Graduacja
Rafał M. Łochowski
Modele Markowa i analiza prze˙zycia w ubezpieczeniach
Szkoła Gł ´owna Handlowa w Warszawie Semestr zimowy r. akad. 2021/2022
5.01.2022
Rafał M. Łochowski 5.01.2022 1 / 29
Graduacja - co to takiego?
Najog ´olniej ujmujac,, graduacja to zbi ´or modeli oraz metod, za pomoca, kt ´orych dopasowujemy obserwowane prawdopodobie ´nstwa zmian stan ´ow do tych modeli.
W naszych rozwa˙zaniach bedziemy zajmowali si, e graduacj, a funkcji, prze˙zycia w ubezpieczeniach ˙zyciowych i modeli Markowa w ubezpieczeniach czasowej niezdolno´sci do pracy.
Podobnie jak dotychczas, nasza analiz, e oprzemy na intensywno´sciach, przej´scia ze stanu ’˙zywy’ do stanu ’zmarły’ lub ze stan ´ow:
s1=’ ˙zywy, zdolny do pracy’,
s2=’ ˙zywy, czasowo niezdolny do pracy’ , s3=’zmarły’,
do pozostałych stan ´ow, kt ´ore bedziemy modelowa´c za pomoc, a wieku x, i innych obserwowanych zmiennych obja´sniajacych.,
Rafał M. Łochowski 5.01.2022 2 / 29
Graduacja funkcji prze˙zycia
Dotychczas funkcje prze˙zycia S, (x)i intensywno´s´c wymieraniaµx w wieku x modelowali´smy na podstawie tablic trwania ˙zycia
w spos ´ob nieparametryczny. Rozpatrywali´smy te˙z kilka modeli parametrycznych długo´sci trwania ˙zycia:
model de Moivre’a (1725) z wiekiem granicznymω, w kt ´orym µx = 1
ω−x;
model Gompertza (1825), w kt ´orym
µx =B·cx; (1)
model Makehama (1860) - uog ´olnienie modelu Gompertza, w kt ´orym
µx =A+B·cx. (2)
Rafał M. Łochowski 5.01.2022 3 / 29
Graduacja funkcji prze˙zycia, c.d.
Model de Moivre’a mo˙ze by´c stosowany jedynie jako ilustracja poje´c, zwiazanych z analiz, a prze˙zycia i nie nadaje si, e do modelowania, długo´sci trwania ludzkiego ˙zycia.
Prosty model Gompertza mo˙ze by´c stosowany jako przybli˙zenie nate˙zenia wymierania w przedziałach wieku x, ∈ [60,90], lecz w
przypadku x <60 zwykle niedoszacowuje a dla x>90 przeszacowuje intensywno´s´c wymierania.
Model Makehama mo˙ze by´c stosowany jako przybli˙zenie nate˙zenia, wymierania r ´ownie˙z dla warto´sci x nieco mniejszych od 60 jednak dla x >90 r ´ownie˙z przeszacowuje intensywno´s´c wymierania.
Rafał M. Łochowski 5.01.2022 4 / 29
Graduacja funkcji prze˙zycia, c.d.
Dalsze zaproponowane modyfikacje i uog ´olnienia prawa Gompertza były nastepuj, ace:,
model Perksa (1932), w kt ´orymµx = eα+βx
1+eα+βx; model Bearda (1959), w kt ´orymµx = eα+βx
1+eα+ρ+βx;
model Makehama-Perksa (1932), w kt ´orymµx =eε+eα+βx
1+eα+βx ; model Makehama-Bearda (1932), w kt ´orymµx = eε+eα+βx
1+eα+ρ+βx. Prawa te (poza modelem Gompertza) sie r ´o˙zni, a od modeli, parametrycznych stosowanych w analizie prze˙zycia na podstawie danych medycznych, gdzie rozkład trwania ˙zycia dopasowuje sie do, rozkładu wykładniczego, Weibulla, log-normalnego i innych (dostepnych, np. w bibliotecesurvivalw pakiecie R).
Rafał M. Łochowski 5.01.2022 5 / 29
Graduacja funkcji prze˙zycia, c.d.
W celu estymacji i por ´ownania zaprezentowanych modeli i innych (stosowanych w analizie prze˙zycia na podstawie danych medycznych) w artykule S. J. Richardsa A handbook of parametric survival models for actuarial use (Scandinavian Actuarial Journal, 2012, 4, 233-257) wyestymowano i por ´ownano 16 modeli.
Estymacja parametr ´ow modelu polegała na konstrukcji i maksymalizacji (logarytmu) funkcji wiarygodno´sci. Je˙zeli w momencie ti obserwujemy osobe, kt ´ora w momencie 0 była w wieku x, i, to wkład takiej osoby do funkcji wiarygodno´sci (czyli łacznej g, esto´sci trwania ˙zycia n os ´ob z, obserwowanej grupy) wynosi
tipxiµdxi
i+ti,
gdzie di =1 je˙zeli w momencie tiosoba nie ˙zyje, di =0 je˙zeli w momencie ti osoba ˙zyje.
Rafał M. Łochowski 5.01.2022 6 / 29
Funkcja wiarygodno´sci
Przy zało˙zeniu niezale˙zno´sci trwania ˙zycia os ´ob w grupie, funkcja wiarygodno´sci ma posta´c
L=
n
∏
i=1 tipxiµdxii+ti.
Korzystajac z zale˙zno´sci, tpx =e−Hx(t), gdzie Hx(t) =´t
0µx+sds, otrzymujemy
lnL= −
n i
∑
=1Hxi(ti) +
n i
∑
=1diln µxi+ti.
Dla 16 modeli, przy zastosowaniu kryterium Akaike i statystyki chi-kwadrat, najlepsze (= najmniejsze) warto´sci tych statystyk
otrzymano dla modelu Makehama-Bearda (po podziale grupy wg płci).
Rafał M. Łochowski 5.01.2022 7 / 29
Modelowanie intensywno´sci przej´scia w ubez- pieczeniach czasowej niezdolno´sci do pracy
Analiza przydatnych zmiennych obja´sniajacych wykazała, ˙ze, na intensywno´sci przej´scia s2→s1maja wpływ dwie zmienne:, wiek ubezpieczonego x oraz czas przebywania w stanie s2(czyli w stanie ’˙zywy, czasowo niezdolny do pracy’), z;
podobnie, zmienne x oraz z maja wpływ na intensywno´sci, przej´scia s2→s3;
intensywno´sci przej´scia s1→s2mo˙zna modelowa´c jedynie za pomoca zmiennej x .,
Potrzeba uwzglednienia zmiennej z (czasu przebywania w stanie ’˙zywy,, czasowo niezdolny do pracy’) sprawia, ˙ze proces Xt =
’stan ubezpieczonego po czasie t od momentu wykupu bezpieczenia’
nie jest procesem Markowa.
Rafał M. Łochowski 5.01.2022 8 / 29
Modelowanie intensywno´sci przej´scia w ubez- pieczeniach czasowej niezdolno´sci do pracy
Zanim przejdziemy do matematycznego modelu dla procesu Xt, podamy formuły na intensywno´sci przej´s´c s2→s1, s2→s3oraz s1→s2.
Formuły te bed, a zale˙ze´c od długo´sci, okresu odroczenia, po kt ´orym ubezpieczyciel zaczyna wypłaca´c ubezpieczenie.
Typowe okresy odroczenia to 4 tygodnie lub 13 tygodni od nabycia czasowej niezdolno´sci do pracy. Inne okresy to 1 tydzie ´n lub 26 tygodni od nabycia czasowej niezdolno´sci do pracy.
Rafał M. Łochowski 5.01.2022 9 / 29
Intensywno´sci przej´scia w ubezpieczeniu z okresem odroczenia wynosz acym 1 tydzie ´n
,W ksia˙zce Habermana i Pitacco Actuarial models for disability, insurance (Taylor and Francis, 1998) podano nastepuj, ac, a formuł, e na, intensywno´sci przej´scia s2→s1(powrotu ze stanu czasowej
niezdolno´sci do pracy) w ubezpieczeniu czasowej niezdolno´sci do pracy z okresem odroczenia wynoszacym 1 tydzie ´n:,
ρx,z = exp β0+ β1x+ β2z+ β3
√z+ β4xz+ β5x√
z , (3) gdzie x to wiek ubezpieczonego w latach, z to czas przebywania
w stanie czasowej niezdolno´sci do pracy w tygodniach.
Intensywno´s´c w r ´ownaniu (3) mierzona jest wodwrotno ´sciach roku, czyli dla niedługiego odcinka czasudt roku, prawdopodobie ´nstwo przej´scia s2→s1na tym odcinku wyniesieρx,zdt.
Rafał M. Łochowski 5.01.2022 10 / 29
Estymacja intensywno´sci przej´scia
W praktyce szacowanie wsp ´ołczynnik ´owβ1, . . . , β5mo˙zna otrzyma´c za pomoca podziału danych na kilkaset podgrup, w zale˙zno´sci od wieku i, czasu przebywania w stanie czasowej niezdolno´sci do pracy. Nale˙zy r ´ownie˙z zidentyfikowa´c r ´o˙zne polisy wystawione dla tej samej osoby (i uwzgledni´c tylko jedn, a).,
W ksia˙zce Habermana i Pitacco wiek x dzielony jest na 8 kategorii:, 20−29, 30−34, 35−39, 40−44, 45−49, 50−54, 55−59, 60−65 lat, a czas przebywania w stanie czasowej niezdolno´sci do pracy na 37 kategorii: 30 tygodniowych kategorii z∈ [0,1)(w tygodniach),
z∈ [1,2), z∈ [2,3),. . ., z∈ [29,30), nastepnie na kategorie, z∈ [30,39), z∈ [39,52)(w tygodniach), a nastepnie na 5 kategorii, z∈ [1,2), z∈ [2,3), z∈ [3,4), z∈ [4,5), z>5 (w latach).
Intensywno´s´c przej´scia s2→s1w ka˙zdej z podgrup przyjmuje sie za, stała.,
Rafał M. Łochowski 5.01.2022 11 / 29
Estymacja intensywno´sci przej´scia
Je˙zeli obserwujemy osobe w wieku 35 lat, kt ´ora była niezdolna do pracy, przez 3 pełne tygodnie i wyzdrowiała w 4. tygodniu, to prawdopodo- bie ´nstwo warunkowe takiego zdarzenia (pomijajac prawdopodobie ´n-, stwo ´smierci i przyjmujac stał, a intensywno´s´c w ka˙zdej z podgrup), bedzie wynosiło,
exp (−ρ35,0− ρ35,1− ρ35,2) (1− exp (−ρ35,3)) .
Je˙zeli obserwujemy osobe w wieku 40 lat, kt ´ora była niezdolna do pracy, przez rok i 3 tygodnie, a w 4. tygodniu wyzdrowiała, to prawdopodo- bie ´nstwo warunkowe takiego zdarzenia (pomijajac,
prawdopodobie ´nstwo ´smierci) bedzie wynosiło,
exp (−ρ40,0− . . . − ρ40,29− ρ40,30·9− ρ40,39·13− ρ41,1 rok·3)
× (1− exp (−ρ41,1 rok)) .
Rafał M. Łochowski 5.01.2022 12 / 29
Estymacja intensywno´sci przej´scia
Piszac dla ka˙zdej z zaobserwowanych os ´ob analogiczne prawdopodo-, bie ´nstwa, mno˙zac je (zakładamy niezale˙zno´s´c obserwacji) i korzystaj, ac, z formuły (3) otrzymujemy funkcje zale˙zn, a od wsp ´ołczynnik ´ow,
β1, . . . , β5. Warto´sciˆβ1, . . . , ˆβ5maksymalizujace otrzyman, a funkcj, e to, estymatory najwiekszej wiarygodno ´sci wsp ´, ołczynnik ´owβ1, . . . , β5. Uwaga. Do obliczenia np.ρ35,3(a nastepnie funkcji wiarygodno´sci) za, pomoca formuły (3) stosujemy x, =35, z =3,5 (bierzemy ´srodek przedziału z∈ [3,4)), a do obliczenia np.ρ41,1 rokza pomoca formuły, (3) bierzemy x=41, z=52+26 (gdy˙z rok ma 52 tygodnie, a za z przyjmujemy ´srodek przedziału z ∈ [1 rok,2 lata)w tygodniach).
Jeszcze bardziej poprawne byłoby wziecie za z ´srednich ze wszystkich, obserwacji (dla kt ´orych obserwujemy z∈ [3,4)i z∈ [1 rok,2 lata) odpowiednio). W ksia˙zce Habermana i Pitacco zaproponowano nieco, inna metod, e (opart, a na uog ´olnionych modelach liniowych).,
Rafał M. Łochowski 5.01.2022 13 / 29
Intensywno´sci przej´scia w ubezpieczeniu z okresem odroczenia wynosz acym 1 tydzie ´n
,Haberman i Pitacco podaja nast, epj, ace oszacowania wsp ´ołczynnik ´ow, β1, . . . , β5, otrzymane na podstawie danych CMI (Continuous Mortality Investigation Bureau) w Wielkiej Brytanii (dane pochodzace z lat, 1975-1978):
wsp ´ołczynnik estymata wsp ´ołczynnika bład standardowy,
β0 6,0006 0,1567
β1 −0,04076 0,003469
β2 0,05844 0,01050
β3 −1,1546 0,1033
β4 −0,0008759 0,0002436
β5 0,007937 0,002261
Rafał M. Łochowski 5.01.2022 14 / 29
Intensywno´sci przej´scia s
2→ s1 w ubezpieczeniu z dłu˙zszym okresem odroczenia
Biuro CMI zaproponowało nastepuj, ac, a formuł, e na intensywno´sci, przej´scia s2→s1(powrotu ze stanu czasowej niezdolno´sci do pracy) w ubezpieczeniu czasowej niezdolno´sci do pracy z okresem odroczenia wynoszacym 4, 13 lub 26 tygodni:,
ρx,z= exp β0+ β1x+ β2z+ β3(z−z1)++ β4(z−z2)++ β5x(z−z1)+ , (4) gdzie 0<z1<z2oraz
(z−z0)+=z−z0gdy z≥z0, (z−z0)+=0 gdy z<z0. Podobnie jak wcze´sniej, intensywno´s´c w r ´ownaniu (4) mierzona jest w odwrotno´sciach tygodnia, czyli dla niedługiego odcinka czasudt tygodni, prawdopodobie ´nstwo przej´scia s2→s1na tym odcinku wyniesieρx,zdt.
Rafał M. Łochowski 5.01.2022 15 / 29
Intensywno´sci przej´scia s
2→ s3
Dla wszystkich rodzaj ´ow ubezpiecze ´n (z r ´o˙znymi okresami odroczenia) podano nastepuj, ac, a formuł, e na intensywno´sci przej´scia s, 2→s3
(´smierci w czasie stanu czasowej niezdolno´sci do pracy):
νx,z = exp γ0+ γ1x+ γ2z+ γ3(z−z1)++ γ4(z−z2)+ . (5) Je˙zeli ubezpieczony w momencie t jest w stanie s2, to przy zało˙zeniu stałych intensywno´sciρx,z iνx,z na niedługim odcinku czasu[t,t+ ∆t] prawdopodobie ´nstwo powrotu do stanu s1i prawdopodobie ´nstwo
´smierci w czasie miedzy t a t, + ∆t wyniosa odpowiednio, ˆ t+∆t
t
e−(ρx,z+νx,z)(s−t)ρx,zds=
1−e−(ρx,z+νx,z)∆t
ρx,z
ρx,z+ νx,z
, ˆ t+∆t
t
e−(ρx,z+νx,z)(s−t)νx,zds=
1−e−(ρx,z+νx,z)∆t
νx,z
ρx,z+ νx,z
.
Rafał M. Łochowski 5.01.2022 16 / 29
Estymacja intensywno´sci przej´scia
Podobnie jak wcze´sniej, szacowanie wsp ´ołczynnik ´owβ1, . . . , β5, γ1, . . . , γ4mo˙zna otrzyma´c za pomoca podziału danych na kilkaset, podgrup, w zale˙zno´sci od wieku i czasu przebywania w stanie czasowej niezdolno´sci do pracy. Intensywno´s´c przej´scia s2→s1i s2→s3w ka˙zdej z podgrup przyjmuje sie za stał, a.,
Je˙zeli np. obserwujemy osobe w wieku 35 lat, kt ´ora była niezdolna do, pracy przez 3 tygodnie i w 4. tygodniu wr ´ociła do zdrowia, to
prawdopodobie ´nstwo takiego zdarzenia (uwzgledniaj, ac,
prawdopodobie ´nstwo ´smierci i przyjmujac stał, a intensywno´s´c w ka˙zdej, z podgrup) bedzie wynosiło,
exp (−ρ35,0− ρ35,1− ρ35,2) (1− exp (−ρ35,3)) ρ35,3 ρ35,3+ ν35,3
.
Rafał M. Łochowski 5.01.2022 17 / 29
Estymacja intensywno´sci przej´scia
Piszac dla ka˙zdej z zaobserwowanych os ´ob analogiczne prawdopodo-, bie ´nstwa, mno˙zac je (zakładamy niezale˙zno´s´c obserwacji) i korzystaj, ac, z formuł (4), (5) otrzymujemy funkcje zale˙zn, a od wsp ´ołczynnik ´ow, β1, . . . , β5,γ1, . . . , γ4.
Uwaga. Do obliczenia np.ρ35,3,ν35,3stosujemy analogiczna, konwencje jak na slajdzie 13.,
Warto´sciβˆ1, . . . , ˆβ5,ˆγ1, . . . ,ˆγ4maksymalizujace otrzyman, a funkcj, e to, estymatory najwiekszej wiarygodno ´sci wsp ´, ołczynnik ´owβ1, . . . , β5, γ1, . . . , γ4.
W ksia˙zce Habermana i Pitacco zaproponowano nieco inn, a metod, e, (oparta na uog ´olnionych modelach liniowych).,
Rafał M. Łochowski 5.01.2022 18 / 29
Intensywno´sci przej´scia s
2→ s1 w ubezpieczeniu z okresem odroczenia 4 tygodnie
Haberman i Pitacco podaja nast, epj, ace oszacowania wsp ´ołczynnik ´ow, β1, . . . , β5oraz z1i z2otrzymane na podstawie danych CMI:
Okres odroczenia 4 tygodnie
wsp ´ołczynnik estymata wsp ´ołczynnika bład standardowy,
β0 0,5617 0,3252
β1 −0,01394 0,002991
β2 0,3141 0,04870
β3 −0,3390 0,05062
β4 0,04254 0,005140
β5 −0,0007846 0,0001754
z1 6,5 −
z2 45,5 −
Rafał M. Łochowski 5.01.2022 19 / 29
Intensywno´sci przej´scia s
2→ s1 w ubezpieczeniu z okresem odroczenia 13 tygodni
Okres odroczenia 13 tygodni
wsp ´ołczynnik estymata wsp ´ołczynnika bład standardowy,
β0 −3,042 1,343
β1 −0,02661 0,005914
β2 0,3303 0,08234
β3 −0,3806 0,08492
β4 0,5058 0,007395
β5 −0,0003316 0,0001379
z1 16,5 −
z2 45,5 −
Rafał M. Łochowski 5.01.2022 20 / 29
Intensywno´sci przej´scia s
2→ s1 w ubezpieczeniu z okresem odroczenia 26 tygodni
Okres odroczenia 26 tygodni
wsp ´ołczynnik estymata wsp ´ołczynnika bład standardowy,
β0 0,4341 4,074?
β1 −0,05949 0,007825
β2 0,08571 0,1415
β3 −0,1636 0,1511
β4 0,06749 0,01830
β5 0 (nieistotny) −
z1 29,5 −
z2 45,5 −
Rafał M. Łochowski 5.01.2022 21 / 29
Intensywno´sci przej´scia s
2→ s3
Warto´sci wsp ´ołczynnik ´ow w formule
νx,z = exp γ0+ γ1x+ γ2z+ γ3(z−z1)++ γ4(z−z2)+ (niezale˙znie od typu ubezpieczenia) wyestymowano jako nastepuj, ace:,
wsp ´ołczynnik estymata wsp ´ołczynnika bład standardowy,
γ0 −3,549 0,4249
γ1 0,02125 0,007474
γ2 0,04156 0,1829
γ3 −0,05297 0,01898
γ4 0,01467 0,002844
z1 14,5 −
z2 182 −
Rafał M. Łochowski 5.01.2022 22 / 29
Intensywno´sci przej´scia s
1→ s2
W ksia˙zce Habermana i Pitacco intensywno´sci przej´scia s, 1→s2sa, modelowane za pomoca formuły,
σx = exp δ0+ δ1x+ δ2x2 . (6) Zauwa˙zmy, ˙ze formuła (6) jest innym uog ´olnieniem prawa Gompertza (1) ni˙z prawo Makehama (2). Warto´sci wsp ´ołczynnik ´ow w formule (6) zale˙za od okresu odroczenia.,
Okres odroczenia 1 tydzie ´n
wsp ´ołczynnik estymata wsp ´ołczynnika bład standardowy,
δ0 1,7110 0,2146
δ1 −0,1192 0,01025
δ2 0,001145 0,0001165
Rafał M. Łochowski 5.01.2022 23 / 29
Intensywno´sci przej´scia s
1→ s2
Okres odroczenia 4 tygodnie
wsp ´ołczynnik estymata wsp ´ołczynnika bład standardowy,
δ0 3,2944 0,5002
δ1 −0,2089 0,02354
δ2 0,002137 0,0002671
Okres odroczenia 13 tygodni
wsp ´ołczynnik estymata wsp ´ołczynnika bład standardowy,
δ0 5,0594 1,0915
δ1 −0,2855 0,04939
δ2 0,002763 0,0005414
Rafał M. Łochowski 5.01.2022 24 / 29
Intensywno´sci przej´scia s
1→ s2
Okres odroczenia 26 tygodni
wsp ´ołczynnik estymata wsp ´ołczynnika bład standardowy,
δ0 6,4587 1,3735
δ1 −0,3750 0,06103
δ2 0,003833 0,0006532
Rafał M. Łochowski 5.01.2022 25 / 29
Procesy semi-Markowa
Jak ju˙z wspomniano, potrzeba uwzglednienia zmiennej z (czasu, przebywania w stanie ’˙zywy, czasowo niezdolny do pracy’) w modelu ubezpieczenia czasowej niezdolno´sci do pracy sprawia, ˙ze proces
Xt=’stan ubezpieczonego po czasie t od momentu wykupu bezpieczenia’
nie jest procesem Markowa, gdy˙z intensywno´s´c przechodzenia ze stanu ˙zywy, czasowo niezdolny do pracy’ do stanu ˙zywy, zdolny do pracy’ w momencie t nie zale˙zy tylko od czasu t.
Dlatego proces Xt, t ≥0, nazywa sie, procesem semi-Markowa.
Rafał M. Łochowski 5.01.2022 26 / 29
Procesy semi-Markowa, c.d.
W przypadku modelu ubezpieczenia czasowej niezdolno´sci do pracy łatwo jest jednak zamieni´c proces Xt na proces Markowa, dodajac dodatkowa wsp ´ołrz, edn, a - czas R, t przebywania w aktualnym stanie, od momentu poprzedniej zmiany stanu (lub od momentu 0 je˙zeli do momentu t nie nastapiła zmiana stanu).,
Otrzymamy tu jednak proces(Xt,Rt)oniesko ´nczonej (a nawet nieprzeliczalnej) rodzinie stan ´ow(si,r), i=1,2,3, r ≥0.
Dla bardzo małychdt >0 mamy
π(s2,r),(s1,dt)(t,t+ dt) = ρx+t,rdt, π(s2,r),(s3,dt)(t,t+ dt) = νx+t,rdt, π(s1,r),(s2,dt)(t,t+ dt) = σx+tdt.
Bedziemy r ´ownie˙z zakłada´c, ˙ze,
π(s1,r),(s3,dt)(t,t+ dt) = µx+tdt.
Rafał M. Łochowski 5.01.2022 27 / 29
Procesy semi-Markowa - prawdopodobie ´nstwa przej´scia
Mo˙zna wykaza´c, ˙ze prawdopodobie ´nstwo warunkowe P22(t,u;r) :=
P (Xv =s2dla wszystkich v ∈ [t,u]|Xt =s2oraz Rt =r)mo˙zna obliczy´c za pomoca formuły,
P22(t,u;r) = exp
− ˆ u
t
ρx+v,r+v−t+ νx+v,r+v−tdv
a prawdopodobie ´nstwo warunkowe P11(t,u) := P (Xu=s1|Xt =s1) spełnia nastepuj, ace r ´ownanie całkowo-r ´o˙zniczkowe,
d
duP11(t,u) = ˆ u
t
P11(t,v)σx+vP22(v,u;0)ρx+u,u−vdv
−P11(t,u) [σx+u+ µx+u] .
Rafał M. Łochowski 5.01.2022 28 / 29
Procesy semi-Markowa - prawdopodobie ´nstwa przej´scia, c.d.
Ostatni moment przed momentem u>t ≥0, w kt ´orym semi-proces Xv, v ≥0, znajdował sie w stanie s, 1pod warunkiem, ˙ze w momencie t, Xt =s1a w momencie u, Xu=s2, ma w punkcie v ∈ [t,u]gesto´s´c:,
P11(t,v)σx+vP22(v,u;0) P (Xu=s2|Xt =s1) Zatem
P12(t,u) := P (Xu=s2|Xt =s1) = ˆ u
t
P11(t,v)σx+vP22(v,u;0)dv.
Rafał M. Łochowski 5.01.2022 29 / 29