Slide 1

Slide 1 text

Espérance de vie Jusqu’à quel âge vivrez-vous ? Roger Mansuy

Slide 2

Slide 2 text

No content

Slide 3

Slide 3 text

Espérance de vie En 1965, l’espérance de vie est de 74,7 ans pour les femmes et 67,5 ans pour les hommes.

Slide 4

Slide 4 text

Espérance de vie En 1965, l’espérance de vie est de 74,7 ans pour les femmes et 67,5 ans pour les hommes. En 2020, elle est de 85,3 ans pour les femmes et de 79,2 ans pour les hommes.

Slide 5

Slide 5 text

No content

Slide 6

Slide 6 text

Le point, 21/12/2011

Slide 7

Slide 7 text

France Info, 05/05/2015

Slide 8

Slide 8 text

France Info, 05/05/2015

Slide 9

Slide 9 text

L’espérance de vie en 2020 est la moyenne des âges de décès lors de l’année 2020.

Slide 10

Slide 10 text

L’espérance de vie en 2020 est la moyenne des âges de décès lors de l’année 2020. FAUX

Slide 11

Slide 11 text

L’espérance de vie en 2020 est la moyenne des âges de décès de la dernière génération ayant totalement disparu.

Slide 12

Slide 12 text

L’espérance de vie en 2020 est la moyenne des âges de décès de la dernière génération ayant totalement disparu. FAUX • guerres mondiales • apparition du SIDA • découverte de la pénicilline (1928) • obligation vaccinale contre la diphtérie (1938), contre le tétanos (1940), contre la poliomyélite (1964)

Slide 13

Slide 13 text

L’espérance de vie en 2020 concerne les personnes nées durant cette année 2020.

Slide 14

Slide 14 text

L’espérance de vie en 2020 concerne les personnes nées durant cette année 2020. Plutôt VRAI mais ne permet aucune prédiction

Slide 15

Slide 15 text

L’espérance de vie est un indicateur complexe et les comparaisons de ses valeurs permettent de comprendre l’état d’une population.

Slide 16

Slide 16 text

Espérance L’espérance de vie est une espérance au sens mathématique! Il s’agit alors d’une valeur théorique calculée dans le cadre d’un modèle mathématique. Monde réel observations Monde mathématique calculs, preuves modélisation interprétation

Slide 17

Slide 17 text

Origine des probabilités Deux joueurs jouent à un jeu de hasard en 3 parties gagnantes, chacun ayant initialement misé la même somme m; le jeu est interrompu avant que l’un des deux joueurs ait obtenu 3 victoires et ainsi remporté la partie. Comment doit-on partager la totalité des enjeux, soit 2m?

Slide 18

Slide 18 text

Origine des probabilités Deux joueurs jouent à un jeu de hasard en 3 parties gagnantes, chacun ayant initialement misé la même somme m; le jeu est interrompu avant que l’un des deux joueurs ait obtenu 3 victoires et ainsi remporté la partie. Comment doit-on partager la totalité des enjeux, soit 2m? ⇝ Problème déjà étudié par Pacioli, Tartaglia, Forestani, Cardan, Peverone... mais fondamentalement renouvelé au XVIIe

Slide 19

Slide 19 text

B. Pascal à P. de Fermat, 29 juillet 1654 Posons que le premier en ait deux et l’autre une ; ils jouent maintenant une partie, dont le sort est tel que, si le premier la gagne, il gagne tout l’argent qui est au jeu, savoir 64 pistoles ; si l’autre la gagne, ils sont deux parties à deux parties, et par conséquent, s’ils veulent se séparer, il faut qu’ils retirent chacun leur mise, savoir chacun 32 pistoles. Considérez donc, Monsieur, que si le premier gagne, il lui appartient 64 : s’il perd, il lui appartient 32. Donc s’ils veulent ne point hasarder cette partie et se séparer sans la jouer, le premier doit dire : ”Je suis sûr d’avoir 32 pistoles, car la perte même me les donne ; mais pour les 32 autres, peut-être je les aurai, peut-être vous les aurez, le hasard est égal ; partageons donc ces 32 pistoles par la moitié et me donnez, outre cela, mes 32 qui me sont sûres”. Il aura donc 48 pistoles et l’autre 16.

Slide 20

Slide 20 text

Si le score est 2 − 1 en faveur du joueur A au moment de l’interruption, il y a plusieurs évolutions possibles: • A emporte la partie suivante (et donc le match sur le score 3 − 1) • B emporte la partie suivante puis – A emporte la partie suivante (et donc le match sur le score 3 − 2) – B emporte la partie suivante (et donc le match sur le score 2 − 3)

Slide 21

Slide 21 text

2 − 1 3 − 1 2 − 2 3 − 2 2 − 3 1 2 1 2 1 2 1 2

Slide 22

Slide 22 text

Score Gain de A Probabilité Victoire 3 − 1 2m 1 2 Victoire 3 − 2 2m 1 4 Défaite 2 − 3 0 1 4 En moyenne, l’espérance de gain du joueur A est donc 1 2 · 2m + 1 4 · 2m + 1 4 · 0 = 3m 2 . Le partage équitable est donc de 3m 2 pour le joueur A et m 2 pour le joueur B.

Slide 23

Slide 23 text

Comment partager les mises 2m entre les deux joueurs A et B si, à l’interruption, le joueur A mène 2 − 0?

Slide 24

Slide 24 text

2 − 0 3 − 0 2 − 1 3 − 1 2 − 2 3 − 2 2 − 3 1 2 1 2 1 2 1 2 1 2 1 2

Slide 25

Slide 25 text

2 − 0 3 − 0 2 − 1 3 − 1 2 − 2 3 − 2 2 − 3 1 2 1 2 1 2 1 2 1 2 1 2 1 2 · 2m + 1 4 · 2m + 1 8 · 2m + 1 8 · 0 = 7 4 m

Slide 26

Slide 26 text

2 − 0 3 − 0 2 − 1 3 − 1 2 − 2 3 − 2 2 − 3 1 2 1 2 1 2 1 2 1 2 1 2

Slide 27

Slide 27 text

Traité du triangle arithmétique Blaise Pascal, 1665

Slide 28

Slide 28 text

De ratiociniis in ludo aleae Christian Huygens, 1657

Slide 29

Slide 29 text

Définition. L’espérance E(X) d’une variable aléatoire X est la moyenne des valeurs que peut prendre cette variable pondérée avec les probabilités associées. Cette définition est bien correcte lorsque la variable aléatoire prend un nombre fini de valeurs mais peut aussi être adaptée au cas d’un infinité de valeurs.

Slide 30

Slide 30 text

Définition. L’espérance E(X) d’une variable aléatoire X est la moyenne des valeurs que peut prendre cette variable pondérée avec les probabilités associées. Cette définition est bien correcte lorsque la variable aléatoire prend un nombre fini de valeurs mais peut aussi être adaptée au cas d’un infinité de valeurs. Si la variable est notée X et qu’elle prend des valeurs entières, E(X) = 0P(X = 0) + 1P(X = 1) + 2P(X = 2) + 3P(X = 3) + · · · P(X = 0) + P(X = 1) + P(X = 2) + P(X = 3) + · · · .

Slide 31

Slide 31 text

Définition. L’espérance E(X) d’une variable aléatoire X est la moyenne des valeurs que peut prendre cette variable pondérée avec les probabilités associées. Cette définition est bien correcte lorsque la variable aléatoire prend un nombre fini de valeurs mais peut aussi être adaptée au cas d’un infinité de valeurs. Si la variable est notée X et qu’elle prend des valeurs entières, E(X) = 0P(X = 0) + 1P(X = 1) + 2P(X = 2) + 3P(X = 3) + · · · P(X = 0) + P(X = 1) + P(X = 2) + P(X = 3) + · · · . Avec des notations mathématiques courantes, E(X) = ∑ n∈N nP(X = n).

Slide 32

Slide 32 text

Modèle mathématique Pour mourir à 44 ans, il faut • survivre à la première année après la naissance

Slide 33

Slide 33 text

Modèle mathématique Pour mourir à 44 ans, il faut • survivre à la première année après la naissance • sachant que l’on a survécu à la première, survivre à la deuxième

Slide 34

Slide 34 text

Modèle mathématique Pour mourir à 44 ans, il faut • survivre à la première année après la naissance • sachant que l’on a survécu à la première, survivre à la deuxième • sachant que l’on a survécu à la deuxième, survivre à la troisième

Slide 35

Slide 35 text

Modèle mathématique Pour mourir à 44 ans, il faut • survivre à la première année après la naissance • sachant que l’on a survécu à la première, survivre à la deuxième • sachant que l’on a survécu à la deuxième, survivre à la troisième • …

Slide 36

Slide 36 text

Modèle mathématique Pour mourir à 44 ans, il faut • survivre à la première année après la naissance • sachant que l’on a survécu à la première, survivre à la deuxième • sachant que l’on a survécu à la deuxième, survivre à la troisième • … • sachant que l’on a survécu à la 44-ième année, ne pas survivre à la 45-ième

Slide 37

Slide 37 text

• On fixe des quantités p0 , p1 , p2 , …entre 0 et 1

Slide 38

Slide 38 text

• On fixe des quantités p0 , p1 , p2 , …entre 0 et 1 • On crée une expérience aléatoire avec un individu fictif tel que

Slide 39

Slide 39 text

• On fixe des quantités p0 , p1 , p2 , …entre 0 et 1 • On crée une expérience aléatoire avec un individu fictif tel que – il survit à sa première année avec probabilité p0

Slide 40

Slide 40 text

• On fixe des quantités p0 , p1 , p2 , …entre 0 et 1 • On crée une expérience aléatoire avec un individu fictif tel que – il survit à sa première année avec probabilité p0 – s’il a atteint 1 an, il survit à la deuxième année avec probabilité p1

Slide 41

Slide 41 text

• On fixe des quantités p0 , p1 , p2 , …entre 0 et 1 • On crée une expérience aléatoire avec un individu fictif tel que – il survit à sa première année avec probabilité p0 – s’il a atteint 1 an, il survit à la deuxième année avec probabilité p1 – s’il a atteint 2 ans, il survit à la troisième année avec probabilité p2

Slide 42

Slide 42 text

• On fixe des quantités p0 , p1 , p2 , …entre 0 et 1 • On crée une expérience aléatoire avec un individu fictif tel que – il survit à sa première année avec probabilité p0 – s’il a atteint 1 an, il survit à la deuxième année avec probabilité p1 – s’il a atteint 2 ans, il survit à la troisième année avec probabilité p2 – . . .

Slide 43

Slide 43 text

• On fixe des quantités p0 , p1 , p2 , …entre 0 et 1 • On crée une expérience aléatoire avec un individu fictif tel que – il survit à sa première année avec probabilité p0 – s’il a atteint 1 an, il survit à la deuxième année avec probabilité p1 – s’il a atteint 2 ans, il survit à la troisième année avec probabilité p2 – . . . – s’il a atteint k ans, il survit à la (k + 1)-ième année avec probabilité pk

Slide 44

Slide 44 text

• On fixe des quantités p0 , p1 , p2 , …entre 0 et 1 • On crée une expérience aléatoire avec un individu fictif tel que – il survit à sa première année avec probabilité p0 – s’il a atteint 1 an, il survit à la deuxième année avec probabilité p1 – s’il a atteint 2 ans, il survit à la troisième année avec probabilité p2 – . . . – s’il a atteint k ans, il survit à la (k + 1)-ième année avec probabilité pk – . . .

Slide 45

Slide 45 text

• On fixe des quantités p0 , p1 , p2 , …entre 0 et 1 • On crée une expérience aléatoire avec un individu fictif tel que – il survit à sa première année avec probabilité p0 – s’il a atteint 1 an, il survit à la deuxième année avec probabilité p1 – s’il a atteint 2 ans, il survit à la troisième année avec probabilité p2 – . . . – s’il a atteint k ans, il survit à la (k + 1)-ième année avec probabilité pk – . . . • On définit X la variable aléatoire donnant l’âge du décès.

Slide 46

Slide 46 text

• On fixe des quantités p0 , p1 , p2 , …entre 0 et 1 • On crée une expérience aléatoire avec un individu fictif tel que – il survit à sa première année avec probabilité p0 – s’il a atteint 1 an, il survit à la deuxième année avec probabilité p1 – s’il a atteint 2 ans, il survit à la troisième année avec probabilité p2 – . . . – s’il a atteint k ans, il survit à la (k + 1)-ième année avec probabilité pk – . . . • On définit X la variable aléatoire donnant l’âge du décès. • On calcule l’espérance mathématique E(X) et on appelle ”espérance de vie à la naissance” le résultat obtenu.

Slide 47

Slide 47 text

Par construction, pk est la probabilité de survivre à la (k + 1)-ième année sachant que l’on a atteint la k-ième année.

Slide 48

Slide 48 text

Par construction, pk est la probabilité de survivre à la (k + 1)-ième année sachant que l’on a atteint la k-ième année. Ainsi, 1 − pk est la probabilité de mourir dans la (k + 1)-ième année.

Slide 49

Slide 49 text

Par construction, pk est la probabilité de survivre à la (k + 1)-ième année sachant que l’on a atteint la k-ième année. Ainsi, 1 − pk est la probabilité de mourir dans la (k + 1)-ième année. Avec les notations mathématiques, pk = P(X ≥ k + 1|X ≥ k).

Slide 50

Slide 50 text

0 RIP 1 RIP 2 RIP 3 1 − p0 p0 1 − p1 p1 1 − p2 p2

Slide 51

Slide 51 text

Pour tout k ∈ N, P(X = k) = p0 p1 · · · pk−1 (1 − pk )

Slide 52

Slide 52 text

Pour tout k ∈ N, P(X = k) = p0 p1 · · · pk−1 (1 − pk ) = (1 − pk ) k−1 ∏ j=0 pj ,

Slide 53

Slide 53 text

Pour tout k ∈ N, P(X = k) = p0 p1 · · · pk−1 (1 − pk ) = (1 − pk ) k−1 ∏ j=0 pj , E(X) = +∞ ∑ k=1 kP(X = k)

Slide 54

Slide 54 text

Pour tout k ∈ N, P(X = k) = p0 p1 · · · pk−1 (1 − pk ) = (1 − pk ) k−1 ∏ j=0 pj , E(X) = +∞ ∑ k=1 kP(X = k) = +∞ ∑ k=1 k(1 − pk ) k−1 ∏ j=0 pj .

Slide 55

Slide 55 text

Pour tout k ∈ N, P(X ≥ k) = p0 p1 · · · pk−1

Slide 56

Slide 56 text

Pour tout k ∈ N, P(X ≥ k) = p0 p1 · · · pk−1 = k−1 ∏ j=0 pj ,

Slide 57

Slide 57 text

Pour tout k ∈ N, P(X ≥ k) = p0 p1 · · · pk−1 = k−1 ∏ j=0 pj , E(X) = +∞ ∑ k=1 P(X ≥ k)

Slide 58

Slide 58 text

Pour tout k ∈ N, P(X ≥ k) = p0 p1 · · · pk−1 = k−1 ∏ j=0 pj , E(X) = +∞ ∑ k=1 P(X ≥ k) = +∞ ∑ k=1 k−1 ∏ j=0 pj .

Slide 59

Slide 59 text

Il reste à bien choisir les probabilités pk !

Slide 60

Slide 60 text

Il reste à bien choisir les probabilités pk ! Pour le calcul de l’espérance de vie à l’année n, on considère que la probabilité pk définie par la proportion des gens d’âge k qui ont survécu à l’année n (et donc atteint l’âge k + 1).

Slide 61

Slide 61 text

Une longue histoire de calculs d’après les tables de mortalité. Essai sur les probabilités de la durée de la vie humaine Antoine Deparcieux, 1746

Slide 62

Slide 62 text

https://www.insee.fr/fr/statistiques/5233892?sommaire=5007726 Le quotient de mortalité à un âge mesure la probabilité, pour les personnes survivantes à cet âge, de décéder avant l’âge suivant.

Slide 63

Slide 63 text

Avec les quotients de mortalité, on obtient les probabilités pk puis l’espérance de vie. On vérifie à partir des données INSEE les résultats suivants. En 2019, • 85,6 ans pour les femmes • 79,8 ans pour les hommes En 2020, • 85,3 ans pour les femmes • 79,2 ans pour les hommes

Slide 64

Slide 64 text

Avec les quotients de mortalité, on obtient les probabilités pk puis l’espérance de vie. On vérifie à partir des données INSEE les résultats suivants. En 2019, • 85,6 ans pour les femmes • 79,8 ans pour les hommes En 2020, • 85,3 ans pour les femmes • 79,2 ans pour les hommes On a déjà connu des baisses ponctuelles de l’espérance de vie, la dernière en France date de 2015.

Slide 65

Slide 65 text

Effectuons quelques expériences de pensée à partir des données INSEE (pour les hommes métropolitains de moins de 100 ans en 2019).

Slide 66

Slide 66 text

Effectuons quelques expériences de pensée à partir des données INSEE (pour les hommes métropolitains de moins de 100 ans en 2019). • on remplace p0 par 0, 9p0 • on remplace p44 par 0, 8p44 • on remplace p80 par 0

Slide 67

Slide 67 text

Effectuons quelques expériences de pensée à partir des données INSEE (pour les hommes métropolitains de moins de 100 ans en 2019). • on remplace p0 par 0, 9p0 72,0 ans • on remplace p44 par 0, 8p44 72,3 ans • on remplace p80 par 0 73,6 ans

Slide 68

Slide 68 text

En se limitant à une population donnée, on peut obtenir les pk correspondant à cette population puis déduire l’espérance de vie pour ce groupe.

Slide 69

Slide 69 text

En se limitant à une population donnée, on peut obtenir les pk correspondant à cette population puis déduire l’espérance de vie pour ce groupe. Les exemples fréquents dans la presse sont • les hommes ou les femmes • une classe d’âge • une classe sociale • les titulaires d’un certain niveau de diplômes

Slide 70

Slide 70 text

En se limitant à une population donnée, on peut obtenir les pk correspondant à cette population puis déduire l’espérance de vie pour ce groupe. Les exemples fréquents dans la presse sont • les hommes ou les femmes • une classe d’âge • une classe sociale • les titulaires d’un certain niveau de diplômes On peut aussi chercher non le décès mais la perte d’autonomie ou une dégradation significative de santé; on obtient avec le même algorithme une espérance de vie ”en bonne santé”.

Slide 71

Slide 71 text

Données actualisées le 29 mars 2021 https://www.insee.fr/fr/statistiques/2416631

Slide 72

Slide 72 text

No content

Slide 73

Slide 73 text

Alternative L’espérance de vie concerne une population (plus ou moins grande) pas un individu donné.

Slide 74

Slide 74 text

Alternative L’espérance de vie concerne une population (plus ou moins grande) pas un individu donné. Voici quelques questions d’une déclaration d’état de santé pour obtenir une assurance de prêt:

Slide 75

Slide 75 text

No content

Slide 76

Slide 76 text

No content

Slide 77

Slide 77 text

The Lancet, 08/08/2015

Slide 78

Slide 78 text

• Collecte d’informations déclaratives de 498103 patients âgés entre 40 et 70 ans pendant 5 ans (8532 morts) • Constitution et assainissement de la base de données • Analyse statistique des liens entre données collectées et mortalité • Détermination et calcul d’un prognostic score de mortalité à partir d’un questionnaire (13 questions pour les hommes et 11 pour les femmes)

Slide 79

Slide 79 text

En complément de cet article, a figuré un questionnaire en ligne utilisable par tout internaute. Voici le questionnaire pour un homme britannique entre 40 et 70 ans: • Quel est votre âge ? • Fumez-vous du tabac actuellement ? • Dans le passé, à quelle fréquence avez-vous fumé du tabac ? • Un médecin vous a-t-il déjà dit que vous étiez diabétique ? • Un médecin vous a-t-il déjà dit que vous aviez eu un cancer ? • Comment décririez-vous votre rythme de marche habituel ? • Comment qualifieriez-vous votre état de santé général ?

Slide 80

Slide 80 text

• Au cours des deux dernières années, avez-vous connu l’une des situations suivantes: maladie grave, blessure ou agression; maladie grave, blessure ou agression d’un proche parent; décès d’un proche parent; décès d’un conjoint ou d’un partenaire; séparation/divorce; difficultés financières?

Slide 81

Slide 81 text

• Au cours des deux dernières années, avez-vous connu l’une des situations suivantes: maladie grave, blessure ou agression; maladie grave, blessure ou agression d’un proche parent; décès d’un proche parent; décès d’un conjoint ou d’un partenaire; séparation/divorce; difficultés financières? • En vous incluant, combien de personnes vivent dans votre foyer ?

Slide 82

Slide 82 text

• Au cours des deux dernières années, avez-vous connu l’une des situations suivantes: maladie grave, blessure ou agression; maladie grave, blessure ou agression d’un proche parent; décès d’un proche parent; décès d’un conjoint ou d’un partenaire; séparation/divorce; difficultés financières? • En vous incluant, combien de personnes vivent dans votre foyer ? • Quel est le lien de parenté entre les autres personnes qui vivent avec vous ? enfant, parent, petit-enfant, autre personne sans lien de parenté?

Slide 83

Slide 83 text

• Au cours des deux dernières années, avez-vous connu l’une des situations suivantes: maladie grave, blessure ou agression; maladie grave, blessure ou agression d’un proche parent; décès d’un proche parent; décès d’un conjoint ou d’un partenaire; séparation/divorce; difficultés financières? • En vous incluant, combien de personnes vivent dans votre foyer ? • Quel est le lien de parenté entre les autres personnes qui vivent avec vous ? enfant, parent, petit-enfant, autre personne sans lien de parenté? • Combien de voitures ou de fourgonnettes sont possédées, ou disponibles pour être utilisées, par vous ou par les membres de votre foyer ?

Slide 84

Slide 84 text

Conclusion • L’espérance de vie est un indicateur construit sur un modèle probabiliste

Slide 85

Slide 85 text

Conclusion • L’espérance de vie est un indicateur construit sur un modèle probabiliste • Comme tous les résultats issus d’une modélisation, l’interprétation de cet indicateur dépend des hypothèses et de la qualité de la modélisation

Slide 86

Slide 86 text

Conclusion • L’espérance de vie est un indicateur construit sur un modèle probabiliste • Comme tous les résultats issus d’une modélisation, l’interprétation de cet indicateur dépend des hypothèses et de la qualité de la modélisation • Cet indicateur permet essentiellement de comparer son évolution dans le temps ou les valeurs prises pour des populations distinctes

Slide 87

Slide 87 text

Conclusion • L’espérance de vie est un indicateur construit sur un modèle probabiliste • Comme tous les résultats issus d’une modélisation, l’interprétation de cet indicateur dépend des hypothèses et de la qualité de la modélisation • Cet indicateur permet essentiellement de comparer son évolution dans le temps ou les valeurs prises pour des populations distinctes • Pour obtenir des prédictions sur un individu donné, il existe d’autres outils (avec d’autres mathématiques)