Translated from English to Vietnamese - www.onlinedoctranslator.

com

DOI: 10.2478/auom-2022-0037 MỘT. Şt. đại

học Ovidius Constanţa tập 30(3),2022, 117–142

Một số mô hình tuổi thọ chung của

Gompertz và Gompertz-Makeham

Mihăiţă Drăgan

trừu tượng

Các mô hình tuổi thọ rất quan trọng, vì chúng chỉ ra sức khỏe của
dân số. Các mô hình hiện tại xem xét một số loại yếu tố và bằng cách
phân tích chúng, chúng tôi mở rộng các công thức thành các loại hỗn
hợp mới để tạo ra các biểu diễn cụ thể có lợi cho việc tạo kết quả và ước
tính trong tương lai.

Từ khóa: Phân bố Gompertz, số hạng Makeham, tuổi thọ, tỷ lệ tử vong,

hàm Gamma, quần thể dị hợp gamma, thể trạng yếu.

1. GIỚI THIỆU
Các kỹ thuật xây dựng Bảng sống ban đầu được xây dựng cho các quần thể có
các thành viên có các đặc điểm đa dạng liên quan đến khả năng trường thọ của
họ. Những phương pháp mới này sở hữu một cách tiếp cận cụ thể để tính toán
cấu trúc đoàn hệ, thời gian và bảng vòng đời riêng lẻ. Đối với một quần thể gồm
các cá nhân, với tỷ lệ tử vong do rủi ro GompertzMakeham chi phối, chúng ta có
thể rút ra nghiệm dạng đóng cho tích phân tuổi thọ, tương ứng với các quần
thể đồng nhất và không đồng nhất gamma, bất kể có/không có thuật ngữ
Makeham. Các biểu thức thu được chứa các chức năng đặc biệt giúp xây dựng
các phép tính gần đúng với độ chính xác cao hơn. Chúng có thể được sử dụng
để nghiên cứu sâu hơn về độ co giãn của tuổi thọ đối với các tham số mô hình.

Mô hình điểm yếu nhân gamma-Gompertz là tham số chính

Nhận: 29.10.2021
Chấp nhận: 30.01.2022

117
Một số mô hình tuổi thọ chung của Gompertz và Gompertz-Makeham 118

mô hình được áp dụng ngày nay cho dữ liệu về tỷ lệ tử vong ở người trưởng
thành và người già. Cần phải tìm ra một đặc điểm cho tuổi thọ xuất hiện từ
lực tử vong gamma-Gompertz trong. Bài báo [10] đã đưa ra phần giới thiệu
mô tả bối cảnh và mô hình Gompertz-Makeham, mối liên hệ của nó với sự
yếu đuối, chức năng sinh tồn và chức năng gaussian siêu hình học và biểu
diễn của nó liên quan đến các lớp phân phối mới dựa trên phân phối
Lindleys một tham số. Trong phần sơ bộ, chúng tôi đã mô tả một số loại tuổi
thọ và phép tính gần đúng: Gompertz, Gompertz-Makeham, Lindley-
Gompertz, Lindley-Gompertz-Makeham, Shanker, Shanker-Makeham. Nó
cung cấp một công thức chính xác cho tuổi thọ gamma-Gompertz khi sinh,
công thức này cũng có thể tăng thêm giá trị trong thực tế để thuận tiện cho
việc tính toán.

Các nghiên cứu gần đây cho thấy sự đa dạng của các con đường và mô hình có thể
được nghiên cứu và áp dụng. Có thể kể đến ví dụ như nghiên cứu của Hokov-
Mayerov, Flaut và Maturo [16], phân tích các yếu tố kinh tế xã hội quyết định tuổi thọ
trung bình ở các nước châu Âu bắt đầu từ năm 2000 và kết thúc vào năm 2017. Thay
vì chỉ sử dụng cái gọi là biến truyền thống, và ở đây chúng ta có thể đề cập đến thu
nhập bình quân đầu người và giáo dục, họ đang thêm vào phân tích này sự khác biệt
về văn hóa xã hội và chi tiêu công cho bảo trợ xã hội. Họ đã sử dụng thuật toán
Rừng ngẫu nhiên để đo lường tầm quan trọng của một số biến số liên quan đến tuổi
thọ khi sinh. Kết quả của họ cho thấy các biến có tầm quan trọng tương đối lớn nhất
trong việc giải thích tuổi thọ trung bình khi sinh là: biến “diện tích”, trình độ học vấn
của dân số, kỳ vọng công về bảo trợ xã hội. Họ cũng chỉ ra rằng các yếu tố ít quan
trọng nhất là lạm phát, chi phí môi trường công cộng, thất nghiệp. Các mô hình
tham số về tỷ lệ tử vong của con người đã được giới thiệu bởi Gompertz [15] bằng
cách đưa ra tầm nhìn của ông rằng tỷ lệ tử vong ở độ tuổi trưởng thành sẽ tăng theo
cấp số nhân theo độ tuổi. Makeham [19] đã thêm vào mô hình ban đầu một hằng số
không phụ thuộc vào tuổi, hằng số này biểu thị cho tỷ lệ tử vong không liên quan
đến lão hóa và do đó, thêm tham số thứ ba để cải thiện độ phù hợp của mô hình.

Vaupel và cộng sự. [24] đã giới thiệu một biến ngẫu nhiên dương Z, được gọi là
điểm yếu, tác động lên các mối nguy hiểm riêng lẻ. Khung của Z yếu cá nhân
bắt đầu bằng bản trình bày pdf sau:

λk
π(z) = zk−1e−λz, k, λ >0 (1)
(k)

trong đó điểm yếu được coi là cố định, tức là điểm yếu của một điểm yếu được định cấu hình tại
điểm bắt đầu của nghiên cứu bằng một giá trị không thay đổi trong suốt các điểm yếu
Một số mô hình tuổi thọ chung của Gompertz và Gompertz-Makeham 119

mạng sống. Bối cảnh nhất định dựa trên lực lượng tử vong và chức năng sinh
tồn của một cá nhân với Z = z yếu ở độ tuổi x nhất định, cụ thể là theo (2) và (3):

µ(x|z) =zaebx+c (2)

Một( )
S(x|z) =exp{−z ebx-1-cx} (3)
b
Ở đâua, b >0 là các tham số Gompertz vàc≥0 là viết tắt của mức độ tử vong bên
ngoài không phụ thuộc vào tuổi tác (Kirkwood [17]). được chỉ ra rằngµ(x|z) theo
đường cong Gompertz khi c=0. Nếu không thìµ(x|z) có dạng GM. Sự phân bố
thời gian sống trong một Γgmô hình hỗn hợp được mô tả bởi hàm tồn tại:

( Một( ) )-k
S(x) =e−cx1 + ebx-1 (4)
bλ

µ(x|Z) =Zµ(x), (5)

trong đó Z là một biến ngẫu nhiên, điểm yếu cụ thể hơn (Vaupel, Manton và
Stallard [24], giải thích cho sự không đồng nhất không quan sát được giữa các
cá nhân. Trong khuôn khổ này,µ(x) sẽ là lực cơ sở của tỷ lệ tử vong. Mô hình (4)
được gọi là mô hình nhân (yếu kém).
Mô hình điểm yếu nhân gamma-Gompertz (1) đã được giới thiệu trong nhân khẩu
học bởi Vaupel, Manton và Stallard [24]. Bằng cách nắm bắt sự uốn cong quan sát
được của tỷ lệ tử vong ở người ở độ tuổi lớn hơn (Beard [5]), nó cũng xem xét, như
đã đề cập trước đây, tính không đồng nhất không quan sát được.
Trong [24] và [7], công thức (6) mô tả tuổi thọ còn lại khi sinh đối với mô
hình cụ thể này,
1 ( Một)
e0= ·2 F 1k,1;k + 1; 1- , (6)
bk bλ
Ở đâu2F1(α, β;γ;z) là hàm siêu hình học Gaussian. Mối quan hệ (5) mô tả thời
điểm đầu tiên của phân phối hỗn hợp gamma-Gompertz. Từ góc độ nhân
khẩu học, nó sẽ đánh dấu thời lượng tồn tại dự kiến theo giả định gamma-
Gompertz.
Có rất nhiều hỗn hợp có phân bố Gompertz. Để đưa ra một ví dụ, Bakouch
và Abd El-Bar [3] đã giới thiệu một phiên bản trọng số mới của phân phối
Gompertz. Mô hình của họ bao gồm một hỗn hợp của Gompertz cổ điển và
giá trị kỷ lục cao thứ hai của mật độ Gompertz. Bằng cách sử dụng một
phép biến đổi nhất định, nó đưa ra một phiên bản khác của phân phối
Lindley hai tham số. Nó có thể được hiểu là một thành viên kép của
Một số mô hình tuổi thọ chung của Gompertz và Gompertz-Makeham 120

họ log-Lindley-X. Một số tài sản thu được. Phương pháp khả năng tối đa đã
được sử dụng để ước tính các tham số mô hình. Kết quả thu được là: ma
trận phương sai-hiệp phương sai, khoảng tin cậy của các tham số. Bantan
et al. [2] tập hợp nghiên cứu của họ về phân phối đơn vị (số lượng có giá trị
từ 0 đến 1 mô tả tỷ lệ, xác suất và tỷ lệ phần trăm). Họ đã giới thiệu phân
phối gamma/Gompertz đơn vị, dựa trên phân phối gamma/Gompertz và
lược đồ hàm mũ nghịch đảo. Mục đích của họ là chuyển đổi tính linh hoạt
của phân bố gamma/Gompertz (phân bố vòng đời ba tham số) sang
khoảng đơn vị. Đầu tiên, họ thăm dò nó với hành vi phân tích của các chức
năng chính. Nó chỉ ra rằng pdf có thể tăng, giảm hoặc thậm chí tăng-giảm,

Ngược lại, hàm tỷ lệ rủi ro có hình dạng tăng, giảm hoặc không đổi một cách
đơn điệu. Họ đã kết thúc phần lý thuyết với các đề xuất liên quan đến thứ tự
ngẫu nhiên, khoảnh khắc, lượng tử, hệ số tin cậy. Phương pháp khả năng tối đa
cũng được sử dụng trên mô hình này để ước tính các tham số từ dữ liệu đơn vị.
Kết quả mô phỏng được cung cấp để đánh giá phương pháp này: các ứng dụng
sử dụng tập dữ liệu thực, một ứng dụng về chia sẻ thương mại và một ứng
dụng về mức lũ, cho thấy tầm quan trọng của mô hình này khi so sánh với các
mô hình đơn vị khác.
Trước đại dịch COVID-19 và nhu cầu dự báo tiến trình của bệnh truyền
nhiễm đồng thời ước tính các quy trình giảm lây nhiễm, Berihuete et al. [6]
đã thực hiện suy luận Bayes cho một quá trình Poisson không thuần nhất,
có hàm cường độ dựa trên đường cong Gompertz. Họ đã thảo luận về phân
phối trước của tham số và tạo các mẫu từ phân phối sau. Đối với điều này,
họ đã sử dụng các phương pháp Markov Chain Monte Carlo (MCMC). Sau
đó, họ đã minh họa phương pháp này bằng cách phân tích các tập dữ liệu
thực liên quan đến COVID-19, được nhắm mục tiêu từ một khu vực cụ thể
nằm ở phía nam Tây Ban Nha.
Trong nhiều ngành khoa học ứng dụng như kinh tế, kỹ thuật hoặc tài chính, mô hình
hóa và phân tích dữ liệu vòng đời là rất quan trọng. Phân phối thời gian sống được
sử dụng để mô tả, theo thống kê độ dài tuổi thọ của một hệ thống. Trong [11]
Ekhouseuhi và Opone đã giới thiệu một loại phân phối trọn đời mới. Họ đã xem xét
các thuộc tính toán học của một trong các mô hình phụ của LD, phân phối Lindley
tổng quát hóa ba tham số (TPGLD). Bncescu [4] đã đề xuất một phương pháp mới để
xây dựng các mô hình thống kê. Nó có thể được hiểu là sự phân bố thời gian tồn tại
của các hệ thống nối tiếp song song hoặc chuỗi song song được sử dụng để mô tả
các hệ thống kết hợp. Vấn đề được nghiên cứu liên quan đến các hệ thống nhất
quán bằng cách so sánh thời gian tồn tại của hệ thống dự kiến. Đã thảo luận và thiết
lập các điều kiện để sắp xếp tuổi thọ hệ thống dự kiến của các hệ thống nối tiếp
phức hợp song song hoặc nối tiếp song song. Ngoài ra, được coi là tham số es-
Một số mô hình tuổi thọ chung của Gompertz và Gompertz-Makeham 121

thời gian và sau đó phân tích hai bộ dữ liệu thực. Công thức cho độ tin cậy
đã được đưa ra, cho tỷ lệ rủi ro và cho các hàm tỷ lệ rủi ro trung bình.

Bài viết này được tổ chức như sau: Trong Phần 1, chúng tôi đưa ra phần Giới
thiệu từ các quan điểm liên quan đến môi trường và các hỗn hợp bắt nguồn từ
thời gian. Phần 2 trình bày Sơ bộ về mô hình Gompertz và được bổ sung thêm
từ mô hình Gompertz-Makeham và mô hình gamma-Gompertz-Makeham. Tiếp
theo, một trong những lớp quan trọng nhất của phân phối xác suất được
nghiên cứu: Lindleys với các lần xuất hiện đặc biệt của nó: một tham số, hai
tham số và phần mở rộng. Đối với phần cuối cùng, chúng tôi xem xét bản PDF
và CDF của Bản phân phối được đề xuất (NG2PLD). Trong Phần 3, chúng tôi sẽ
đưa ra kết quả mới cho các mô hình mới, bắt nguồn từ các đại diện của
Damodaran, Zeghdoudi-Nedjar, Ghitany và Ekhosuehi bằng cách xem xét các
thuộc tính và ước lượng của chúng.

2 vòng sơ loại
Chúng tôi cung cấp bối cảnh cho các mô hình cụ thể về tuổi thọ của Gompertz:
gamma-Gompertz, Gompertz-Makeham và gamma-Gompertz-Makeham dưới
dạng kết quả chung để hiểu rõ hơn về các nghiên cứu trước đây và gần đây.

2.1 Tuổi thọ của Gompertz và ước tính của nó

Trong trường hợp của Gompertz [15], khi lực tử vong được cho là (7):
µg(x) =aebx (7)
Castellares và cộng sự. [7] cho thấy tuổi thọ còn lại tương ứng ở tuổixcó thể
được thể hiện bởi (8):
1 (Mộtb ) (Một )
eg(x) = e1 ex kinh nghiệm ebx (số 8)
b b b
∫ ∞- et
Ở đâue1(z) = z t đtbiểu thị tích phân hàm mũ.
Mối quan hệ (9), như được chỉ ra bởi Abramowitz và Stegun [1],
∑∞(-1)NtN
e1(t) =−γ −trong t − (9)
N=1
N·N!
tuyên bố rằng nếut=aebx/bgần bằng 0 thìeg(x) của (10) có thể xấp xỉ bằng:

1( Một) (Một )
eg(x)≈ − γ − ln kinh nghiệm
ebx (10)
b b b
Một số mô hình tuổi thọ chung của Gompertz và Gompertz-Makeham 122

2.2 Tuổi thọ của Gompertz-Makeham và ước tính của nó

Trong trường hợp của GompertzMakeham (thông qua việc trộn lẫn [15] và [19]), khi
lực tử vong được cho là (11):

µGM(x) =aebx+c (11)

với tuổi thọ còn lại hướng tâm của nó ở tuổix(12) từ [7], bằng:
1 (Một ) (c ebx ) (c
Một Một )
eGM(x) = e kinh nghiệm Γ- , ebx (12)
bb b b b
bxb

Lưu ý rằng: ∫∞
e1(z) = lim ts−1e - tđt=lim Γ(s, z)
S→0 0 S→0

I Eeg(x) là dạng suy biến củaeGM(x) khi số hạng Makeham bằng không.

Nếu nhưMộtgần bằng 0, tuổi thọ khi sinheGM(0) có thể xấp xỉ bằng:
( Mộteγ−1 ) cb
1
eGM(0) =-b( )
c c1-c b
Ở đâuγ≈0.57722 là hằng số EulerMascheroni.
Đối với các giá trị tham số tương ứng với mô hình tử vong trong xã hội hiện đại,
và (tức là (0<Mộtbebx≤1Và0<c b≤0.1), chức năng gamma không đầy đủ
)
Γ-ca b,bebxcó thể xấp xỉ bằng:

S ∑∞ z S+k
Γ(s, z) = hết hạn{(1− γ)S+0.3225S2}− (-1)k
S+S2 k=0
k!(S+k)
∑∞
Ở đâuζ(N) = k=1k - nhàm Riemann zeta và 0.3225≈ζ(2)-1 2 .
càng gầnz-argument của hàm gamma không hoàn chỉnh trên bằng 0, tức là ở
∑∞ (-1)k+1zS+k
lứa tuổi càng nhỏ thì càng ít số hạng k=0 k!(S+k)
chúng ta cần sử dụng. ĐẾN

đạt độ chính xác caoε, số lượng các điều khoảntôitrong loạt thứ hai được
tính đến có thể được xác định bởi:
zS+tôi+1
≤ε
(tôi+1)!(S+tôi+1)

2.3 Một số kết quả về tuổi thọ Gamma-Gompertz và

Gamma-Gompertz-Makeham
Castellares và cộng sự. được trình bày trong [7] một biểu thức đóng cho
tuổi thọ còn lại dựa trên mô hình gamma-Gompertz, ở tuổix.
Một số mô hình tuổi thọ chung của Gompertz và Gompertz-Makeham 123

Định lý sau, (được sử dụng trong [7]) trình bày một biểu diễn hoàn chỉnh
cho hàm siêu hình học (13), ký hiệu là2F1:

Định lý 1.

Nếu như|z| <1Và Nốt Rê(P)>Nốt Rê(N)>0 thì:

∫1
Γ(P)
2F1(m, n, p;z) = bạnn−1(1- bạn)p−n−1(1-zu)−mdu (13)
Γ(N)Γ(p −n) 0

Ở đâu Γ(·) biểu thị hàm gamma hoàn chỉnh.

Kết quả sau đây biểu thị các công thức cho các mô hình gamma-Gompertz và
gamma-Gompertz-Makeham được trình bày gần đây bởi Castellares trong [7].

Định lý 2.

Tuổi thọ còn lại ở tuổix(14) cho mô hình gamma-Gompertz là:

( ( ))
Một
1 1- bλ
e(x) = · 2 F1 k,1, k + 1; (14)
bk 1-1+Một
bλ bλebx

Nhận xét 3.

Vìx=0, (15) xảy ra,

1 ( Một)
e(0) = · 2 F 1 k,1, k + 1; 1- (15)
bk bλ
trùng với tuổi thọ khi sinh do Missov [21], Eq. [30].

Dự luật 1.

Mối quan hệ (16) mô tả tuổi thọ còn lại ở tuổixcho mô hình Gompertz:

[Một( )]
e(x) =điểm kinh nghiệm - ebx-1,x≥0. (16)
b
Dự luật 2.

Mối quan hệ (17) mô tả tuổi thọ còn lại ở tuổixcho mô hình Gompertz-
Makeham:
Một số mô hình tuổi thọ chung của Gompertz và Gompertz-Makeham 124

( )( ) c ( )
1 aebx aebx b
c aebx
e(x) =kinh nghiệm Γ- , . (17)
b b b b b

Dự luật 3.

Mối quan hệ (18) mô tả tuổi thọ còn lại ở tuổixđối với mô hình gamma-
Gompertz-Makeham:
( ( ))
Một
1 c 1- bλ
e(x) = · 2 F1 k,1, k+1 + ; Một Mộtbx (1
bk+c b 1- bλ
số 8)

+ bλe

2.4 Một số loại Phân phối xác suất Lindley.

a) Phân bố Lindley một tham số 1LD

Lindley [18] đã giới thiệu phân phối vòng đời một tham số, được gọi là
phân phối Lindley (1LD). Hàm mật độ xác suất của nó (19), viết tắt là pdf thu
được bằng cách kết hợp hàm mũ mật độ (θ) và gamma(2;θ) với xác suất
trộnθ/(1 +θ) và 1/(1 +θ) tương ứng. Về mô tả ở trên, bản pdf của một tham
số phân phối Lindley được đưa ra bởi:

θ2
f1(x) = (1 +x)e−θx; x > θ, θ >0. (19)
1 +θ
Hàm phân phối tích lũy tương ứng (cdf)F1(x) đã thu được bằng cách sử
dụng:

θ+1 +θx
F1(x) = 1- e−θ;xx >0, θ >0,
1 +θ
Ở đâuθlà tham số tỷ lệ. Gần đây, các nhà nghiên cứu đã đề xuất các lớp
phân phối mới lần này dựa trên việc sửa đổi tham số số ít đó có trong phân
phối của Lindley.
Ghitany và cộng sự. [13], [14] đã nghiên cứu các tính chất khác nhau của phân phối này và
chỉ ra rằng (1) cung cấp một mô hình tốt hơn cho một số ứng dụng so với phân phối hàm
mũ. Mazucheli và Achcar [20] đã trình bày các ứng dụng của phân phối Lindley đối với dữ
liệu vòng đời rủi ro cạnh tranh. Deniz và Ojeda [9] đã thảo luận về một phiên bản rời rạc
của phân phối này và phác thảo các ứng dụng của nó trong dữ liệu đếm liên quan đến
bảo hiểm.
Một số mô hình tuổi thọ chung của Gompertz và Gompertz-Makeham 125

b) Phân phối Lindley hai tham số 2LD

Shanker và cộng sự. [23] đã giới thiệu phân phối Lindley hai tham số (2LD) để mô hình
hóa dữ liệu thời gian chờ đợi và thời gian sống sót. Bản pdf (20) của nó được cho bởi:

θ2
f2(x) = (1 +αx)e−θx;x >0, θ >0, α > −θ. (20)
θ+α
Các khoảnh khắc của 2LD, hàm tỷ lệ hỏng hóc, hàm tuổi thọ còn lại trung bình
và thứ tự ngẫu nhiên của nó đã được nghiên cứu. Đã thiết lập các biểu thức cho:
hàm tỷ lệ hỏng hóc, cho hàm tuổi thọ còn lại trung bình, thứ tự ngẫu nhiên của
LD hai tham số đã cho thấy tính linh hoạt đối với LD một tham số và phân phối
hàm mũ. Các phương pháp được thảo luận để ước tính các tham số của nó là
khả năng tối đa và phương pháp khoảnh khắc. Phân phối này đã được tìm thấy
để phù hợp với các bộ dữ liệu có liên quan đến thời gian chờ đợi và tồn tại, cũng
như để kiểm tra mức độ phù hợp của nó với một tham số LD phù hợp với các
tham số khác. Kết quả cho thấy rằng hầu hết tất cả các bộ dữ liệu này từ phân
phối LD hai tham số đều cung cấp các bộ dữ liệu phù hợp hơn so với các bộ dữ
liệu từ một LD tham số.

c) Phân phối Lindley tổng quát - GLD

Zakerzadeh và Dolati [25] đã thu được phân phối Lindley tổng quát
(GLD) và thảo luận về các thuộc tính khác nhau có bản pdf sau (21):

θ2(θx)α−1(α+γx)
f3(x) = e−θx;x >0, α, θ, γ >0, (21)
(γ+θ) Γ (α+1)

Ở đâu ∫∞
Γ(c) = yc−1e−yđê, c >0,
0
là hàm gamma đầy đủ.
Bakouch et al. [3] thu được phân phối Lindley mở rộng và thảo luận về một
số tính chất và ứng dụng của nó.

d) Phân phối Lindley tổng quát mới NGLD

Elbatal et al. [12] đã giới thiệu một bản phân phối Lindley tổng quát mới (NGLD)
với pdf (22):
[ θα+1θα−1 θβxβ−1 ]
1
f4(x) = + e−θx;x >0, θ, α >0, β >0. (22)
1 +θ Γ(α) Γ(β)
Một số mô hình tuổi thọ chung của Gompertz và Gompertz-Makeham 126

Trong phần này, chúng tôi trình bày định nghĩa và một số tính chất quan trọng
của phân phối Lindley tổng quát hóa mới mở rộng. Sau đây, chúng tôi sử dụng
dạng viết tắt ENGLD để mở rộng phân phối Lindley tổng quát mới dựa trên
công thức Damodarans [8].

e) Mở rộng phân phối Lindley tổng quát mới - ENGLD

Một biến ngẫu nhiên liên tục X được gọi là tuân theo ENGLD nếu pdf f(x) của
nó có dạng sau:
∑N
f(x) = PTôigTôi(x)
Tôi=1

Ở đâu
θαTôi
gTôi(x) = xαTôi-1e−θx cho θ >0, αTôi>0 cho tôi=1,2,3, . . . , N.
Γ(αTôi)

1 γ
Trọng lượng trộnPTôiđược đưa ra bởiPTôi= n−1θ+γvìTôi=2,3, . . . , NVà

∑N
P1=1- PTôi, β >0, γ >0.
Tôi=2

f) Hỗn hợp ba thành phần

Đối với hỗn hợp ba thành phần ENGLD (n=3),

θ γ γ
P1= , P2 = Và P3 = .
θ+γ 2 (θ+γ) 2 (θ+γ)

g) Phân phối giả Lindley PLD

Trong trường hợp này, hàm mật độ củaXđược đưa ra bởi:

-
-θ(β −1 +θx)
· kinh nghiệm(−λx), x, θ, b≥1
fPsLD(x;θ, β) = β
- 0, ongược lại

h) Phân phối Lindley có trọng số (hai tham số) NG2PLD

Một biến ngẫu nhiênXđược cho là tuân theo phân bố Lindley hai tham số
tổng quát mới, nếu hàm mật độ của nó được xác định bởi:
( θα−2xα−1 )
θ2
f(x, θ) = 1+ e−θx;x >0, α, θ >0
1 +θ Γ(α)
Một số mô hình tuổi thọ chung của Gompertz và Gompertz-Makeham 127

Bản pdf của NG2PLD là hỗn hợp hai thành phần của Hàm mũ (θ) và Gamma
(a, θ) phân phối có thể được biểu thị dưới dạng,

f(x, θ) =pf1(x) + (1-P)f2(x)

Ở đâuf1(x) =θe−θx, f2(x) =θ2xα−1 Γ(α)e−θxlà bản pdf của hàm mũ

(θ) và Gamma (a, θ) phân phối tương ứng vàP=θ θ+1là sự pha trộn
tỷ lệ.
Phân phối Lindley có trọng số hai tham số và các ứng dụng của nó đối với dữ liệu sinh
tồn.
Phân phối Lindley có trọng số được xem xét trong [13] có bản pdf

θc+1
f(x) = xc−1(1 +x)e−θx, x >0, θ >0 (23)
(θ+c)Γ(c)

PDF (23) có thể được biểu thị dưới dạng hỗn hợp hai thành phần:

f(x) =pf1(x) + (1-P)f2(x) (24)

Ở đâuP=θ θ+cVà

θc+j−1
fj(x) = xc+j−2e−θx, x >0, c, θ >0, j=1,2
Γ(c+j −1)

là bản pdf của phân phối gamma với các tham số hình dạngc+j−1 và tham
số tỷ lệθ, ký hiệu là Gamma (c+j −1, θ), j=1,2.

3 Kết quả chính: Các mô hình thống kê mới.

Với một số mô hình tuổi thọ điển hình, chúng tôi cập nhật chúng để cung cấp
độ chính xác cao hơn. Sau đó, thông qua việc trộn, chúng tôi đã tìm thấy các kết
quả sau cho các mô hình hỗn hợp gamma-Gompertz và Gompertz-Makeham,
cho các mô hình GLD, GLD-Makeham, NGLD và NGLD-Makeham, cho các mô
hình PLD-Gompertz, PLD-Gompertz Makeham , các mô hình WLD-Gompertz và
WLD-Gompertz-Makeham, cho các mô hình Ghitany-Gompertz-Makeham,
TPGLD và các mô hình Ekhousehi-Gompertz-Makeham, và cho các mô hình
Damodaran-Gompertz và các mô hình Damodaran-Gompertz-Makeham.
Một số mô hình tuổi thọ chung của Gompertz và Gompertz-Makeham 128

3.1 Mô hình hỗn hợp gamma-Gompertz và Gompertz-Makeham

Damodaran và Irshard [8] đã mở rộng phân phối Lindley tổng quát mới (ENGLD)
và thảo luận về một số tính chất cơ bản của nó, trong đó chúng ta có thể đề cập
đến độ tin cậy và độ đo bất bình đẳng, biểu thức cho entropy Rnyi. Đối với mô tả
này, các thuộc tính cũng được hiển thị cho: khoảnh khắc và mối quan hệ lặp lại,
hàm đặc trưng, khoảnh khắc có điều kiện, hàm tỷ lệ rủi ro, hàm sức sống và
hàm tuổi thọ còn lại trung bình, hàm sức sống hình học, thời gian không hoạt
động trung bình và hàm tỷ lệ rủi ro đảo ngược, thước đo entropy ( entropy
Sharma-Mittal, entropy Mathai-Haubold, entropy dư, entropy quá khứ). Việc ước
tính các tham số cho mô hình của họ được thực hiện bằng phương pháp
khoảnh khắc và phương pháp khả năng tối đa. Để so sánh hiệu suất của ENGLD
với các hình thức phân phối khác của Lindley, họ đã xem xét một tập dữ liệu
thực tế.

Một mô hình gamma-Gompertz hỗn hợp

µ(x) =aebx
Lực lượng tử vong cho trường hợp Gompertz

∑N
π(z) = PTôiπTôi(z)
Tôi=1

Ở đâu
θαTôi
πTôi(z) = xαTôi-1e−θx, αTôi>0, Tôi=1, N.
Γ(αTôi)

µ(x|Z=z) =Zµ(x)
Lực lượng tử vong cho trường hợp Gompertz,zbiến ngẫu nhiên được gọi là điểm yếu,
trong đóz=z:
( ∫x )
az( )
S(x|z) =điểm kinh nghiệm - µ(t/z)đt=hết hạn{− ebx-1}
0 b
Chức năng sinh tồn của một cá nhân yếu đuốiz=zở độ tuổix:
∫∞ ( ) ) −α
Một( Tôi

STôi(x) = S(x/z)πTôi(z)dz=1 + ebx-1

0 bθ
Chức năng sinh tồn khi lực tử vong của một cá nhân yếu điz=z ở độ tuổixVà
z∼Lindley(θ).
Một số mô hình tuổi thọ chung của Gompertz và Gompertz-Makeham 129

định lý

a) Thời gian sống còn lại khi đến tuổixcho mô hình gamma-Gompertz
là: N
1∑
e(x) = S(Tôi
x)eTôi(x)
S(x) Tôi=1

Ở đâu ( )
1 1-Mộtbθ
eTôi
(x) = · 2 F 1 ,1Tôi
,1 +αTôi,
bαTôi 1-Mộtbθ+bθeab
x

b) Tuổi thọ còn lại khi sinh đối với mô hình gamma-Gompertz
là: N
∑1 ( Một)
e(0) = · 2 F 1 ,1Tôi
,1αTôi+
,1-
Tôi=1
bαTôi bθ
Ở đâu (
1 Một)
eTôi(0) = · 2F1 αTôi,1,1 +αTôi,1-
bαTôi bθ

Mô hình hỗn hợp gamma-Gompertz-Makeham

µ(x) =aebx+c

Lực lượng tử vong cho trường hợp Gompertz-Makeham:

µ(x|z) =zaebx+c
za( )
S(x|z) =hết hạn{− ebx-1-cx}
b
Chức năng sinh tồn của một cá nhân yếu đuốiz=zở độ tuổix:
( Một( ) ) αTôi
STôi(x) =e−cx1 + ebx-1
bθ
∑N ∑N ( Một( ) ) − αTôi
S(x) = PTôiSTôi(x) =e−cx PTôi1 + ebx-1
Tôi=1 Tôi=1
bθ
Chức năng sinh tồn khi lực tử vong của một cá nhân yếu điz=z ở độ tuổixVà
z∼Lindley(θ).
Một số mô hình tuổi thọ chung của Gompertz và Gompertz-Makeham 130

định lý

a) Tuổi thọ còn lại ở tuổi x đối với gamma-Gompertz-Makeham

mô hình là:

N
1 ∑
e(x) = x)eTôix( )
S(Tôi
S(x) Tôi=1
Ở đâu ( )
1 c 1-Mộtbθ
eTôi(x) = · 2 F1 αTôi
, 1, 1 +αTôi+ , ebx
Một
bαTôi+c b 1-Mộtbθ+ bθ
b) Tuổi thọ còn lại khi sinh đối với gamma-Gompertz-Makeham
mô hình là:
∑N 1 ( c Một)
e(0) = · 2 F1 ,1Tôi
,1 + αTôi+ , 1-
Tôi=1
bαTôi
+c b bθ
Ở đâu (
1 c Một)
eTôi(0) = · 2 F1 ,1Tôi
,1 +α+ Tôi , 1-
bαTôi+c b bθ

Các kết quả sau đây đại diện cho các mô hình đặc biệt được trừ từ các mô hình trên

3.2 Các mô hình GLD và GLD-Makeham

định lý

a) Tuổi thọ còn lại ở tuổixcho mô hình GLD là:

1( )
e(x) = S(1x)e1(x) +S(x)e22 (x)
S(x)
( ) α ( ) α+1
1 Một
S1(x) = 1 + (ebx-1) , S2(x) = 1 + (ebx-1)
bθ bθ
( ) α
θ 1 γ ( Một ) α+1
S(x) = 1 + (ebx-1) + 1 + (ebx-1)
γ+θ bθ γ+θ bθ
( )
1 1-Mộtbθ
e1(x) = · 2 F1 a,1,1 +a, Mộtbx
bα 1-Mộtbθ+ bθ e
( )
1 1-Mộtbθ
e2(x) = · 2 F1 α+1,1,2 + a, Mộtbx
b(α+1) 1-Mộtbθ+ bθ e
Một số mô hình tuổi thọ chung của Gompertz và Gompertz-Makeham 131

b) Tuổi thọ trung bình còn lại của mô hình GLD là:

1 ( Một) 1 ( Một)
e(0) = · 2F1a,1,1 +a,1- + · 2 F 1 a,1,1 +a,1-
bα bθ b(α+1) bθ

định lý

a) Tuổi thọ còn lại ở tuổi x đối với mô hình GLD-Makeham

là:
1 ( )
e(x) = S(1x)e1(x) +S(x)e22(x)
S(x)
( ) α ( ) α+1
1 Một
S1(x) =e−cx 1+
(ebx-1) , S(x)2=e−cx 1 + (ebx-1)
bθ bθ
[ ( ) (
θ e−cx 1( ) γ e−cx Một( ) ) ]α+1
S(x) =e - cx 1+ ebx-1 + 1+ ebx-1
γ+θ bθ γ+θ bθ
1 ( c Một)
e1(x) = · 2F1 a,1,1 + α+ , 1-
bα+c b bθ
1 ( c Một)
e2(x) = · F + 1,1,2 +α+ , 1-
b(α+1) +c2 1α b bθ
b) Tuổi thọ trung bình còn lại của mô hình GLD-Makeham là:

1 ( c Một)
e(0) = · 2F1α+1 , 1,2 +α+ , 1-
bα+c b bθ
1 ( c Một)
+ · F + 1,1,2 +α+ , 1-
b(α+1) +c2 1α b bθ

3.3 Các mô hình NGLD và NGLD-Makeham

định lý

a) Tuổi thọ còn lại ở tuổixcho mô hình NGLD là:

1
e(x) = (S 1(x)e1(x ) + S2(x)e2(x))
S(x)
( Một )α ( Một )β
S1(x) = 1 + (ebx-1) , S2(x) = 1 + ( ebx-1)
bθ bθ
θ( Một )α 1 ( Một )β
S( x) = 1 + (ebx-1) + 1 + (ebx-1)
1 +θ bθ 1 +θ bθ
Một số mô hình tuổi thọ chung của Gompertz và Gompertz-Makeham 132

( )
1 1-Mộtbθ
e1(x) = · 2 F 1 a,1,1 + α,
bα 1-Mộtbθ+Mộtbθebx
( )
1 1-Mộtbθ
e2(x) = · F 1 , ,+, 1 1 β
bβ2 1-Mộtbθ+Mộtbθebx
b) Tuổi thọ trung bình còn lại của mô hình NGLD là:

1 ( Một) 1 ( Một)
e(0) = · F 1 a,1,1 +, −α1 + · F β,1,1 +,1-
bα2 bθ bβ2 1 bθ
định lý

a) Tuổi thọ còn lại ở tuổixcho mô hình NGLD-Makeham

là:
1
e(x) = (S(1x)e(x)1 +S 2(x)e2(x))
S(x)
( Một )α ( Một )β
S1(x) =e−cx1 + (ebx-1) , S( 2x) =e−cx1 + (ebx-1)
bθ bθ
[ ( ) ( ) ]β
θ Một α 1 Một
S(x) =e−cx 1 + (ebx-1) + 1 + (ebx-1)
1 +θ bθ 1 +θ bθ
( )
1 c 1-Mộtbθ
e1(x) = · 2 F 1 a,1,1 +α + ,
bα+c b 1-Mộtbθ+bθeMộtbx
( )
1 c 1-Mộtbθ
e2(x) = · 2 F1 ,1,1 +β+ ,
bβ+c b 1-Mộtbθ+Mộtbθebx
b) Tuổi thọ trung bình còn lại khi sinh theo mô hình NGLD-Makeham là:
1 ( c Một) 1 ( c Một)
e(0) = · 2 F 1 a,1,1 +α+ , 1- + · F
bα+c b bθ bβ+c2 1,1,1 +β+,1- b bθ

3.4 Mô hình PLD Gompertz và PLD-Gompertz-Makeham

Zeghdoudi và Nedjar tiếp tục trong [22] nghiên cứu về Gamma Lindley đã đề xuất
nhiều thuộc tính và mô phỏng hơn để cung cấp một mô hình linh hoạt hơn cho dữ
liệu trọn đời. Các thuộc tính thống kê như hàm lượng tử, đường cong Lorenz,
phương pháp thời điểm, ước tính khả năng tối đa, entropy hoặc phân phối giới hạn
của thống kê thứ tự cực trị đã được thiết lập. Nghiên cứu mô phỏng của họ đã kiểm
tra độ lệch và sai số bình phương trung bình của các công cụ ước tính khả năng tối
đa của các tham số.
Họ đã xây dựng một ứng dụng của mô hình này cho một tập dữ liệu thực và so sánh
Một số mô hình tuổi thọ chung của Gompertz và Gompertz-Makeham 133

với sự phù hợp được nắm bắt bởi hai (ba) bản phân phối tham số khác. Hơn nữa, họ
đã đưa ra bản phân phối mới có tên là bản phân phối Gamma Lindley (GaLD), trong
đó bản phân phối Lindley (LD) là một trường hợp cụ thể. Trong [27] họ đã thảo luận
và thêm nhiều thuộc tính hơn nữa. Một ứng dụng của phân phối này đã được đưa
ra.
Trong [26] phân phối Poisson giả Lindley (PPsLD) đã thu được bằng cách ghép
các phân phối Poisson và giả Lindley. Các khoảnh khắc, đường cong Lorenz,
hàm lượng tử, ước tính khả năng tối đa đều được mô tả bằng cách đưa ra các
thuộc tính của chúng. Các nghiên cứu mô phỏng, cũng như các ứng dụng điều
khiển dữ liệu đã được báo cáo.
Điều thú vị thực sự bắt đầu xảy ra ở đây, trong [27] nơi họ giới thiệu một bản
phân phối mới có tên là Bản phân phối Pseudo Lindley (PsLD) là sự tổng quát
hóa của bản phân phối Lindley (LD). Nhiều thuộc tính đã được nghiên cứu,
trong đó chúng ta có thể liệt kê một số: khoảnh khắc, hàm đặc trưng, lỗi, hàm
tỷ lệ, phân phối tổng, ước tính tham số.

θ(β −1 +θz)e−θz
π(z) = , β≥1, θ >0, z >0
β
β −1
π(z) =pπ1+ (1-P)π2, P=
β
π1=θe−θz, α1=1
π2=θ2ze−θz, α2=2
định lý

a) Thời gian sống còn lại khi đến tuổixcho mô hình PLD-Gompertz
là:
1
e(x) = (S(1x)e1(x) +S( 2x)e2(x))
S(x)
Ở đâu
β −1 ( Một( ) )- 1 1 ( Một( ) )- 2
S(x) = · 1+ ebx-1 + · 1+ ebx-1
β bθ β bθ
( Một( ) )- 1
S1(x) = 1+ ebx-1
bθ
( Một( ) )- 2
S2(x) = 1+ ebx-1
bθ
( )
1 1-Mộtbθ
e1(x) =· 1,1,2; Mộtbx
b2F1 1-Mộtbθ+ bθe
Một số mô hình tuổi thọ chung của Gompertz và Gompertz-Makeham 134

( )
1 1-Mộtbθ
e2(x) = · 2 F1 2,1,3 ;
2b 1-Mộtbθ+Mộtbθebx
b) Tuổi thọ còn lại khi sinh đối với mô hình PLD-Gompertz là:
1 ( Một) 1 ( Một)
e(0) = · 2 F11,1,2 1 ; - + · F2,1,3; 1-
b bθ 2b2 1 bθ
Sự thích ứng của kết quả trên cho hỗn hợp với mô hình Makeham là:

định lý

a) Tuổi thọ còn lại ở tuổi x đối với PLD-Gompertz-Makeham

mô hình là:
1
e(x) = (S(1x)e1(x) + S2(x)e2(x))
S(x)
Ở đâu:

[ )- ) ]-
β −1 ( Một 1 1( Một 2
S(x) =e−cx · 1+ (ebx-1) + · 1 + (ebx-1) β
β bθ bθ
(
Một )- 1
S1(x) =e−cx 1+
(ebx-1)
bθ
( Một )- 2
S2(x) =e−cx 1 + (ebx-1)
bθ
( )
1 c 1-Mộtbθ
e1(x) = · 2 F1 1,1,2 + ;
b+c b 1-Mộtbθ+Mộtbθebx
( )
1 c 1-Mộtbθ
e2(x) = · 2 F1 2,1,3 + ;
2b+c b 1-Mộtbθ+Mộtbθebx
b) Tuổi thọ còn lại khi sinh đối với mô hình PLD-Gompertz-Makeham là:

1 ( c Một) 1 ( c Một)
e(0) = · 2 F 1 1,1,2 + ; 1- + · F
b+c b bθ 2b+c2 12,1,3 + ; 1- b bθ

3.5 Các mẫu WLD Gompertz và WLD-GM

Trong [13], phân phối Lindley có trọng số hai tham số đã được đề xuất để
lập mô hình dữ liệu sinh tồn. Phân phối này có đặc tính là hàm tỷ lệ rủi ro
(hoặc tuổi thọ còn lại trung bình) thể hiện hình dạng bồn tắm (bồn tắm úp
ngược) hoặc tăng (giảm). Ứng dụng này bao gồm các nghiên cứu mô phỏng
được thực hiện để điều tra hiệu suất của MLE và tiệm cận
Một số mô hình tuổi thọ chung của Gompertz và Gompertz-Makeham 135

khoảng tin cậy của các tham số. Sau đó, mô hình đề xuất đã được sử dụng
để biểu diễn dữ liệu sinh tồn thực tế.

định lý

a) Thời gian sống còn lại khi đến tuổixcho mô hình WLD-Gompertz là:

1
e(x) = (S(1x)e1(x) +S(x)e22(x))
S(x)
Ở đâu

θ ( Một ) −γ γ ( Một ) − γ−1

S( x) = · 1 + (ebx - 1) + · 1 + (ebx-1)
θ+γ bθ θ+γ bθ
( Mộtb ) −γ
S1(x) = 1+
(ex-1)
bθ
( Một ) − γ−1
S2(x) = 1 + (ebx-1)
bθ
( )
1 1-Mộtbθ
e1(x) = · 2 F1 à,1, γ+ ; 1 Mộtbx
γb 1-Mộtbθ+ bθ e
( )
1 1-Mộtbθ
e2(x) = · 2 F1 γ+1,1, γ+2;
b(γ+1) 1-Mộtbθ+Mộtbθebx
b) Thời gian sống còn lại khi đến tuổixcho mô hình WLD-Gompertz là:

1 ( Một) 1 ( Một)
e(0) = · 2 F11,1,2; 1 - + · 2 F1 γ+1,1, γ+2; 1-
γb bθ b(γ+1) bθ
Điều chỉnh kết quả của chúng tôi với mô hình Makeham, chúng tôi nhận được:

định lý

a) Thời gian sống còn lại khi đến tuổixcho WLD-Gompertz-Makeham

mô hình là:

1
e(x) = (S(1x)e1(x) +S(x)e22( x))
S(x)
Ở đâu
[ ( ) −γ ( ) − γ−1 ]
θ Một γ Một
S(x) =e−cx · 1 + (ebx - 1) + · 1 + (ebx-1)
θ+γ bθ θ+γ bθ
Một số mô hình tuổi thọ chung của Gompertz và Gompertz-Makeham 136

(Một ) −γ
S1(x) =e−cx 1+
(ebx-1)
bθ
( Một ) − γ−1
S2(x) =e - cx 1 + (ebx-1)
bθ
( )
1 c 1-Mộtbθ
e1(x) = · 2 F 1 γ , 1, γ+1 + ;
γb+c b 1-Mộtbθ+Mộtbθebx
( )
1 c 1-Mộtbθ
e2(x) = · 2F1 γ+1,1, γ+2 + ;
b(γ+1) +c b 1-Mộtbθ+bθemột bx
b) Thời gian sống còn lại khi đến tuổixcho mô hình WLD-Gompertz-
Makeham là:
1 ( c Một) 1 ( c Một)
e(0) = · 1, 1,2 + ; 1- + · ; 1-
γb+c2F1 b bθ b(γ+1) +c2F1γ+1,1, γ+2 + b bθ

3.6 Mô hình Ghitany-Gompertz-Makeham

Trong nhiều ngành khoa học ứng dụng, chẳng hạn như kinh tế, kỹ thuật và tài chính, trong số
những ngành khác, mô hình hóa và phân tích dữ liệu vòng đời là rất quan trọng. Phân phối thời
gian sống được sử dụng để mô tả, theo thống kê, độ dài tuổi thọ của một hệ thống. Các mô
hình được điều chỉnh, liên quan đến nhiều tham số hơn có xu hướng mang lại kết quả chính xác
hơn và có thể được áp dụng cho các trường hợp đặc biệt, khi cần có cấu hình của mô hình.

định lý

a) Thời gian sống còn lại khi đến tuổixcho Ghitany-Gompertz-

Mô hình Makeham là:

1
e(x) = (S(1x)e1(x) +S2(x)e2(x))
S(x)
Ở đâu
[
β −1 ( Một )- 1 1 ( Một ) ]- 2
S(x) =e−cx · 1 + (ebx-1) + · 1 + (ebx-1)
β bθ β bθ
( Một )- 1
S1(x) =e−cx1 + (ebx-1)
bθ
( Một )- 2
S2(x) =e−c x1 + (ebx-1)
bθ
Một số mô hình tuổi thọ chung của Gompertz và Gompertz-Makeham 137

( )
1 c 1-Mộtbθ
e1(x) = · 2 F 1 à,1, γ+1 + ;
γb+c b 1-Mộtbθ+bθeMộtbx
( )
1 c 1-Mộtbθ
e2(x) = · 2F1 γ+1,1, γ+2 + ;
b(γ+1) b 1-Mộtbθ+Mộtbθebx
b) Tuổi thọ còn lại khi sinh của Ghitany-Gompertz-Makeham
mô hình là:
1 ( Một) 1 ( c Một)
e(0) = · F1,1,2; 1- + · F 1 γ+1,1, γ+2 + ; 1-
γb+c2 1 bθ b(γ+1)2 b bθ

3.7 Mô hình TPGLD

TPGLD khái quát hóa một số họ phân phối Lindley, và ở đây chúng ta có thể
kể đến: phân phối Lindley lũy thừa, phân phối Sushila, phân phối Lindley-
Pareto, phân phối logistic nửa Lindley, phân phối Lindley cổ điển. Một ứng
dụng cho hai bộ dữ liệu vòng đời thực của TPGLD thể hiện tính ưu việt của
nó so với LD lũy thừa, phân phối hình học Lindley lũy thừa, LD lũy thừa,
phân phối lũy thừa Lindley và LD một tham số truyền thống trong việc lập
mô hình các bộ dữ liệu vòng đời.

định lý

a) Thời gian sống còn lại khi đến tuổixcho mô hình TPGLD là:
1
e(x) = (S(1x)e1(x) +S 2(x)e2(x))
S(x)
Ở đâu
θ ( Một )- 1 1 ( Một )- 2
S( x) = · 1 + (ebx - 1) + · 1 + (ebx-1)
θ+1 bθ θ+1 bθ
( Một )- 1
S1(x) = 1 + (ebx-1)
bθ
( Một )- 2
S2(x) = 1 + (ebx-1)
(
bθ )
1 1-Mộtbθ
e1(x) = · 2 F1 1,1,;2
b 1-Mộtbθ+Mộtbθebx
( )
1 1-Mộtbθ
e2(x) = · 2 F1 2,1,3;
2b 1-Mộtbθ+Mộtbθebx
b) Tuổi thọ còn lại khi sinh của người mẫu TPGLD là:
1 ( Một) 1 ( Một)
e(0) = · 2 F11,1,2 1 ; - + 2b2· 12F, ,;- 131
b bθ bθ
Một số mô hình tuổi thọ chung của Gompertz và Gompertz-Makeham 138

3.8 Mô hình Ekhosuehi-Gompertz-Makeham

định lý

a) Thời gian sống còn lại khi đến tuổixcho Ekhosuehi-Gompertz-

Mô hình Makeham là:

1
e(x) = (S(1x)e1(x) +S(x)e22 (x))
S(x)
Ở đâu
[ ( )- ( ) ]-
θ Một 1 1 Một 2
S(x) =e−cx · 1 + (ebx-1) + · 1 + (ebx-1)
θ+1 bθ θ+1 bθ
(
Một )- 1
x
S1(x) =e−c 1+
(ebx-1)
bθ
( Một )- 2
S2(x) =e - cx 1 + (ebx-1)
bθ
( )
1 c 1-Mộtbθ
e1(x) = · 2 F1 1,1,2 + ;
b+c b 1-Mộtbθ+Mộtbθebx
( )
1 c 1-Mộtbθ
e2(x) = · 2F1 2,1,3 + ;
2b+c b1-Một+bθ
Một
bθebx

b) Tuổi thọ còn lại khi sinh đối với mô hình Ekhosuehi-Gompertz-Makeham là:

1 ( Một) 1 ( c Một)
e(0) = · 2 F11,1,2; 1- + · 2 F 1 2,1,3 + ; 1-
b+c bθ 2b+c b bθ

3.9 Mô hình Damodaran-Gompertz

định lý

a) Thời gian sống còn lại khi đến tuổixcho Damodaran-Gompertz

mô hình là:
1
e(x) = (S(1x)e1(x) +S(x)e22 (x))
S(x)
Ở đâu
θ ( Một ) −α 1 ( Một ) −β
S(x) = · 1 + (ebx - 1) + · 1 + (ebx-1) bθ
1 +θ bθ θ+1
( Một ) −α
S1(x) = 1+ (ebx-1)
bθ
Một số mô hình tuổi thọ chung của Gompertz và Gompertz-Makeham 139

( Một ) −β
S2(x) = 1+ (ebx-1)
bθ
( )
1 1-Mộtbθ
e1(x) = · 2F1 a,1, α+1;
αb 1-Mộtbθ+bθeMột
bx
( )
1 1-Mộtbθ
e2(x) = · F 1 ,+1;, 1β Mộtbx
bb2 1-Mộtbθ+ bθe
b) Tuổi thọ còn lại khi sinh đối với mô hình Ekhosuehi-Gompertz-Makeham là:

1 ( Một) 1 ( Một)
e(0) = · 2 F11,1,2; 1 - + · 2F1,1, β+1; 1-
αb bθ bb bθ

3.10 Mô hình Damodaran-Gompertz-Makeham

định lý

a) Tuổi thọ còn lại khi đến tuổixcho Damodaran-Gompertz-

Mô hình Makeham là:

1
e(x) = (S(1x)e1(x) +S(x)e22(x))
S(x)
Ở đâu
[ ( )- ( ) ]-
θ Một 1 1 Một 2
S(x) =e−cx · 1 + (ebx - 1) + · 1 + (ebx-1)
θ+1 bθ θ+1 bθ

Một ( )- 1
S1(x) =e−cx 1+
(ebx-1)
bθ
( Một )- 2
S2(x) =e−cx 1 + (ebx-1)
bθ
( )
1 c 1-Mộtbθ
e1(x) = · 2F1 a,1, α+1 + ;
αb+ c b 1-Mộtbθ+Mộtbθebx
( )
1 c 1-Mộtbθ
e2(x) = · 2 F1 ,1, β+1 + ; Một
bb+c b 1-Mộtbθ+ebxbθ
b) Tuổi thọ còn lại khi sinh đối với mô hình Damodaran-Gompertz-Makeham
là:
1 ( Một) 1 ( c Một)
e(0) = · 2 F 1 1,1,2; 1- + · 2 F 1 ,1, β+1 + ; 1-
αb+c bθ bb+c b bθ
Một số mô hình tuổi thọ chung của Gompertz và Gompertz-Makeham 140

4.Kết luận
Chúng tôi đã nghiên cứu các mô hình Gompertz, Gompertz-Makeham và gamma-
Gompertz-Makeham, như một điểm khởi đầu.
Chúng tôi đã thấy các tiện ích mở rộng của chúng và hiểu rằng các loại phân phối
mới và tuổi thọ kỳ vọng đã tăng lên và nhiều loại vẫn chưa được khám phá và xây
dựng.
Do đó, chúng tôi đã đưa ra kết quả mới cho các mô hình mới, bắt nguồn từ các đại
diện của Damodaran, Zeghdoudi-Nedjar, Ghitany và Ekhosuehi bằng cách xem xét
các thuộc tính và ước tính của chúng.

Người giới thiệu

[1] Abramowitz, M. và Stegun, IA (Eds.) (1965) Handbook of Mathematical

Functions with Formulas, Graphs, and Mathematical Tables. Dover
Publications Inc., New York, 1046 tr.

[2] Bakouch, HS, Abd El-Bar, AMT (2017), Một bản phân phối Gompertz có
trọng số mới với các ứng dụng cho dữ liệu độ tin cậy, Các ứng dụng của
Toán học, Tập. 62(3), 269-296.

[3] Bantan, RAR, Jamal, F., Chesneau, C., Elgarhy, M. (2021), Lý thuyết và
Ứng dụng của Phân bố Gamma/Gompertz Đơn vị, Toán học, 9(16),
1850.

[4] Bncescu, I. (2018), Một số loại phân phối thống kê. Thuộc tính và Ứng
dụng, An. t. đại học Ovidius Constanta, Tập. 26(1), 43-68.

[5] Beard, RE (1959) Ghi chú về một số mô hình tử vong toán học. Tuổi thọ
của Động vật, Wolstenholme, GEW và OConner, M., Eds., Ciba
Foundation Colloquium on Aging, Little, Brown and Company, Boston,
302-311.

[6] Berihuete, A., Sanchez-Sanchez, M., Suarez-Llorens, A. (2021), Mô hình

Bayes về các ca nhiễm Covid-19 dựa trên đường cong Gompertz, Toán
học, 9(3), 228.

[7] Castellares, F., Patricio, SC, Lemonte, AJ (2020), Về tuổi thọ gamma-
Gompertz, Thư thống kê và Xác suất, Tập. 165, vấn đề C.

[8] Damodaran, S., Irshad, MR (2016), Phân phối Lindley tổng quát mới mở
rộng, Statistica, Vol. 1.
Một số mô hình tuổi thọ chung của Gompertz và Gompertz-Makeham 141

[9] Deniz, EG, Ojeda, EC (2011), Các thuộc tính và ứng dụng phân phối
Lindley rời rạc. Tạp chí Tính toán Thống kê và Mô phỏng, 81,
1405-1416.

[10] Dragan, M., (2021) Tuổi thọ của LindleyGompertz và LindleyGompertzMakeham,

Tạp chí Quốc tế về Lý thuyết Rủi ro, Bucuresti, Vol. 1.

[11] Ekhosuehi, N., Opone, F. (2018), Phân phối Lindley tổng quát ba tham
số: Thuộc tính và ứng dụng, Statistica, Tập. 78(3).

[12] Elbatal I., Merovci F., Elgarhy M. (2013), Một phân phối Lindley tổng
quát mới, Lý thuyết toán học và mô hình hóa, Tập 3 (3).

[13] Ghitany ME, Alqallaf F., Al-Mutairi DK, Husain HA (2011), Phân phối Lindley
có trọng số hai tham số và các ứng dụng của nó đối với dữ liệu sinh tồn,
Toán học và Máy tính trong Mô phỏng 81 (6), 1190-1201.

[14] Ghitany, ME, Atieh, B., Nadarajah, S. (2008), Bản phân phối Lindley và ứng
dụng của nó, Toán học và Máy tính trong Mô phỏng, Tập. 78(4), 493-506.

[15] Gompertz, B., (1825), Về bản chất của chức năng thể hiện quy luật về tỷ lệ tử vong của
con người, và về một phương thức mới xác định giá trị của các tình huống ngẫu
nhiên trong cuộc sống, Giao dịch triết học của Hiệp hội Hoàng gia Luân Đôn 115,
513583 .

[16] Hokov-Mayerov, S., Flaut, C., Maturo, F. (2021), Chương Tuổi thọ khi
sinh và các yếu tố quyết định kinh tế xã hội của nó: Ứng dụng của thuật
toán rừng ngẫu nhiên từ các thuật toán làm cơ sở của toán học ứng
dụng hiện đại, Springer , Tập. 404, một phần của bộ sách Nghiên cứu
về tính mờ và tính toán mềm (StudFuzz).

[17] Kirkwood, T. ,(1985), Các khía cạnh so sánh và tiến hóa của tuổi thọ,
Finch, C., Schneider, E. (Eds.), Sổ tay Sinh học Lão hóa. Công ty Van
Nostrand Reinhold, New York, 2743.

[18] Lindley, D., V., (1958), Phân phối Fiducial và Định lý Bayes, Tạp chí của Hiệp
hội Thống kê Hoàng gia: Series B (Phương pháp luận), Tập 20 (1).

[19] Makeham, W. (1860), Về quy luật tử vong và xây dựng các bảng niên
kim, Tạp chí của Viện Actuaries 8, 301310.

[20] Mazucheli, J., Achcar, J., A. (2011), Phân phối Lindley áp dụng cho dữ liệu
vòng đời rủi ro cạnh tranh, Phương pháp và chương trình máy tính trong y
sinh, 104, 188-192.
Một số mô hình tuổi thọ chung của Gompertz và Gompertz-Makeham 142

[21] Missov, TI (2013), Gamma-Gompertz tuổi thọ khi sinh, Nghiên cứu nhân
khẩu học, Tập. 28, Điều. 9, 259-270.

[22] Nedjar, S., Zeghdoudi, H. (2016) Về phân bố gamma Lindley: Tính chất
và mô phỏng, Tạp chí Toán học Tính toán và Ứng dụng, Tập. 298,
167-174.

[23] Shanker, R., Sharma, S., Shanker, R. (2013), Phân phối Lindley hai tham số
để mô hình hóa dữ liệu thời gian chờ đợi và thời gian sống sót. Toán ứng
dụng, Tập. 4, 363-368.

[24] Vaupel, J., W., Manton, K., G., Stallard, E. (1979), Tác động của tính không đồng nhất trong
tình trạng yếu đuối của mỗi cá nhân đối với động lực của tỷ lệ tử vong, Nhà xuất bản Đại
học Duke, Nhân khẩu học Tập. 16(3) (Aug.,1979), 439-454.

[25] Zakerzadeh H., Dolati A. (2009), Phân phối Lindley tổng quát, Tạp chí
mở rộng toán học, Tập. 3(2).

[26] Zeghdoudi, H., Nedjar, S. (2016), Một ứng dụng và phân phối giả
Lindley, Afrika Statistika, Vol. 11(1).

[27] Zeghdoudi, H., Nedjar, S. (2016), Phân bố Gamma Lindley và ứng dụng
của nó, Tạp chí Xác suất và Thống kê Ứng dụng, Tập. 11(1), 129-138.

[28] Zeghdoudi, H., Nedjar, S. (2016), Về phân phối Poisson giả Lindley:
Thuộc tính và ứng dụng, Xu hướng mới trong khoa học toán học, Tập.
1(5).