ACT2250: Mathématiques de l’assurance-vie 1

Chapitre 1

Maciej Augustyniak, PhD, FSA, AICA

Département de mathématiques et de statistique

Maciej Augustyniak ACT2250 Chapitre 1 1 / 34

Introduction

Ce cours vous introduit aux mathématiques de l’assurance-vie.

Une police d’assurance-vie traditionnelle est un contrat entre une
compagnie d’assurances et un assuré. La compagnie s’engage à
verser un montant au décès de l’assuré en échange d’une prime
payée au début du contrat, ou périodiquement pendant la durée du
contrat. Le montant promis au décès peut être fixe (100 000$) ou
être une fonction du salaire de l’assuré (trois fois le salaire).
Pourquoi ce type de produit existe-t-il ? À quels besoins répond-il ?
Une police d’assurance-vie offre une compensation financière dans
le cas d’un décès. Ce n’est pas un instrument pour faire du
gambling !

Maciej Augustyniak ACT2250 Chapitre 1 2 / 34

Introduction
Premiers actuaires
– Compagnies d’assurance-vie dans les années 1700
– Modélisation de la mortalité

Prime : π20 π21 π22 π23 ··· π59 π60

Âge : 20 21 22 23 ··· 59 60

Polices d’assurance-vie avec primes constantes (fin années 1700)

– Primes plus élevées que le coût de l’assurance au début du contrat
– Risque financier pour la compagnie d’assurances

Pour tarifer une police d’assurance-vie, il faut combiner les

concepts introduits aux cours ACT1240 et MAT1720, car on ne
connaı̂t plus avec certitude quand les versements seront effectués :
le moment du décès est inconnu (variable aléatoire).
Maciej Augustyniak ACT2250 Chapitre 1 3 / 34
 CHAPITRE 1
Fonction de survie et probabilités de décès

Référence principale
Actuarial Mathematics for Life Contingent Risks, 2e édition, 2013.
Dickson, Hardy, et Waters. Chapitre 2.
Autres références
Models for Quantifying Risk, 6e édition, 2014.
Cunningham, Herzog, et London. Chapitres 5.1–5.3.
Actuarial Mathematics, 2e édition, 1997.
Bowers, Gerber, Hickman, Jones, et Nesbitt. Chapitre 3.

Maciej Augustyniak ACT2250 Chapitre 1 4 / 34

Variable aléatoire Tx
Définition (Variable aléatoire Tx )
Tx (ou T (x)) représente la variable aléatoire du temps de vie future
d’un individu d’âge x et correspond donc au temps survécu par cet
individu à partir du moment présent.
1 Tx est une variable aléatoire continue et positive : Tx ≥ 0.
2 T0 est le temps de vie d’un nouveau-né.
3 Généralement, il y aura un âge ultime ω, tel que Pr(T0 ≤ ω) = 1.

Exemples
Si une personne a 20 ans présentement et décède à 60 ans, alors

Tx = T20 = 60 − 20 = 40.

Si un nouveau-né décède à 75 ans, alors T0 = 75.

Maciej Augustyniak ACT2250 Chapitre 1 5 / 34
Fonctions t qx et t px
Définition (Fonction de répartition : t qx )
La fonction de répartition de la variable aléatoire Tx est dénotée par

t qx = Fx (t) = Pr(Tx ≤ t), t ≥ 0.

Définition (Fonction de survie : t px )

La fonction de survie de la variable aléatoire Tx est dénotée par

t px = Sx (t) = Pr(Tx > t) = 1 − t qx , t ≥ 0.

Propriétés de la fonction de survie Sx (t) :

1 Sx (0) = 1,
2 limt→∞ Sx (t) = 0,
3 Sx (t) doit être une fonction décroissante en t.
Maciej Augustyniak ACT2250 Chapitre 1 6 / 34
Relation entre T0 et Tx
Relation entre T0 et Tx
t qx = Pr(Tx ≤ t) = Pr(T0 ≤ x + t | T0 > x).
Cette relation nous permet de faire un lien entre les distributions de
Tx et T0 . Par conséquent, si on connaı̂t la distribution de T0 , alors on
connaı̂t celle de Tx :

t qx = Pr(T0 ≤ x + t | T0 > x)
Pr(x < T0 ≤ x + t)
=
Pr(T0 > x)
Pr(T0 ≤ x + t) − Pr(T0 ≤ x)
=
Pr(T0 > x)
x+t q0 − x q0
= (1)
x p0

Maciej Augustyniak ACT2250 Chapitre 1 7 / 34

Relation entre T0 et Tx
Rappel : Loi de Bayes
Pr(A ∩ B | C )
Pr(A | B, C ) =
Pr(B | C )

La relation (1) nous permet de relier la fonction de survie de Tx à

celle de T0 :
= 1 − t qx
t px

x p0 − (x+t q0 − x q0 )
=
x p0
1 − x+t q0 x+t p0
= = .
x p0 x p0

Comment peut-on interpréter

x+t p0 = x p0 · t px ?
Maciej Augustyniak ACT2250 Chapitre 1 8 / 34
Relation entre T0 et Tx

Exemple (AMLCR Exemple 2.1)

La fonction de répartition de la variable aléatoire du temps de vie
future d’un nouveau-né prend la forme suivante :

1 − (1 − t/120)1/6 , 0 ≤ t ≤ 120,
1, t > 120.

Calculez les probabilités suivantes.

(a) Un nouveau-né survit jusqu’à 30 ans.
(b) Un individu de 30 ans décède avant l’âge de 50 ans.
(c) Un individu de 40 ans survit jusqu’à 65 ans.

Maciej Augustyniak ACT2250 Chapitre 1 9 / 34

Autres relations
Relation entre Tx et Tx+t
u qx+t = Pr(Tx+t ≤ u) = Pr(Tx ≤ t + u | Tx > t)
Pr(t < Tx ≤ t + u)
=
Pr(Tx > t)
Pr(Tx ≤ t + u) − Pr(Tx ≤ t)
=
Pr(Tx > t)
q
t+u x − q
t x
=
t px

À partir de cette relation, on obtient :

t+u qx = t qx + t px · u qx+t . (2)

Cette relation a une interprétation intuitive et, après avoir bien

maı̂trisé l’aspect probabiliste, c’est surtout cela qu’il faudra retenir.
Maciej Augustyniak ACT2250 Chapitre 1 10 / 34
Autres relations
Le relation (2) peut également être démontrée comme suit :
t+u qx = Pr(Tx ≤ t + u)
= Pr({Tx ≤ t} ∪ {t < Tx ≤ t + u})
= Pr(Tx ≤ t) + Pr(t < Tx ≤ t + u)
= t qx + Pr(t < Tx ≤ t + u),
car {Tx ≤ t} et {t < Tx ≤ t + u} sont des événements disjoints.
Par la suite, en définissant A = {Tx ≤ t + u} et B = {Tx > t}, nous
obtenons {A ∩ B} = {t < Tx ≤ t + u} et par la loi de Bayes :
Pr(t < Tx ≤ t + u) = Pr(B) · Pr(A | B)
= Pr(Tx > t) · Pr(Tx ≤ t + u | Tx > t)
= Pr(Tx > t) · Pr(Tx+t ≤ u)
= t px · u qx+t .
Maciej Augustyniak ACT2250 Chapitre 1 11 / 34
Autres relations
De plus, par la loi de Bayes, nous avons également,

t+u px = Pr(Tx > t + u)

= Pr (Tx > t) · Pr(Tx > t + u | Tx > t)
= Pr (Tx > t) · Pr(Tx+t > u)
= t px · u px+t

Une fois de plus, cette relation a une interprétation intuitive.

Remarque
La notation actuarielle permet d’omettre certains « 1 », c-à-d, on
écrit px au lieu de 1 px et qx au lieu de 1 qx . Si t = u = 1 dans les
relations précédentes, on obtient,

2 qx = qx + px · qx+1 et 2 px = px · px+1 .
Maciej Augustyniak ACT2250 Chapitre 1 12 / 34
Autres relations

Symbole t|u qx

t|u qx = Pr(t < Tx ≤ t + u)

= t+u qx − t qx
= t px − t+u px
= t px · u qx+t

Une fois de plus, essayez de raisonner ces formules avec des mots.

Remarque
Si u = 1, on écrit t| qx au lieu de t|1 qx .

Maciej Augustyniak ACT2250 Chapitre 1 13 / 34

Exemples
Exemple
Nous avons q60 = 0.001, q61 = 0.002, q62 = 0.003 et q63 = 0.004.
Calculez la probabilité qu’un individu de 60 ans décède entre 62 et 64
ans. Répétez avec les données de l’exemple à la page 9.

Exemple (AMLCR Exercice 2.6)

Nous avons px = 0.99, px+1 = 0.985, 3 px+1 = 0.95 et qx+3 = 0.02.
Calculez :
(a) px+3
2 px
(b)

2 px+1
(c)

3 px
(d)

1|2 qx
(e)

Maciej Augustyniak ACT2250 Chapitre 1 14 / 34

Variable aléatoire Kx
Définition (Variable aléatoire Kx )
La variable aléatoire Kx (ou K (x)) est défini par,

Kx = bTx c,

et représente le nombre d’années entières survécues par un individu

d’âge x, à partir du moment présent. Puisque,

{Kx = k} ⇔ {k ≤ Tx < k + 1}, k = 0, 1, 2, . . . , ω − x − 1,

la fonction de masse de Kx correspond à

Pr(Kx = k) = Pr(k ≤ Tx < k + 1)

= Pr(k < Tx ≤ k + 1) + Pr(Tx = k) − Pr(Tx = k + 1)
= k| qx = k px qx+k , k = 0, 1, 2, . . . , ω − x − 1.
Maciej Augustyniak ACT2250 Chapitre 1 15 / 34
Variable aléatoire Kx
Démontrez :
1 Pr(Kx ≤ k) = k+1 qx

Pω−x−1
2 ex = E(Kx ) = k=1 k px

Pω−x−1
3 Var(Kx ) = 2 k=1 k k px − ex − (ex )2

Pn
4 ex:n = E(min(Kx , n)) = k=1 k px

5 ex = px + px · ex+1

6 ex = ex:n + n px · ex+n

Maciej Augustyniak ACT2250 Chapitre 1 16 / 34

Variable aléatoire Kx
Démonstrations :
1
Pr(Kx ≤ k) = Pr(Tx < k + 1)
= Pr(Tx ≤ k + 1) − Pr(Tx = k + 1)
= k+1 qx

ω−x−1
X ω−x−1
X
2
ex = k k| qx = k(k px − k+1 px )
k=0 k=1
ω−x−1
X ω−x−1
X ω−x−1
X ω−x
X
= k k px − k k+1 px = k k px − (k − 1)k px
k=1 k=1 k=1 k=2
ω−x−1
X ω−x−1
X
= px + k px + (ω − x − 1)ω−x px = k px
k=2 k=1

Maciej Augustyniak ACT2250 Chapitre 1 17 / 34

Variable aléatoire Kx
Démonstrations :
ω−x−1 ω−x−1
k 2 k| qx − (ex )2 = k 2 (k px − k+1 px ) − (ex )2
X X
3 Var(Kx ) =
k=1 k=1
ω−x−1
(k 2 − (k − 1)2 )k px − (ex )2
X
= px +
k=2
ω−x−1
(2k − 1)k px − (ex )2
X
= px +
k=2
ω−x−1 ω−x−1
! !
− (ex )2
X X
= 2px + 2 k k px − px + k px
k=2 k=2
ω−x−1
k k px − ex − (ex )2
X
=2
k=1

Maciej Augustyniak ACT2250 Chapitre 1 18 / 34

Variable aléatoire Kx
Démonstrations :
n−1
X ω−x−1
X n−1
X
4
ex:n = k k| qx + n k| qx = k(k px − k+1 px ) + n n px
k=0 k=n k=1
n−1
X n
X
= k k px − (k − 1)k px + n n px
k=1 k=2
n−1
X n
X
= px + k px − (n − 1)n px + n n px = k px
k=2 k=1

n
X ω−x−1
X ω−x−1
X
6
ex = k px + k px = ex:n + n px k−n px+n
k=1 k=n+1 k=n+1
ω−x−n−1
X
= ex:n + n px k px+n = ex:n + n px · ex+n
k=1
Maciej Augustyniak ACT2250 Chapitre 1 19 / 34
Variable aléatoire Kx
Exemple
Calculez Var(min(Kx , 3)) si,

qx+k = 0.1(k + 1), k = 0, 1, 2, . . . , 9.

Exemple
Supposons que T0 suit une loi uniforme avec un âge ultime de ω (en
assurance-vie, cette loi est appelée la loi de Moivre). Trouvez :
t qx
(a)

(b) La loi de Tx .
(c) La loi de Kx .
(d) ω si e10:20 = 18.
(e) Pr(K40 = 5 | K40 ≥ 3) si ω = 100.
Maciej Augustyniak ACT2250 Chapitre 1 20 / 34
Force de mortalité
Le taux de mortalité moyen dans l’intervalle [x, x + t] est t qx /t. En
faisant tendre t → 0+ , on obtient un taux de mortalité instantané à
l’âge x, appelé force de mortalité et dénoté par µx .
t qx
µx = lim+
t→0 t
1
= lim+ Pr(Tx ≤ h)
h→0 h
1
= lim+ Pr(x < T0 ≤ x + h | T0 > x)
h→0 h
1 S0 (x) − S0 (x + h)
= lim+
S0 (x) h→0 h
1 d
=− S0 (x)
S0 (x) dx
d
= − log S0 (x)
dx
Maciej Augustyniak ACT2250 Chapitre 1 21 / 34
Force de mortalité

Attention !
La force de mortalité n’est pas une probabilité. Cependant, en
multipliant µx par un petit pas de temps dt, on obtient

µx dt ≈ Pr(x < T0 ≤ x + dt | T0 > x) = Pr(0 < Tx ≤ dt).

Par conséquent, on peut interpréter µx dt comme étant la probabilité

qu’un individu ayant atteint l’âge x meurt d’ici un pas de temps dt.

Maciej Augustyniak ACT2250 Chapitre 1 22 / 34

Force de mortalité
Nous pouvons également relier la force de mortalité à l’âge x + t à la
fonction de survie de Tx :
,
d
µx+t = − S0 (x + t) S0 (x + t)
dt
,
d
= − x+t p0 x+t p0
dt
!, !
1 d x+t p0
= − x+t p0
x p0 dt x p0
,
d
= − t px t px
dt
d
= − log t px .
dt

Maciej Augustyniak ACT2250 Chapitre 1 23 / 34

Force de mortalité
Définition (Force de mortalité)
La force de mortalité à l’âge x + t est définie comme suit :
d
µx+t = − log t px .
dt
Propriétés de la force de mortalité :
1 µx ≥ 0, ∀x,
R∞
0 µx+s ds = ∞, car
2

Z t Z t !
d
µx+s ds = − log s px ds
0 0 ds
= log 0 px − log t px
= − log t px → ∞, lorsque t → ∞.
Maciej Augustyniak ACT2250 Chapitre 1 24 / 34
Force de mortalité

La démonstration de la propriété 2 dans la définition de la force de

mortalité implique la relation suivante :
Rt
t px = e− 0
µx+s ds
.

Cette relation est très importante, car elle nous dit qu’on peut
complètement décrire la distribution de Tx avec la force de mortalité,
c-à-d, si je vous donne la fonction µx+t , vous allez pouvoir trouver
∀t, t px et t qx .

Maciej Augustyniak ACT2250 Chapitre 1 25 / 34

Force de mortalité
De plus, si on dénote la densité de probabilité de Tx par fx (t), alors
fx (t) = t px µx+t ,
car
d d
fx (t) = Fx (t) = t qx
dt dt 
d d − R t µx+s ds

= − t px = − e 0
dt dt
 Z t
d
Rt 
− µx+s ds
= −e 0 · − µx+s ds
dt 0
= t px µx+t
Notons que : fx (t)dt ≈ Pr(t < Tx ≤ t + dt).
Est-ce que vous voyez les similitudes et les différences entre une force
de mortalité et une densité de probabilité ?
Maciej Augustyniak ACT2250 Chapitre 1 26 / 34
Force de mortalité
Définition (Loi de Moivre)
1
µx = , 0≤x <ω
ω−x

Définition (Loi Gompertz)

µx = Bc x , x ≥ 0,
où B et c sont des constantes satisfaisant B > 0 et c > 1.

Définition (Loi Makeham)

µx = A + Bc x , x ≥ 0,
où A, B et c sont des constantes satisfaisant B > 0, A ≥ −B et
c > 1.
Maciej Augustyniak ACT2250 Chapitre 1 27 / 34
Force de mortalité

Exemple
Calculez 4|5 q30 si la force de mortalité est

1
µx = , 0 ≤ x ≤ 120.
3(120 − x)

Exemple
Calculez la probabilité qu’un nouveau-né décède entre l’âge 2 et 6, si
la force de mortalité est

0.1, 0 ≤ x ≤ 5,
µx =
0.2, x > 5.

Maciej Augustyniak ACT2250 Chapitre 1 28 / 34

Relations et notations
Démontrez :
Rt
1
t qx = 0 s px µx+s ds

R t+u
2
t|u qx = t+u qx − t qx = t s px µx+s ds

o R ω−x
3 e x = E(Tx ) = 0 t px dt

R ω−x o
4 Var(Tx ) = 2 0 t t px dt − (e x )2

o Rn
5 e x:n = E(min(Tx , n)) = 0 t px dt

o o o
6 e x = e x:n + n px · e x+n

Maciej Augustyniak ACT2250 Chapitre 1 29 / 34

Relations et notations
Démonstrations :
Z ω−x Z ω−x ω−x
o
ex = t t px µx+t dt = t px dt − t t px 

3
0 0 0
Z ω−x Z ω−x
= t px dt − ((ω − x)ω−x px − 0 · 0 px ) = t px dt
0 0
Z n Z n n
o
e x:n = t t px µx+t dt + n n px = t px dt − t t px  + n n px

5
0
Z0n 0
Z n
= t px dt − (n n px − 0 · 0 px ) + n n px = t px dt
0 0

Z n Z ω−x Z ω−x
o o
6 ex = t px dt + t px dt = e x:n + n px t−n px+n dt
0 n n
o
Z ω−x−n o o
= e x:n + n px s px+n ds = e x:n + n px · e x+n
0
Maciej Augustyniak ACT2250 Chapitre 1 30 / 34
Exemples

Exemple (AMLCR Exercice 2.1)

F0 (t) = 1 − (1 − t/105)1/5 , 0 ≤ t ≤ 105.
Calculez :
(a) La probabilité qu’un nouveau-né décède avant l’âge de 60 ans.
(b) La probabilité qu’un individu de 30 ans survive jusqu’à 70 ans.
(c) La probabilité qu’un individu de 20 ans décède entre les âges 90
et 100.
(d) La force de mortalité à l’âge 50.
(e) La médiane de T50 .
o
(f) e 50

Maciej Augustyniak ACT2250 Chapitre 1 31 / 34

Exemples

Exemple
La mortalité d’un individu suit la loi de Moivre et Var(T15 ) = 675.
o
Calculez e 25 et e25 .
Solution : Nous obtenons ω = 105 en résolvant l’équation suivante :
2
t2
Z ω−15 ω−15 t
Z
Var(T15 ) = dt −
0 ω − 15 0 ω − 15
1 1
= (ω − 15)2 ( − ) = 675.
3 4
Donc, nous avons
Z 80 79
o t X k
e 25 = = 40 et e25 = = 39.5.
0 80 k=0 80

Maciej Augustyniak ACT2250 Chapitre 1 32 / 34

Exemples

Exemple
La force de mortalité est constante et égale à µ pour tous les âges,
c-à-d, ∀x, µx = µ.
(a) Identifiez la loi de T0 .
(b) Démontrez que Pr(T0 > x + t | T0 > x) = Pr(T0 > t).
(c) Interprétez le résultat en (b).
o
(d) Calculez e x et ex .
(e) Calculez Var(Tx ).
(f) Calculez la médiane de Tx .

Maciej Augustyniak ACT2250 Chapitre 1 33 / 34

Exemples
Solution :  R 
t −ut
t q0 = 1 − t p0 = 1 − exp − 0 µds = 1 − e .
(a)

T0 est de loi exponentielle avec moyenne 1/µ.

Pr(T0 > x + t) e −u(x+t)
(b) Pr(T0 > x + t | T0 > x) = =
Pr(T0 > x) e −ux
= e −ut = Pr(T0 > t).
(c) ∀x, Pr(Tx > t) = Pr(T0 > t). Ceci implique que les probabilités
de survie sont indépendantes de l’âge x (propriété sans mémoire).
o P∞ P∞
(d) e x = 1/µ et ex = k=1 k px = k=1 e −uk = e −u /(1 − e −u ).
(e) Var(Tx ) = 2/µ2 − 1/µ2 = 1/µ2 .
(f)
t qx = 1 − e −µt = 0.5 implique que la médiane est t = (log 2)/µ.
Maciej Augustyniak ACT2250 Chapitre 1 34 / 34