Revista de Investigación en Modelos Matemáticos Aplicad os a la Gestión y la Economía

Año 2 (2015) ISSN2362 2644 ISSN(En línea) 2362 3225)

MATRICES ESTOCÁSTICASAPLICADASAMODELOSACTUARIALES
DEDECREMENTOMÚLTIPLE
MATÍASLARRÁ
Facultad de Ciencias Económicas Universidad de Buenos Aires,
Córdoba 2122 1120AAQ
Ciudad Autónoma de Buenos Aires República Argentina
[email protected]

Resumen

En el presente trabajo se analizará la relación que existe entre las matrices

estocásticas como tema de Matemática para Economistas y los modelos
actuariales de decremento múltiple presentes en materias propias del área
actuarial entre las que sedestaca Biometría Actuarial.
A fin de comprender los conceptos subyacentes devenidos de la biometría,
primero se tratará el caso simplificado en el que sólo se reconozca una única
causade salida (fallecimiento).
Sobre esta base, se generalizará la lógica del decremento único para llevarla
al decremento múltiple, con el objetivo de estudiar los modelos de
fallecimiento e invalidez sinrehabilitación.

Palabras clave:Matriz estocástica – Proceso de Markov – Estadoabsorbente

– Biometría actuarial – Decremento único – Decremento múltiple.

145
Larrá / Revista de Investigación en Modelos Matemáticos Aplicados a la Gestión y la Economía
Año 2 (2015) 145-162

STOCHASTICMATRIX APPLIED TO MULTIPLE DECREASE

ACTUARIAL MODELS
MATÍAS LARRÁ
Facultad de Ciencias Económicas Universidad de Buenos Aires,
Córdoba 2122 1120AAQ
Ciudad Autónoma de Buenos Aires República Argentina

[email protected]
Abstract
This paper will analyze the relationship between stochastic matrices, as a
theme of Mathematics for Economists, and the actuarial models of multiple
decrement, present in subjects of own area, mainly in Actuarial Biometry.

To understand the underlying concepts of biometrics, first, we are going to

describe the simplest case, called single decrement model, that recognizes
just one output cause(death).

On this basis, the single decrement models’s logic wil l be generalize in the
multiple decrement models, with the aim of studying the features of the
death and disability without rehabilitation model.

Keywords: Stochastic matrix - Markov process - Absorbing state - Biometry -

Multiple decrement models - Single decrement models.

146
 Larrá / Revista de Investigación en Modelos Matemáticos Aplicados a la Gestión y la Economía
Año 2 (2015) 145-162

Sección 1: matrices estocásticas

1.1 Concepto

Las matrices estocásticas o matrices de probabilidad, son aquellas matrices

cuadradas que cumplen con la condición de que cada una de sus filas es un
vector de probabilidad.

Definición:
Vector de estocástico o vector de probabilidad: Es aquel que cumple
con la condición de que todas sus componentes son no negativas y la
sumatoria de ellas esigual a la unidad.
Es decir, si p = (p1; p2; … ; pn) es un vector de probabilidad, deberá
cumplirse que:
1._ pi ≥ 0∀ i = 1;2;…;n. 2._ ∑i=1
n
pi =1

Dadas estas condiciones, las matrices estocásticas resultan un caso

particular de las matrices de Minkowski, siendo estas últimas, a su vez, un
caso particular de las matrices no negativas.

Definición:
Matrices de Minkowski: Son aquellas matrices cuadradas no negativas
que cumple con la condición de que la suma de todos los elementos de
cada fila (ó columna), sean a lo sumo iguales a launidad.
Es decir, si A=[a ij] n×n es una matriz de Minkowski, deberá cumplirse
que:
1._ a ij ≥ 0 ∀ i =1; 2; …; n ∧∀ j =1; 2; …; n.
2._ ∑i=1
n a ≤1
ij

147
 Larrá / Revista de Investigación en Modelos Matemáticos Aplicados a la Gestión y la Economía
Año 2 (2015) 145-162

Definición:
Matrices no negativas: Son aquellas que cumplen con la condiciónde que
todos sus elementos son no negativos.
Es decir, si A =[a ij] n×n es una matrizno negativa, deberá cumplirse que:
1._ a ij ≥ 0 ∀ i =1; 2; …; n ∧∀ j =1; 2; …; n.

1.2 Propiedades de las matrices estocásticas

En principio, por ser matrices no negativas, las matrices estocásticas
heredan todas las propiedades de este tipo de matrices, destacándose el
cumplimiento fehaciente de: el teorema de Perron, el primer teorema de
Frobenius y el segundo teorema deFrobenius.

Independientemente de estas cualidades, las matrices estocásticas

también cuentan con una serie de propiedades exclusivas a sutipo:

 Propiedad I: El producto de dos matrices estocásticas, es una

matriz estocástica.
EJEMPLO: A =[0.3 0.7] ; B =[0.9 0.1]
0.4 0.6 0.3 0.7

0.7] ∙[0.9 0.1] =[0.48 0.52]

A ∙B =[0.3
0.4 0.6 0.3 0.7 0.54 0.46

 Propiedad II: Todas las potencias no negativas de una matriz

estocástica, son matrices estocásticas.
Para el caso AO:
AO=A–1 ∙A =A ∙A–1 =I
Cumpliendo la matriz identidad con todos los requisitos para ser
considerada matriz estocástica.

Para el caso A1:

A1 =A → Matriz Estocástica.

148
 Larrá / Revista de Investigación en Modelos Matemáticos Aplicados a la Gestión y la Economía
Año 2 (2015) 145-162

Para el caso An ∀ n ≥2:

La matriz An se obtiene por recurrencia como:

An =A ∙An–1 =A ∙(A ∙An–2) =⋯

Quedando definida como el producto sucesivo de matrices

estocásticas. Según lo expuesto en la propiedad I, el producto de
matrices estocásticas es una matriz estocástica, por lo tanto: An es
una matriz estocástica.

 Propiedad III: Todas las matrices estocásticas tienen una raíz

característica igual a la unidad, siendo el valor absoluto de las
demás raíces, menor o igual a la unidad.

EJEMPLO: A = [0.3 0.7]

0.5 0.5

|A − hI| =|0.3 −h 0.7

| =(0.3 − h)(0.5− h) − 0.35
0.5 0.5 −h
=h − 0.8h −0.2
2

h2 − 0.8h − 0.2 =0 → ( h1; h2) =(1;−0.2)

Secumple: 1 ≥ |−0.2|.
 Propiedad IV: El producto de una matriz estocástica con el vector
columna (1; 1; …; 1) T, es igual a dicho vector. De este modo, todas
las matrices estocásticas tienen como vector propio a (1; 1; …; 1)T,
siendo este, el vector característico asociado a la raíz característica
unitaria.

149
 Larrá / Revista de Investigación en Modelos Matemáticos Aplicados a la Gestión y la Economía
Año 2 (2015) 145-162

DEMOSTRACIÓN:

a11 a12 … a1n 1

a21 a22 … a2n T 1
A =[ ] ;(1;1;…;1) =[ ]
⋮ ⋮ ⋱ ⋮ ⋮
an1 an2 … ann 1
a11 a12 … a1n 1
a21 a22 … a2n 1
A ∙(1; 1; …; 1) =[
T
⋮ ⋮ ⋱ ⋮ ]∙[ ] ⋮
an1 an2 … ann 1
a11 +a12 +⋯+a1n
a +a +⋯+a2n
=[ 21 22 ]
⋮
an1 +an2 +⋯+ann

Dado que a11 +a12 +⋯+a1n, a21 +a22 +⋯+a2n, …, an1 +an2 +⋯+ann, son
las sumasde las filas de una matriz estocástica se cumple:

a11 +a12 +⋯+a1n =a21 +a22 +⋯+a2n =⋯

=an1 +an2 +⋯+ann =1
Por lo que:

a11 +a12 +⋯+a1n 1

a +a +⋯+a2n 1
A ∙(1; 1; …; 1) T =[ 21 22 ]⋮ =[ ]
⋮
an1 +an2 +⋯+ann 1
1.3 Vector Punto Fijo

Se conoce como vector de probabilidad fijo o vector punto fijo al vector

estocástico v asociado a la matriz estocástica A, que cumple con la
condición:
v ∙A =v

150
 Larrá / Revista de Investigación en Modelos Matemáticos Aplicados a la Gestión y la Economía
Año 2 (2015) 145-162

Las coordenadas de este vector pueden calcularse fácilmente mediante el

planteo y la resolución de un sistema de ecuaciones de la forma:

n–1 n–1
( v1;v2;…;vn– 1;1− Σ vi ) ∙A = ( v1;v2;…;vn– 1;1− Σ vi )
i=1 i=1

Ejemplo:
0 0 1
Dada la matriz estocástica A =[0 1 0 ], su vector de probabilidad
0 0.25 0.75
punto fijo resulta:

0 0 1
[x;y;1−x −y] ∙[0 1 0 ] =[x; y;1 − x − y]
0 0.25 0.75

0 =x
⟹{ y +0.25 − 0.25x − 0.25y =y ⇒ S ={(0; 1; 0)}⟹v =(0; 1;0)
x +0.75 − 0.75x − 0.75y =1 − x −y

1.4 Matrices estocásticas regulares y sus propiedades

Dentro del conjunto de las matrices estocásticas existe un subgrupo

conocido como matrices estocásticas regulares (también lla madas
primitivas), siendo aquellas en las que se cumple que todo los elementos
de una potencia de la matriz son estrictamentepositivos.
Ejemplo:
0.55],
La matriz A =[0.5 0.5] es una matriz regular ya que A2 =[0.45
0.4 0.6 0.44 0.56
siendo todos sus componentes estrictamente mayores a cero.
Estas matrices cuentan con un conjunto de propiedades propias, siendo
estas:

151
 Larrá / Revista de Investigación en Modelos Matemáticos Aplicados a la Gestión y la Economía
Año 2 (2015) 145-162

 Propiedad I: Las componentes del vector punto fijo asociado a la

matriz, son todas estrictamente positivas.
EJEMPLO:

A =[0.5 0.5]
0.4 0.6
Planteamos:

[x; 1 − x]∙[0.5 0.5] =[x;1−x] ⇒ v =(4 ;5) >0

0.4 0.6 99

 Propiedad II: Las sucesivas potencias de las matrices estocásticas

regulares convergen hacia una matriz cuyas filas son todas iguales
al vector de probabilidad fijo.
Ejemplo:
Partiendo de la matriz A =[0.5 0.5] del ejemplo anterior.
0.4 0.6

A =[0.5 0.5] ; A2 =[0.5 0.5] ; …; A5 =[0.44445 0.55555]

0.4 0.6 0.4 0.6 0.444440.55556

4 5
⟹lim An =[9 9]
n⟶œ 4 5
9 9

1.5 Cadenas de Markov

Las cadenas de Markov son un tipo de proceso estocástico en el que se dan

una serie de pruebas sucesivas, habiendo para cada una de ellas n
resultados posibles. Estos resultados no son independientes entre sí, sino
que cada uno de ellos depende del resultado obtenido en el momento
inmediatamente anterior, así como también de ellos depende el resultado
obtenido en el momento inmediatamenteposterior.

152
 Larrá / Revista de Investigación en Modelos Matemáticos Aplicados a la Gestión y la Economía
Año 2 (2015) 145-162

Las probabilidades condicionadas de que se obtenga el resultado i luego

de haber obtenido el resultado j en el momento anterior se denominan
probabilidades de transición y son notadas pij.

Dadas sus características, los procesos de Markov pueden ser claramente

modelizados a partir de matrices estocásticas como las vistas hasta el
momento. En este contexto, estas matrices es tocásticas pasan a llamarse,
matrices de transición.

1.6 Estados absorbentes

Los estados absorbentes son aquellos a los que se llega en el largo plazo y
representan un punto de no retorno luego de alcanzados. Pueden
identificarse dentro de la matriz de tra nsición del proceso markoviano en
las filas que cumplen con lacondición:

1 si i =j
a ij ={
0 si i ≠j

Es decir, el elemento ubicado sobre la diagonal principal de la matriz es

igual a la unidad y el resto sonnulos.

EJEMPLOS:
0.05 0.45 0.5
I) A =[ 0.3 0 0.7]
0 0 1

Latercera fila representa un estado absorbente.

1 0 0
II) B =[0.2 0.75 0.05]
0 0 1

La primera fila y la tercera fila representan estadosabsorbentes.

153
 Larrá / Revista de Investigación en Modelos Matemáticos Aplicados a la Gestión y la Economía
Año 2 (2015) 145-162

1 0 0
III) C =[0 1 0]
0 1 0
Laprimera fila y la segunda fila representan estadosabsorbentes.

Sección2: decremento múltiple1

2.1 Decremento único
Para poder comprender las ideas subyacentes al concepto de decremento
múltiple resulta imprescindible comenzar entendiendo el decremento
único.
El punto de partida es una cohorte de individuos observados desde su
nacimiento llamada l(0), existiendo, para cada uno de ellos, la exposición
al riesgo de morir cada año, siendo esta la única causa posible de salida que
haría disminuir el númerode individuos en la cohorte.
Los decesos efectivamente registrados a lo largo del primer año reciben la
notación d(0; 0; 1) , dejando como saldo remanente a los individuos
sobrevivientes a la edad de un año, siendo estosl(1).
Para una edad genérica x estas ecuaciones resultan en:

l(x)
{ d(x;0;1)
l(x +1) =l(x) − d(x; 0;1)
Ecuación 2.1.1
A pesar de estar implícito en la notación, cabe destacar que mientras que
las variables l(x) son de tipo stock, las d(x; 0;1) son de tipoflujo.
De este modo, quedan definidos todos los datos necesarios para el cálculo
de las siguientes probabilidades:

1El presente trabajo seguirá la notación utilizada en el libro “Aplicaciones de los seguros de
personas a la gestión actuarial” , Casparri, María Teresa y otros. (2012).

154
 Larrá / Revista de Investigación en Modelos Matemáticos Aplicados a la Gestión y la Economía
Año 2 (2015) 145-162

 Probabilidad de que un individuo de edad x sobreviva a la edad x +1:

l(x +1)
p(x; 1) =
l(x)
Ecuación2.1.2

 Probabilidad de que un individuo no sobreviva a la edad x +1

habiendo alcanzado con vida la edadx:

d(x;0;1)
q(x;0;1) =
l(x)

Ecuación2.1.3

2.2 Decremento múltiple

El modelo de decremento único puede generalizarse fácilmente en el
modelo de decremento múltiple. En esta oportunidad la cohorte de
individuos no sólo está expuesta al riesgo de muerte, sino que además de
este, se suman otras posibles causas de egr eso, como pueden ser: la
enfermedad y la invalidez, entreotros.
De este modo, si consideramos un caso genérico en el que se reconozcan
m posibles causas de egreso mutuamente excluyentes entre sí, la
expresión: di(x;0;1) ∀i =1;2;…;m.

Representa la cantidad de personas de edad x que no alcanzaron la edad

x +1 ya que egresaron de la cohorte por la i-ésima causa desalida.

155
 Larrá / Revista de Investigación en Modelos Matemáticos Aplicados a la Gestión y la Economía
Año 2 (2015) 145-162

La ecuación 2.1.1 queda generalizadaen:

l(x)
⎧
di(x;0;1) ∀ i =1;2;…;m.
m
⎨l(x +1) =l(x)−Σ d i(x;0; 1)
⎩ i=1
Ecuación2.2.1

Asimismo, mientras que p(x; 1) sigue representando la probabilidad de

supervivencia hasta la edad x + 1 de una persona de edad x, las
probabilidades de egreso q serán distinguidas con el correspondiente
subíndice que represente la causa de salida, esdecir:

di(x;0; 1)
qi(x; 0; 1)= ∀i =1;2;…;m.
l(x)
Ecuación 2.2.2
Siendo esta la probabilidad de que una persona de edad x no sobreviva a
la edad x +1por la i-ésima causa desalida.

2.3 Modelo actuarial de decremento múltiple de fallecimiento e

invalidez sin rehabilitación

Como un caso aplicado de los modelos de decremento múltiple, el

esquema de fallecimiento e invalidez sin rehabilitación, como su nombre
lo indica, sólo reconoce dos posibles causas de egreso. Los individuos de la
cohorte que no han sido alcanzados por estas causas son llamados activos,
quedando determinados así tres posibles estados: activo, inválido y
fallecido.
Los individuos activos a la edad x pueden llegar a la edad x +1 en cuatro
estados distintos. Cabe la posibilidad de que como activos lleguen con vida
hasta dicha edad o fallezcan antes de alcanzarla, en suma a esto, puede

156
 Larrá / Revista de Investigación en Modelos Matemáticos Aplicados a la Gestión y la Economía
Año 2 (2015) 145-162

ocurrir que se invaliden en el transcurso del año y posteriormente

sobrevivan o fallezcan comoinválidos.
Esquemáticamente:

Sobrevive
como Activo

Fallece como
Activos
Activo
Sobrevive
como Inválido
Se invalida
Fallece como
Inválido

Figura2.3.1

Quedando definida la ecuación:

l(x;a) =l(x +1;aa) +d(x;0;1;a) +l(x +1;ai) +d(x;0;1;ai)

Ecuación2.3.1
Donde:
 l(x;a): Son los individuos activos a la edad x.
 l(x + 1; aa) : Son los individuos activos a la edad x que alcanzaron la
edad x +1con vida.
 d(x; 0; 1; a) : Son los individuos activos a la edad x que han fallecido
como activos antes de alcanzar la edad x +1.
 l(x + 1; ai): Son los individuos activos a la edad x que, habiéndose
invalidado durante el transcurso del año, alcanzaron la edad x +1 con
vida.
 d(x; 0; 1; ai) : Son los individuos activos a la edad x que, habiéndose
invalidado durante el transcurso del año, fallecieron antes de alcanzar
la edad x +1comoinválidos.

157
 Larrá / Revista de Investigación en Modelos Matemáticos Aplicados a la Gestión y la Economía
Año 2 (2015) 145-162

En tanto, los inválidos a la edad x, al no existir la posibilidad de

rehabilitarse, sólo podrán sobrevivir a la edad x +1, o bien fallecer antes
de alcanzarla, siempre comoinválidos.
Esquemáticamente:
Sobrevive
como Inválido
Inválidos
Fallece como
Inválido

Figura2.3.2

Siendo la ecuación asociada:

l(x;i) =l(x +1;i) +d(x;0;1;i)

Ecuación2.3.2
Donde:
 l(x;i) : Son los individuos inválidos a la edad x.
 l(x +1; i) : Son los individuos inválidos a la edad x que alcanzaron la
edad x +1 con vida.
 d(x; 0; 1; i) : Son los individuos inválidos a la edad x que han fallecido
como inválidos antes de alcanzar la edad x +1.

 De lo expuesto anteriormente y partiendo de las ecuaciones 2.3.1

y 2.3.2, pueden calcularse las probabilidades necesarias para el
armado de la matriz de transición del modelo d e decremento
múltiple de fallecimiento e invalidez sinrehabilitación.

158
 Larrá / Revista de Investigación en Modelos Matemáticos Aplicados a la Gestión y la Economía
Año 2 (2015) 145-162

Sección 3: El modelo de decremento múltiple de fallecimiento e

invalidez sin rehabilitación comoproceso markoviano
1. Estados del proceso
A fin de poder pensar al presente esquema como una cadena de Markov,
resulta primordial definir cuáles son los posibles estados del proceso
estocástico asociado a él.

Un individuo puede fallecer (Estado F) o sobrevivir. En este último caso,

podrá hacerlo como activo (Estado A), o bien como inválido (EstadoI).

2. Cálculo de las probabilidades de transición

Las probabilidades de transición para cada uno de los estados iniciales
pueden calcularse a partir de las ecuaciones 2.3.1 y 2.3.2 de la sección
anterior.

En el contexto del problema, estas probabilidades representan las chances

de que un individuo de edad x +1 se encuentre en el estado i, dado que
estuvo en el estado j ala edad x, con i; j =Activo,Inválido, Fallecido
Para el caso de un individuo activo a la edad x el punto de partidaes:
l(x;a) =l(x +1;aa) +d(x;0;1;a) +l(x +1;ai) +d(x;0;1;ai)
Dividiendo ambos miembros por l(x;a).
=
l(x; a) l(x +1;aa) +d(x;0;1;a) +l(x +1;ai) +d(x;0;1;ai) l(x; a)
l(x;a)

l(x; a) l(x +1;aa) l(x +1;ai) d(x;0;1;a) +d(x;0;1;ai) l(x;

= + +
l(x; a) l(x;a) l(x;a) a)

1 =p(x;1;aa) +p(x;1;ai) +q(x;0;1;a)

Ecuación3.2.1

159
 Larrá / Revista de Investigación en Modelos Matemáticos Aplicados a la Gestión y la Economía
Año 2 (2015) 145-162

Quedando definida la primera fila de la matriz de transición:

A I F
A [p(x;1;aa) p(x;1;ai) q(x;0;1;a)]

Ecuación3.2.2

Encaso de tratarse de un individuo inválido, partimos de :

l(x;i) =l(x +1;i) +d(x;0;1;i)

Análogamente.

l(x;i) l(x +1;i) +d(x;0;1;i) l(x +1;i) d(x;0;1;i)

= = +
l(x; i) l(x; i) l(x;i) l(x;i)

1 =p(x;1;i) +q(x;0;1;i)

Ecuación3.2.3
En esta oportunidad, la segunda fila resulta:
A I F
I [0 p(x;1;i) q(x;0;1;i)]

Ecuación3.2.4

Nótese que el primer elemento de la columna es nulo, esto se debe a que

no existe la posibilidad de que un individuo que se haya invalidado pueda
rehabilitarse.
En la tercer y última fila, lógicamente, todos los elementos son nulos a
excepción del último, que es unitario, ya que un individuo fallecido a la
edad x sólo podrá llegar a la edad x +1en ese mismoestado.

A I F
F [0 0 1]
Ecuación3.2.5
160
 Larrá / Revista de Investigación en Modelos Matemáticos Aplicados a la Gestión y la Economía
Año 2 (2015) 145-162

3.3 Armado y análisis de la matriz de transición

Usando las ecuaciones 3.2.2, 3.2.4 y 3.2.5, la matriz de transición del
modelo de decremento múltiple de fallecimiento e invalidez sin
rehabilitación es:
A I F
p(x;1;aa) p(x;1;ai) q(x;0;1;a)
A =A [
I 0 p(x;1;i) q(x;0;1;i) ]
F 0 0 1
Ecuación3.3.1
La matriz resultante es una matriz estocástica no regular 2.
La tercera fila representa un estado absorbente del proceso en estudio,
cuya interpretación en términos del problema es que en el largo plazo
todos los individuos de la cohorte egresarán como fallecidos de la misma.
En cuanto a su uso, podrán estimarse sencillamente , a partir una muestra
aleatoria de individuos activos e inválidos a la edad x, la cantidad de
activos, inválidos y fallecidos de esa muestra luego de transcurridos naños.
El vector cuyas componentes representan el número de individuos en cada
estado esconocido como vn:

vn =[l(x +n;aa);l(x +n;ai);d(x;0;n;a)]

Ecuación3.3.2

2 Al tratarsede una matriz triangular inferior todas sus potencias no negativas son matrices triangul ares
inferiores. Los elementos ubicados debajo de la diagonal son nulos, haciendo q ue la matriz en
cuestión no cumpla con las condiciones para ser una matriz estocástica regular.

161
 Larrá / Revista de Investigación en Modelos Matemáticos Aplicados a la Gestión y la Economía
Año 2 (2015) 145-162

Yresulta:

p(x;1;aa) p(x;1;ai) q(x; 0; 1; a) n

vn =[l(x; a);l(x;i);0] ∙[ 0 p(x;1;i) q(x;0;1;i) ]
0 0 1

Ecuación3.3.3
4. Conclusiones
Muchos de los procesos estocásticos presentes en la matemática ac tuarial
poseen las características propias de las cadenas de Markov, siendo de gran
importancia, para posterior manejo de estos contenidos propios del área,
el conocimiento de las matrices estocásticas y susaplicaciones.
Particularmente, en su aplicación a los esquemas de decremento múltiple,
resultan de mucha utilidad en la vida profesional del actuario,
representando el pilar teórico y técnico sobre el que se apoya el grueso de
las estimaciones subyacentes a la tarifación y la constitución de reservas
matemáticas de muchos productos como los seguros de invalidez, de
dependencia y riesgo de trabajo, entreotros.
Referencias bibliográficas
Bowers, L. y otros. (1997). “Actuarial mathematics” , Society ofActuaries.
Bernardello, A. y otros. (2010). “Matemática para economistas utilizando
Microsoft Excel y Matlab” , OmicronSystem.
Casparri, M. T. y otros. (2012). “Aplicaciones de los seguros de personas a
la gestión actuarial”, Eudeba.
Dickson M. y otros. (2013). “Actuarial mathematics for life contingent
risks”, Cambridge University Press.
Jordan, W. (1975). “Life contingencies”, Society of Actuaries.

162