原文链接： http://tecdat.cn/?p=17347

昨天上午，我们获得了产妇的平均年龄两个图表，根据孩子的出生顺序排序，区间是1905-1965年：

然后是1960-2000年：

这些图形令人兴奋，特别是在过去30年中观察到的增长方面。

> age$Age=as.character(age$AGE)> age$AGE=as.numeric(substr(age$Age,1,2))++ as.numeric(substr(age$Age,4,4))/10> plot(age$ANNEE+.5,age$AGE,+ type="l",lwd=2,col="blue")

我们在上面的图中发现深蓝色的曲线，

 我们进一步分析

> tail(age)AGE   Age NAIS.MERE NAIS.GRD.MERE age.GRD.MERE2000  2000 30.3 30,3     1970.2       1942.87        57.632001  2001 30.4 30,4     1971.1       1943.80        57.702002  2002 30.4 30,4     1972.1       1944.92        57.582003  2003 30.5 30,5     1973.0       1945.95        57.552004  2004 30.5 30,5     1974.0       1947.05        57.452005  2005 30.6 30,6     1974.9       1948.04        57.46> plot(age$ANNEE+.5,age$age.GRD.MERE,+ type="l",lwd=2,col="red")

再一次，我们可以形象地看到外婆的出生年龄

我们可以通过使用Lee-Carter模型建模 

> Deces <- read.table("Dec.txt",header=TRUE)> Expo  <- read.table("Expo.txt",header=TRUE,skip=2)> Deces$Age <- as.nu> Expo$Age <- as.numeric(as.character(Expo$Age))> Expo$Age[is.nDeces$Female/Expo$Female,nL,nC)>  POPF <- matrix(Expo$Female,nL,nC)>  BASEF <- demogdata(data=MUF, pop=POPF,ages=AGE,+ years=YEAR, t> K1 <- LCF$ktnction(xentier,T){+ return(ext) }> EVIE = function(x,T){+ x1 <- trunc(x)> tail(age)AGE   Age NAIS.MERE NAIS.GRD.MERE age.GRD.MERE       EV2000 30.3 30,3     1970.2       1942.87        57.63 29.138762001 30.4 30,4     1971.1       1943.80        57.70 29.170472002 30.4 30,4     1972.1       1944.92        57.58 29.390272003 30.5 30,5     1973.0       1945.95        57.55 29.520412004 30.5 30,5     1974.0       1947.05        57.45 29.725112005 30.6 30,6     1974.9       1948.04        57.46 29.80398

专栏

精算科学

关于结合数学、统计方法以及程序语言对经济活动来做风险分析、评估的见解。

探索专栏  ➔