[1] Modelos de Supervivencia

Variables aleatorias

 (𝑥): persona de edad x

 𝑇𝑥 : tiempo de vida futuro (tiempo que transcurre al fallecimiento). Variable aleatoria continua. Completa,
edad exacta
 𝑥 + 𝑇𝑥 : variable aleatoria edad al fallecimiento para (𝑥)
 𝐾𝑥 : igual que 𝑇𝑥 , pero discreta. Abreviada, edad cumplida

Funciones biométricas básicas

1) 𝑆𝑥 (𝑡): función de supervivencia. Probabilidad de que (𝑥) sobreviva al menos 𝑡 años.

𝑆0 (𝑥 + 𝑡)
𝑆𝑥 (𝑡) = 𝑃[𝑇𝑥 > 𝑡] = 1 − 𝐹𝑥 (𝑡) =
𝑆0 (𝑥)

2) 𝐹𝑥 (𝑡): función de distribución (acumulada) de vida. Refiere a la probabilidad de que (𝑥) fallezca dentro de 𝑡 años.
𝑆0 (𝑥) − 𝑆0 (𝑥 + 𝑡)
𝐹𝑥 (𝑡) = 𝑃[𝑇𝑥 ≤ 𝑡] = 1 − 𝑆𝑥 (𝑡) =
𝑆0 (𝑥)
3) 𝑓𝑥 (𝑡): función de densidad de probabilidad. Refiere a la "pseudoprobabilidad" de que un individuo de edad 𝑥
muera en un instante 𝑥 + 𝑡.
𝑑𝐹𝑥 (𝑡) 𝑑𝑆𝑥 (𝑡) 𝑓0 (𝑥 + 𝑡)
𝑓𝑥 (𝑡) = =− = = 𝑆𝑥 (𝑡) ∙ 𝜇(𝑥 + 𝑡)
𝑑𝑡 𝑑𝑡 𝑆0 (𝑥)
4) 𝜇(𝑥): fuerza de mortalidad a la edad 𝑥. Se interpreta como una medida condicional instantánea de fallecer a la
edad exacta 𝑥.
f0 (𝑥) ln 𝑆0 (𝑥) 1 𝑑
𝜇 (𝑥) = =− =− 𝑆 (𝑥)
(
𝑆0 𝑥 ) 𝑑𝑥 𝑆0 (𝑥) 𝑑𝑥 0
 Fuerza de mortalidad para una persona de edad 𝑥 + 𝑡:
1 𝑑𝑆𝑥 (𝑡) 𝑓𝑥 (𝑡) 𝑓0 (𝑥 + 𝑡)
𝜇 (𝑥 + 𝑡) = − = =
𝑆𝑥 (𝑡) 𝑑𝑡 𝑆𝑥 (𝑡) 𝑆0 (𝑥 + 𝑡)
Notación actuarial

5) 𝑝(𝑥; 𝑡): probabilidad de que una persona de edad 𝑥 se encuentre con vida a la edad 𝑥 + 𝑡.
𝑡
𝑝(𝑥; 𝑡) = 𝑡 𝑝𝑥 = 𝑒 − ∫0 𝜇(𝑥+𝑠)𝑑𝑠 = 1 − 𝑞(𝑥; 0; 𝑡) = 𝑆𝑥 (𝑡)

 Relación multiplicativa de las probabilidades de supervivencia:

𝑝(𝑥; 𝑚 + 𝑛) = 𝑝(𝑥; 𝑚 ) ∙ 𝑝(𝑥 + 𝑚; 𝑛)

6) 𝑞 (𝑥; 0; 𝑡): probabilidad de que una persona de edad 𝑥 fallezca antes de alcanzar la edad 𝑥 + 𝑡.
𝑡
𝑞(𝑥; 0; 𝑡) = 𝑡 𝑞𝑥 = 𝐹𝑥 (𝑡) = ∫ 𝑝(𝑥; 𝑠) ∙ 𝜇(𝑥 + 𝑠)𝑑𝑠 = 1 − 𝑝(𝑥; 𝑡)
0

 Relación sumativa de las probabilidades de fallecimiento:

𝑞 (𝑥; 0; 𝑚 + 𝑛) = 𝑞(𝑥; 0; 𝑚 ) + 𝑞(𝑥; 𝑚; 𝑛)

 Probabilidad diferida de fallecimiento: probabilidad de que una persona de edad 𝑥 fallezca entre las edades
𝑥 + 𝑚 y 𝑥 + 𝑚 + 𝑛 (que sobreviva 𝑚 años y fallezca dentro de los próximos 𝑛 años):

𝑞(𝑥; 𝑚; 𝑛) = 𝑚/𝑛𝑞𝑥 = 𝑞(𝑥; 0; 𝑚 + 𝑛) − 𝑞(𝑥; 0; 𝑚 ) = 𝑝(𝑥; 𝑚 ) − 𝑝(𝑥; 𝑚 + 𝑛) = 𝑝(𝑥; 𝑚) ∙ 𝑞(𝑥 + 𝑚; 0; 𝑛)

Relaciones biométricas

𝒇𝟎 (𝒙) 𝑺𝟎 (𝒙) 𝑭𝟎 (𝒙) 𝝁(𝒙)

𝒇𝟎 (𝒙) − −𝑆0′ (𝑥) 𝐹0′ (𝑥) 𝑒
𝑥
− ∫0 𝑢(𝑡)𝑑𝑡
𝜇(𝑥)
𝑥 𝑥
𝑺𝟎 (𝒙) 1 − ∫0 𝑓0 (𝑡)𝑑𝑡 − 1 − 𝐹0 (𝑥) 𝑒 − ∫0 𝜇(𝑡)𝑑𝑡

𝑥 𝑥
𝑭𝟎 (𝒙) ∫0 𝑓0 (𝑡)𝑑𝑡 1 − 𝑆0 (𝑥) − 1 − 𝑒 − ∫0 𝜇(𝑡)𝑑𝑡

𝑓0 (𝑥) 𝑆0′ (𝑥) 𝐹0′ (𝑥)

𝝁(𝒙) 𝑥 − −
1− ∫0 𝑓0 (𝑡)𝑑𝑡 𝑆(𝑥) 1 − 𝐹0 (𝑥)

Leyes de mortalidad

Gompertz Makeham
𝝁(𝒙) 𝐵 ∙ 𝑐𝑥 𝐴 + 𝐵 ∙ 𝑐𝑥
𝐵 𝐵
− −
Transformación 𝑔=𝑒 ln(𝑐) 𝑔=𝑒 ln(𝑐) ; 𝑆 = 𝑒 −𝐴
𝑥 −1) 𝑥 −1)
𝒍(𝒙) 𝑙(0) ∙ 𝑔(𝑐 𝑙(0) ⋅ 𝑔(𝑐 ∙ 𝑆𝑥
𝑥 (𝑐 𝑡 −1) 𝑥 (𝑐 𝑡 −1)
𝒑(𝒙; 𝒕) 𝑔𝑐 𝑔𝑐 ⋅ 𝑠𝑡

Esperanza matemática de 𝑻:

 𝑒𝑐(𝑥; 0; 𝜔 − 𝑥) = 𝑒̇ 𝑥 = 𝐸[𝑇𝑥 ]: vida media completa. Es el tiempo futuro que se espera que (𝑥) viva
𝜔−𝑥
𝑒𝑐(𝑥; 0; 𝜔 − 𝑥) = ∫ 𝑝(𝑥; 𝑡)𝑑𝑡
0
 𝑒𝑐(𝑥; 0; 𝑛) = 𝑒̇ 𝑥:𝑛⌉ = 𝐸[𝑀𝑖𝑛(𝑇𝑥 , 𝑛)]: vida media completa inmediata limitada. Es el tiempo que se espera
que (𝑥) viva entre las edades 𝑥 y 𝑥 + 𝑡
𝑛
𝑒𝑐(𝑥; 0; 𝑛) = ∫ 𝑝(𝑥; 𝑡)𝑑𝑡
0
 𝑒𝑐(𝑥; ℎ; 𝑛) = ℎ|𝑛𝑒̇ 𝑥 : vida media completa diferida limitada. Es el tiempo que se espera que (𝑥) viva entre las
edades 𝑥 + ℎ y 𝑥 + ℎ + 𝑛
ℎ+𝑛
𝑒𝑐(𝑥; ℎ; 𝑛) = ∫ 𝑝(𝑥; 𝑡)𝑑𝑡
ℎ
 𝑒𝑐(𝑥; ℎ; 𝜔 − 𝑥 − ℎ ) = ℎ|𝜔−𝑥−ℎ 𝑒̇ 𝑥 : vida media completa diferida limitada. Es el tiempo que se espera que (𝑥)
viva a partir de la edad 𝑥 + ℎ
𝜔−𝑥
𝑒𝑐(𝑥; ℎ; 𝜔 − 𝑥 − ℎ ) = ∫ 𝑝(𝑥; 𝑡)𝑑𝑡
ℎ

Varianza de 𝑻:
𝜔−𝑥
𝑉𝑎𝑟[𝑇𝑥 ] = 𝐸[𝑇𝑥2 ] − 𝐸[𝑇𝑥 ]2 = 2 ∫ 𝑡 ∙ 𝑝(𝑥; 𝑡)𝑑𝑡 − [𝑒𝑐(𝑥; 0; 𝜔 − 𝑥)]2
0

Regla repetida de Simpson:

𝑏 𝑛 𝑛−1
ℎ
∫ 𝑓 (𝑥)𝑑𝑥 ≈ [𝑓(𝑎) + 4 ∑ 𝑓 (𝑎 + (2𝑗 − 1)ℎ ) + 2 ∑ 𝑓(𝑎 + 2𝑗ℎ ) + 𝑓(𝑏) ]
𝑎 3
𝑗=1 𝑗=1

Esperanza matemática de 𝑲:

 𝑒(𝑥; 0; ∞) = 𝑒𝑥 : vida media abreviada. Años completos futuros que se espera que (𝑥) viva
𝜔−𝑥−1

𝑒(𝑥; 0; 𝜔 − 𝑥) = ∑ 𝑝(𝑥; 𝑘)
𝑘=1
  𝑒(𝑥; 0; 𝑛) = 𝑒𝑥:𝑛⌉ : vida media abreviada inmediata limitada. Años completos que se espera que (𝑥) viva
entre las edades 𝑥 y 𝑥 + 𝑛
𝑛

𝑒(𝑥; 0; 𝑛) = ∑ 𝑝(𝑥; 𝑘)
𝑘=1
 𝑒(𝑥; ℎ; 𝑛) = ℎ|𝑛𝑒𝑥 : vida media abreviada diferida limitada. Años completos que se espera que (𝑥) vida entre
las edades 𝑥 + ℎ y 𝑥 + ℎ + 𝑛
ℎ+𝑛

𝑒(𝑥; ℎ; 𝑛) = ∑ 𝑝(𝑥; 𝑘)
𝑘=ℎ+1
 𝑒(𝑥; ℎ; 𝜔 − 𝑥 − ℎ ) = ℎ|𝜔−𝑥−ℎ 𝑒𝑥 : vida media abreviada diferida ilimitada. Años completos que se espera que
(𝑥) viva a partir de la edad 𝑥 + ℎ
𝜔−𝑥−1

𝑒(𝑥; ℎ; 𝜔 − 𝑥 − ℎ ) = ∑ 𝑝(𝑥; 𝑘)
𝑘=ℎ+1

Varianza de K:
𝜔−𝑥

𝑉𝑎𝑟[𝐾𝑥 ] = 𝐸[𝐾𝑥2 ] − 𝐸[𝐾𝑥 ]2 = [2 ∑ 𝑘 ∙ 𝑝(𝑥; 𝑘) − 𝑒(𝑥; 0; 𝜔 − 𝑥)] − [𝑒(𝑥; 0; 𝜔 − 𝑥)]2

𝑘=1

Tiempo de Vida Futuro Abreviado de 𝑲:

 Función de densidad de probabilidad:

𝑃[𝐾𝑥 = 𝑘] = 𝑝(𝑥; 𝑘) − 𝑝(𝑥; 𝑘 + 1) = 𝑞(𝑥; 0; 𝑘 + 1) − 𝑞(𝑥; 0; 𝑘) = 𝑝(𝑥; 𝑘) ∙ 𝑞(𝑥 + 𝑘; 0; 1)

 Función de distribución acumulada:

𝑘

𝑃[𝐾𝑥 ≤ 𝑘] = ∑ 𝑞(𝑥; 𝑠; 1) = 𝑞(𝑥; 0; 𝑘 + 1)

𝑠=0

Tablas de mortalidad:

1) 𝑙(𝑥) = 𝑙𝑥 : número de personas vivas con edad exacta 𝑥.

𝑙 (𝑥 + 𝑛) = 𝑙 (𝑥) − 𝑑(𝑥; 0; 𝑛)
𝑙(𝑥 + 𝑡)
𝑝(𝑥; 𝑡) =
𝑙(𝑥)

2) 𝑑 (𝑥; 0; 𝑛): número de fallecidos entre las edades 𝑥 y 𝑥 + 𝑛.

𝑡−1

𝑑(𝑥; 0; 𝑡) = 𝑙 (𝑥) − 𝑙 (𝑥 + 𝑡) = ∑ 𝑑(𝑥 + 𝑘)

𝑘=0

3) ℒ (𝑥): cantidad de personas vivas a la edad 𝑥 que alcanzan con vida la edad 𝑥 + 𝑡.

ℒ(𝑥 + 𝑡) ~ 𝐵𝑖𝑛𝑜𝑚𝑖𝑎𝑙(𝑛 = 𝑙 (𝑥); 𝑝 = 𝑝(𝑥; 𝑡))

Por lo que:
𝐸[ℒ(𝑥 + 𝑡)] = 𝑙 (𝑥) ∙ 𝑝(𝑥; 𝑡) = 𝑙 (𝑥 + 𝑡)

𝑉𝑎𝑟(ℒ(𝑥 + 𝑡)] = 𝑙(𝑥) ∙ 𝑝(𝑥; 𝑡) ∙ [1 − 𝑝(𝑥; 𝑡)]

4) 𝐿 (𝑥) = 𝐿𝑥 : función censal de supervivencia. Representa al número esperado total de años vividos entre las
edades 𝑥 y 𝑥 + 1, por 𝑙(𝑥) personas vivas a la edad exacta 𝑥.
1
𝐿(𝑥) = ∫ 𝑙 (𝑥 + 𝑡)𝑑𝑡
0
5) 𝑚(𝑥; 0; 𝑛): tasa central de mortalidad. Promedio promedio de 𝜇(𝑥) entre las edades 𝑥 y 𝑥 + 𝑛.
𝑑(𝑥; 0; 𝑛)
𝑚(𝑥; 0; 𝑛) =
𝐿(𝑥; 𝑛)
6) 𝑇 (𝑥): cantidad de existencia. Número esperado total de años vividos, desde 𝑥, por 𝑙(𝑥) personas vivas a esa edad.
∞ ∞

𝑇 (𝑥) = ∫ 𝑙(𝑥 + 𝑡) 𝑑𝑡 = ∑ 𝐿(𝑥 + 𝑡)

0 0

[2] Supuestos Fraccionarios

Respecto a 𝑙(𝑥):

Respecto a 𝜇(𝑥):

 D.U.F: estrictamente creciente

 Balducci: estrictamente decreciente
 Exponencial: constante

D.U.F Balducci Exponencial

−1
1−𝑡 𝑡
𝑙(𝑥 + 𝑡) (1 − 𝑡) ∙ 𝑙 (𝑥) + 𝑡 ∙ 𝑙(𝑥 + 1) [ + ] [𝑙(𝑥)]1−𝑡 ∙ [𝑙(𝑥 + 1)]𝑡
𝑙 (𝑥) 𝑙 (𝑥 + 1)
1 − 𝑞(𝑥; 0; 1)
𝑝(𝑥; 𝑡) 1 − 𝑡 ∙ 𝑞(𝑥; 0; 1) [𝑝(𝑥; 1)]𝑡
1 − (1 − 𝑡) ∙ 𝑞(𝑥; 0; 1)
𝑡 ∙ 𝑞(𝑥; 0; 1)
𝑞(𝑥; 0; 𝑡) 𝑡 ∙ 𝑞(𝑥; 0; 1) 1 − [𝑝(𝑥; 1)]𝑡
1 − (1 − 𝑡) ∙ 𝑞(𝑥; 0; 1)
1 − 𝑞(𝑥; 0; 1)
𝑝(𝑥 + 𝑡; 1 − 𝑡) 1 − (1 − 𝑡) ∙ 𝑞(𝑥; 0; 1) [𝑝(𝑥; 1)]1−𝑡
1 − 𝑡 ∙ 𝑞(𝑥; 0; 1)
1 − 𝑞(𝑥; 0; 1)
𝑞(𝑥 + 𝑡; 0; 1 − 𝑡) 1− (1 − 𝑡) ∙ 𝑞(𝑥; 0; 1) 1 − [𝑝(𝑥; 1)]1−𝑡
1 − 𝑡 ∙ 𝑞(𝑥; 0; 1)
𝑞 (𝑥; 0; 1) 𝑞(𝑥; 0; 1)
𝜇(𝑥 + 𝑡) −ln[𝑝(𝑥; 1)]
1 − 𝑡 ∙ 𝑞(𝑥; 0; 1) 1 − (1 − 𝑡) ∙ 𝑞(𝑥; 0; 1)
 [3] Esquema de Lexis
Método gráfico por el que se representa la composición y la evolución de una población. Brinda información sobre
tres aspectos importantes:

 𝑥: edad (años)
 𝑧: fecha de observación (dd/mm/aaaa)
 𝑎: fecha de nacimiento (dd/mm/aaaa)

Primer conjunto de vivientes:

 Segmento horizontal
 Personas que alcanzaron una edad dada entre dos fechas determinadas
𝑉(1; 𝑥; 𝑧1 , 𝑧2 )

Segundo conjunto de vivientes:

 Segmento vertical
 Personas observadas en igual fecha con edades comprendidas en un intervalo dado
𝑉(2; 𝑧; 𝑥1 , 𝑥2 )

Primer conjunto de muertes:

 Paralelogramo cortado por segmentos horizontales

 Personas fallecidas en un intervalo de edades determinado, habiendo nacido entre dos fechas dadas
𝑀(1; 𝑥! , 𝑥2 ; 𝑎1 , 𝑎2 ) = 𝑉(1; 𝑥1 ; 𝑧1 , 𝑧2 ) − 𝑉(1; 𝑥2 ; 𝑧2 , 𝑧3 )
Segundo conjunto de muertes:

 Paralelo cortado por segmentos verticales

 Personas que nacieron entre dos fechas dadas y fallecieron en un período determinado

𝑀(2; 𝑎1 , 𝑎2 ; 𝑧1 , 𝑧2 ) = 𝑉(2; 𝑧1 ; 𝑥0 , 𝑥1 ) − 𝑉(2; 𝑧2 ; 𝑥1 , 𝑥2 )

Tercer conjunto de muertes (conjunto estadístico de muertes):

 Rectángulo
 Fallecimientos ocurridos entre dos edades dadas y dos momentos de observación

𝑀(3; 𝑥1 , 𝑥2 ; 𝑧1 , 𝑧2 ) = 𝑉(2; 𝑧1 ; 𝑥1 , 𝑥2 ) − 𝑉(1; 𝑥2 ; 𝑧1 , 𝑧2 ) + 𝑉(1; 𝑥1 ; 𝑧1 , 𝑧2 ) − 𝑉(2; 𝑧2 ; 𝑥1 , 𝑥2 )

Conjuntos elementales de muertes:

 Triángulo
 Se establecen en base a una clasificación por intervalo de edades, de fechas de nacimiento y de fechas de
observación
𝐸(𝑥1 , 𝑥2 ; 𝑧1 , 𝑧2 ; 𝑎1 , 𝑎2 )

Dos conjuntos elementales de muertes pueden agruparse para formar un conjunto estadístico de muertes cuadrado:

𝑀(3; 𝑥1 , 𝑥2 ; 𝑧1 , 𝑧2 ) = 𝐸(𝑥1 , 𝑥2 ; 𝑧1 , 𝑧2 ; 𝑎0 , 𝑎1 ) + 𝐸(𝑥1 , 𝑥2 ; 𝑧1 , 𝑧2 ; 𝑎1 , 𝑎2 )

Factores de separación:

 Razón entre el conjunto elemental de muerte superior y un cuadrado del tercer grupo de muertes
𝐸(𝑥1 , 𝑥2 ; 𝑧1 , 𝑧2 ; 𝑎0 , 𝑎1 )
𝑓(𝑥1 , 𝑥2 ; 𝑧1 , 𝑧2 ) =
𝑀(3; 𝑥1 , 𝑥2 ; 𝑧1 , 𝑧2 )
Probabilidades de fallecimiento:
𝑀(1; 𝑥1 , 𝑥2 ; 𝑎1 , 𝑎2 )
𝑞(𝑥1 , 𝑥2 ; 𝑎1 , 𝑎2 ) =
𝑉(1; 𝑥1 ; 𝑧1 , 𝑧2 )

Escribiéndola en función del factor de separación:

[1 − 𝑓 (𝑥1 , 𝑥2 ; 𝑧1 , 𝑧2 )] ∙ 𝑀(3; 𝑥1 , 𝑥2 ; 𝑧1 , 𝑧2 ) + 𝑓(𝑥1 , 𝑥2 ; 𝑥2 , 𝑥3 ) ∙ 𝑀(3; 𝑥1 , 𝑥2 ; 𝑧2 , 𝑧3 )
𝑞(𝑥1 , 𝑥2 ; 𝑎1 , 𝑎2 ) =
𝑉(1; 𝑥1 ; 𝑧1 , 𝑧2 )
Para encontrar el primer conjunto de vivientes se toma la información censal (el segundo conjunto de vivientes) y se
le suma los fallecidos en el conjunto elemental. Así, se estiman las probabilidades de fallecimientos.

[4] Tablas Selectas

La mortalidad de la persona ahora depende de:

 La edad alcanzada
 Características del grupo poblacional al que pertenece, el “Grupo Selecto”
 Tiempo que hace que una persona está en el grupo selecto

Notación argentina Notación internacional

𝑙(𝑥; 𝑡) 𝑙[𝑥−𝑡]+𝑡
𝑝(𝑥; 𝑛; 𝑡) 𝑛𝑝[𝑥−𝑡]+𝑡

𝑞(𝑥; 𝑚; 𝑛; 𝑡) 𝑚/𝑛𝑞[𝑥−𝑡]+𝑡

𝑑(𝑥; 0; 𝑛; 𝑡) 𝑛𝑑[𝑥−𝑡]+𝑡

Lo único que hay que prestar atención es si el período de selección sigue vigente o no.

[5] Modelos de Estados Múltiples

Modelos de Cadenas de Markov en tiempo continuo
Probabilidades de transición:
𝑖𝑗
𝑡 𝑝𝑥 = 𝑃[𝑌(𝑥 + 𝑡) = 𝑗|𝑌(𝑥) = 𝑖]

Probabilidad de que una persona que se encuentra en el estado 𝑖 a la edad 𝑥 se encuentre en el estado 𝑗 a la edad
𝑥 + 𝑡, donde 𝑗 e 𝑖 pueden ser iguales.
𝑖𝑖
𝑡 𝑝𝑥 = 𝑃[𝑌(𝑥 + 𝑠) = 𝑖 | 𝑌(𝑥) = 𝑖, ∀𝑠 ∈ [0, 𝑡]
Probabilidad de que una persona que se encuentra en el estado 𝑖 a la edad 𝑥 permanezca continuamente en el
estado 𝑖 en el lapso que transcurre entre las edades 𝑥 y 𝑥 + 𝑡.

Probabilidad de permanencia continua en un estado:

𝑖𝑖
𝑡 𝑝𝑥 ≤ 𝑡 𝑝𝑥𝑖𝑖

Serán iguales cuando, para cualquier estado particular:

1. Nunca se puede salir de él

2. No se puede reingresar una vez que se ha salido de él

Intensidades de transición:
𝑖𝑗
ℎ 𝑝𝑥
𝜇𝑥𝑖𝑗 = lim+ 𝑠𝑖 𝑖 ≠ 𝑗
ℎ→0 ℎ
Si el estado es absorbente (no se puede salir de el):
 𝜇𝑥𝑖𝑗 = 0 𝑠𝑖 𝑖 ≠ 𝑗

Fórmulas para calcular probabilidades:

 Probabilidad de que una persona de edad 𝑥 transite del estado 𝑖 al estado 𝑗 entre las edades 𝑥 y 𝑥 + 𝑢, con
𝑢 > 𝑡:
𝑢
𝑖𝑗 0𝑖 𝑖𝑗 𝑗𝑗
𝑢𝑝𝑥 = ∫ 𝑡 𝑝𝑥 ∙ 𝜇𝑥+𝑡 ∙ 𝑢−𝑡𝑝𝑥+𝑡
0
 Probabilidad de que una persona de edad 𝑥 permanezca continuamente en el estado 𝑖, sin salir nunca de él:
𝑡 𝑚 𝑖𝑗
𝑖𝑖
𝑡 𝑝𝑥 = 𝑒 − ∫0 ∑𝑗=0,𝑗≠𝑖 𝜇𝑥+𝑠 𝑑𝑠

Ecuaciones diferenciales de Kolgomorov hacia adelante:

𝑚
𝑑
𝑝𝑖𝑗 = ∑ 𝑘𝑗
( 𝑡 𝑝𝑥𝑖𝑘 ∙ 𝜇𝑥+𝑡 − 𝑡 𝑝𝑥𝑖𝑗 ∙ 𝜇𝑥+𝑡
𝑗𝑘
)
𝑑𝑡 𝑡 𝑥
𝑘=0, 𝑘≠𝑗

 Condiciones de contorno (iniciales) para cualquier estado 𝑖:

𝑖𝑖
0𝑝𝑥 =1

 Condiciones de contorno (iniciales) para cualesquiera estados 𝑖 y 𝑗, donde 𝑖 ≠ 𝑗:

𝑖𝑗
0𝑝𝑥 =0

Método de Euler:

𝑖𝑗 𝑑
𝑡+ℎ𝑝𝑥 = 𝑡 𝑝𝑥𝑖𝑗 + ℎ ∙ 𝑖𝑗
𝑡 𝑝𝑥
𝑑𝑡

Modelo de Cadenas de Markov en tiempo discreto

Matriz de transición:

𝑝𝑥00 𝑝𝑥01 … 𝑝𝑥0𝑚

𝑃𝑥 = ( ⋮ ⋮ ⋱ ⋮ )
𝑝𝑥𝑚0 𝑝𝑥𝑚1 … 𝑝𝑥𝑚𝑚

Si el proceso es homogéneo en el tiempo, la probabilidad de transición para 𝑡 períodos es:

𝑡 𝑃𝑥 = (𝑃𝑥 )𝑡
Fórmula para calcular probabilidades:
𝑢
𝑛 𝑠 𝑛−𝑠 𝑚 𝑢−𝑠 𝑢+𝑠
∑ ( ) ( 𝑡 𝑝𝑥𝑖𝑗 ) (1 − 𝑡 𝑝𝑥𝑖𝑗 ) ( ) ( 𝑝𝑘𝑗 ) (1 − 𝑡 𝑝𝑥𝑘𝑗 )
𝑠 𝑢−𝑠 𝑡 𝑥
𝑠=0

Interpretación: probabilidad de que 𝑢 personas estén en el estado 𝑗 al final de los 𝑡 períodos, sabiendo que en el
momento 0 hay 𝑛 personas independientes en el estado 𝑖 y 𝑚 personas en el estado 𝑘.