Multiple Life Function

Multiple Life Function
September 26, 2019
Multiple Life Function September 26, 2019 1 / 110

Outline
1 Pendahuluan
2 Joint Distribution of Future Lifetimes
3 The Joint-Life Status
4 The Last-Survivor Status
5 More Probabilities and Expectations
6 Dependent Lifetime Models
Common Shock
Copulas
7 Insurance and Annuity Benefits
Survival Status
Special Two-Life Annuities
Reversionary Annuities
8 Evaluation - Special Mortality Assumptions
Gompertz and Makeham Laws
Distribusi Uniform
9 Simple Contingent Functions
10 Evaluation - Simple Contingent Functions
11 Catatan
Pendahuluan
Pendahuluan
Pada bagian ini akan dibahas model-model yang terdiri atas sisa hidup
dari dua kehidupan. Aktuarial present value untuk dasar-dasar manfaat
dapat dihitung dengan mengaplikasikan konsep dan teknik yang telah
dipelajari sebelumnya. Model dibuat dengan mengasumsikan sisa hidup
dari dua kehidupan sebagai random variable yang independen.

Joint Distribution of Future Lifetimes
Joint Probability Density Function
Untuk dua kehidupan (x) dan (y), joint p.d.f (Probability Density Func-
tion) dengan waktu sisa hidupnya, T (x) dan T (y) adalah
fT (x)T (y) (s, t)
dengan 0 < s < m, 0 < t < n

Joint Distribution Function

Tidak seperti satu kehidupan, pada dua kehidupan (x) dan (y) d.f (Dis-
tribution Function) tidak bisa diperoleh langsung dengan mengintegralkan
p.d.f nya. Perhatikan gambar berikut:
Ruang Sampel T (x) dan T (y)

Joint Distribution Function Region I
Pada gambar sebelumnya join d.f terbagi atas 4 region dimana setiap
region memiliki fungsi tersendiri. Untuk region I yaitu:
FT (x)T (y) (s, t) = Pr [T (x) ≤ s dan T (y) ≤ t]

Zs Zt
= fT (x)T (y) (u, v) du dv
−∞ −∞
Zs Zt
= fT (x)T (y) (u, v) du dv
0 0

Joint Distribution Function Region II, III dan IV
Region II
FT (x)T (y) (s, t) = FT (x)T (y) (s, n) = FT (x) (s)

Region II
Region III
FT (x)T (y) (s, t) = 1

Region II
Region III
FT (x)T (y) (s, t) = 1
Region IV
FT (x)T (y) (s, t) = FT (x)T (y) (m, t) = FT (y) (t)

Joint Survival Function

Joint sufvival function untuk joint life distribution adalah sebagai berikut:
sT (x)T (y) (s, t) = Pr [T (x) > s dan T (y) > t]
Tidak seperti single life distribution dimana FX (x) + s(x) = 1, pada

joint life distribution tidak berlaku demikian. Hubungan keduanya da-
pat dilihat pada gambar berikut:
FT (x)T (y) (s, t)
merupakan
peluang dari
Region A
sT (x)T (y) (s, t)
merupakan
Ruang Sampel dari Random Variabel Sisa peluang dari
Usia T (x) dan T (y) Region B

Joint survival function dari T (x) dan T (y) untuk tiap-tiap Region adalah
sebagai berikut:
Region I dimana 0 < s < m dan 0 < t < n
sT (x)T (y) (s, t) = Pr [T (x) > s ∩ T (y) > t]

Z∞ Z∞
= fT (x)T (y) (u, v)dv du
s t
Zm Zn
= fT (x)T (y) (u, v)dv du
s t
untuk titik-titik lainnya:
sT (x)T (y) (s, t) = 0

Region II dimana s < 0 dan t > 0
sT (x)T (y) (s, t) = sT (y) (t) = t py
Region III dimana s < 0 dan t < 0
sT (x)T (y) (s, t) = 1
Region IV dimana s > 0 dan t < 0
sT (x)T (y) (s, t) = sT (x) (s) = s px

T (x) dan T (y) Independen
Jika T (x) dan T (y) independen, maka sifat-sifat berikut berlaku:

fT (x)T (y) (s, t) = fT (x) (s)fT (y) (t)


FT (x)T (y) (s, t) = FT (x) (s)FT (y) (t)


FT (x)T (y) (s, t) = FT (x) (s)FT (y) (t)
sT (x)T (y) (s, t) = sT (x) (s)sT (y) (t)

Contoh Soal
Fungsi kepadatan peluang gabungan dari T (x) dan T (y) diberikan se-
bagai berikut:
(n − 1)(n − 2)
fT (x)T (y) (s, t) = ; 0 < s, 0 < t, n > 2
(1 + s + t)n
Tentukan:
a. Fugsi distribusi gabungan dari T (x) dan T (y)
b. p.d.f., d.f., dan µ(x + s) untuk distribusi marginal dari T (x)
dimana diketahui bahwa T (x) dan T (y) berdistribusi identik
c. kovariansi dan koefisien korelasi dari T (x) dan T (y) dengan n > 4

Jawab
a. Fugsi distribusi gabungan dari T (x) dan T (y)
Zt Zs
FT (x)T (y) (s, t) = fT (x)T (y) (u, v)du dv
0 0
Zt Zs
(n − 1)(n − 2)
= du dv
(1 + u + v)n
0 0
Zt
(n − 1)(n − 2) s
= (1 + u + v)−(n−1) dv

−(n − 1) 0
0
Zt
(n − 1)(n − 2) h i
= (1 + s + v)−(n−1) − (1 + v)−(n−1) dv
−(n − 1)
0

Jawab
FT (x)T (y) (s, t)

t
1 1
= −(n − 2) (1 + s + v)−(n−2) − (1 + v)−(n−2)
−(n − 2) −(n − 2) 0
h i
= (1 + s + t)−(n−2) − (1 + t)−(n−2) − (1 + s)−(n−2) + 1
1 1 1
=1+ (n−2)
− (n−2)
−
(1 + s + t) (1 + t) (1 + s)(n−2)

Jawab
b. p.d.f., d.f., dan µ(x + s) untuk distribusi marginal dari T (x)
FT (x) (s) = FT (x),T (y) (s, ∞)

1
=1+0−0−
(1 + s)(n−2)
1
=1−
(1 + s)(n−2)

Jawab
fT (x) (s) = FT0 (x) (s)

= (n − 2)(1 + s)−(n−2)−1
= (n − 2)(1 + s)−(n−1)
(n − 2)
=
(1 + s)(n−1)

Jawab
fT (x) (s)
µ(x + s) =
1 − FT (x) (s)
(n − 2)
= (n−1)
(1 + s)(n−2)
(1 + s)
(n − 2)
=
(1 + s)

Jawab
c. kovariansi dan koefisien korelasi dari T (x) dan T (y) dengan n > 4
Cov (T (x), T (y)) = E[T (x)T (y)] - E[T (x)]E[T (y)]
Z∞
E[T (x)] = sfT (x) (s)ds
0
Z∞
n−2
= s ds
(1 + s)(n−1)
0
" #∞
s −(n−2) (1 + s)−(n−3)
= (n − 2) (1 + s) −
−(n − 2) (n − 2)(n − 3)
0
1
=
n−3
Jawab
Z∞
2
E[T (x) ] = s2 fT (x) (s)ds
0
Z∞
n−2
= s2 ds
(1 + s)(n−1)
0
"
s2 (1 + s)−(n−2) 2s(1 + s)−(n−3)
= (n − 2) −
−(n − 2) (n − 2)(n − 3)
#∞
2(1 + s)−(n−4)
−
(n − 2)(n − 3)(n − 4)
0

2
= (n − 2)
(n − 2)(n − 3)(n − 4)
2
= Multiple Life Function September 26, 2019 19 / 110
Jawab
V ar[T (x)] = E[T (x)2 ] − E[T (x)]2

2
2 1
= −
(n − 3)(n − 4) n−3
2(n − 3) − (n − 4)
=
(n − 3)2 (n − 4)
(n − 2)
=
(n − 3)2 (n − 4)

Jawab
Z∞ Z∞
(n − 1)(n − 2)
E[T (x)T (y)] = st ds dt
(1 + s + t)n
0 0
Z∞ Z∞
= (n − 1)(n − 2)t s(1 + s + t)−n ds dt
0 0
Z∞ " #
s(1 + s + t)−(n−1) (1 + s + t)−(n−2)
= (n − 1)(n − 2)t −
−(n − 1) (n − 1)(n − 2)
0
Z∞ " #
(1 + t)−(n−2)
= (n − 1)(n − 2)t dt
(n − 1)(n − 2)
0

Jawab
Z∞
E[T (x)T (y)] = t(1 + t)−(n−2) dt
0
" #∞
t(1 + t)−(n−3) (1 + t)−(n−4)
= −
−(n − 3) (n − 3)(n − 4)
0
1
=
(n − 3)(n − 4)

Jawab
Cov(T (x), T (y)) = E[T (x)T (y)] − E[T (x)]E[T (y)]

1 1
= −
(n − 3)(n − 4) (n − 3)2
(n − 3) − (n − 4)
=
(n − 3)2 (n − 4)
1
=
(n − 3)2 (n − 4)

Jawab
Cov[T (x), T (y)]

ρ= p p
V ar T (x) V ar T (y)
1 (n − 3)2 (n − 4)
=
(n − 3)2 (n − 4) n−2
1
=
n−2

The Joint-Life Status
Pengertian
Joint-Life Status adalah sebuah kondisi yang berlangsung selama semua

anggota dari himpunan kehidupan bertahan dan dikatakan gagal setelah
kematian pertama.
Sebuah Joint-Life Status adalah sebuah contoh dari apa yang sering
disebut sebagai sebuah status kelangsungan hidup.
Untuk m kehidupan,
T (x1 , x2 , . . . , xm ) = min[(T (x1 ), T (x2 ), . . . , T (xm )]
dimana T (xi ) adalah saat kematian dari individu i. Untuk kasus dari
dua kehidupan (x) dan (y) berlaku T (xy) = min[T (x), T (y)].

Kasus Dependent
Diberikan fungsi distribusi dari T , untuk t > 0, dalam bentuk distribusi

gabungan dari T (x) dan T (y) untuk kasus general (dependent):
FT (t) = t qxy = Pr(T ≤ t)

= 1 − sT (x)T (y) (t, t)
dengan menggunakan dasar peluang FT (t) = Pr[min[T (x), T (y)] ≤ t]

dimana [min[T (x), T (y)] ≤ t] adalah gabungan dari [T (x) ≤ t] dan
[T (y) ≤ t] dapat diperoleh
FT (t) = Pr[T (x) ≤ t] + Pr[T (y) ≤ t] − Pr[T (x) ≤ t ∩ T (y) ≤ t]

= t qx + t qy − FT (x)T (y) (t, t)

Kasus Independent
Jika T (x) dan T (y) saling bebas, dua bentuk dari fungsi distribusi dari T
dapat ditulis sebagai bentuk fungsi kehidupan tunggal sebagai berikut:
FT (t) = Pr[min[T (x), T (y)] ≤ t]

= 1 − sT (x)T (y) (t, t) = 1 − t pxt py
dan
FT (t) = t qx + t qy − FT (x)T (y) (t, t) = t qx + t qy − t qxt qy
Pada kasus dependent t pxy = sT (x)T (y) (t, t) sedangkan pada kasus inde-
pendent t pxy = t pxt py .

Fungsi Kepadatan Peluang Joint-Life Status

Fungsi Kepadatan Peluang untuk T :
Z ∞ Z ∞
fT (xy) (t) = fT (x)T (y) (t, v)dv + fT (x)T (y) (u, t)du
t t
dan
fT (xy) (t) =fT (x) (t) + fT (y) (t)
Z t Z t
− fT (x)T (y) (t, v)dv + fT (x)T (y) (u, t)du
0 0
untuk notasi aktuarianya:
fT (xy) (t) =t px µ(x + t) + t py µ(y + t)

Z t Z t
− fT (x)T (y) (t, v)dv + fT (x)T (y) (u, t)du
0 0

Kasus Independent
Jika T (x) dan T (y) independent,
fT (x)T (y) (u, v) = u px µ(x + u) v py µ(y + v)

= t py t px [µ(x + t) + µ(y + t)]

Force of Failure
Bentuk Force of Failure untuk kasus dependent:
fT (xy) (t)
µxy (t) =
1 − FT (xy) (t)
Untuk kasus independent:
µxy (t) = µ(x + t) + µ(y + t)

Kegagalan di waktu k sampai k + 1
Peluang terjadinya gagal dari Joint-Life Status selama waktu k sampai

k + 1 dihitung dengan cara:
Pr(k < T ≤ k + 1) = Pr(T ≤ k + 1) − Pr(T ≤ k)

= k pxy − k+1 pxy
= k pxy qx+k:y+k
Untuk kasus independent
qx+k:y+k = qx+k + (1 − qx+k )qy+k

Curtate-Future-Lifetime
Curtate-Future-Lifetime dari (x) dengan random variabel K, untuk k =

0, 1, 2, . . .
Pr(K = k) = Pr(k ≤ T < k + 1)

= k pxy qx+k:y+k
= k| qxy

Contoh Soal
Tunjukkan peluang bahwa orang berusia (x) hidup n tahun dan orang
yang berusia (y) hidup (n − 1) tahun dapat ditulis sebagai berikut
n px:y−1
py−1
atau
px:n−1 px+1:y

Jawaban
Peluang (x) hidup n tahun dan (y) hidup (n − 1) tahun

= P [T (x) > n dan T (y) > n − 1]
= n px n−1 py
Ingat n px = px n−1 px+1 maka
n px n−1 py = px n−1 px+1 n − 1py

= px n−1 px+1:y
atau

Jawaban
n py−1 = py−1 n−1 py

n py−1
n−1 py =
py−1
maka diperoleh
n py−1 n px:y−1
n px n−1 py = n px =
py−1 py−1

The Last-Survivor Status
Last-Survivor Status adalah sebuah kelangsungan hidup yang berlang-

sung selama setidaknya terdapat satu kehidupan dari kumpulan kehidu-
pan yang masih bertahan dan dikatakan gagal ketika orang terakhir
meninggal.
Dinotasikan dengan (x1 , x2 , . . . , xm ) dimana xi menyatakan umur dari
anggota i dan m menyatakan banyaknya anggota.
Distribusi sampai terjadinya kegagalan dari Last-Survivor Status, ran-
dom variabel
T = max[T (x1 ), T (x2 ), . . . , T (xm )]
untuk kasus dua kehidupan
T (xy) = max[T (x), T (y)]

Hubungan Joint-Life dan Last-Survivor
Hubungan dari T (x), T (y), T (xy) dan T (xy) adalah:
T (xy) + T (xy) = T (x) + T (y)

T (xy)T (xy) = T (x)T (y)
aT (xy) + aT (xy) = aT (x) + aT (y) untuk a > 0

Fungsi Distribusi dan Fungsi Kepadatan Peluang

Last-Survivor
Fungsi distribusinya:
FT (xy) (t) + FT (xy) (t) = FT (x) (t) + FT (y) (t)
diperoleh
t pxy + t pxy = t px + t py
dan
fT (xy) (t) + fT (xy) (t) = fT (x) (t) + fT (y) (t)
bentuk lain dari fungsi distribusinya:
FT (xy) (t) = FT (x) (t) + FT (y) (t) − FT (xy) (t) = FT (x)T (y) (t, t)

Bentuk Aktuaria
Bentuk aktuarianya:
t qxy = t qx + t qy − t qxy
t pxy µxy (t) = t px µ(x + t) + t py µ(y + t) − t pxy µxy (t)

Force of Failure
Bentuk Force of Failure nya adalah:
fT (xy) (t)
µxy (t) =
1 − FT (xy) (t)
t px µ(x + t) + t py µ(y + t) − t pxy µxy (t)
=
t pxy
untuk kasus independent:
t pxy µxy (t) = t qy t px µ(x + t) + t qx t py µ(y + t)
dan
t qy t p x µ(x + t) + t qx t py µ(y + t)
µxy (t) =
t qy t p x + t qx t p y + t p x t p y

More Probabilities and Expectations
Ekspektasi T (u)
◦
Diketahui e = E[T (u)], untuk satu buah kelangsungan hidup (u) memi-
liki formula sebagai berikut:
Z ∞
◦
eu = t pu dt
0
jika (u) adalah joint-life status, maka:

Z ∞
◦
exy = t pxy dt
0
untuk last-survivor status

Z ∞
◦
exy = t pxy dt
0
hubungan keduanya adalah:

◦ ◦ ◦ ◦
exy = ex + ey − exy
Ekspektasi T (u) Untuk Kasus Diskrit
Jika (u) adalah joint-life status, maka:

∞
X
exy = t pxy dt
0
untuk last-survivor status

∞
X
exy = t pxy dt
0
hubungan keduanya adalah:
exy = ex + ey − exy

Variansi
Variansi untuk Join-Life:

Z ∞ ◦ 2
V ar[T (xy)] = 2 t t pxy dt − cxy
0
untuk Last-Survivor:
Z ∞ ◦ 2
V ar[T (xy)] = 2 t t pxy dt − cxy
0

Covarians
Bentuk umum:
Cov[T (xy), T (xy)] = E[T (xy)T (xy] − E[T (xy)]E[T (xy)]
= Cov[T (x), T (y)] + [E[T (x)] − E[T (xy)]]
[[T (y)] − E[T (xy)]]
jika T (x) dan T (y) tidak berkorelasi, maka:

◦ ◦
◦ ◦

Cov[T (xy), T (xy)] = ex − exy ey − exy

Dependent Lifetime Models Common Shock
Common Shock
Diberikan T ∗ (x) dan T ∗ (y) sebagai dua buah random variabel sisa usia,
dengan tidak adanya kemungkinan dari common shock, jika independent:
sT ∗ (x)T ∗ (y) (s, t) = Pr [T ∗ (x) > s ∩ T ∗ (y) > t]

= sT ∗ (x) (s) sT ∗ (y) (t)

Sebagai tambahan, untuk sebuah variabel random common shock yang

dinotasikan dengan Z, yang mana dapat mempengaruhi joint distribu-
tion dari waktu sisa usia dari kehidupan (x) dan (y). Random variabel
common shock ini adalah independent dari [T ∗ (x), T ∗ (y)] dan berupa
distribusi eksponensial sebagai berikut:
sZ (z) = e−λz z > 0, λ ≥ 0

Random variabel dari bunga di dalam membangun model untuk asuransi

jiwa atau annuitas untuk (x) dan (y) adalah T (x) = min[T ∗ (x), Z] dan
T (y) = min[T ∗ (y), Z]. Joint survival function dari [T (x), T (y)] adalah:
sT (x)T (y) (s, t) = Pr {min[T ∗ (x), Z] > z ∩ min[T ∗ (y), Z] > t}

= sT ∗ (x) (s) sT ∗ (y) (t)e−λ[max(s,t)]

P.d.f untuk Common Shock:

∂2
fT (x)T (y) (s, t) = sT ∗ (x) (s) sT ∗ (y) (t)e−λ[max(s,t)]
∂s
h ∂t i
= s0T ∗ (x) (s)s0T ∗ (y) (t) − λs0T ∗ (x) (s)sT ∗ (y) (t) e−λt
dimana 0 < s < t.

dan
fT (x)T (y) (t, t) = λe−λt sT ∗ (x) (t) sT ∗ (y) (t) t≥0

Domain dari Common Shock
Domain dari Common Shock

Fungsi Survival Marginal dari Common Shock
Fungsi survival marginal untuk Common Shock
sT (x) (s) = Pr {[T (x) > s] ∩ [T (y) > 0]}

= sT ∗ (x) (s)e−λs
dan
sT (y) (t) = Pr {[T (x) > 0] ∩ [T (y) > t]}
= sT ∗ (y) (t)e−λt

Joint-Life dan Last-Survivor dalam Common Shock
Bentuk Joint-Life:
sT (xy) (t) = sT ∗ (x) (t) sT ∗ (y) (t) e−λt 0<t
Bentuk Last-Survivor
sT (xy) (t) = sT ∗ (x) (t) + sT ∗ (y) (t) − sT ∗ (x)T ∗ (y) (t, t) e−λt

0<t

Dependent Lifetime Models Copulas
Copula
Copula berarti sesuatu yang terhubung atau tergabung secara bersama.

Copula biasanya digunakan di dalam analisis statistika multivariat untuk
mendefinisikan sebuah kelas dari distribusi bivariat dengan distribusi
marginal yang dispesifikasikan. Diklaim bahwa
" #
1 (eαFT (x) (s) − 1)(eαFT (y) (t) − 1)
FT (x)T (y) (s, t) = log 1 +
α eα − 1

Ketika α 6= 0 adalah joint fungsi distribusi dengan distribusi marginal

FT (x) (s) dan FT (y) (t). Dapat diperoleh
FT (x)T (y) (0, 0) = 0
FT (x)T (y) (∞, ∞) = 1

dan
∂2
F (s, t) = fT (x)T (y) (s, t)
∂s∂t T (x)T (y) h i
αfT (x) (s)fT (y) (t) eα[FT (x) (s)+FT (y) (t)]
α
=h i2 (e − 1)
(eα − 1) + (eαFT (x) (s) − 1)(eαFT (y) (t) − 1)
dan
FT (x)T (y) (s, ∞) = FT (x) (s)
FT (x)T (y) (∞, t) = FT (y) (t)

Estimasi Parameter α
Parameter α mengatur ke-dependent dari T (x) dan T (y). Dapat diapre-

siasi dengan menemukan
n o
lim fT (x)T (y) (s, t) = fT (x) (s)fT (y) (t) lim [A(α)B(α)C(α)]
α→0 α→0
dimana
A(α) = eα[FT (x) (s)+FT (y) (t)]

(eα − 1)α
B(α) = α
(e − 1)2
1
C(α) = n h io2
1 + eαFT (x) (s) − 1 eαFT (y) (t) − 1 / (eα − 1)

Diperoleh:
lim A(α) = 1
α→0
lim B(α) = 1
α→0
lim C(α) = 1
α→0
dan
lim fT (x)T (y) (s, t) = fT (x) (s)fT (y) (t)
α→0
yang berarti T (x) dan T (y) akan independent ketika α → 0.

Insurance and Annuity Benefits
Insurance and Annuity Benefits
Pada bagian ini akan dibahas mengenai nilai asuransi dan anuitas yang
didefinisikan untuk status survivalnya (u).
Lebih lanjut, akan dibahas contoh anuitas yang lebih kompleks; yaitu
anuitas yang dibayarkan untuk suatu survival status (u) setelah ditunda
sampai status survival lainnya (v ) gagal.

Insurance and Annuity Benefits Survival Status
Survival Stasus
Dengan mengganti single-life status (x) dengan survival status (u), maka
dapat diperoleh simbol untuk nilai aktuaria sekarang, variansi, dan persen-
til dalam (u).
Pada asuransi diskrit, jika K merupakan variabel random diskrit sisa
usia (curtate − f uture − lif etime) dari survival status (u), maka diper-
oleh
Waktu pembayaran adalah K + 1
Nilai sekarang dari pembayaran Z = K + 1
Nilai aktuaria sekarang, Au adalah
∞
X
E[Z] = v k+1 P r(K = k)
k=0
V ar(Z) = 2 Au − (Au )2

Contoh:
Asuransi diskrit untuk last-survivor status adalah
∞
X
Axy = v k+1 (k px qx+k + k py qy+k − k pxy qx+k:y+k )
k=0

Sedangkan formula untuk anuitas jiwa diskrit berjangka n-tahun dari

survival status (u) adalah:

 äK+1 , K = 0, 1, ..., n − 1
Y =
än , K = n, n + 1, ...

n−1
X
äu:n = E[Y ] = äK+1 k| qu + än n pu
0
n−1
X n−1
X
äu:n = E[Y ] = k Eu = v k k pu
0 0
1
äu:n = (1 − Au:n )
n
1
V ar(y) = 2 2 Au:n − (Au:n )2

d

Dengan menggunakan hubungan antara nilai aktuaria dengan anuitas

jiwa, maka dapat diperoleh hubungan yang sama dalam survival status
(u) (khususnya pada kasus joint-life status), yaitu:
Axy:n = 1 − däxy:n
2
Axy:n = 1 − (2d − d2 ) 2 äxy:n

Lebih lanjut, dapat diperoleh hubungan nilai sekarang (present value)

antara anuitas dan nilai aktuaria pada last-survivor status dan joint-life
status, yaitu:
v K(xy)+1 + v K(xy)+1 = v K(x)+1 + v K(y)+1 ,

äK(xy)+1 + äK(xy)+1 = äK(x)+1 + äK(y)+1
jika setiap ruas pada persamaan diatas diekspektasikan, maka diperoleh
Axy + Axy = Ax + Ay

Sama halnya seperti asuransi diskrit dari survival status (u), kita dapat
memperoleh nilai sekarang, nilai aktuaria, dan variansi untuk asuransi
kontinu dari survival status (u), yaitu:
Z = vT
Z ∞
Āu = v t t pu µu (t) dt
0
V ar(Z) = 2 Āu − (Āu )2

Contoh:
Asuransi kontinu untuk last-survivor status adalah:
Z ∞
Āxy = v t t pxy µxy (t) dt
0
atau
Z ∞
Axy = v t [t px µ(x + t) + t py µ(y + t) − t pxy µxy (t)] dt.
0

Sedangkan formula untuk anuitas jiwa kontinu berjangka n-tahun dari

survival status (u) adalah:
Y = āT
Z ∞
āu = āt t pu µu (t) dt
0
Z ∞
= v t t pu dt
0
2 Ā − (Āu )2
u
V ar(Y ) =
δ2
Dengan persaman δāT + v T = 1, juga berlaku untuk T = T (u).

Jika T = T (xy), maka diperoleh anuitas kontinu dari (xy) adalah:
Y = āT ,
Z ∞
āxy = āt [t px µ(x + t) + t py µ(y + t) − t pxy µxy (t)] dt
0
Z ∞
= v t t pxy dt,
0
dan variansinya adalah:

2 Ā − (Āxy )2
xy
V ar(Y ) = .
δ2

Dari hubungan T (xy) + T (xy) = T (x) + T (y), diperoleh
v T (xy)+1 + v T (xy)+1 = v T (x)+1 + v T (y)+1 (1)

äT (xy)+1 + äT (xy)+1 = äT (x)+1 + äT (y)+1 , (2)
serta dari hubungan T (xy) T (xy) = T (x) T (y), diperoleh
v T (xy)+1 v T (xy)+1 = v T (x)+1 v T (y)+1
Persamaan-persamaan ini dapat digunakan untuk mendapatkan nilai ak-

tuaria sekarang, variansi, dan kovariansi dari asuransi maupun anuitas
untuk berbagai survival status.

Jika persamaan (1) dan (2) diekspektasikan untuk setiap ruasnya, maka
diperoleh hasil berikut:
Āxy + Āxy = Āx + Āy , (3)

äxy + äxy = äx + äy . (4)
Dengan cara yang sama, diperoleh kovariansi
Cov[T (xy), T (xy)] = Cov[T (x), T (y)] + (ēx − ēxy )(ēy − ēxy )
Cov[v T (xy) , v T (xy) ] = Cov[v T (x) , v T (y) ] + (Āx − Āxy )(Āy − Āxy )

Anuitas kontinu dari variabel random common shock untuk joint-life

status dapat ditulis sebagai:
Z ∞ Z ∞
āxy = e−(δ+λ)t ST ∗ (x) (t)dt + e−(δ+λ)t ST ∗ (y) (t)dt
0 0
Z ∞
−(δ+λ)t
− e ST ∗ (x) (t)ST ∗ (x) (t)dt
0

Contoh 1
a. Perluas persamaan (1) untuk asuransi kontinu berjangka n-tahun
dari last-survivor status. Jika ada salah satu individu yang masih
hidup di waktu n, maka manfaat meninggal tidak dibayarkan.
b. Gunakan hasil dari bagian (a.) untuk menghitung nilai sekarang
aktuaria dari asuransi kontinu berjangka 5-tahun untuk
last-survivor status, dengan δ = 0, 05 dan p.d.f
fT (t) = 0.002[t3 + (10 − t)3 ], 0 ≤ t < 10.

Penyelesaian :
a. Dengan menulis ulang persamaan (1) untuk asuransi berjangka
n-tahun serta mengekspektasikan setiap ruas, diperoleh:
1 1 1 1
Āxy:n = Āx:n + Āy:n − Āxcy:n ,
1
dengan Āxcy:n merupakan asuransi berjangka untuk joint-life
status.
b. Diketahui bahwa T (x) dan T (y) masing-masing mempunyai p.d.f.
fT (t) = 0.002[t3 + (10 − t)3 ], 0 ≤ t < 10. Oleh karena itu,
Z 5
1
Āx:5 1
= Āx:5 = e−0.05t [0.0002[t3 + (10 − t)3 ]]dt
0
= 0.4563.

Diketahui fT (t) = 0.0004(10 − t)3 maka dapat diperoleh

Z 5
1
e−0.05t 0.0004(10 − t)3 dt = 0.8614.

Āxcy:5
=
0
Dengan menggunakan hasil dari (a.) diperoleh
1
Āxy:5 = 2(0.4563) − 0.8614 = 0.0512
H

Insurance and Annuity Benefits Special Two-Life Annuities
Special Two-Life Annuities
Pada bagian ini akan diberikan contoh anuitas spesial (special annuities)
yang tingkat pembayarannya bergantung dari survival 2 jiwa.
Contoh 2
Sebuah anuitas kontinu yang pembayarannya sebagai berikut:
• pembayaran sebesar 1 unit pertahun jika (x) dan (y) hidup,
• pembayaran sebesar 2/3 unit pertahun jika salah satu diantara (x)
dan (y) meninggal
Tentukanlah:
a. Bentuk variabel random untuk jenis anuitas diatas
b. Anuitas jiwa kontinu untuk jenis anuitas diatas
c. Variansi variabel random dari hasil (a.), dengan asumsi T (x) dan
T (y) independen.

Penyelesaian:
a. Anuitas ini merupakan kombinasi dari pembayaran sebesar 2/3
unit per tahun, jika setidaknya ada satu diantara (x) dan (y)
hidup sampai waktu T (xy), dan pembayaran sebesaran 1/3 unit
per tahun, jika keduanya hidup sampai T (xy). Sehingga variabel
random untuk anuitas ini adalah
2 1
Z = āT (xy) + āT (xy) .
3 3
b. Nilai aktuaria sekarang dari Z adalah
2 1
E[Z] = āxy + āxy
3 3
dengan mensubstitusikan āxy seperti pada persamaan (4),
diperoleh
2 2 1
E[Z] = āx + āy − āxy
3 3 3

Secara alternatif, E[Z] dapat diperoleh dengan cara berikut:
2 ∞ t 1 ∞ t
Z Z
E[Z] = v t pxy dt + v t pxy dt
3 0 3 0
dengan
t pxy = t pxy + (t px − t pxy ) + (t py − t pxy ),
selanjutnya, dengan mensubstitusikan persamaan ini kedalam integral,
diperoleh
Z ∞
2 ∞ t
Z
t
E[Z] = v t pxy dt + v (t px − t pxy )dt
0 3 0
Z ∞
2
− v t (t py − t pxy )dt
3 0

c. Variansi dari Z adalah

2 1
V ar(Z) = V ar āT (xy) + āT (xy)
3 3
4 1 4
= V ar(āT (xy) ) + V ar(āT (xy) ) + Cov(āT (xy) , āT (xy) ).
9 9 9
Karena T (x) dan T (y) independen, maka
Cov(v T (xy) , v T (xy) )

Cov(āT (xy) , āT (xy) ) =
δ2
(Āx − Āxy )(Āy − Āxy )
=
δ2
Sehingga,
4/9[2 Āxy −(Āxy )2 ]+1/9[2 Āxy −(Āxy )2 ]+(Āx −Āxy )(Āy −Āxy )
n o
V ar(Z) = δ2
H

Insurance and Annuity Benefits Reversionary Annuities
Reversionary Annuities
Anuitas reversional adalah anuitas yang berlaku untuk status (u),

tetapi setelah status lainnya (v) telah gagal (failure).
Anuitas reversional dapat juga dipandang sebagai anuitas tertunda yang

waktu tundanya merupakan time-until-failure dari status (v). Notasi
dari anuitas ini adalah av|u .

Berikut diberikan variabel random dari anuitas reversional:

dimisalkan anuitas kontinu untuk (y) setelah (x) meninggal

ā T (x) ≤ T (y)
Z = T(x) | T(y) - T(x)
0 T (x) > T (y)
atau dapat ditulis juga sebagai
āT (y) − āT (x) T (x) ≤ T (y)

Z=
0 T (x) > T (y)

atau sama dengan,

(
āT (y) − āT (x) T (x) ≤ T (y)
Z=
āT (y) − āT (y) T (x) > T (y)
dalam hal ini Z dapat ditulis sebagai,
Z = āT (y) − āT (xy) (5)
Sehingga,
h i h i
āx|y = E[Z] = E āT (y) − E āT (xy) = āy − āxy . (6)
Persamaan (5) dan (6) berlaku untuk survival status (u) dan (v). Seba-
gai contoh,
āx:n | y = āy − āxy : n ,

āx | y:n = āy : n − āxy : n

Contoh 3 Hitunglah nilai aktuaria sekarang dari anuitas kontinu yang

pembayarannya diberikan sebagai berikut:
kasus pembayaran, besar pembayaran, kondisi pembayaran
1 pembayaran sebesar 1 unit per tahun selama n-tahun
2 pembayaran sebesar 1 unit per tahun setelah n-tahun jika (x) dan
(y) kedua-duanya hidup
3 pembayaran sebesar 3/4 unit per tahun setelah n-tahun jika (x)
hidup dan (y) meninggal
4 pembayaran sebesar 1/2 unit per tahun setelah n-tahun jika (y)
hidup dan (x) meninggal

Penyelesaian:
Dengan menggunakan anuitas reversional diperoleh:
• kasus 1 merupakan anuitas pasti n-tahun, yaitu: ān
• kasus 2 merupakan anuitas tertunda n-tahun untuk joint-life
status (xy), yaitu: n| ān = āxy − āxy : n
• kasus 3 merupakan anuitas reversional dengan pembayaran 3/4
per tahun untuk x setelah y : n , yaitu:
3 3 3
āy:n | x = (āx − āx : (y:n ) ) = (āx − āxy − āx:n + āxy:n )
4 4 4

• kasus 4 merupakan anuitas reversional dengan pembayaran 1/2

per tahun untuk y setelah x : n , yaitu:
1 1
ā = (āy − āxy − āy:n + āxy:n )
2 x:n | y 2
dengan menjumlah keempat kasus tersebut, diperoleh nilai aktuaria se-
karang:
3 1 1 3 1 1
ān + āx + āy − āxy − āx:n − āy:n + āxy:n
4 2 4 4 2 4
H

Evaluation - Special Mortality Assumptions
Evaluation - Special Mortality Assumptions
Telah dibahas sebelumnya mengenai nilai sekarang aktuaria dari berba-

gai asuransi dan anuitas yang melibatkan 2 variabel random kontinu sisa-
usia (future-lifetime random variables). Tentunya perhitungan integral
dan penjumlahan untuk 2 variabel random sisa-usia ini akan semakin
rumit.
Pada bagian ini akan dibahas mengenai beberapa asumsi dari distribusi
T (u) yang memudahkan perhitungan integral maupun penjumlahan un-
tuk 2 variabel random kontinu sisa-usia.

Evaluation - Special Mortality Assumptions Gompertz and Makeham Laws
Gompertz and Makeham Laws
Pada bagian ini dibahas mengenai kematian yang mengikuti hukum

Gompertz dan Makeham, serta perhitungan nilai aktuaria sekarang
untuk multiple life statuses.
Asumsi yang digunakan pada bagian ini adalah variabel random kontinu
sisa-usia (future-lifetime random variables) independen.

Pertama akan dibahas kematian yang mengikuti hukum Gompertz, µ(x) =

Bcx . Diperhatikan:
µxy (s) = µ(w + s) s ≥ 0
atau
Bcx+s + Bcy+s = Bcw+s
atau
cx + cy = cw (7)
Hal ini berakibat,
Z t
t px = exp − µ(w + s) ds
0
Z t
= exp − µxy (s) ds
0
= t pxy

Untuk w yang didefinisikan pada persamaan (7), semua probabilitas,

ekspektasi, dan variansi dari joint-life status (xy) sama dengan single-
life status (w).
Sedangkan untuk kematian yang mengikut hukum Makeham mempunyai

percepatan kematian, sebagai berikut:
µxy (s) = µ(x + s) + µ(y + s) = 2A + Bcs (cx + cy ) (8)
Pada persamaan diatas, kita tidak dapat mengganti single-life status

menjadi joint-life status karena ada koefisien 2A.

Oleh karena itu, dengan mengganti (xy) menjadi joint-life status yang
lain (ww), diperoleh
µww (s) = 2µ(w + s) = 2(A + Bcs cw )
dan dipilih w sedemikian sehingga
2cw = cx + cy .

Contoh 4
Diketahui 1000µ(x) = 0.7+0.05(100.04 )x , dengan menggunakan äxx pada
tabel ILT dan tingkat bunga 6%, hitunglah ä60:70 .
Penyelesaian
Karena c = 100.04 dan c60 +c70 = 2cw , maka diperoleh w = 66.11276. Ke-
mudian menggunakan interpolasi linear, didapat ä60:70 = 0.88724ä66:66 +
0.11276ä67:77 = 7.55637.
H

Evaluation - Special Mortality Assumptions Distribusi Uniform
Distribusi Uniform
Pada bagian ini tetap digunakan asumsi independen, namun ada penam-
bahan asumsi, yaitu kematian berdistribusi uniform setiap tahunnya per
individu dalam joint-life status.
Dengan penambahan asumsi ini, kita dapat menghitung anuitas lebih

dari sekali dalam setahun, serta manfaat asuransi yang dibayarkan seke-
tika saat kematian.

Dengan asumsi kematian berdistribusi uniform, diperoleh t px = 1 − tqx

dan
d
t px µ(x + t) = (1 − t px ) = qx .
dt
Dengan mensubstitusikan asumsi ini kedalam joint-life status (xy) de-
ngan T (x) dan T (y) independen, diperoleh untuk 0 ≤ t ≤ 1
t pxy µxy (t) = t px t py [µ(x + t) + µ(y + t)]

= t py t px µ(x + t) + t py t px µ(y + t)
= (1 − tqy )qx + (1 − tqx )qy (9)
= qx + qy − qx qy + +(1 − 2t)qx qy
= qxy + (1 − 2t)qx qy

Nilai aktuaria sekarang dari asuransi untuk survival status (u) dapat
ditulis sebagai
∞ Z 1
k+s pu
X
k+1
Āu = v k pu (1 + i)1−s µu (k + s) ds.
0 k pu
k=0
Menggunakan persamaan (9), diperoleh

∞
X Z 1
k+1
Āxy = v k pxy qx+k:y+k (1 + i)1−s ds
k=0 0
Z 1
1−s
+qy+k (1 + i) (1 − 2s) ds
0
∞
i i 2 2 X k+1
= Axy + 1− + v k pxy qx+k qy+k
δ δ δ i
k=0

Jika T (xy) berdistribusi uniform, maka aproksimasi dari nilai Āxy , adalah:
i
Āxy = Axy ,
δ
dan diperoleh nilai āxy , yaitu:
1
āxy = (1 − Āxy ).
δ
Dengan mensubstitusikan persamaan (9) kepersamaan diatas, diperoleh
∞
i 2 2 X k+1
āxy = [α(∞)äxy − β(∞)] − 2 1− + v k pxy qx+k qy+k
δ δ i
k=0

Jika T (xy) berdistribusi uniform, maka diperoleh
āxy = [α(∞)äxy − β(∞)]

(m)
Sedangkan untuk Axy dibawah asumsi UDD, adalah
∞
X
i i 1 2 2
A(m)
xy = Axy + (m) 1+ − + v k+1 k pxy qx+k qy+k
i(m) i (m) d(m) i
k=0
dengan
m2 − 1

i 1 2 2 ∼
1+ − (m) + = i,
i(m) (m) d i 6m2
(m)
serta nilai äxy adalah
ä(m)
xy = α(m)äxy − β(m).

Simple Contingent Functions
Pada bagian ini akan dibahas mengenai asuransi yang bergantung pada
time failure dari suatu status. Asumsi yang digunakan adalah T (x) dan
T (y) mempunyai joint distribusi yang kontinu.
Pertama akan dibahas probabilitas (x) meninggal sebelum (y) dan se-
1 , dimana angka
belum waktu n. Probabilitas ini dinotasikan dengan n q xy
1 diatas x menandakan bahwa (x) meninggal sebelum (y) dan simbol n
menandakan bahwa y akan meninggal n tahun kemudian.

Untuk T (x) ≤ T (y) dan T (x) ≤ n, nilai dari n q xy 1 didefinisikan sebagai
berikut:
Z nZ ∞
1
n q xy = fT (x)T (y) (s, t) dt ds
Z0 n s
= P r[T (y) > s|T (x) = s] s px µ(x + s) ds,
0
dalam kasus independen, P r[T (y) ≥ s|T (x) = s] = s py , sehingga diper-

oleh Z n
1
n q xy = s py s px µ(x + s) ds
0

Contoh 5
1 dimana
Hitunglah 5 q xy
0.0006(t − s)2 0 < s < 10, 0 < t < 10

fT (x)T (y) (s, t) =
0 untuk lainnya
Penyelesaian:
Z 5 Z 10
1
5 q xy = 0.0006(t − s)2 dt ds
0 s
Z 5
= 0.0002(10 − s)3 ds
0
= 0.46875

Sedangkan probabilitas (y) meninggal setelah (x) dan sebelum waktu n,

dinotasikan dengan n q xy2 . Untuk 0 ≤ T (x) ≤ T (y) ≤ 0, n q xy2 didefinisikan
sebagai:
Z nZ t
2
n q xy = fT (x)T (y) (s, t) dt ds
0 s
Z n
= P r[T (x) ≤ t|T (y) = t] t py µ(y + t) dt,
0
dalam kasus independen, diperoleh

Z n
2
n q xy = t qx t py µ(x + s) dt
0
1
= n qy − t q xy

Jika n q xy2 dikerjakan/diintegralkan terhadap t terlebih dahulu, maka

akan diperoleh
2 1
n q xy = n q xy − n p y n qx .
Lebih lanjut, diperoleh hubungan
1
n q xy = n q xy2 + n py n qx
atau diperoleh
1
n q xy ≥ n q xy2

Sedangkan asuransi yang dibayarkan saat (x) meninggal dan (y) masih
1 = E[Z], dimana
hidup, dinotasikan dengan Āxy
 T (x)
 v T (x) ≤ T (y)
Z=
0 T (x) > T (y),

1 didefinisikan sebagai:
nilai Āxy
Z ∞Z ∞
1
Āxy = v s fT (x)T (y) (s, t) dt ds
0 s
Z ∞
FT (x) | T (y) (t|s) dt v s s px µ(x + s) ds

=
0

1 menjadi
Untuk kasus independen nilai Āxy
Z ∞
1
Āxy = v s s py s px µ(x + s) ds,
0
interpretasi dari persamaan diatas adalah pembayaran sebesar 1 unit

dibayarkan jika (x) meninggal sebelum waktu s dan (y) masih hidup.
1 =
Saat δ = 0, Āxy 1
∞ q xy .

Contoh 6
Tentukan asuransi yang manfaatnya dibayarkan seketika saat kematian
sebesar 1000 unit saat (x) meninggal dan (y) masih hidup dengan δ =
0.04 dan
0.02(10 − t) 0 < t < 10
f (t) =
0 untuk lainnya
Penyelesaian:
Karena T (x) dan T (y) independen, maka diperoleh
Z ∞
1
1000Āxy = 1000 e−0.04s s py s px µ(x + s) ds
Z0 ∞
= 1000 e−0.04 0.01(10 − s)2 0.02(10 − s) ds
Z ∞0
= 0.2 e−0.04 (10 − s)3 ds
0
= 462.52
H
Contoh 7
a. Hitunglah integral lipat satu untuk asuransi yang dibayarkan saat
(y) meninggal setelah (x) meninggal.
b. Sederhanakanlah integral tersebut dengan asumsi independen.
c. Carilah penyelesaian alternatif dari (b) dengan membalik urutan
pada integral lipat dua.

a. Asuransi yang dimaksud adalah Āxy2 = E[Z] dimana
v T (y) T (x) ≤ T (y)

Z=
0 T (x) > T (y)
Sehingga nilai dari Āxy2 adalah

Z ∞Z t
Āxy2 = v t fT (x)T (y) (s, t) ds dt
Z0 ∞ 0
t
= v P r[T (x) ≤ t|T (y) = t] fT (y) (t) dt.
0

b. Sedangkan untuk kasus inpenden diperoleh

Z ∞
Āxy2 = v t t qx t py µ(y + t) dt
0
1
= Āy − Āxy
c. Dimisalkan t = r + s, diperoleh
Z ∞Z t
2
Āxy = v r+s r+s py µ(y + r + s) s px µ(x + s) dr ds
Z0 ∞ 0
= v s Āy+s s py s px µ(x + s) ds.
0

Evaluation - Simple Contingent Functions
Pada bagian ini akan dibahas tentang simple contingent probabilities dan
nilai aktuaria sekarang, serta akibat dari asumsi kematian untuk hukum
Gompertz, hukum Makeham, dan distribusi uniform.

Contoh 8
Diasumsikan percepatan kematian mengikuti hukum Gompertz. Hitung-
lah
a. Nilai aktuaria sekarang dari asuransi kontinu berjangka n-tahun
yang dibayarkan seketika saat (x) meninggal dan (x) meninggal
sebelum (y)
b. Probabilitas (x) meninggal sebelum waktu n dan (x) meninggal
sebelum waktu (y)

Penyelesaian:
a. Menggunakan hukum Gompertz, diperoleh
Z n
1
Āxy:n = v t t pxy Bcx ct dt
0
cx
= Ā 1 .
cx + cy xcy:n
1 1 1 cx 1
Karena Āxcy:n = Āw:n , maka Āxy:n = Ā .
cw w:n
1 cx
b. n q xy = n qw
cw
H

Contoh 9
Kerjakan contoh 8 dengan hukum Makeham.
Penyelesaian:
a. Menggunakan hukum Makeham, diperoleh
cx cx

1 1
Āxy:n = A 1 − w āww:n + w Āw w:n
c 2c d
cx cx

1
b. n q xy = A 1 − w e̊ww:n + w n qww .
c 2c
H

Sedangkan nilai aktuaria sekarang dari asuransi diskrit adalah

∞
X
1
Axy = v k+1 k pxy q x+k:y+k
1
k=0
dengan
Z 1
1
q x+k:y+k = s px+k:y+k µ(x + k + s) ds
0

1
= qx+k 1 − qy+k
2

dan s px+k:y+k µ(x + k + s) dapat dituliskan sebagai

1 1
s px+k:y+k µ(x + k + s) = q x+k:y+k + − s qx+k qy+k .
2
Hubungan antara asuransi diskrit dan asuransi kontinu, dapat dituliskan

sebagai
∞
X Z 1
1 k
Āxy = v k pxy v s s px+k:y+k µ(x + k + s) ds
k=0 0
∞
i 1 1i 2 2 X k+1
= Axy + 1− + v k pxy qx+k qy+k .
δ 2δ δ i
k=0

Catatan
Catatan
Konsep variabel random kontinu sisa-usia (future-lifetime random vari-

able) pada bab ini telah diperluas dari yang hanya untuk single life men-
jadi variabel random untuk suatu survival status, dalam kasus khusus
dimana status tersebut terdiri dari beberapa jiwa. Distribusi proba-
bilitas, nilai aktuaria sekarang, variansi, dan kovariansi pada bab ini
berdasarkan variabel random yang baru, dimana status dari variabel
tersebut terdiri dari 2 jiwa.

Multiple Life Function

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Multiple Life Function

Diunggah oleh

Hak Cipta:

Format Tersedia

Multiple Life Function

September 26, 2019

Multiple Life Function September 26, 2019 1 / 110

Multiple Life Function September 26, 2019 3 / 110

Joint Probability Density Function

fT (x)T (y) (s, t)

dengan 0 < s < m, 0 < t < n

Multiple Life Function September 26, 2019 4 / 110

Joint Distribution Function

Ruang Sampel T (x) dan T (y)

Joint Distribution Function Region I

FT (x)T (y) (s, t) = Pr [T (x) ≤ s dan T (y) ≤ t]

Multiple Life Function September 26, 2019 6 / 110

Joint Distribution Function Region II, III dan IV

FT (x)T (y) (s, t) = FT (x)T (y) (s, n) = FT (x) (s)

Multiple Life Function September 26, 2019 7 / 110

Joint Distribution Function Region II, III dan IV

FT (x)T (y) (s, t) = FT (x)T (y) (s, n) = FT (x) (s)

Multiple Life Function September 26, 2019 7 / 110

Joint Distribution Function Region II, III dan IV

FT (x)T (y) (s, t) = FT (x)T (y) (s, n) = FT (x) (s)

FT (x)T (y) (s, t) = FT (x)T (y) (m, t) = FT (y) (t)

Multiple Life Function September 26, 2019 7 / 110

Joint Survival Function

sT (x)T (y) (s, t) = Pr [T (x) > s dan T (y) > t]

Tidak seperti single life distribution dimana FX (x) + s(x) = 1, pada

Joint Survival Function

sT (x)T (y) (s, t) = Pr [T (x) > s ∩ T (y) > t]

untuk titik-titik lainnya:

sT (x)T (y) (s, t) = 0

Multiple Life Function September 26, 2019 9 / 110

Joint Survival Function

Region II dimana s < 0 dan t > 0

sT (x)T (y) (s, t) = sT (y) (t) = t py

Region III dimana s < 0 dan t < 0

sT (x)T (y) (s, t) = 1

Region IV dimana s > 0 dan t < 0

sT (x)T (y) (s, t) = sT (x) (s) = s px

Multiple Life Function September 26, 2019 10 / 110

T (x) dan T (y) Independen

Jika T (x) dan T (y) independen, maka sifat-sifat berikut berlaku:

Multiple Life Function September 26, 2019 11 / 110

T (x) dan T (y) Independen

Jika T (x) dan T (y) independen, maka sifat-sifat berikut berlaku:

Multiple Life Function September 26, 2019 11 / 110

T (x) dan T (y) Independen

Jika T (x) dan T (y) independen, maka sifat-sifat berikut berlaku:

Multiple Life Function September 26, 2019 11 / 110

Multiple Life Function September 26, 2019 12 / 110

Multiple Life Function September 26, 2019 13 / 110

FT (x)T (y) (s, t)

Multiple Life Function September 26, 2019 14 / 110

b. p.d.f., d.f., dan µ(x + s) untuk distribusi marginal dari T (x)

FT (x) (s) = FT (x),T (y) (s, ∞)

Multiple Life Function September 26, 2019 15 / 110

fT (x) (s) = FT0 (x) (s)

Multiple Life Function September 26, 2019 16 / 110

Multiple Life Function September 26, 2019 17 / 110

Cov (T (x), T (y)) = E[T (x)T (y)] - E[T (x)]E[T (y)]

V ar[T (x)] = E[T (x)2 ] − E[T (x)]2

Multiple Life Function September 26, 2019 20 / 110

Multiple Life Function September 26, 2019 21 / 110

Multiple Life Function September 26, 2019 22 / 110

Cov(T (x), T (y)) = E[T (x)T (y)] − E[T (x)]E[T (y)]