Skip to content

Latest commit

 

History

History
106 lines (82 loc) · 6.05 KB

README.md

File metadata and controls

106 lines (82 loc) · 6.05 KB

BiometricTables.jl

Build Status Code Style: Blue Aqua QA Docs (dev)

Status do Projeto: Em desenvolvimento ativo (WIP). As interfaces e APIs podem sofrer alterações até o lançamento da primeira versão estável (v0.1.0). Sua contribuição é bem-vinda!.

O BiometricTables.jl é um pacote em Julia projetado para catalogar, manipular e consultar tábuas biométricas atuariais. Ele fornece estruturas de dados otimizadas e uma interface para gerenciar tanto tábuas de decremento único (mortalidade) quanto tábuas de múltiplos decrementos (mortalidade, invalidez, aposentadoria, desligamento/rotatividade). No momento, ainda não há binários de tábuas biométricas no pacote, mas eles serão adicionados assim que a interface de manipulação estiver minimamente estável.


Recursos Principais

  • Conversão Automática: Construtor de fábrica para MultiDecrementTable que combina tábuas independentes ($q'_x$) em probabilidades dependentes ($q_x^{(d)}$) sob a hipótese de distribuição uniforme dos decrementos ou de força de mortalidade constante.

Estrutura do Domínio

  • AbstractBiometricTable: Tipo abstrato base para todas as tábuas biométricas.
    • SingleDecrementTable: Tábua de decremento único (mortalidade/invalidez individual). Acompanha metadados estruturados.
    • MultiDecrementTable: Tábua combinada para múltiplos decrementos simultâneos.
  • AbstractDecrement: Tipo abstrato para causas de saída.
    • Death(), Disability(), Retirement(), Termination().

Exemplo Rápido de Uso

using BiometricTables
println("=== Teste de Construção e Conversão de MultiDecrementTable ===\n")

# 1. Configuração dos Dados de Teste (Idades de 20 a 24)
test_ages = 20:24

# Taxas independentes de exemplo (q')
q_prime_death      = [0.0010, 0.0012, 0.0015, 0.0018, 0.0020]
q_prime_turnover   = [0.0500, 0.0400, 0.0300, 0.0200, 0.0100]
q_prime_retirement = [0.0000, 0.0000, 0.0000, 0.0100, 0.0500]
q_prime_disability = [0.0005, 0.0006, 0.0008, 0.0010, 0.0012]

# Instanciação das SingleDecrementTable individuais
mock_metadata = MetaData("s", "s", "s", 2000)
mt_d = SingleDecrementTable(collect(test_ages), q_prime_death, mock_metadata, Death(), Unisex())
mt_t = SingleDecrementTable(collect(test_ages), q_prime_turnover, mock_metadata, Termination(), Unisex())
mt_r = SingleDecrementTable(collect(test_ages), q_prime_retirement, mock_metadata, Retirement(), Unisex())
mt_i = SingleDecrementTable(collect(test_ages), q_prime_disability, mock_metadata, Disability(), Unisex())

# 2. Construção via UDD Individual (Integração / Quadratura Genérica)
mdt_udd = MultiDecrementTable(mt_d, mt_t, mt_r, mt_i; method = BiometricTables.UDDIndividual())

# 3. Construção via Constant Force (Força Constante de Decremento)
mdt_cf = MultiDecrementTable(mt_d, mt_t, mt_r, mt_i; method = BiometricTables.ConstantForce())

# 4. Exibição dos Resultados Comparativos para a Idade 24
target_age = 24
println("Comparação para a Idade $target_age:")
println("--------------------------------------------------")
println("Taxas Independentes de Entrada (q'):")
println("  Death: $(qx(mt_d, target_age)) | Turnover: $(qx(mt_t, target_age)) | Retirement: $(qx(mt_r, target_age)) | Disability: $(qx(mt_i, target_age))\n")

println("Probabilidades Dependentes Calculadas (q):")
println("  [UDD Individual]")
println("    q_death      = ", qx(mdt_udd, target_age, Death()))
println("    q_turnover   = ", qx(mdt_udd, target_age, Termination()))
println("    q_retirement = ", qx(mdt_udd, target_age, Retirement()))
println("    q_disability = ", qx(mdt_udd, target_age, Disability()))
println("    q_tau (Total)= ", qx(mdt_udd, target_age))
println("    p_tau        = ", px(mdt_udd, target_age))

println("\n  [Constant Force]")
println("    q_death      = ", qx(mdt_cf, target_age, Death()))
println("    q_turnover   = ", qx(mdt_cf, target_age, Termination()))
println("    q_retirement = ", qx(mdt_cf, target_age, Retirement()))
println("    q_disability = ", qx(mdt_cf, target_age, Disability()))
println("    q_tau (Total)= ", qx(mdt_cf, target_age))
println("    p_tau        = ", px(mdt_cf, target_age))

# 5. Validação de Sobrevivência Multianual (5 anos a partir dos 20)
p_5_udd = survival(mdt_udd, 20, 5)
p_5_cf  = survival(mdt_cf, 20, 5)

println("\n--------------------------------------------------")
println("Sobrevivência Acumulada em 5 anos (5_p_20):")
println("  UDD Individual: ", p_5_udd)
println("  Constant Force: ", p_5_cf)
println("  Diferença Absoluta: ", abs(p_5_udd - p_5_cf))

Principais Funções da API

Função Assinatura / Descrição
qx(table, age) Retorna a probabilidade de saída na idade especificada (qx ou qx(τ)).
qx(mdt, age, decrement) Retorna a probabilidade dependente para um decremento específico qx(d).
px(table, age) Retorna a probabilidade de sobrevivência no ano de idade (px = 1 - qx).
survival(table, age, time) Retorna a probabilidade de sobrevivência ao longo de t anos (t px).
ages(table) Retorna o vetor de idades cobertas pela tábua.
minimum_age(table) / maximum_age(table) Retorna a menor e a maior idade presentes na tábua.
metadata(mt) Retorna os metadados de uma MortalityTable.

Comparação Visual de Tábuas

Você pode fazer uma plotagem para comparar objetos do tipo SingleDecrementTable através da função plot([obj1, obj2]) ou plot(obj) para um único objeto. Objetos do tipo MultiDecrementTable podem ser igualmente plotados, mas ainda não há uma assinatura para comparação de tábuas de múltiplos decrementos.