Sterftetafel
Sterftetafel
Beste forum
graag had ik enige uitleg bekomen inzake de berekening van projectieve sterftetafels aan de hand van mortaliteitscijfers in het verleden. De wiskundige redenering kan ik enigszins volgen, de praktische uitwerking niet.
Er wordt gebruik gemaakt van de Lee Carter methode met cijfermateriaal van de afgelopen 40 jaar met de volgende stappen:
1. alpha en beta worden eerst geschat via OLS methode;
2. geschatte beta's worden naden afgevlakt via meetkundige gemiddelde;
3. geschatte alpha's worden nadien afgetoetst aan de bekomen beta's.
Reeds in de eerste fase ben ik de weg kwijt: dien ik voor een bepaald leeftijd (bv. 30 jaar) de OLS methode toe te passen op mortaliteitscijfers in categorie 30 jaar van de afgelopen jaar of dien ik voor leeftijd 30 jaar in de afzonderlijke jaren de OLS methode toe te passen om daarna naar stap 2 over te stappen?
Beide mogelijkheden heb ik al uitgerekend via excel (=LIJNSCH(kolom 2;kolom1;1;1), maar de resultaten komen niet overeen.
Met andere woorden, wat moet er in kolom 1 en wat moet er in kolom 2?
Dank om mij in de juiste richting te sturen
graag had ik enige uitleg bekomen inzake de berekening van projectieve sterftetafels aan de hand van mortaliteitscijfers in het verleden. De wiskundige redenering kan ik enigszins volgen, de praktische uitwerking niet.
Er wordt gebruik gemaakt van de Lee Carter methode met cijfermateriaal van de afgelopen 40 jaar met de volgende stappen:
1. alpha en beta worden eerst geschat via OLS methode;
2. geschatte beta's worden naden afgevlakt via meetkundige gemiddelde;
3. geschatte alpha's worden nadien afgetoetst aan de bekomen beta's.
Reeds in de eerste fase ben ik de weg kwijt: dien ik voor een bepaald leeftijd (bv. 30 jaar) de OLS methode toe te passen op mortaliteitscijfers in categorie 30 jaar van de afgelopen jaar of dien ik voor leeftijd 30 jaar in de afzonderlijke jaren de OLS methode toe te passen om daarna naar stap 2 over te stappen?
Beide mogelijkheden heb ik al uitgerekend via excel (=LIJNSCH(kolom 2;kolom1;1;1), maar de resultaten komen niet overeen.
Met andere woorden, wat moet er in kolom 1 en wat moet er in kolom 2?
Dank om mij in de juiste richting te sturen
Re: Sterftetafel
Kan je op dit forum
(1) een link naar de tekst geven,
OF
(2) een plaatje/foto van de formules, gegevens en resultaten plaatsen?
(1) een link naar de tekst geven,
OF
(2) een plaatje/foto van de formules, gegevens en resultaten plaatsen?
Re: Sterftetafel
Beste,
de wijze van berekening vindt u op deze website: https://www.plan.be/publications/public ... quotienten
p. 4 e.v. wordt de methodologie besproken
bedankt
de wijze van berekening vindt u op deze website: https://www.plan.be/publications/public ... quotienten
p. 4 e.v. wordt de methodologie besproken
bedankt
Re: Sterftetafel
Hieronder een rekenvoorbeeld met getallen uit
https://statbel.fgov.be/nl/themas/bevol ... n#panel-15
blad 3 (QxObs-M):
\(q_{x,t}\) = de kans op overlijden voor iemand van x jaar oud in jaar t,
een klein voorbeeld met x van 30 .. 45 jaar, en t van 1990 .. 2017.
STAP 1
Volgens pag. 4 van je artikel worden de reeksen afgevlakt over de tijd aan de hand van een methode van het voortschrijdend meetkundig gemiddelde.
Het voortschrijdend gemiddelde bereken je door het gemiddelde te nemen van elke waarde en een klein aantal voorafgaande en opvolgende waarden.
In dit voorbeeld heb ik gekozen voor een window van 5 waarden: het gemiddelde van elke waarde en 2 voorafgaande en 2 opvolgende waarden.
In Excel is het meetkundig gemiddelde de functie GEOMEAN
FIGUUR 1 in je artikel (voor x = 40 jarigen) wordt in ons geval:
![Afbeelding](https://i.ibb.co/r73KTKM/qxt-stap1a.png)
Dit gaan we doen voor alle 30 .. 45 jarigen.
De ruwe data:
![Afbeelding](https://i.ibb.co/ZBrHsJ1/qxt-stap1b.png)
worden zo allemaal wat afgevlakt:
![Afbeelding](https://i.ibb.co/Zdsg3hz/qxt-stap1c.png)
Dan nemen we van elk van deze waarden de natuurlijke logaritme (LN).
Dit betekent dat
\(q_{x,t} = e^{\alpha_x + \beta_x t}\)
wordt omgezet in
\(\ln(q_{x,t}) = \alpha_x + \beta_x t\)
Merk nog op dat ze alle jaartallen stilzwijgend naar het begin van de getallenlijn verschuiven (naar t = 0, 1, 2, ...).
Op zich is dit geen probleem, het verandert alleen de waarde van je constante alpha:
\(\ln(q_{x,t}) = \alpha_x + \beta_x t = \alpha_x + \beta_x (1990+t-1990) = (\alpha_x + 1990\beta_x) +\beta_x(t-1990)\)
![Afbeelding](https://i.ibb.co/kgsmX26/qxt-stap1d.png)
Nu bepalen we voor elke leeftijd x de regressielijn:
\(\hat{y_x} = \alpha_x + \beta_x t\)
Let in Excel op de fixatie met het dollarteken $ van de juiste kolom en de juiste rij, zodat je alle elementen van je tabel in één keer kan copy-pasten.
![Afbeelding](https://i.ibb.co/1MVZz4j/qxt-stap1e.png)
met als resultaat:
![Afbeelding](https://i.ibb.co/Sn4Vr3R/qxt-stap1f.png)
STAP 2
Sommige lijnen hierboven kruisen, dit lijkt niet te passen bij het natuurlijk beloop, maar eerder te zijn veroorzaakt door statistisch toeval.
De richting van de lijnen wordt bepaald door \(\beta_x\), deze willen we dus aanpassen richting aannemelijker waarden.
Dat doen ze ook weer met een afvlakking via het voortschrijdend meetkundig gemiddelde.
Omdat de waarden van \(\beta_x\) nogal sterk wisselen, heb ik gekozen voor een iets groter window: nu 7 breed.
Noot: omdat Excel protesteert tegen negatieve waarden in GEOMEAN, heb ik ze eerst positief gemaakt, dan GEOMEAN toegepast, en tenslotte het resultaat weer terug negatief gemaakt.
![Afbeelding](https://i.ibb.co/WKxtkHW/qxt-stap2a.png)
STAP 3
Nu gaan we voor elke leeftijd x de \(\alpha_x\) zoeken, zodanig dat de lijn
\(\hat{y_x} = \alpha_x + \beta_x t\)
volgens de kleinste kwadraten benadering zo goed mogelijk bij de werkelijk \(y_{x,t}=\ln(q_{x,t})\) past,
waarbij in dit geval de afgevlakte \(\beta_x\) al vastligt (zie stap 2).
We zoeken dus de \(\alpha_x\) waarvoor
\(\displaystyle{\sum_{t=0}^{26}} (\hat{y_x} - y_{x,t})^2\)
minimaal is.
Dan moet de afgeleide naar \(\alpha_x\) nul zijn:
\(\frac{d}{d\alpha_x}\displaystyle{\sum_{t=0}^{26}} (\hat{y_x} - y_{x,t})^2 = 0\)
ofwel
\(\frac{d}{d\alpha_x}\displaystyle{\sum_{t=0}^{26}} (\alpha_x + \beta_x t - \ln(q_{x,t}))^2 = 0\)
ofwel
\(\displaystyle{\sum_{t=0}^{26}} 2(\alpha_x + \beta_x t - \ln(q_{x,t}))= 0\)
ofwel
\(\displaystyle{\sum_{t=0}^{26}} (\alpha_x + \beta_x t - \ln(q_{x,t}))= 0\)
ofwel
\(\displaystyle{\sum_{t=0}^{26}} \alpha_x + \displaystyle{\sum_{t=0}^{26}}(\beta_x t - \ln(q_{x,t}))= 0\)
ofwel
\(27 \alpha_x = \displaystyle{\sum_{t=0}^{26}}(\ln(q_{x,t})-\beta_x t )\)
ofwel
\(\alpha_x = \frac{\displaystyle{\sum_{t=0}^{26}}(\ln(q_{x,t})-\beta_x t )}{27}\)
Maak een nieuwe x-t tabel met daarin alle waarden van \(\ln(q_{x,t})-\beta_x t\),
\(\alpha_x\) is dan het (gewone, rekenkundige) gemiddelde (AVERAGE) van elke kolom daarin:
![Afbeelding](https://i.ibb.co/cwKJ1H5/qxt-stap3a.png)
Met deze waarden voor alpha en beta vinden we de nieuwe regressielijnen:
![Afbeelding](https://i.ibb.co/cwhW1Yj/qxt-stap3b.png)
De lijnen lopen zo beter parallel.
Wat ook opvalt is dat hun onderlinge afstanden nogal chaotisch wisselen. Eigenlijk zou je nu nog een stap 4 willen toevoegen waarin je de alpha's aanpast om die afstanden regelmatiger te maken.
Tenslotte:
FIGUUR 2 van het artikel geeft de alpha's als functie van leeftijd.
Voor ons wordt dit:
![Afbeelding](https://i.ibb.co/PmPxmJj/qxt-stap3c.png)
FIGUUR 3: de bèta's als functie van leeftijd hadden we hierboven (stap 2) al gegeven.
https://statbel.fgov.be/nl/themas/bevol ... n#panel-15
blad 3 (QxObs-M):
\(q_{x,t}\) = de kans op overlijden voor iemand van x jaar oud in jaar t,
een klein voorbeeld met x van 30 .. 45 jaar, en t van 1990 .. 2017.
STAP 1
Volgens pag. 4 van je artikel worden de reeksen afgevlakt over de tijd aan de hand van een methode van het voortschrijdend meetkundig gemiddelde.
Het voortschrijdend gemiddelde bereken je door het gemiddelde te nemen van elke waarde en een klein aantal voorafgaande en opvolgende waarden.
In dit voorbeeld heb ik gekozen voor een window van 5 waarden: het gemiddelde van elke waarde en 2 voorafgaande en 2 opvolgende waarden.
In Excel is het meetkundig gemiddelde de functie GEOMEAN
FIGUUR 1 in je artikel (voor x = 40 jarigen) wordt in ons geval:
![Afbeelding](https://i.ibb.co/r73KTKM/qxt-stap1a.png)
Dit gaan we doen voor alle 30 .. 45 jarigen.
De ruwe data:
![Afbeelding](https://i.ibb.co/ZBrHsJ1/qxt-stap1b.png)
worden zo allemaal wat afgevlakt:
![Afbeelding](https://i.ibb.co/Zdsg3hz/qxt-stap1c.png)
Dan nemen we van elk van deze waarden de natuurlijke logaritme (LN).
Dit betekent dat
\(q_{x,t} = e^{\alpha_x + \beta_x t}\)
wordt omgezet in
\(\ln(q_{x,t}) = \alpha_x + \beta_x t\)
Merk nog op dat ze alle jaartallen stilzwijgend naar het begin van de getallenlijn verschuiven (naar t = 0, 1, 2, ...).
Op zich is dit geen probleem, het verandert alleen de waarde van je constante alpha:
\(\ln(q_{x,t}) = \alpha_x + \beta_x t = \alpha_x + \beta_x (1990+t-1990) = (\alpha_x + 1990\beta_x) +\beta_x(t-1990)\)
![Afbeelding](https://i.ibb.co/kgsmX26/qxt-stap1d.png)
Nu bepalen we voor elke leeftijd x de regressielijn:
\(\hat{y_x} = \alpha_x + \beta_x t\)
Let in Excel op de fixatie met het dollarteken $ van de juiste kolom en de juiste rij, zodat je alle elementen van je tabel in één keer kan copy-pasten.
![Afbeelding](https://i.ibb.co/1MVZz4j/qxt-stap1e.png)
met als resultaat:
![Afbeelding](https://i.ibb.co/Sn4Vr3R/qxt-stap1f.png)
STAP 2
Sommige lijnen hierboven kruisen, dit lijkt niet te passen bij het natuurlijk beloop, maar eerder te zijn veroorzaakt door statistisch toeval.
De richting van de lijnen wordt bepaald door \(\beta_x\), deze willen we dus aanpassen richting aannemelijker waarden.
Dat doen ze ook weer met een afvlakking via het voortschrijdend meetkundig gemiddelde.
Omdat de waarden van \(\beta_x\) nogal sterk wisselen, heb ik gekozen voor een iets groter window: nu 7 breed.
Noot: omdat Excel protesteert tegen negatieve waarden in GEOMEAN, heb ik ze eerst positief gemaakt, dan GEOMEAN toegepast, en tenslotte het resultaat weer terug negatief gemaakt.
![Afbeelding](https://i.ibb.co/WKxtkHW/qxt-stap2a.png)
STAP 3
Nu gaan we voor elke leeftijd x de \(\alpha_x\) zoeken, zodanig dat de lijn
\(\hat{y_x} = \alpha_x + \beta_x t\)
volgens de kleinste kwadraten benadering zo goed mogelijk bij de werkelijk \(y_{x,t}=\ln(q_{x,t})\) past,
waarbij in dit geval de afgevlakte \(\beta_x\) al vastligt (zie stap 2).
We zoeken dus de \(\alpha_x\) waarvoor
\(\displaystyle{\sum_{t=0}^{26}} (\hat{y_x} - y_{x,t})^2\)
minimaal is.
Dan moet de afgeleide naar \(\alpha_x\) nul zijn:
\(\frac{d}{d\alpha_x}\displaystyle{\sum_{t=0}^{26}} (\hat{y_x} - y_{x,t})^2 = 0\)
ofwel
\(\frac{d}{d\alpha_x}\displaystyle{\sum_{t=0}^{26}} (\alpha_x + \beta_x t - \ln(q_{x,t}))^2 = 0\)
ofwel
\(\displaystyle{\sum_{t=0}^{26}} 2(\alpha_x + \beta_x t - \ln(q_{x,t}))= 0\)
ofwel
\(\displaystyle{\sum_{t=0}^{26}} (\alpha_x + \beta_x t - \ln(q_{x,t}))= 0\)
ofwel
\(\displaystyle{\sum_{t=0}^{26}} \alpha_x + \displaystyle{\sum_{t=0}^{26}}(\beta_x t - \ln(q_{x,t}))= 0\)
ofwel
\(27 \alpha_x = \displaystyle{\sum_{t=0}^{26}}(\ln(q_{x,t})-\beta_x t )\)
ofwel
\(\alpha_x = \frac{\displaystyle{\sum_{t=0}^{26}}(\ln(q_{x,t})-\beta_x t )}{27}\)
Maak een nieuwe x-t tabel met daarin alle waarden van \(\ln(q_{x,t})-\beta_x t\),
\(\alpha_x\) is dan het (gewone, rekenkundige) gemiddelde (AVERAGE) van elke kolom daarin:
![Afbeelding](https://i.ibb.co/cwKJ1H5/qxt-stap3a.png)
Met deze waarden voor alpha en beta vinden we de nieuwe regressielijnen:
![Afbeelding](https://i.ibb.co/cwhW1Yj/qxt-stap3b.png)
De lijnen lopen zo beter parallel.
Wat ook opvalt is dat hun onderlinge afstanden nogal chaotisch wisselen. Eigenlijk zou je nu nog een stap 4 willen toevoegen waarin je de alpha's aanpast om die afstanden regelmatiger te maken.
Tenslotte:
FIGUUR 2 van het artikel geeft de alpha's als functie van leeftijd.
Voor ons wordt dit:
![Afbeelding](https://i.ibb.co/PmPxmJj/qxt-stap3c.png)
FIGUUR 3: de bèta's als functie van leeftijd hadden we hierboven (stap 2) al gegeven.
Re: Sterftetafel
beste Arie
Perfect! Dit zocht ik.
Ik simuleer de berekeningen overeenkomst uw formules en op het eerste zicht kom ik ook op dezelfde getallen uit.
Ik stel wel vast dat bij bepaalde mortaliteitsberekeningen van andere bronnen (weliswaar vanaf de jaren '50) de alpha's positief zijn en dat de beta's vanaf een bepaalde leeftijd ook positief worden. Ik dacht dat dit niet mogelijk was of vergis ik mij?
Bedankt
Perfect! Dit zocht ik.
Ik simuleer de berekeningen overeenkomst uw formules en op het eerste zicht kom ik ook op dezelfde getallen uit.
Ik stel wel vast dat bij bepaalde mortaliteitsberekeningen van andere bronnen (weliswaar vanaf de jaren '50) de alpha's positief zijn en dat de beta's vanaf een bepaalde leeftijd ook positief worden. Ik dacht dat dit niet mogelijk was of vergis ik mij?
Bedankt
Re: Sterftetafel
\(q_{x,t} = e^{\alpha_x+\beta_xt} \le 1\) (want \(q_{x,t}\) is een kans en 0 <= kans <= 1)
Dit geldt ook voor jaar nul:
\(e^{\alpha_x+\beta_x\cdot 0} = e^{\alpha_x} \le 1\)
dus
\(\alpha_x \le \ln(1) = 0\)
Als \(\beta_x = 0\) dan is \(q_{x,t} = e^{\alpha_x}\) = een constante en zal \(q_{x,t}\) voor leeftijd x over alle jaren hetzelfde blijven.
Als \(\beta_x > 0\) dan zal \(\alpha_x+\beta_xt\) voor leeftijd x over alle jaren t toenemen, dus dan zal ook \(q_{x,t} = e^{\alpha_x+\beta_xt}\) over de jaren toenemen, en dat is niet wat we verwachten.
Bovendien zal in dit laatste geval \(\alpha_x+\beta_xt\) na verloop van tijd positief worden, waarmee de kans \(q_{x,t}\) groter dan 1 wordt, en dat mag nog steeds niet.
Mogelijk worden de positieve waarden veroorzaakt doordat het model over tijd t gezien beperkt geldig is.
Voor mannen van x=40 jaar hadden we in ons eerdere voorbeeld gevonden
(stap 2: \(\beta_{40}=-0.02388\) en stap 3: \(\alpha_{40}=-6.0114\)):
\(q_{40,t}=e^{-6.0114-0.02388t}\)
Als we met dit model 252 jaar in de tijd terug zouden gaan (\(t \le -252\)) dan wordt \(q(t) > 1\)
Ook voor steeds grotere t is het model niet realistisch: alle \(q_{x,t}\) waarden dalen dan naar nul: in de wat verdere toekomst zal bijna niemand meer overlijden.
Zie bijvoorbeeld FIGUUR 6 op pag. 13 van het artikel: voor 10-jarigen is \(q_{10,t}\) in 2100 al vrijwel nul.
Een model met een absolute ondergrens (limietwaarde) zou me realistischer lijken:
\(q_{x,t} = \gamma_x + e^{\alpha_x+\beta_xt}\) voor een constante \(\gamma_x > 0\)
Dit geldt ook voor jaar nul:
\(e^{\alpha_x+\beta_x\cdot 0} = e^{\alpha_x} \le 1\)
dus
\(\alpha_x \le \ln(1) = 0\)
Als \(\beta_x = 0\) dan is \(q_{x,t} = e^{\alpha_x}\) = een constante en zal \(q_{x,t}\) voor leeftijd x over alle jaren hetzelfde blijven.
Als \(\beta_x > 0\) dan zal \(\alpha_x+\beta_xt\) voor leeftijd x over alle jaren t toenemen, dus dan zal ook \(q_{x,t} = e^{\alpha_x+\beta_xt}\) over de jaren toenemen, en dat is niet wat we verwachten.
Bovendien zal in dit laatste geval \(\alpha_x+\beta_xt\) na verloop van tijd positief worden, waarmee de kans \(q_{x,t}\) groter dan 1 wordt, en dat mag nog steeds niet.
Mogelijk worden de positieve waarden veroorzaakt doordat het model over tijd t gezien beperkt geldig is.
Voor mannen van x=40 jaar hadden we in ons eerdere voorbeeld gevonden
(stap 2: \(\beta_{40}=-0.02388\) en stap 3: \(\alpha_{40}=-6.0114\)):
\(q_{40,t}=e^{-6.0114-0.02388t}\)
Als we met dit model 252 jaar in de tijd terug zouden gaan (\(t \le -252\)) dan wordt \(q(t) > 1\)
Ook voor steeds grotere t is het model niet realistisch: alle \(q_{x,t}\) waarden dalen dan naar nul: in de wat verdere toekomst zal bijna niemand meer overlijden.
Zie bijvoorbeeld FIGUUR 6 op pag. 13 van het artikel: voor 10-jarigen is \(q_{10,t}\) in 2100 al vrijwel nul.
Een model met een absolute ondergrens (limietwaarde) zou me realistischer lijken:
\(q_{x,t} = \gamma_x + e^{\alpha_x+\beta_xt}\) voor een constante \(\gamma_x > 0\)
Re: Sterftetafel
bedankt opnieuw voor deze heldere uitleg.
In deze berekening (http://www.christian-jaumain.be/doc/Mor ... l-2015.xls) staan de alpha's en beta's (vanaf een bepaald moment) positief. MIsschien gebruikt deze persoon een andere berekening?
In deze berekening (http://www.christian-jaumain.be/doc/Mor ... l-2015.xls) staan de alpha's en beta's (vanaf een bepaald moment) positief. MIsschien gebruikt deze persoon een andere berekening?
Re: Sterftetafel
In dat laatste Excel bestand gebruiken ze inderdaad een andere formule,
zie bovenaan tabblad Prosp in dat bestand:
\(q_x(t) = \frac{e^{e^{(\alpha_x/t+\beta_x)}}}{10^6+e^{e^{(\alpha_x/t+\beta_x)}}}\)
Voorbeeld:
Hieronder de resultaten voor mannen van 40 jaar:
kolom 1: jaar
kolom 2: ruwe \(q_{40}\)-waarden zoals we die eerder gevonden hebben
kolom 3: q volgens de benadering
\(q_{40,t} = e^{\alpha_{40}+\beta_{40}\cdot (t-1990)}\)
waarbij
\(\alpha_{40}=-6.0114\)
\(\beta_{40}=-0.02388\)
kolom 4: ruwe \(q_{40}\)-waarden volgens tabblad StatbelM in het nieuwe bestand
kolom 5: \(q_x(t)\) volgens de nieuwe formule, met
\(\alpha_{40}=7273.210197\)
\(\beta_{40}=-1.644961099\)
(zie tabblad Prosp regel 104)
\(ee\) hierin is de dubbele exponent \(exp(exp(\alpha/t + \beta))\) uit de formule
Wat opvalt is:
(1) dat de ruwe q-waarden slechts ongeveer overeenkomen (zelfde grootte-orde en zelfde trend), maar niet exact gelijk zijn
(2) dat de nieuwe benadering ver onder de werkelijke q-waarden ligt.
Is er wellicht een begeleidend artikel waarin je de afleiding van de nieuwe formule kan vinden?
![Afbeelding](https://i.ibb.co/NWd668S/wf-q-waarden2.png)
zie bovenaan tabblad Prosp in dat bestand:
\(q_x(t) = \frac{e^{e^{(\alpha_x/t+\beta_x)}}}{10^6+e^{e^{(\alpha_x/t+\beta_x)}}}\)
Voorbeeld:
Hieronder de resultaten voor mannen van 40 jaar:
kolom 1: jaar
kolom 2: ruwe \(q_{40}\)-waarden zoals we die eerder gevonden hebben
kolom 3: q volgens de benadering
\(q_{40,t} = e^{\alpha_{40}+\beta_{40}\cdot (t-1990)}\)
waarbij
\(\alpha_{40}=-6.0114\)
\(\beta_{40}=-0.02388\)
kolom 4: ruwe \(q_{40}\)-waarden volgens tabblad StatbelM in het nieuwe bestand
kolom 5: \(q_x(t)\) volgens de nieuwe formule, met
\(\alpha_{40}=7273.210197\)
\(\beta_{40}=-1.644961099\)
(zie tabblad Prosp regel 104)
\(ee\) hierin is de dubbele exponent \(exp(exp(\alpha/t + \beta))\) uit de formule
Wat opvalt is:
(1) dat de ruwe q-waarden slechts ongeveer overeenkomen (zelfde grootte-orde en zelfde trend), maar niet exact gelijk zijn
(2) dat de nieuwe benadering ver onder de werkelijke q-waarden ligt.
Is er wellicht een begeleidend artikel waarin je de afleiding van de nieuwe formule kan vinden?
![Afbeelding](https://i.ibb.co/NWd668S/wf-q-waarden2.png)
Re: Sterftetafel
de formule heb ik toegevoegd als afzonderlijk bestand.
K is een constante (= 10^6) volgens deze formule.
Bevreemdend is dat ik de beta's al heb berekend, maar ik kom vanaf jaar drie op andere cijfers uit.
Bv. voor vrouwen (anno 2015) voor jaar 0 - jaar 10:
-7,38062
-8,966634531
-10,88642005
-12,49777825
-13,53365815
-13,56274337
-13,10902321
-12,37526026
-12,20979219
-12,18872626
Ander probleem is dat vanaf jaar 105 het resultaat 0 is volgens mijn berekening. Vanaf dat moment is qx = 1.
Vermoedelijk heb ik de formule voor beta verkeerd toegepast.
Formule voor alpha heb ik nog niet volledig uitgedokterd
K is een constante (= 10^6) volgens deze formule.
Bevreemdend is dat ik de beta's al heb berekend, maar ik kom vanaf jaar drie op andere cijfers uit.
Bv. voor vrouwen (anno 2015) voor jaar 0 - jaar 10:
-7,38062
-8,966634531
-10,88642005
-12,49777825
-13,53365815
-13,56274337
-13,10902321
-12,37526026
-12,20979219
-12,18872626
Ander probleem is dat vanaf jaar 105 het resultaat 0 is volgens mijn berekening. Vanaf dat moment is qx = 1.
Vermoedelijk heb ik de formule voor beta verkeerd toegepast.
Formule voor alpha heb ik nog niet volledig uitgedokterd
- Bijlagen
-
- formule.docx
- (10.46 KiB) 393 keer gedownload
Re: Sterftetafel
Intussen heb ik vastgesteld dat de qx aangepast wordt.
Hiervoor bestaan er verschillende manieren die beschreven worden in het boek.
Ik denk dat de volgende methode werd gebruikt:
voor x = 0, x = 1 en x = 2: de qx wordt niet aangepast (qx = q'x = q''n)
voor jaren 3-15:
![](http://latex.codecogs.com/png.latex?10/q'x = 1/(qx-2) + 2/(qx-1) + 4/qx + 2/(qx+1 )+ 1/(qx+2))
als x = 3
![](http://latex.codecogs.com/png.latex?4/q'x = 1/(qx-1) + 2/qx + 1/(qx+1))
q''x wordt op dezelfde manier berekend
voor jaren 16-25
![](http://latex.codecogs.com/png.latex?q'x = {[qx-2)² + 2(qx-1)² + 4(qx)^4 + 2(qx+1)² + (qx+2)²]/10}^0.5)
(in formule moet macht 1/2 gebruikt worden)
q''x wordt op dezelfde manier berekend
vanaf jaar 26
![](http://latex.codecogs.com/png.latex?q'x = [qx-2 * (qx-1)² * (qx)^4 * (qx+1)² * qx+2] ^0.1)
(in formule moet macht 1/10 gebruikt worden)
q''x wordt op dezelfde manier berekend
mijn resultaten zijn nog steeds afwijkend
Hiervoor bestaan er verschillende manieren die beschreven worden in het boek.
Ik denk dat de volgende methode werd gebruikt:
voor x = 0, x = 1 en x = 2: de qx wordt niet aangepast (qx = q'x = q''n)
voor jaren 3-15:
als x = 3
q''x wordt op dezelfde manier berekend
voor jaren 16-25
(in formule moet macht 1/2 gebruikt worden)
q''x wordt op dezelfde manier berekend
vanaf jaar 26
(in formule moet macht 1/10 gebruikt worden)
q''x wordt op dezelfde manier berekend
mijn resultaten zijn nog steeds afwijkend
Re: Sterftetafel
Dit is een gewogen gemiddelde van omgekeerden (reciproken) van q vanaf 2 waarden voorafgaand aan q[x] t/m 2 waarden na q[x]:Shorty schreef: voor jaren 3-15:
![]()
\(10\cdot \frac{1}{q'x} = 1\cdot \frac{1}{q[x-2]}+2\cdot \frac{1}{q[x-1]}+4\cdot \frac{1}{q[x]}+2\cdot \frac{1}{q[x+1]}+ 1\cdot \frac{1}{q[x+2]}\)
1/q[x] telt hierin 4 keer mee, 1/q[x-1] en 1/q[x+1] elk 2 keer, en 1/q[x-2] en 1/q[x+2] elk 1 keer.
Dit levert net als eerder een afvlakking van de grafiek, alleen nu weegt de omgeving van elke q[x] minder zwaar mee (hoe verder van q[x] af, hoe minder het gewicht van de betreffende waarde).
Dit is hetzelfde, maar nu met een kleiner window (we gebruiken hier 3 waarden in plaats van 5 waarden)Shorty schreef: als x = 3
![]()
Waarschijnlijk is de formule deze (overal een 2-de macht, dus ook bij qx):Shorty schreef: voor jaren 16-25
(in formule moet macht 1/2 gebruikt worden)
\(q'x = \left([(q[x-2])^2 + 2(q[x-1])^2 + 4(q[x])^2 + 2(q[x+1])^2 + (q[x+2])^2]/10\right)^{0.5}\)
ofwel
\(q'x = \sqrt{\frac{1}{10}\cdot \left(q[x-2]^2 + 2\cdot q[x-1]^2 + 4\cdot q[x]^2 + 2 \cdot q[x+1]^2 + q[x+2]^2\right)}\)
Dit is dan een gewogen gemiddelde van de kwadraten van q, en daar de wortel van.
PS: als je in LaTeX formules de machten tussen accolades zet, bijvoorbeeld 10^{0.5}, dan wordt alle tekst tussen de accolades als macht gezien: \(10^{0.5}\)
En hier staat waarschijnlijk:Shorty schreef: vanaf jaar 26
(in formule moet macht 1/10 gebruikt worden)
\(q'x = \left(q[x-2] \cdot q[x-1]^2 \cdot q[x]^4 \cdot q[x+1]^2 \cdot q[x+2]\right) ^{0.1}\)
Dit is de 10-de macht wortel van het product van 10 factoren q, waarvan q[x] er 4 levert en q[x-1] en q[x+1] elk 2.
Het is wel vreemd dat ze al deze methodes door elkaar heen gebruiken.
Kan je wellicht een voorbeeld van 1 serie \(q[x]\) waarden met bijbehorende \(q'[x]\) waarden op dit forum plaatsen?
Re: Sterftetafel
volgende bestanden heb ik opgeladen:
berekening alpha (waarschijnlijk verkeerde formule)
simulatie (berekening beta op basis van bekomen alpha): onder sheat1 heb ik de formule gebruikt zoals reeds eerder beschreven, onder sheat2 en sheat3 zijn andere formules gebruik zoals beschreven in het boek.
berekening alpha (waarschijnlijk verkeerde formule)
simulatie (berekening beta op basis van bekomen alpha): onder sheat1 heb ik de formule gebruikt zoals reeds eerder beschreven, onder sheat2 en sheat3 zijn andere formules gebruik zoals beschreven in het boek.
Re: Sterftetafel
Waar is de link (URL?) naar het bestand?
Re: Sterftetafel
Shorty schreef: Ik heb nog één laatste vraag omtrent de wijze van berekening van prospectieve sterftetabellen.
Volgens een bepaalde methode wordt de evolutie van een qx (mortaliteitscijfer voor een bepaalde leeftijd) berekend als volgt:
\(q_x(t)= \alpha_x/t + \beta\)
Omdat deze formule een probleem vormt indien B lager is dan 0, wordt de volgende formule gebruikt:
\(ln q_x(t)= \alpha_x/t + \beta\)
ofwel
\(q_x(t)= exp( \alpha_x/t + \beta)\)
Deze formule kan mogelijks een qx weergeven van hoger dan 1, zodat de formule nogmaals aangepast wordt:
\(ln[q_x(t)/(1-q_x(t))]= \alpha_x/t + \beta\)
\alpha en \beta zijn de regressiecoëfficiënten die als volgt worden berekend:
\(\frac{\alpha = \Sigma[(1/t)-avg(1/t)]ln{q_x(t)/[1-q_x(t)}}{\Sigma[(1/t)-avg(1/t)]^2}\)
\(\beta = avg ln{q_x(t)/[1-q_x(t)]-\alpha_x avg(1/t)} \)
Probleem is dat ik niet weet hoe \alpha wordt berekend. t staat voor tijd en de sterftecijfers van het verleden vanaf 1959 worden hiervoor gebruikt.
Dit is nu dus je formule voor lineaire regressie:
\(ln[q_x(t)/(1-q_x(t))]= \alpha_x/t + \beta_x\)
ofwel:
\(\ln\left(\frac{q_x(t)}{1-q_x(t)}\right) = \alpha_x \cdot \frac{1}{t} + \beta_x\)
ofwel:
\(y = \alpha_x \cdot x + \beta_x\)
(let op dat de subscript x van alpha en beta de leeftijd voorstelt, en de variabele x in dit geval 1/t)
Deze formule geeft de lijn die het beste past bij alle waargenomen punten
\(\left(\frac{1}{t}, \ln\left(\frac{q_x(t)}{1-q_x(t)}\right)\right)\)
Als we dit in een grafiek uitzetten, staat dus
op de x-as: \(x = \frac{1}{t}\)
en op de y-as: \(y = \ln\left(\frac{q_x(t)}{1-q_x(t)}\right)\)
De formules van de lineaire regressie vind je bijvoorbeeld hier:
https://nl.wikipedia.org/wiki/Regressie-analyse#Theorie
Op die pagina hebben ze alleen alpha en beta omgewisseld t.o.v. onze alpha en beta,
dus b levert onze alpha:
\(\alpha_x = \frac{\sum (x- \bar{x})(y- \bar{y})}{\sum (x- \bar{x})^2}\)
en a levert onze beta:
\(\beta_x = \bar{y} - \alpha_x \cdot \bar{x}\)
waarbij het streepje boven een variabele het gemiddelde van die variabele betekent.
Voorbeeld:
Als we uit je tabellen de gegevens nemen van vrouwen, x = 32 jaar, t = 1994 .. 2015, dan vertaalt dit in Excel naar:
![Afbeelding](https://i.ibb.co/pfbzysv/q32t.png)
kolom A = t = jaartal
kolom B = q(32, t) voor 32 jarigen
kolom C = x = 1/t
kolom D = y = ln(q(32,t)/(1-q(32,t)))
linest = onze alpha
intercept = onze beta
kolom E = linest * x + intercept = de y-waarde van de lineaire regressie.
Als je linest en intercept zelf wil berekenen, dan kan dat via de formules gegeven op de wikipagina van hierboven:
![Afbeelding](https://i.ibb.co/bbqx4C2/q32t-linreg.png)
kolom A = t = jaar
kolom B = x = 1/t
B24 = \(\bar{x}\) = het gemiddelde van B2 ... B23
kolom C = y = ln(q(32,t)/(1-q(32,t)))
C24 = \(\bar{y}\) = het gemiddelde van C2 ... C23
kolom E = \(x - \bar{x}\)
kolom F = \((x - \bar{x})^2\)
F24 = \(\sum (x - \bar{x})^2\) = de noemer van \(\alpha_{32}\)
kolom G = \(y - \bar{y}\)
kolom H = \((x - \bar{x})(y - \bar{y})\)
H24 = \(\sum (x - \bar{x})(y - \bar{y})\) = de teller van \(\alpha_{32}\)
Dus
\(\alpha_{32} = \frac{\text{H24}}{\text{F24}} = 111316.85\)
en
\(\beta_{32} = \text{C24} - \alpha_{32} \cdot \text{B24} = -63.16085\)
wat overeenkomt met de waarden die we hierboven vonden via de ingebouwde Excel-functies linest en intercept.
Voor vrouwen van 32 jaar vinden we op basis van de gegevens over de jaren 1994 ... 2015 dus:
\(y = \alpha_{32}\cdot x + \beta_{32} = 111316.8503\cdot x - 63.1608528\)
ofwel
\(\ln\left(\frac{q(32,t)}{1-q(32,t)} \right) = \alpha_{32}\cdot \frac{1}{t} + \beta_{32} = \frac{111316.8503}{t} - 63.1608528\)
De voorspelling van het sterftecijfer van 32 jarige vrouwen in 2020 = q(32, 2020) wordt hiermee:
\(\ln\left(\frac{q(32,2020)}{1-q(32,2020)} \right) = \frac{111316.8503}{2020} - 63.1608528=-8.05350116633\)
ofwel
\(\frac{q(32,2020)}{1-q(32,2020)} = \exp(-8.05350116633) = e^{-8.05350116633} = 0.0003179866\)
ofwel
\(q(32,2020) = 0.0003179866 \cdot (1-q(32,2020))\)
ofwel
\(q(32,2020) = 0.0003179866 - 0.0003179866\cdot q(32,2020)\)
ofwel
\(q(32,2020)+0.0003179866\cdot q(32,2020) = 0.0003179866\)
ofwel
\((1+0.0003179866)\cdot q(32,2020) = 0.0003179866\)
ofwel
\(q(32,2020) = \frac{0.0003179866}{1+0.0003179866} = \frac{0.0003179866}{1.0003179866}\)
ofwel
\(q(32,2020)= 0.00031788556\)
PS:
Ik denk dat er in jouw formule voor \(\alpha_x\) in de teller de \(\bar{y}\) is weggevallen