METODE STATISTIKA

AKTUARIA II

HADI SUMARNO
KONSEP DASAR MODEL
SURVIVAL

PERTEMUAN 02
 P02-3
SEBARAN PEUBAH ACAK
FUNGSI SEBARAN (2.2.1)

FUNGSI SURVIVAL (2.2.2)

FUNGSI KEPEKATAN PELUANG (2.2.3)

FUNGSI HAZARD (2.2.4)

 FUNGSI SEBARAN P02-4

 Fungsi sebaran dari peubah acak T

adalah 𝐹 𝑡 , dengan 𝐹 𝑡 menyatakan
𝐹 𝑡 =𝑃 𝑇≤𝑡 . peluang kegagalan
terjadi tidak lebih
Sifat-sifat dari 𝐹(𝑡) dari waktu t

1. 𝐹 𝑡 merupakan fungsi tak turun

2. 0 ≤ 𝐹 𝑡 ≤ 1
3. 𝐹 0 = 0, 𝐹 ∞ = 1
 FUNGSI SURVIVAL P02-5

Fungsi Survival dari peubah acak T

adalah 𝑆 𝑡 , dengan

𝑆 𝑡 =𝑃 𝑇>𝑡 𝑆 𝑡 menyatakan
=1−𝑃 𝑇 ≤𝑡 peluang kegagalan
tidak terjadi hingga
dari waktu t.

𝑆 𝑡 = 1 − 𝐹(𝑡)
 FUNGSI KEPEKATAN PELUANG P02-6

1. Turunan dari 𝐹(𝑡) adalah fungsi

kepekatan peluang, yaitu
𝑑 𝑑
𝑓 𝑡 = 𝐹 𝑡 = − 𝑆(𝑡)
𝑑𝑡 𝑑𝑡
 2. 𝑓(𝑡) dinamakan density of failure
at time t, disebut sebagai
instantaneous measure.
 3. 𝑓(𝑡) disebut juga sebagai
unconditional density of failure at time t.
 P02-7
FUNGSI HAZARD
Density of failure at time t, given that entity existed
at time t (survival to time t), 𝜆(𝑡)
𝑓 𝑡
𝜆 𝑡 =𝑃 𝑇=𝑡𝑇≥𝑡 =
𝑆 𝑡
dinamakan fungsi hazard.
 FUNGSI HAZARD (2.2.4) P02-8

Karena
𝑓 𝑡
𝜆 𝑡 =
𝑆 𝑡
dan
𝑑
𝑓(𝑡) = − 𝑆(𝑡)
𝑑𝑡
maka
1 𝑑 𝑑
𝜆 𝑡 =− 𝑆(𝑡)= − ln 𝑆(𝑡)
𝑆 𝑡 𝑑𝑡 𝑑𝑡
UKURAN PEMUSATAN DAN PENYEBARAN P02-9
1. NILAI HARAPAN
2. VARIANS
3. MEDIAN
 NILAI HARAPAN (2.2.5) P02-10

Momen ke-k dari peubah acak T didefinisikan

sebagai 𝐸 𝑇 𝑘 .
𝑘 ∞ 𝑘
Untuk p.a. kontinu 𝐸 𝑇 = ‫׬‬0 𝑡 𝑓 𝑡 𝑑𝑡
Momen ke-1 adalah nilai harapan, yaitu
∞

෍ 𝑡𝑖 𝑝 𝑡𝑖 , 𝑇 diskret
𝐸 𝑇 = 𝑖=1
∞
න 𝑡𝑓 𝑡 𝑑𝑡 , 𝑇 kontinu
0
 VARIANS (2.2.5) P02-11

Varians T sama dengan

2
𝑉𝑎𝑟 𝑇 = 𝐸 𝑇 − 𝐸 𝑇
2 2
=𝐸 𝑇 − 𝐸 𝑇 ,
dengan
𝐸 𝑇 2 adalah momen ke-2.
 Median P02-12

Ukuran yang lain adalah median.

Median adalah realisasi dari failure
time, misalkan y, sehingga
1
𝑃 𝑇≥𝑦 =𝑃 𝑇≤𝑦 = .
2
Sehingga
1
𝑆 𝑦 =𝐹 𝑦 = .
2
MODEL SURVIVAL DATA TERPANGKAS P02-13
1. PELUANG BERSYARAT
2. SEBARAN DATA TERPANGKAS
PELUANG BERSYARAT P02-14
Dalam peluang bersyarat, kita bekerja
pada sebaran untuk himpunan bagian Demikian juga untuk 𝑛 𝑞𝑥
dari ruang contoh dari p.a. X dengan dapat dinyatakan sebagai
𝑋 ≥ 𝑥, yaitu bagi individu yang
bertahan hidup hingga umur x. Kondisi 𝑛 𝑞𝑥 = P 𝑋 ≤ 𝑥 + 𝑛 X > 𝑥
ini disebut sebagai sebaran p.a. X =P 𝑥 <𝑋 ≤𝑥+𝑛 X>𝑥
terpangkas untuk data yang lebih kecil =𝐹 𝑥+𝑛 𝑋 >𝑥
atau sama dengan x (terpangkas bawah). =1−𝑆 𝑥+𝑛 𝑋 >𝑥
𝑆 𝑥+𝑛
=1−
Misalkan 𝑛 𝑝𝑥 merupakan peluang 𝑆 𝑥
data terpangkas bawah pada x, maka = 1 − 𝑛 𝑝𝑥
𝑛 𝑝𝑥 = P X > 𝑥 + 𝑛 X > 𝑥
𝑆 𝑥+𝑛
= 𝑆(𝑥 + 𝑛|𝑋 > 𝑥) = .
𝑆 𝑥
 P02-15
CONDITIONAL & UNCONDITIONAL
DATA TERPANGKAS
Orang berumur x bertahan hidup hingga umur x+n
𝑆 𝑥+𝑛
𝑛 𝑝𝑥 = [conditional]
𝑆 𝑥
Orang yang diseleksi umur x bertahan hidup hingga
umur x+n
𝑛 𝑝[𝑥] = 𝑆(𝑛; 𝑥) [unconditional]
 P02-16
CONDITIONAL & UNCONDITIONAL
DATA TERPANGKAS
Orang berumur x mati sebelum mencapai umur x+n
𝑆 𝑥 −𝑆 𝑥+𝑛
𝑛 𝑞𝑥 = [conditional]
𝑆 𝑥
Orang yang diseleksi umur x mati sebelum mencapai
umur x+n
𝑛 𝑞[𝑥] = 𝐹(𝑛; 𝑥) [unconditional]
 P02-17
CONDITIONAL PROBABILITY UNTUK 𝑆(𝑛; 𝑥)

❑ Peluang orang yang diseleksi

umur x, bertahan hidup hingga
umur x+10, dan mati sebelum
mencapai umur x+30.

❑ 20 𝑞 𝑥 +10 =1− 20 𝑝 𝑥 +10

𝑆 30;𝑥
❑= 1− .
𝑆 10;𝑥
SEBARAN DATA TERPANGKAS [LOWER TR.] P02-18
Fungsi kepekatan peluang bersyarat
𝑑
𝑓 𝑦𝑋>𝑥 = 𝐹 𝑦𝑋>𝑥 =
𝑑𝑦
𝑑 𝐹 𝑦 −𝐹 𝑥 𝑓 𝑦
=
𝑑𝑦 1 − 𝐹 𝑥 1−𝐹 𝑥
𝑓 𝑦
= .
𝑆 𝑥
Sehingga
𝑓 𝑦
𝑓 𝑦𝑋>𝑥 = .
𝑆 𝑥
Fungsi hazard bersyarat
𝑓 𝑦𝑋>𝑥
𝜆 𝑦𝑋>𝑥 =
𝑆 𝑦𝑋>𝑥
𝑓 𝑦 𝑆 𝑦 𝑓 𝑦
= : = =𝜆 𝑦
𝑆 𝑥 𝑆 𝑥 𝑆 𝑦
SEBARAN DATA TERPANGKAS [LOWER & UPPER TR.] P02-19
Dalam peluang bersyarat atas dan Fungsi Sebaran
bawah, kita bekerja pada sebaran untuk
himpunan bagian dari ruang contoh dari 𝐹 𝑥𝑦<𝑋≤𝑧
p.a. X, yang berada antara y dan z. =P 𝑦<𝑋≤𝑥𝑦<𝑋≤𝑧
𝑃 𝑦<𝑋≤𝑥 𝑆 𝑦 −𝑆 𝑥
=
Fungsi Survival 𝑃 𝑦<𝑋≤𝑧 𝑆 𝑦 − 𝑆(𝑧)
𝐹 𝑥 −𝐹 𝑦
𝑆 𝑥𝑦<𝑋≤𝑧 =P 𝑋>𝑥𝑦<𝑋≤𝑧 =
𝐹 𝑧 − 𝐹(𝑦)
=P 𝑥<𝑋≤𝑧𝑦<𝑋≤𝑧
𝑃(𝑥 < 𝑋 ≤ 𝑧)
=
𝑃(𝑦 < 𝑋 ≤ 𝑧)
𝑆 𝑥 −𝑆 𝑧
= .
𝑆 𝑦 − 𝑆(𝑧)
SEBARAN DATA TERPANGKAS [LOWER & UPPER TR.] P02-20
Fungsi kepekatan peluang Fungsi hazard
𝜆 𝑥𝑦<𝑋≤𝑧
𝑓 𝑥𝑦<𝑋≤𝑧 = 𝑓 𝑥𝑦<𝑋≤𝑧
𝑑 =
− 𝑆 𝑥𝑦<𝑋≤𝑧 𝑆 𝑥𝑦<𝑋≤𝑧
𝑑𝑥 𝑓 𝑥
𝑑 𝑆 𝑥 −𝑆 𝑧 = :
=− 𝑆(𝑦) − 𝑆 𝑧
𝑑𝑥 𝑆 𝑦 − 𝑆 𝑧 𝑆 𝑥 −𝑆 𝑧
𝑓 𝑥 𝑆 𝑦 − 𝑆(𝑧)
= .
𝑆(𝑦) − 𝑆 𝑧 𝑓(𝑥)
= .
𝑆 𝑥 − 𝑆(𝑧)
Maka
𝜆 𝑥 𝑆(𝑥)
𝜆 𝑥𝑦<𝑋≤𝑧 =
𝑆 𝑥 − 𝑆(𝑧)
 P02-21
MOMEN SEBARAN DATA TERPANGKAS (2.4.4)
𝑧
 𝐸 𝑋𝑦<𝑋≤𝑧 = ‫𝑥 𝑦׬‬. 𝑓(𝑥|𝑦 < 𝑋 ≤ 𝑧) 𝑑𝑥.(doubly-truncated)
∞
 𝐸 𝑋𝑋>𝑦 = ‫𝑥 𝑦׬‬. 𝑓(𝑥|𝑋 > 𝑦) 𝑑𝑥.(left-truncated)
∞ ∞
 ‫𝑥 ׬‬. 𝑓(𝑥|𝑋
𝑦
> 𝑦) 𝑑𝑥 = −𝑥𝑆 𝑥 𝑋 > 𝑦 |∞
𝑦 + ‫𝑥𝑑 𝑦 > 𝑋 𝑥 𝑆 𝑦׬‬
1 ∞
 = −0 + 𝑦 + ‫𝑆 𝑦׬‬ 𝑥 𝑑𝑥 = 𝑦 + 𝑒𝑦ሶ = 𝑒0ሶ
𝑆 𝑦

 𝐸 𝑋 𝑋 > 𝑦 merupakan angka harapan hidup waktu lahir

 𝐸 𝑋 𝑋 > 𝑦 − 𝑦 merupakan angka harapan hidup setelah umur x
(𝑒𝑦ሶ ), dengan
∞
𝑒𝑦ሶ = 𝐸 𝑋 𝑋 > 𝑦 − 𝑦 = න 𝑥 − 𝑦 . 𝑓 𝑥 𝑋 > 𝑦 𝑑𝑥
𝑦
 P02-22
MOMEN SEBARAN DATA TERPANGKAS (2.4.4)
∞
𝑒𝑦ሶ = න 𝑥 − 𝑦 . 𝑓 𝑥 𝑋 > 𝑦 𝑑𝑥
𝑦
∞
= න 𝑡. 𝑓 𝑡 + 𝑦 𝑋 > 𝑦 𝑑𝑡
0

2 ∞ 2
𝐸 𝑋 𝑋>𝑦 = ‫ 𝑥 𝑦׬‬. 𝑓 𝑥 𝑋 > 𝑦 𝑑𝑥
 𝑉𝑎𝑟𝑋 − 𝑦 𝑋 > 𝑦 = 𝑉𝑎𝑟 𝑋 𝑋 > 𝑦 =
𝐸 𝑋2 𝑋 > 𝑦 − 𝐸 𝑋 𝑋 > 𝑦 2
 P02-23
CENTRAL RATE OF DEATH
𝑥+1
‫𝑥׬‬ 𝑆 𝑦 .𝜆 𝑦 𝑑𝑦
 𝑚𝑥 = 𝑥+1
‫𝑥׬‬ 𝑆 𝑦 𝑑𝑦
𝑥+𝑛 𝑛
‫𝑥׬‬ 𝑆 𝑦 .𝜆 𝑦 𝑑𝑦 ‫׬‬0 𝑆 𝑥+𝑠 .𝜆 𝑥+𝑠 𝑑𝑠
 𝑛𝑚 𝑥 = 𝑥+𝑛 = 𝑛
‫𝑥׬‬ 𝑆 𝑦 𝑑𝑦 ‫׬‬0 𝑆 𝑥+𝑠 𝑑𝑠

 Dibagi dengan 𝑆(𝑥)menghasilkan

𝑛𝑆 𝑥+𝑠 𝑛
‫׬‬0 𝑆 𝑥 .𝜆 𝑥+𝑠 𝑑𝑠 ‫׬‬0 𝑠 𝑝𝑥 .𝜇𝑥+𝑠 𝑑𝑠
 𝑛 𝑚𝑥 = 𝑛𝑆 𝑥+𝑠 = 𝑛
‫׬‬0 𝑆 𝑥 𝑑𝑠 ‫׬‬0 𝑛 𝑝𝑥 𝑑𝑠
 P02-24
CENTRAL RATE OF DEATH
𝑥+1
‫𝑥׬‬ 𝑆 𝑦 .𝜆 𝑦 𝑑𝑦
 𝑚𝑥 = 𝑥+1
‫𝑥׬‬ 𝑆 𝑦 𝑑𝑦
𝑥+𝑛 𝑛
‫𝑥׬‬ 𝑆 𝑦 .𝜆 𝑦 𝑑𝑦 ‫׬‬0 𝑆 𝑥+𝑠 .𝜆 𝑥+𝑠 𝑑𝑠
 𝑛𝑚 𝑥 = 𝑥+𝑛 = 𝑛
‫𝑥׬‬ 𝑆 𝑦 𝑑𝑦 ‫׬‬0 𝑆 𝑥+𝑠 𝑑𝑠

 Dibagi dengan 𝑆(𝑥)menghasilkan

𝑛𝑆 𝑥+𝑠 𝑛
‫׬‬0 𝑆 𝑥 .𝜆 𝑥+𝑠 𝑑𝑠 ‫׬‬0 𝑠 𝑝𝑥 .𝜇𝑥+𝑠 𝑑𝑠
 𝑛 𝑚𝑥 = 𝑛𝑆 𝑥+𝑠 = 𝑛
‫׬‬0 𝑆 𝑥 𝑑𝑠 ‫׬‬0 𝑛 𝑝𝑥 𝑑𝑠
 Menggunakan peluang bersyarat P02-25

 𝑆መ 0 =𝑆 0 =1
untuk estimasi S(10)
𝑆መ 1 𝑆መ 1
 𝑆መ 1 = = = 𝑝ො0
1 𝑆መ 0
𝑆መ 2 𝑆መ 2 𝑆መ 1 𝑆መ 2 𝑆መ 1
 𝑆መ 2 = = = =
1 𝑆መ 0 𝑆መ 1 𝑆መ 1 𝑆መ 0
𝑝ො1 . 𝑝ො0
 𝑆መ 10 =
𝑝ො0 . 𝑝ො1 . 𝑝ො2 . 𝑝ො3 . 𝑝ො4 . 𝑝ො5 . 𝑝ො6 . 𝑝ො7 . 𝑝ො8 . 𝑝ො9 .
TRANSFORMASI PEUBAH ACAK (2.5) P02-26
Diketahui sebaran bagi peubah acak X.
Transformasi: 𝑦 = 𝑔 𝑥 ,
Maka
𝑥 = 𝑔−1 𝑦 = ℎ 𝑦
𝑃 𝑌≤𝑦 =𝑃 𝑋≤ℎ 𝑦
Sehingga
𝐹𝑦 𝑦 = 𝐹𝑥 ℎ 𝑦
𝑆𝑦 𝑦 = 𝑆𝑥 ℎ 𝑦
Fungsi kepekatan peluang
𝑑 𝑑 𝑑𝑥
𝑓𝑦 𝑦 = 𝐹𝑥 ℎ 𝑦 = 𝑓𝑥 ℎ 𝑦 ℎ 𝑦 = 𝑓𝑥 ℎ 𝑦
𝑑𝑦 𝑑𝑦 𝑑𝑦
Fungsi hazard
𝑑𝑥
𝑓𝑦 (𝑦) 𝑓𝑥 ℎ 𝑦 𝑑𝑦 𝑑𝑥
𝜆𝑦 𝑦 = = = 𝜆𝑋 ℎ 𝑦 .
𝑆𝑦 (𝑦) 𝑆𝑥 ℎ 𝑦 𝑑𝑦
 P02-27

MEAN & VARIANCE TRANSFORMED RV (2.6)

Untuk transformasi linear

𝐸 𝑌 = 𝑎. 𝐸 𝑋 + 𝑏
𝑉𝑎𝑟 𝑌 = 𝑎2 . 𝑉𝑎𝑟 𝑋
Untuk transformasi nonlinear
1
𝑌 =𝑔 𝑋 =𝑔 𝑚 + 𝑋−𝑚 . 𝑔′
𝑚 + 𝑋 − 𝑚 2 . 𝑔′′ 𝑚 + ⋯
2
1
𝐸(𝑌) = 𝐸[𝑔 𝑋 ] = 𝐸[𝑔 𝑚 + 𝑋 − 𝑚 . 𝑔 𝑚 + 𝑋 − 𝑚 2 . 𝑔′′ 𝑚 + ⋯ ]
′
2
1
𝐸 𝑌 = 𝐸 𝑔 𝑋 ≈ 𝐸[𝑔 𝑚 ] + 𝐸 𝑋 − 𝑚 . 𝑔 𝑚 + 𝐸 𝑋 − 𝑚 2 . 𝑔′′ 𝑚
′
2
1 ′′
𝐸 𝑔 𝑋 ≈ 𝑔 𝑚 + 𝑔 𝑚 . 𝑉𝑎𝑟(𝑋)
2
 P02-28
MEAN & VARIANCE TRANSFORMED RV
1 ′′
𝐸𝑔 𝑋 ≈𝑔 𝑚 + 𝑔 𝑚 . 𝑉𝑎𝑟(𝑋)
2
atau
𝐸𝑔 𝑋 ≈ 𝑔(𝑚)

Variance 𝑔 𝑋 = 𝐸 𝑔 𝑋 − 𝐸 𝑔 𝑋 2
𝑔 𝑋 ≈ 𝑔 𝑚 + 𝑋 − 𝑚 . 𝑔′ 𝑚
𝑉𝑎𝑟 𝑔 𝑋 ≈ 𝐸 𝑔 𝑚 + 𝑋 − 𝑚 . 𝑔′ 𝑚 − 𝑔 𝑚 2

= 𝐸 𝑋 − 𝑚 2 . 𝑔′ 𝑚 2
Untuk 𝑚 = 𝐸 𝑋 , maka
𝑉𝑎𝑟 𝑔 𝑋 = 𝑔′ 𝑚 2 . 𝑉𝑎𝑟(𝑋)
 MODEL PARAMETRIK

CH. 2.3-2.6
 P12-30

Sebaran Parametrik
Sebaran Parametrik yang sering
digunakan dalam model
aktuaria
◦Sebaran Seragam (Uniform)
◦Sebaran Eksponen
◦Sebaran Gompertz
◦Sebaran Makeham
SEBARAN UNIFORM (2.3.1) P12-31

Sebaran uniform (seragam) memiliki dua 3. Fungsi Survival

parameter a dan b. S 𝒕 =𝟏−𝑭 𝒕 =
1. Fungsi kepekatan peluang (fkp) 𝟎 𝒕>𝒃
𝟏 𝒃−𝒕
, 𝒂≤𝒕≤𝒃 , 𝒂≤𝒕≤𝒃
𝒇 𝒕 = ቐ𝒃 − 𝒂 𝒃−𝒂
𝟎, 𝐬𝐞𝐥𝐚𝐢𝐧𝐧𝐲𝐚 𝟏, 𝒕<𝒂
2. Fungsi sebaran 4. Fungsi Hazard
𝟏 𝒕>𝒃 𝒇 𝒕 𝟏
𝒕
𝟏 𝒕−𝒂 𝝀 𝒕 = = ,𝒂 ≤ 𝒕 ≤ 𝒃
𝑭 𝒕 = න 𝒅𝒔 = , 𝒂≤𝒕≤𝒃 𝑺 𝒕 𝒃−𝒕
𝒂 𝒃−𝒂 𝒃−𝒂 5. Nilai Harapan
𝟎, 𝒕<𝒂 𝒃 𝟏
𝑬 𝑻 = ‫𝒕 𝒂׬‬ 𝒇 𝒕 𝒅𝒕 = 𝒃+𝒂
𝟐
6. Varians
Disarankan pertama kali oleh Abraham de 𝟏
𝑽𝒂𝒓 𝑻 = 𝒃 + 𝒂 𝟐
Moivre (1724) 𝟐
P12-32
SEBARAN EKSPONEN (2.3.2) P12-33
Sebaran eksponen memiliki satu 5. Nilai Harapan
∞
parameter λ. −𝜆𝑡
1
𝐸 𝑇 = න 𝑡 𝜆𝑒 𝑑𝑡 =
1. Fungsi kepekatan peluang 0 𝜆
𝜆𝑒 −𝜆𝑡 , 𝑡≥0 6. Varians
𝑓 𝑡 =ቊ
0, selainnya 𝑉𝑎𝑟 𝑇 = 𝐸 𝑇 2 − 𝐸 𝑇 2

2. Fungsi sebaran = 1/𝜆2

𝐹 𝑥 = 1 − 𝑒 −𝜆𝑥 , 𝑡 ≥ 0.
3. Fungsi survival
𝑆 𝑥 = 𝑒 −𝜆𝑥 , 𝑡 ≥ 0.
4. Fungsi hazard
𝜆𝑒 −𝜆𝑡
𝜆 𝑥 = −𝜆𝑡 = 𝜆
𝑒
SEBARAN GOMPERTZ (2.3.3) P12-34

Sebaran Gompertz memiliki dua parameter 𝐵

> 0, dan 𝑐 > 1.
1. Fungsi hazard
𝜆 𝑥 = 𝐵𝑐 𝑥 , 𝑥 ≥ 0
3. Fungsi survival
𝑥
− ‫׬‬0 𝜆 𝑦 𝑑𝑦
𝑆 𝑥 =𝑒
𝑥
− ‫׬‬0 𝐵𝑐 𝑦 𝑑𝑦
=𝑒
𝐵
1−𝑐 𝑥
=𝑒 ln 𝑐 .

Fungsi 𝑓(𝑥) dan 𝐹 𝑥 dapat dicari melalui

𝑓 𝑥 = 𝜆 𝑥 𝑆(𝑥)
𝐹 𝑥 = 1 − 𝑆(𝑥)
 P13-35

𝐓𝐄𝐑𝐈𝐌𝐀 𝐊𝐀𝐒𝐈𝐇