan kanker memberi oe
(−cancer)
0 = 76,34
tahun. Keuntungan dengan pemberantasan penyakit jantung adalah 17,07 tahun; dengan
memberantas
kanker, 2,56 tahun.
2.6.3 Beberapa Penurunan
Kemungkinan seseorang akan mati karena sebab tertentu di hadapannya
penyebab lainnya disajikan dalam tabel pengurangan-ganda. Jika diamati
jumlah kematian karena penyebab tertentu adalah nD
(saya)
x dan nomor tabel kehidupan sekarat
penyebab itu adalah nd
(saya)
x, kami ingin menemukan bagaimana tabel kehidupan kematian ndx didistribusikan
di antara beberapa penyebab, mengingat distribusi yang diamati di antara
penyebab; diberikan ndx, nDx, dan nD
(saya)
x, kami mencari nd
(saya)
x. Satu cara (Spiegelman
1968, hal. 137) untuk melakukan perhitungan tersebut
nd (i)
x = nD
(saya)
x
nDx
ndx, (2.6.8)
tetapi, seperti sebelumnya, kami mencoba satu langkah untuk menyempurnakan ini.

Tabel 2.3. Bagian dari tabel penurunan ganda yang berlaku untuk penyakit kardiovaskular,
membandingkan (2.6.9) dengan metode berulang dan tidak dikoreksi, wanita Amerika Serikat,
1964
Umur nd
(saya)
x nd
(saya)
x nd
(saya)
x = ndx
nD
(saya)
x
nDx
x Iteratif Dari (2.6.9) Dari (2.6.8)
25 65 64.80 64.71
50 1.067 1.067.56 1.066.41
75 10,173 10,175.53 10,165.27
Kami memiliki definisi
nD
(saya)
x
nDx
=
n
0
p (x + t) μ (i) (x + t) dt
n
0
p (x + t) μ (x + t) dt
dan menerapkan ekspansi Taylor yang digunakan hasil sebelumnya di
nd
(saya)
x = ndx
nD
(saya)
x
nDx
</s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s>
</s> </s> </s> </s> </s> </s> </s> </s> orang </s>
1+
1
48
</s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s>
</s> </s> </s> </s> </s> </s> </s> </s> orang </s>
nNx + n - nNx − n
nNx
+ 2nnMx
</s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s>
</s> </s> </s> </s> </s> </s> </s> </s> orang </s>
×

nMx + n - nMx − n
nMx
- nM
(saya)
x+n
- nM
(saya)
x−n
nM
(saya)
x
</s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s>
</s> </s> </s> </s> </s> </s> </s> orang </s>
.
(2.6.9)
Tabel 2.3 menunjukkan bahwa koreksi di (2.6.9), dibandingkan dengan menggunakan
nd sederhana
(saya)
x = ndx [nD
(saya)
x / nDx], tidak penting. Kami tampaknya telah mencapai suatu titik
di mana biasanya tidak penting apakah koreksi dilakukan atau tidak.
Namun kasus akan muncul dimana dalam satu kelompok usia salah satu penyebabnya menurun
dan yang lainnya naik, kemudian koreksi 2.6.9 akan membawa perbaikan.
2.7 Tabel Kehidupan sebagai Teknik Pemersatu dalam
Demografi
Pengembangan metode yang melelahkan untuk menyimpulkan probabilitas dari
tingkat yang diamati dibenarkan oleh fakta bahwa masalah yang sama muncul di banyak orang
bidang. Tabel kehidupan biasa, yang datanya terdiri dari jumlah
kematian dan populasi yang terpapar, keduanya berdasarkan usia, hanyalah yang paling terkenal
contoh. Gambar 2.2 menunjukkan beberapa aplikasi lain.