1

PARTE I – INTRODUÇÃO AO CÁLCULO ACTUARIAL

1. DISTRIBUIÇÕES DE SOBREVIVÊNCIA E TÁBUAS DE
MORTALIDADE

1.2 Introdução

Alguns dos modelos estudados no Cálculo Actuarial são modelos para
seguros que servem para proteger de perdas cuja aleatoriedade está
associada ao tempo que um indivíduo ainda tem de vida (Seguros de
Vida). Nestes modelos a variável aleatória (v.a.) que representa o tempo
de vida futuro de um indivíduo com uma determinada idade
desempenha um papel fundamental. Neste ponto vamos estudar a
distribuição probabilística desta v.a. e como esta pode ser utilizada. Vamos
também estudar a distribuição de uma v.a. associada a esta: a idade de um
indivíduo no momento da sua morte.

Neste ponto vamos também ver como a distribuição da idade de um
indivíduo no momento da morte pode ser sintetizada numa tábua de
mortalidade. As tábuas de mortalidade são utilizadas em vários campos da
Ciência. Em Engenharia são utilizadas para estudar a fiabilidade de
sistemas mecânicos e electrónicos complexos. São utilizadas em
Bioestatística para estudar a eficácia de tratamentos alternativos de
doenças graves. Em Demografia são utilizadas como instrumentos para
fazer projecções sobre as populações. No âmbito do Cálculo Actuarial
estas tábuas são utilizadas para construir modelos para os seguros de vida.



2
As tábuas de mortalidade são uma componente indispensável em muitos
modelos estudados nas Ciências Actuariais. Aliás, há quem estabeleça o
surgimento das Ciências Actuariais em 1693, o ano em que Sir Edmund
Halley publicou o artigo: “An Estimate of the Degrees of the Mortality of
Mankind, Drawn from Various Tables of Births and Funerals at the City of
Breslau”. Neste artigo aparece a primeira tábua de mortalidade construída
em todo o mundo.


1.3 Distribuição do tempo de vida futuro

1.3.1 A função de sobrevivência

Consideremos um recém-nascido. A idade que este recém-nascido terá
quando morrer (ou a idade no momento da sua morte) é uma v.a.
contínua, X. Representemos por ) (x
F
X
a função de distribuição de X.
Tem-se que
[ ] 0 , ) ( ≥ ≤ = x x X P x
F
X
.

Defina-se a função
[ ] 0 , ) ( 1 ) ( ≥ > = − = x x X P x F x s
X
.

Vamos assumir que 0 ) 0 ( =
F
X
, o que implica que . 1 ) 0 ( = s À função
) (x s

dá-se o nome de função de sobrevivência. Para um determinado 0 > x ,
) (x s dá-nos a probabilidade de que o recém-nascido sobreviva até à idade
x. A distribuição de X pode ser especificada quer por ) (x
F
X
, quer por
) (x s .

3
Em Ciências Actuariais e em Demografia costuma utilizar-se a função de
sobrevivência como ponto de partida para os diferentes desenvolvimentos.
Em Probabilidades e Estatística é a função de distribuição que
desempenha este papel. No entanto, a partir das propriedades de ) (x
F
X
é
possível derivar propriedades correspondentes da ) (x s .

Podemos definir probabilidades em relação à v.a. X quer em termos de
) (x
F
X
, quer em termos de ) (x s . Por exemplo, a probabilidade de um
recém-nascido morrer entre as idades x e z (x < z) é dada por:

[ ] ) ( ) ( ) ( ) ( z s x s x F z
F
z X x P
X
X
− = − = ≤ <
.


1.3.2 Tempo de vida futuro de uma pessoa com idade x

A probabilidade condicionada de um recém-nascido morrer entre as idades
x e z dado que sobreviveu até à idade x é dada por:

[ ]
) (
) ( ) (
) ( 1
) ( ) (
|
x s
z s x s
x
F
x
F
z
F
x X z X x P
X
X X

=


= > ≤ <
.

Vamos representar por (x) uma pessoa ou uma vida com idade x. O tempo
de vida futuro de (x), x X − , é uma v.a. que vamos designar por ) (x T .

A partir de agora vamos utilizar uma notação específica para definir
probabilidades em relação a ) (x T , adoptada internacionalmente no âmbito
das Ciências Actuariais: “International Actuarial Notation”.

4

Os símbolos desta notação são diferentes daqueles da notação utilizada em
Probabilidades e Estatística. A função de uma variável que seria
representada por ) (x q na notação de Probabilidades e Estatística, nesta
notação actuarial é representada por
x
q
.

Para definir probabilidades em relação a ) (x T , usamos a seguinte notação:

[ ] 0 , ) ( ≥ ≤ = t t x T P q
x t


[ ] 0 , ) ( 1 ≥ > = − = t t x T P q p
x t x t


x t
q é a probabilidade de (x) morrer antes de atingir a idade (x+t), ou seja,
x t
q representa a função de distribuição de ) (x T . Por sua vez,
x t
p é a
probabilidade de (x) sobreviver até à idade (x+t), ou seja,
x t
p representa a
função de sobrevivência associada a ) (x T . No caso particular de uma
pessoa com idade 0, (0), tem-se X T = ) 0 ( e

0 , ) (
0
≥ = x x s p
x
.

No caso particular em que 1 = t , por convenção, omite-se o índice t nos
símbolos
x t
q e
x t
p :
[ ] 1 ) ( ≤ = x T P q
x


é a probabilidade de (x) morrer dentro de um ano (ou seja, de morrer antes
de atingir a idade (x+1));
5

[ ] 1 ) ( > = x T P p
x


é a probabilidade de (x) sobreviver até à idade (x+1).

A probabilidade de (x) sobreviver durante t anos e morrer nos u anos
seguintes ou, o que é equivalente, a probabilidade de (x) morrer entre as
idades (x+t) e (x+t+u) é representada pelo símbolo
x u t
q
|
. Tem-se:

[ ]
x u t x t x t x u t x u t
p p q q u t x T t P q
+ +
− = − = + ≤ < = ) (
|
.

Tal como atrás, no caso particular em que 1 = u , omite-se o índice u no
símbolo, ou seja, tem-se
x t
q
|
.

Considerando as distribuições de X e de ) (x T que demos atrás, parece que
ambas podem ser utilizadas para calcular a probabilidade de (x) morrer
entre as idades x e (x+u). De facto, aparentemente, esta probabilidade é
dada, quer por
x u
q , quer por

[ ]
) (
) ( ) (
|
x s
u x s x s
x X u x X x P
+ −
= > + ≤ <
.

O problema é que
x u
q é baseada na distribuição de ) (x T para uma pessoa
que é observada quando tem x anos e esta observação pode incluir
informação adicional além da sobrevivência até à idade x. Por exemplo,
pode incluir a informação de que a pessoa acabou de passar num exame
médico para poder comprar um seguro de vida ou de que a pessoa acabou
6
de iniciar um tratamento para uma doença grave. Por outro lado, a
probabilidade baseada na distribuição de X não pode incluir informação
adicional: refere-se a um recém-nascido e apenas supõe que esse recém-
nascido sobrevive até à idade x. Há tábuas de mortalidade em que a
informação sobre (x) não é apenas a sobrevivência até à idade x. Nesses
casos, as duas probabilidades referidas atrás são diferentes. Uma vez que
não vamos dar essas tábuas de mortalidade, vamos supor que as duas
probabilidades são iguais. Ou seja, vamos supor que a função de
sobrevivência para (x) pode ser obtida a partir da função de sobrevivência
para um recém-nascido. Isto é equivalente a assumir:

[ ]
0
0
) (
) (
|
p
p
x s
t x s
x X t x X P p
x
t x
x t
+
=
+
= > + ≥ =
,

) (
) (
1
x s
t x s
q
x t
+
− =
.

Assumindo esta hipótese, tem-se ainda que:

t x u x t
x u t
q p
t x s
u t x s t x s
x s
t x s
x s
u t x s t x s
q
+
⋅ =

+
+ + − +

+
=
+ + − +
=
) (
) ( ) (
) (
) (
) (
) ( ) (
|
.




7
1.3.3 A força de mortalidade

Vimos atrás que
[ ]
) ( 1
) ( ) (
|
x
F
x
F
z
F
x X z X x P
X
X X


= > ≤ <


dá-nos a probabilidade de (0) morrer entre as idades x e z dado que
sobreviveu até à idade x. Se nesta probabilidade supusermos c x z = − , com
c uma constante, então esta passa a depender apenas de x e dá-nos a
probabilidade de uma pessoa, que atingiu a idade x, morrer nos próximos c
anos. Uma função de x semelhante a esta pode ser definida para obter a
probabilidade de morte instantânea (ou melhor, num intervalo de tempo
muito pequeno) para uma pessoa que atingiu a idade x. Esta probabilidade é
obtida substituindo na fórmula acima z por x x ∆ + , em que x ∆ representa
um pequeno intervalo de tempo:

[ ]
) ( 1
) (
) ( 1
) ( ) (
|
x
F
x x
x
F
x
F
x x
F
x X x x X x P
X
X
X
X X
f




− ∆ +
= > ∆ + < ≤


em que ) ( x f
X
é a função densidade de probabilidade de X, ou seja,
) ( ) ( x
F
x f
X
X
′ = . Convém lembrar que

x
x
F
x x
F
x f x
F
X X
x
X
X

− ∆ +
= =

→ ∆
) ( ) (
lim ) ( ) (
0


e, portanto, que para x ∆ pequeno (próximo de zero)

x x x
F
x x
F
f
X
X X
∆ ≅ − ∆ + ) ( ) ( ) (
.
8

A função
) ( 1
) (
x
F
x
X
X
f

representa-se por
) (x µ
e em Demografia e
Actuariado é designada por força de mortalidade. Em Engenharia, no
estudo da fiabilidade de sistemas mecânicos e electrónicos,
) (x µ
é
designada por “failure rate”, “hazard rate”, ou de uma forma mais
completa, “hazard rate function”.

) (x µ
é uma função densidade de probabilidade condicionada. Para cada x
dá-nos a densidade de probabilidade de X mas só em relação a pessoas que
sobreviveram até à idade x.

Tem-se, portanto, que
) (
) (
) ( 1
) (
) (
x s
x s
x
F
x
x
X
X
f ′ −
=

= µ
(1).

As propriedades de ) ( x f
X
e de ) (x s implicam que
0 ) ( ≥ x µ
.

) (x µ
pode ser utilizada para especificar a distribuição de X, tal como
) (x s . Senão vejamos. A partir de (1) tem-se que:

dy
y s d
y
) ( ln
) ( = − µ
.





9

Integrando ambos os membros entre x e (x+n) tem-se

í í
+ +
= −
n x
x
n x
x
dy
dy
y s d
dy y
) ( ln
) ( µ


[ ]
) ( ln ) ( ln ) (
) ( ln
x s n x s dy y
y s
n x
x
n x
x
− + = = − ⇔
+
+
í
µ


x n
n x
x
p
x s
n x s
dy y ln
) (
) (
ln ) ( =

+
= − ⇔
í
+
µ
.

Exponenciando ambos os membros da equação anterior obtemos:

− =
í
+n x
x
x n
dy y p ) ( exp µ
.

Esta equação pode ainda aparecer sob as seguintes duas formas
alternativas. Se fizermos a substituição x y s − = , temos que

+ − =
í
n
x n
ds s x p
0
) ( exp µ
.

Se quisermos particularizar a última equação para o caso em que 0 = x , ou
seja, estamos a calcular
x n
p para um recém-nascido, e em que x n =
(queremos calcular a probabilidade de (0) atingir a idade x), obtemos a
seguinte equação:
10

− = =
í
x
x
ds s x s p
0
0
) ( exp ) ( µ
.

Tem-se ainda que

− − = − =
í
x
X
ds s x s x
F
0
) ( exp 1 ) ( 1 ) ( µ


e
) ( ) ( ) ( exp ) ( ) (
0
0
x p x ds s x f x
F
x
x
X
X
µ µ µ =

− = =

í
.

De facto, como se mostrou acima,
) (x µ
também pode ser utilizada para
especificar a distribuição de X.

Vamos definir ) (
) (
t
F
x T
e ) (
) (
t
f
x T
como sendo a função de distribuição e a
função densidade de probabilidade de ) (x T (o tempo de vida futuro de (x)),
respectivamente. Vimos atrás que
x t x T
q t
F
= ) (
) (
. Então

0 , ) (
) (
) (
) (
) (
) (
) (
) (
) (
1 ) (
) (
≥ + =

+
+ ′

+
=
+ ′
− =

+
− = =
t t x p
t x s
t x s
x s
t x s
x s
t x s
x s
t x s
dt
d
dt
q d
t
x t
x t
x T
f
µ
(2).




11

Sendo ) (
) (
t
f
x T
uma função densidade de probabilidade tem-se que

1 ) (
0
= +
í
+∞
dt t x p
x t
µ


(o objectivo é integrar ) (
) (
t
f
x T
no intervalo em que haja densidade de
probabilidade positiva). Note-se que dt t x p
x t
) ( + µ é aproximadamente
igual à probabilidade de (x) morrer entre (x+t) e (x+t+dt).

De (2) sai que
( ) ) ( 1 t x p p
dt
d
p
dt
d
x t x t x t
+ = − = − µ


sendo esta uma equação diferencial muito utilizada no cálculo actuarial.

Uma vez que
0 lim =
+∞ →
x n
n
p
,

temos que
+∞ = −
+∞ →
) ln ( lim
x n
n
p
,

ou seja,
+∞ =
í
+
+∞ →
n x
x
n
dy y) ( lim µ
.

12

A tabela abaixo sumariza as propriedades das funções relativas à
distribuição probabilística da v.a. X bem como as relações existentes entre
estas funções.


) (x
F
X
) (x s

) ( x f
X
) (x µ

0 < x

0 ) ( = x
F
X
1 ) ( = x s

0 ) ( = x f
X
0 ) ( = x µ

0 = x

0 ) 0 ( =
F
X
1 ) 0 ( = s

não está
definida
não está
definida
0 > x

não decrescente não crescente
0 ) ( ≥ x f
X
0 ) ( ≥ x µ

+∞ → x
lim

1 ) ( = +∞
F
X
0 ) ( = +∞ s
í
+∞
=
0
1 ) ( dx x f
X

í
+∞
+∞ =
0
) ( dx x µ
Funções
em
termos de
Relações entre as funções
) (x
F
X

) (x
F
X

) (
1
x
F
X


) (x
F
X

) (
1
) (
x
F
x
F
X
X



) (x s

) ( 1 x s −

) (x s

) (x s



) (
) (
x s
x s′


) ( x f
X

í
x
X
du u f
0
) (

í
+∞
x
X
du u f ) (

) ( x f
X

í
∞ +
x
X
X
du u f
x f
) (
) (

) (x µ

− −
í
x
dt t
0
) ( exp 1 µ


í
x
dt t
0
) ( exp µ


í
x
dt t x
0
) ( exp ) ( µ µ

) (x µ




13

EXERCÍCIOS

1. Considerando as relações entre as diversas funções que especificam a
distribuição da v.a. X, complete a seguinte tabela:

) (x s

) (x
F
X
) ( x f
X
) (x µ

0 , ≥

x e
x



0 ,
1
1
1 ≥
+
− x
x


2
0 , tg
π
≤ < x x


2. Confirme que cada uma das seguintes funções pode ser a força de
mortalidade associada à v.a. X. Calcule a função de sobrevivência para
cada caso. Considere sempre 0 ≥ x .

a) 1 , 0 , > > c B c B
x

b) 0 , 0 , > > k n x k
n

c) 0 , 0 , ) (
1
> > +

b a x b a

3. Confirme que a função
0 , ) (
12
3
≥ =

x e x s
x


pode ser considerada uma função de sobrevivência. Calcule as
correspondentes
) (x µ
, ) ( x f
X
e ) (x
F
X
.

14

4. Se
100 0 ,
100
1 ) ( ≤ ≤ − = x
x
x s
, calcule

a)
) (x µ

b) ) (x
F
X

c) ) ( x f
X

d) [ ] 40 10 < < X P

5. Considerando a função de sobrevivência do exercício anterior,
determine a função de sobrevivência, a força de mortalidade e a função
densidade de probabilidade do tempo de vida futuro de (40), ou seja, de
) 40 ( T .

6. Se
100 0 ,
100
1 ) (
2 1
≤ ≤

|
.
|

\
|
− = x
x
x s
, calcule

a)
19 17
p

b)
36 15
q

c)
36 13 | 15
q

d)
) 36 ( µ

e) [ ] ) 36 ( E T





15
7. Suponha que a função de distribuição de X é dada por

0 , 1 ) (
01 . 0
≥ − =

t e t
F
t
X


Mostre que a força de mortalidade é 0.01 para qualquer 0 > x .

8. Se
25 20 , 001 . 0 ) ( ≤ ≤ = x x µ
, calcule
20 2 | 2
q
.

O exercício 7 é um caso particular de um importante resultado: se X tem
uma distribuição Exponencial de parâmetro , ou seja,

0 , 1 ) ( ≥ − =

t e t
F
t
X
λ


então a força de mortalidade,
) (x µ
, é constante e igual a . O inverso
também se verifica.

Suponhamos que
0 , ) ( > = x x λ µ
. Neste caso, as funções de
sobrevivência
x t
p
têm uma importante propriedade. Vimos atrás que, em
geral, temos
x t
x
t x
x t
p x s t x s
x s
t x s
p
p
p ) ( ) (
) (
) (
0
0
= + ⇔
+
= =
+
.

Sendo
λ µ = ) (x
, tem-se que
x
e x s
λ −
= ) (
. Então

) (
) (
t s e p
e
e
p p e e
t
x t
x
t x
x t x t
x t x
= = ⇔ = ⇔ =


− −
− + − λ
λ
λ λ
λ λ
.
16

Verifica-se que, caso
) (x µ
seja constante, a função de sobrevivência para
(x) não depende de x, mas apenas do intervalo de tempo t para o qual se
está a calcular a probabilidade de sobrevivência. Esta característica não é
muito realista quando estamos a estudar a mortalidade humana. Isto porque
se espera que a probabilidade de (x) morrer nos próximos t anos vá
aumentando com a idade x e não que seja constante. Tem-se, portanto, que
uma força de mortalidade constante não descreve bem a mortalidade
humana quando consideramos todo o intervalo em que a idade humana
pode variar. No entanto, muitas vezes, é conveniente, e suficientemente
realista, considerar
) (x µ
constante durante intervalos de tempo curtos, tais
como um ano.


1.4 Tábuas de Mortalidade

1.4.1 Relação entre as funções associadas à tábua de mortalidade e a função
de sobrevivência

Vimos atrás que
) (
) (
1
x s
t x s
q
x t
+
− =
.
Em particular, tem-se que
) (
) 1 (
1
x s
x s
q
x
+
− =
.


17

Consideremos um grupo de
0
l
recém-nascidos, por exemplo, com
100000
0
= l
. A idade que cada recém-nascido terá ao morrer é uma v.a. X
especificada pela função de sobrevivência ) (x s . O que isto significa é que
as idades que os vários recém-nascidos terão ao morrer são consideradas
v.a. identicamente distribuídas a X, em que a função de sobrevivência
associada a X é
[ ] x X P x s > = ) (
. Representemos por
) (x
o nº de
elementos do grupo que sobrevivem até à idade x. Associemos a cada um
dos
0
l
recém-nascidos o índice
0
, , 2 , 1 l j =
e verifiquemos que

¯
=
=
0
1
) (
l
j
j
I x


em que
j
I
é uma v.a. de Bernoulli que nos indica se o recém-nascido j
sobrevive ou não até à idade x, ou seja,

¹
´
¦
=
contrário caso , 0
idade à até sobrevive nascido - recém o se , 1 x
I
j
.

Uma vez que
[ ] [ ] x X P x s I
j
> = = ) ( E
, então

[ ] [ ] ) ( E ) ( E
0
1
0
x s l I x
l
j
j
= =
¯
=

.



18

Vamos representar
[ ] ) ( E x por
x
l
, ou seja,
x
l
representa o nº esperado de
sobreviventes até à idade x do grupo de
0
l
recém-nascidos e tem-se que

) (
0
x s l l
x
=
(3) .

Note-se que, se assumirmos que as v.a.
j
I
são independentes, então

( ) ) ( ; ) (
0
x s l B x ∼


ou seja,
) (x
tem uma distribuição Binomial de parâmetros
0
l n =
e
) (x s p =
. Note-se ainda que o resultado (3) não depende da
independência dos
j
I
.

De uma forma idêntica, representemos por
x n
o nº de mortes entre as
idades x e (x+n) de entre os
0
l
recém-nascidos. Vamos representar o
[ ]
x n
E
por
x n
d . Uma vez que a probabilidade de um recém-nascido
morrer entre as idades x e (x+n) é igual a
) ( ) ( n x s x s + −
, usando um
argumento semelhante ao usado para obter (3), chegamos ao seguinte
resultado:
[ ] [ ]
n x x x n x n
l l n x s x s l d
+
− = + − = = ) ( ) ( E
0

.

Quando n=1, omite-se o n nos símbolos
x n
e
x n
d .

19

De (3) sai que
) (
) (
) (
1 1
x
dx
x ds
x s dx
dl
l
x
x
µ = − = −


e, portanto,
) (x l
dx
l d
x
x
µ = −
.

Uma vez que
) ( ) ( ) (
0 0 0
x f l x p l x l
X
x x
= = µ µ
,

dx x l
x
) ( µ
é aproximadamente igual ao nº esperado de mortes entre as
idades x e (x+dx) de entre os
0
l
recém-nascidos, em que dx é um pequeno
acréscimo. Tem-se ainda que

− = =
í
x
x
dy y l x s l l
0
0 0
) ( exp ) ( µ
;

− = + =
í
+
+
n x
n x
dy y l n x s l l
0
0 0
) ( exp ) ( µ

− =
í í
+n x
x
x
dy y dy y l ) ( exp ) ( exp
0
0
µ µ

− =
í
+n x
x
x
dy y l ) ( exp µ
;
20

[ ]
x n
n x
x
y n x x
n x
x
y
n x
x
y
d dy y l l l l dy
dy
l d
= = − = − = −
í í
+
+
+
+
) ( µ


A interpretação probabilística da tábua de mortalidade, que acabámos de
dar, está associada ao conceito, designado por “random survivorship
group”, de um grupo de
0
l
recém-nascidos, cada um dos quais com uma
função de sobrevivência ) (x s .


1.4.2 Exemplos de tábuas de mortalidade

Uma tábua de mortalidade é uma tabela que sintetiza informação sobre a
distribuição de X, a idade que um recém-nascido terá ao morrer ou, o que é
a mesma coisa, a idade de um indivíduo no momento da morte. Esta tabela,
geralmente, apresenta valores das funções
x
q
,
x
l
e
x
d
para idades x
inteiras. Pode também apresentar os valores de outras funções.

Vamos considerar, como exemplo, a seguinte tábua de mortalidade: “Life
Table for the Total Population: United States, 1979-81”. Nesta tabela
100000
0
= l
e, excepto, para o primeiro ano de vida, o valor de t nas
funções
x t
q
e
x t
d
é 1.

Da análise desta tábua de mortalidade, concluímos o seguinte:

• Espera-se que aproximadamente 1% de um grupo inicial de recém-
nascidos morra no 1º ano de vida.
21
• Espera-se que aproximadamente 77% de um grupo de recém-
nascidos atinja os 65 anos.
• O nº máximo de mortes em relação a um grupo de recém-nascidos
espera-se que ocorra entre as idades 83 e 84.
• É raro observar-se que X assuma valores superiores a 110. Por isso,
nas tábuas de mortalidade, muitas vezes, assume-se que existe uma
idade ω tal que 0 ) ( > x s para
ω < x
e 0 ) ( = x s para
ω ≥ x
. A esta
idade ω costuma chamar-se idade limite. Para a tábua de
mortalidade que estamos a analisar não foi definida a idade limite.
Apesar de poder observar-se que a probabilidade de um indivíduo
atingir os 110 anos é positiva, não foi definida a idade a partir da
qual a probabilidade de sobrevivência passa a ser nula.
• Mínimos locais no nº esperado de mortes ocorrem em redor das
idades 11 e 27, enquanto um máximo local ocorre na vizinhança da
idade 24.
• Embora na tabela os valores de
x
l
e
x
d
tenham sido arredondados
para números inteiros não é obrigatório fazer isso (vejam-se as
fórmulas de
x
l
e
x
d
).


A forma mais convencional de descrever a distribuição da v.a. X é a tábua
de mortalidade. Esta é também a forma mais usada na actividade
seguradora (ramo vida). No entanto, alternativamente, a distribuição de X
pode ser descrita de forma analítica através de ) (x s (por exemplo,
0 , 0 , ) ( ≥ > =

x e x s
x
λ
λ
).


22


Vamos agora analisar os gráficos de algumas funções ligadas à v.a. X.
Devemos realçar que estes gráficos não estão directamente associados à
tábua de mortalidade que analisámos antes, mas são representativas da
mortalidade humana em geral.

Em primeiro lugar temos o gráfico da força de mortalidade (
) (x µ
). Por
um lado, observamos que as duas condições
0 ) ( ≥ x µ
e
í
+∞
+∞ =
0
) ( dx x µ são
satisfeitas. Verificamos também que
) (x µ
começa por ter um valor
relativamente elevado, mas depois decresce até atingir um mínimo numa
vizinhança dos 10 anos. Tem-se ainda que a partir de certa idade (mais ou
menos 40 anos)
) (x µ
é sempre crescente, como seria de esperar.

Passando à análise do gráfico da função
) (x l
x
µ
, convém referir que esta
função é proporcional a
) (x f
X
(
) ( ) (
0
x f l x l
X
x
= µ
), a f.d.p. de X.
Logo este gráfico é semelhante ao de
) (x f
X
. Por outro lado, devido à
interpretação que podemos dar a
dx x l
x
) ( µ
, este gráfico costuma ser
designado por curva de mortes. Podemos ainda observar que um mínimo
local da função
) (x l
x
µ
ocorre numa vizinhança dos 10 anos e que o seu
máximo absoluto ocorre numa vizinhança dos 80 anos.





23

Em relação ao gráfico de
x
l
, podemos fazer os seguintes comentários:

• Uma vez que
) (
0
x s l l
x
=
, o gráfico de
x
l
é proporcional ao de
) (x s . E, de facto, o gráfico de
x
l
tem o comportamento que
esperaríamos que o gráfico de ) (x s tivesse.

• É importante notar que extremantes locais da função
) (x l
x
µ
são
pontos de inflexão de
x
l
pois

x x x
l
dx
d
l
dx
d
dx
d
x l
dx
d
2
2
) ( − =
|
.
|

\
|
− = µ
.










As tábuas de mortalidade são uma componente indispensável em muitos modelos estudados nas Ciências Actuariais. Aliás, há quem estabeleça o surgimento das Ciências Actuariais em 1693, o ano em que Sir Edmund Halley publicou o artigo: “An Estimate of the Degrees of the Mortality of Mankind, Drawn from Various Tables of Births and Funerals at the City of Breslau”. Neste artigo aparece a primeira tábua de mortalidade construída em todo o mundo.

1.3 Distribuição do tempo de vida futuro 1.3.1 A função de sobrevivência Consideremos um recém-nascido. A idade que este recém-nascido terá quando morrer (ou a idade no momento da sua morte) é uma v.a. contínua, X. Representemos por F X (x) a função de distribuição de X. Tem-se que

F X ( x ) = P[ X ≤ x ] ,
Defina-se a função

x ≥ 0.

s ( x ) = 1 − F X ( x ) = P[ X > x ] ,

x ≥ 0.

Vamos assumir que F X (0) = 0 , o que implica que s(0) = 1. À função s(x) dá-se o nome de função de sobrevivência. Para um determinado x > 0 ,

s (x) dá-nos a probabilidade de que o recém-nascido sobreviva até à idade
x. A distribuição de X pode ser especificada quer por F X (x) , quer por

s (x) .

2

adoptada internacionalmente no âmbito das Ciências Actuariais: “International Actuarial Notation”. quer em termos de s (x) . X quer em termos de F X (x) . a partir das propriedades de F X (x) é possível derivar propriedades correspondentes da s (x) . 3 . 1 − F X ( x) s( x) Vamos representar por (x) uma pessoa ou uma vida com idade x. Por exemplo. A partir de agora vamos utilizar uma notação específica para definir probabilidades em relação a T (x) . Em Probabilidades e Estatística é a função de distribuição que desempenha este papel.Em Ciências Actuariais e em Demografia costuma utilizar-se a função de sobrevivência como ponto de partida para os diferentes desenvolvimentos.3. é uma v. O tempo de vida futuro de (x). Podemos definir probabilidades em relação à v. X − x .a. No entanto. 1. a probabilidade de um recém-nascido morrer entre as idades x e z (x < z) é dada por: P [x < X ≤ z ] = F X ( z ) − F X ( x ) = s ( x ) − s ( z ) .2 Tempo de vida futuro de uma pessoa com idade x A probabilidade condicionada de um recém-nascido morrer entre as idades x e z dado que sobreviveu até à idade x é dada por: ( z ) − F X ( x) s ( x) − s ( z ) P[x < X ≤ z | X > x ] = F X = . que vamos designar por T (x) .a.

t ≥ 0 t p x = 1− t q x = P[T ( x) > t ] .Os símbolos desta notação são diferentes daqueles da notação utilizada em Probabilidades e Estatística. Por sua vez. t px representa a função de sobrevivência associada a T (x) . 4 . representa a função de distribuição de T (x) . (0). t px é a probabilidade de (x) sobreviver até à idade (x+t). por convenção. nesta notação actuarial é representada por q x . ou seja. usamos a seguinte notação: t qx = P[T ( x) ≤ t ] . x ≥ 0 . ou seja. omite-se o índice t nos símbolos t q x e t p x : q x = P[T ( x) ≤ 1] é a probabilidade de (x) morrer dentro de um ano (ou seja. de morrer antes de atingir a idade (x+1)). No caso particular de uma pessoa com idade 0. No caso particular em que t = 1 . A função de uma variável que seria representada por q(x) na notação de Probabilidades e Estatística. t ≥ 0 t qx t qx é a probabilidade de (x) morrer antes de atingir a idade (x+t). tem-se T (0) = X e x p0 = s ( x ) . Para definir probabilidades em relação a T (x) .

Considerando as distribuições de X e de T (x) que demos atrás. De facto. A probabilidade de (x) sobreviver durante t anos e morrer nos u anos seguintes ou. quer por P [x < X ≤ x + u | X > x ] = s ( x) − s ( x + u ) . pode incluir a informação de que a pessoa acabou de passar num exame médico para poder comprar um seguro de vida ou de que a pessoa acabou 5 . o que é equivalente.p x = P[T ( x) > 1] é a probabilidade de (x) sobreviver até à idade (x+1). parece que ambas podem ser utilizadas para calcular a probabilidade de (x) morrer entre as idades x e (x+u). Tal como atrás. Tem-se: t|u q x = P[t < T ( x) ≤ t + u]= t +u q x −t qx = t px −t +u px . esta probabilidade é dada. aparentemente. a probabilidade de (x) morrer entre as idades (x+t) e (x+t+u) é representada pelo símbolo t |u q x . quer por u q x . ou seja. Por exemplo. no caso particular em que u = 1 . omite-se o índice u no símbolo. s ( x) O problema é que u q x é baseada na distribuição de T (x) para uma pessoa que é observada quando tem x anos e esta observação pode incluir informação adicional além da sobrevivência até à idade x. tem-se t | q x .

Há tábuas de mortalidade em que a informação sobre (x) não é apenas a sobrevivência até à idade x. Por outro lado. x p0 t qx = 1− s( x + t ) s ( x) . a probabilidade baseada na distribuição de X não pode incluir informação adicional: refere-se a um recém-nascido e apenas supõe que esse recémnascido sobrevive até à idade x. tem-se ainda que: t|u qx = s( x + t) − s( x + t + u) s( x) = s( x + t ) s( x) .de iniciar um tratamento para uma doença grave. as duas probabilidades referidas atrás são diferentes. Assumindo esta hipótese. Ou seja. vamos supor que a função de sobrevivência para (x) pode ser obtida a partir da função de sobrevivência para um recém-nascido. s( x + t) − s(x + t + u) = t px ⋅ u qx+t s( x + t) 6 . Nesses casos. Isto é equivalente a assumir: t p x = P[ X ≥ x + t | X > x ] = s( x + t ) = s ( x) x +t p0 . vamos supor que as duas probabilidades são iguais. Uma vez que não vamos dar essas tábuas de mortalidade.

1. Convém lembrar que F ′X ( x) = f X ( x ) = lim F ∆x → 0 X ( x + ∆x) − F ∆x X ( x) e. que atingiu a idade x. num intervalo de tempo muito pequeno) para uma pessoa que atingiu a idade x. Uma função de x semelhante a esta pode ser definida para obter a probabilidade de morte instantânea (ou melhor. morrer nos próximos c anos. . ( x ) = F ′ X ( x ) . em que ∆x representa um pequeno intervalo de tempo: ( x + ∆x) − F X ( x) f X ( x) ∆x P[x ≤ X < x + ∆x | X > x ] = F X ≅ 1 − F X ( x) 1 − F X ( x) em que f f X X ( x ) é a função densidade de probabilidade de X.3 A força de mortalidade Vimos atrás que ( z ) − F X ( x) P[x < X ≤ z | X > x ] = F X 1 − F X ( x) dá-nos a probabilidade de (0) morrer entre as idades x e z dado que sobreviveu até à idade x. portanto. então esta passa a depender apenas de x e dá-nos a probabilidade de uma pessoa.3. que para ∆x pequeno (próximo de zero) F X ( x + ∆x) − F X ( x) ≅ 7 f X ( x) ∆x . ou seja. com c uma constante. Esta probabilidade é obtida substituindo na fórmula acima z por x + ∆x . Se nesta probabilidade supusermos z − x = c .

ou de uma forma mais completa. dy 8 .A função 1 − F X ( x) f X ( x) representa-se por µ (x) e em Demografia e Actuariado é designada por força de mortalidade. tal como s (x) . portanto. Para cada x dá-nos a densidade de probabilidade de X mas só em relação a pessoas que sobreviveram até à idade x. µ (x) é designada por “failure rate”. As propriedades de f X ( x ) e de s (x) implicam que µ ( x) ≥ 0 . “hazard rate function”. µ (x) pode ser utilizada para especificar a distribuição de X. Senão vejamos. µ (x) é uma função densidade de probabilidade condicionada. que µ ( x) = 1 − F X ( x) f X ( x) = − s′( x) s( x) (1). Em Engenharia. no estudo da fiabilidade de sistemas mecânicos e electrónicos. Tem-se. A partir de (1) tem-se que: − µ ( y) = d ln s ( y ) . “hazard rate”.

s ( x) ⇔− x+n x µ ( y ) dy = ln Exponenciando ambos os membros da equação anterior obtemos: x +n x n p x = exp − µ ( y ) dy . Esta equação pode ainda aparecer sob as seguintes duas formas alternativas. e em que n = x (queremos calcular a probabilidade de (0) atingir a idade x). 0 n Se quisermos particularizar a última equação para o caso em que x = 0 . Se fizermos a substituição s = y − x .Integrando ambos os membros entre x e (x+n) tem-se x+n x x+n x − µ ( y ) dy = d ln s ( y ) dy dy ⇔− x+n x µ ( y ) dy = ln s( y) [ ]xx + n = ln s( x + n) − ln s( x) s ( x + n) = ln n p x . estamos a calcular seguinte equação: 9 n p x para um recém-nascido. temos que n p x = exp − µ ( x + s ) ds . ou seja. obtemos a .

Então f T ( x) (t ) = d t qx d s( x + t ) s′( x + t ) 1− = =− dt dt s ( x) s ( x) (2). 0 x De facto.x p0 = s ( x) = exp − µ ( s ) ds . Vamos definir F T ( x ) (t ) e f T ( x ) (t ) como sendo a função de distribuição e a função densidade de probabilidade de T (x) (o tempo de vida futuro de (x)). µ (x) também pode ser utilizada para especificar a distribuição de X. Vimos atrás que F T ( x ) (t ) = t q x . s( x + t ) s′( x + t ) = − = t px µ ( x + t ) . como se mostrou acima. t ≥ 0 s ( x) s( x + t ) 10 . 0 x Tem-se ainda que F X ( x) = 1 − s ( x) = 1 − exp − µ ( s ) ds 0 x e F ′ X ( x) = f X ( x) = exp − µ ( s) ds µ ( x) = x p0 µ ( x) . respectivamente.

n → +∞ x lim x+n µ ( y) dy = +∞ . ou seja. De (2) sai que d (1− t p x ) = − d t p x = t p x µ ( x + t ) dt dt sendo esta uma equação diferencial muito utilizada no cálculo actuarial. Note-se que t px µ ( x + t ) dt é aproximadamente igual à probabilidade de (x) morrer entre (x+t) e (x+t+dt). Uma vez que n → +∞ lim n px = 0 .Sendo f T ( x ) (t ) uma função densidade de probabilidade tem-se que +∞ 0 t p x µ ( x + t ) dt = 1 (o objectivo é integrar f T ( x ) (t ) no intervalo em que haja densidade de probabilidade positiva). temos que n → +∞ lim (− ln n p x ) = +∞ . 11 .

A tabela abaixo sumariza as propriedades das funções relativas à distribuição probabilística da v. X bem como as relações existentes entre estas funções. F X (x) s(x) s ( x) = 1 s(0) = 1 f +∞ 0 f f X X ( x) µ (x) µ ( x) = 0 não está definida x<0 x=0 x>0 x → +∞ F X ( x) = 0 ( x) = 0 F X (0) = 0 não está definida X não decrescente não crescente ( x) ≥ 0 µ ( x) ≥ 0 +∞ 0 lim F X (+∞) = 1 s(+∞) = 0 f X ( x) dx = 1 µ ( x) dx = +∞ Funções em termos de Relações entre as funções F X (x) F X (x) 1− F X ( x) F ′ X (x) F ′ X ( x) 1− F X ( x) s(x) f ( x) 1 − s ( x) x 0 s(x) +∞ x − s′(x) f ( x) x − f s′( x ) s( x) X X ( x) (u ) du X f X (u ) du f X (u ) du X +∞ x f µ (x) 1 − exp − µ (t ) dt 0 x exp − µ (t ) dt 0 x µ ( x) exp − µ (t ) dt 0 µ (x) 12 .a.

n > 0 . a > 0 . c > 1 n b) k x . Confirme que cada uma das seguintes funções pode ser a força de mortalidade associada à v.EXERCÍCIOS 1. Calcule as correspondentes µ (x ) . 0 < x ≤ π 2 2. Considerando as relações entre as diversas funções que especificam a distribuição da v. b > 0 3. complete a seguinte tabela: s (x) e− x . Considere sempre x ≥ 0 . x≥0 pode ser considerada uma função de sobrevivência. 13 . X. x ≥ 0 1− F X (x) f X ( x) µ (x ) 1 . x a) B c . f X ( x ) e F X (x) .a. k > 0 −1 c) a (b + x) .a. B > 0 . x≥0 1+ x tg x . Calcule a função de sobrevivência para cada caso. X. Confirme que a função s ( x) = e − x 3 12 .

a força de mortalidade e a função densidade de probabilidade do tempo de vida futuro de (40). 12 x 6. determine a função de sobrevivência. ou seja. 0 ≤ x ≤ 100 . calcule a) 17 p19 b) 15 q36 c) 15|13 q36 d) µ (36) e) E[T (36)] 14 . Se s( x) = 1 − x . de T (40) . 0 ≤ x ≤ 100 . calcule 100 a) µ (x ) b) F X (x) c) f X ( x) d) P[10 < X < 40] 5. Se s ( x) = 1 − 100 .4. Considerando a função de sobrevivência do exercício anterior.

F X (t ) = 1 − e −λ t . x > 0 . é constante e igual a .001 . Vimos atrás que. 8. em geral.7. O inverso também se verifica. t≥0 Mostre que a força de mortalidade é 0. Suponha que a função de distribuição de X é dada por F X (t ) = 1 − e −0. Então e −λ ( x + t ) =e − λx t px ⇔ t px = e − λx − λt e − λx ⇔ t p x = e −λt = s (t ) . t≥0 então a força de mortalidade.01 para qualquer x > 0 . tem-se que s ( x) = e .01t . 15 . temos t px = x +t p0 s ( x + t ) = ⇔ s ( x + t ) = s ( x) t p x . calcule 2|2 q20 . µ (x ) . p0 s ( x) x − λx Sendo µ (x) = λ . O exercício 7 é um caso particular de um importante resultado: se X tem uma distribuição Exponencial de parâmetro . Suponhamos que µ ( x) = λ . 20 ≤ x ≤ 25 . ou seja. Se µ ( x) = 0. Neste caso. as funções de sobrevivência t p x têm uma importante propriedade.

1. tem-se que qx = 1 − 16 . caso µ (x ) seja constante. mas apenas do intervalo de tempo t para o qual se está a calcular a probabilidade de sobrevivência. e suficientemente realista. é conveniente.Verifica-se que. que uma força de mortalidade constante não descreve bem a mortalidade humana quando consideramos todo o intervalo em que a idade humana pode variar. s( x + 1) s ( x) . portanto.1 Relação entre as funções associadas à tábua de mortalidade e a função de sobrevivência Vimos atrás que t qx = 1− s( x + t ) s( x) . tais como um ano. considerar µ (x) constante durante intervalos de tempo curtos. a função de sobrevivência para (x) não depende de x.4 Tábuas de Mortalidade 1. Em particular. muitas vezes. Isto porque se espera que a probabilidade de (x) morrer nos próximos t anos vá aumentando com a idade x e não que seja constante. Esta característica não é muito realista quando estamos a estudar a mortalidade humana. No entanto.4. Tem-se.

então [ ] E[ ( x ) ] = l0 j =1 E I j = l0 s( x) . com l0 = 100000 . caso contrário .a. O que isto significa é que as idades que os vários recém-nascidos terão ao morrer são consideradas v. por exemplo.a. ou seja.Consideremos um grupo de l0 recém-nascidos. Ij = 1. A idade que cada recém-nascido terá ao morrer é uma v. Associemos a cada um . de Bernoulli que nos indica se o recém-nascido j sobrevive ou não até à idade x. Representemos por dos l 0 recém-nascidos o índice j = 1. em que a função de sobrevivência associada a X é s ( x) = P[ X > x ] . l0 ( x) o nº de elementos do grupo que sobrevivem até à idade x. 2. se o recém . [ ] 17 . identicamente distribuídas a X. X especificada pela função de sobrevivência s (x) .nascido sobrevive até à idade x 0 . Uma vez que E I j = s(x) = P[X > x].a. l0 e verifiquemos que ( x) = j =1 Ij em que I j é uma v.

n x Quando n=1. l x representa o nº esperado de sobreviventes até à idade x do grupo de l0 recém-nascidos e tem-se que l x = l0 s ( x) (3) . s( x) ) ou seja. usando um argumento semelhante ao usado para obter (3). Uma vez que a probabilidade de um recém-nascido morrer entre as idades x e (x+n) é igual a s ( x) − s ( x + n) . 18 . se assumirmos que as v. I j são independentes. Note-se ainda que o resultado (3) não depende da independência dos I j . Note-se que. ou seja. (x) tem uma distribuição Binomial de parâmetros n = l0 e p = s (x) . Vamos representar o E[ n x ] por n dx . representemos por xo n nº de mortes entre as idades x e (x+n) de entre os l0 recém-nascidos. De uma forma idêntica.a.Vamos representar E[ ( x)] por l x . omite-se o n nos símbolos e n dx . então ( x) ∼ B(l0 . chegamos ao seguinte resultado: n dx = E[ n x ] = l0 [s( x) − s( x + n)] = l x − l x + n .

Tem-se ainda que l x = l0 s ( x) = l0 exp − µ ( y ) dy 0 x . l x + n = l0 s ( x + n) = l0 exp − x+n 0 µ ( y ) dy = l0 exp − µ ( y ) dy exp − 0 x x +n x µ ( y ) dy = l x exp − x +n x 19 µ ( y ) dy .De (3) sai que − 1 dlx 1 ds( x) =− = µ ( x) l x dx s( x) dx e. dx Uma vez que l x µ ( x ) = l0 x p0 µ ( x ) = l0 f X ( x ) . em que dx é um pequeno acréscimo. portanto. l x µ ( x) dx é aproximadamente igual ao nº esperado de mortes entre as idades x e (x+dx) de entre os l0 recém-nascidos. . − d lx = l x µ (x) .

Esta tabela. lx e d x para idades x inteiras. Nesta tabela l0 = 100000 e. o que é a mesma coisa. a seguinte tábua de mortalidade: “Life Table for the Total Population: United States. 1979-81”. cada um dos quais com uma função de sobrevivência s (x) . a idade de um indivíduo no momento da morte. apresenta valores das funções qx . 1. que acabámos de dar. para o primeiro ano de vida.x+n x − d ly dy dy = [ ] − l y x+n x = lx − lx + n = x+n x l y µ ( y ) dy = n d x A interpretação probabilística da tábua de mortalidade. excepto. Vamos considerar.2 Exemplos de tábuas de mortalidade Uma tábua de mortalidade é uma tabela que sintetiza informação sobre a distribuição de X. Pode também apresentar os valores de outras funções. geralmente. Da análise desta tábua de mortalidade. 20 . o valor de t nas funções t q x e t d x é 1. a idade que um recém-nascido terá ao morrer ou. concluímos o seguinte: • Espera-se que aproximadamente 1% de um grupo inicial de recémnascidos morra no 1º ano de vida. designado por “random survivorship group”. está associada ao conceito. como exemplo. de um grupo de l0 recém-nascidos.4.

No entanto. não foi definida a idade a partir da qual a probabilidade de sobrevivência passa a ser nula. assume-se que existe uma idade ω tal que s( x) > 0 para x < ω e s( x) = 0 para x ≥ ω . • É raro observar-se que X assuma valores superiores a 110. s ( x) = e −λ x . Esta é também a forma mais usada na actividade seguradora (ramo vida). • Embora na tabela os valores de l x e d x tenham sido arredondados para números inteiros não é obrigatório fazer isso (vejam-se as fórmulas de l x e d x ). X é a tábua de mortalidade. x ≥ 0 ). λ > 0 . muitas vezes.a. nas tábuas de mortalidade. enquanto um máximo local ocorre na vizinhança da idade 24. Apesar de poder observar-se que a probabilidade de um indivíduo atingir os 110 anos é positiva. A forma mais convencional de descrever a distribuição da v. 21 . • Mínimos locais no nº esperado de mortes ocorrem em redor das idades 11 e 27. a distribuição de X pode ser descrita de forma analítica através de s (x) (por exemplo. A esta idade ω costuma chamar-se idade limite. Para a tábua de mortalidade que estamos a analisar não foi definida a idade limite. Por isso. • O nº máximo de mortes em relação a um grupo de recém-nascidos espera-se que ocorra entre as idades 83 e 84. alternativamente.• Espera-se que aproximadamente 77% de um grupo de recémnascidos atinja os 65 anos.

Tem-se ainda que a partir de certa idade (mais ou menos 40 anos) µ (x) é sempre crescente. este gráfico costuma ser designado por curva de mortes. Por outro lado. Verificamos também que µ (x) começa por ter um valor relativamente elevado. Em primeiro lugar temos o gráfico da força de mortalidade ( µ (x) ). Devemos realçar que estes gráficos não estão directamente associados à tábua de mortalidade que analisámos antes.a.d. devido à interpretação que podemos dar a l x µ ( x) dx . mas são representativas da mortalidade humana em geral. de X. Passando à análise do gráfico da função l x µ (x) . mas depois decresce até atingir um mínimo numa vizinhança dos 10 anos.Vamos agora analisar os gráficos de algumas funções ligadas à v. Podemos ainda observar que um mínimo local da função l x µ (x) ocorre numa vizinhança dos 10 anos e que o seu máximo absoluto ocorre numa vizinhança dos 80 anos. 22 . X. Por um lado. convém referir que esta função é proporcional a f X (x ) ( l x µ ( x) = l0 f X ( x) ). observamos que as duas condições µ ( x) ≥ 0 e +∞ 0 µ ( x) dx = +∞ são satisfeitas.p. Logo este gráfico é semelhante ao de f X (x ) . como seria de esperar. a f.

podemos fazer os seguintes comentários: • Uma vez que l x = l0 s ( x) . o gráfico de l x é proporcional ao de s(x) . de facto. o gráfico de l x tem o comportamento que esperaríamos que o gráfico de s (x) tivesse. dx dx dx dx 23 . E.Em relação ao gráfico de l x . • É importante notar que extremantes locais da função l x µ (x) são pontos de inflexão de l x pois d d d d2 l x µ ( x) = − lx = − 2 lx .