Beaucoup de choses ont été écrites sur le fait que les députés ne sont pas vraiment le reflet de la population, que ce soit en terme de profession, de sexe, d'origine, d'age, etc. La liste pourrait être longue. Il y a plusieurs mois, j'avais commencé à regarder le profil des députés, par age. En effet, le site http://www.assemblee-nationale.fr/ permet d'accéder à des données sur tous les députés, depuis la Révolution. Y compris leur date de naissance. En croisant ces données avec des données de population, par exemple via http://www.mortality.org/, on peut comparer la répartition des ages des députés, avec la répartition des ages de la population.
Pour les amateurs, le code pour récupérer les données (ou au moins les dates de naissance des députés) ressemble à
N=2002 URL=paste("http://www.assemblee-nationale.fr/ sycomore/result.asp?radio_dept=tous_departements& regle_nom=est&Nom=&departement=& choixdate=intervalle&D%C3%A9butMin=01%2F01%2F", N,"&FinMin=31%2F12%2F",N,"&Dateau=&legislature=", s,"&choixordre=chrono&Rechercher= Lancer+la+recherche",sep="") HTML=scan(URL,what="character") k=which(HTML=="class=\"titre\">Né") vHTML=HTML[k:length(HTML)] vk=which(substr(vHTML,1,7)=="> ") liste=vHTML[vk] naissance=liste[seq(1,length(liste),by=2)] NAISSANCE=as.Date(substr(naissance,8,17), "%d/%m/%Y")
Maintenant, pour être tout à fait honnête, je ne suis pas certain de ce qui est vraiment renvoyé, et j'ai des doutes que cela correspondent réellement à la requête faite. En effet, même si je demande à avoir la liste des députés après l'élection, j'ai trop de monde... mais peut-être est-ce du aux décès éventuels, et il est possible que l’ensemble des députés qui ont siégé pendant la mandature apparaissent dans le résultat de la requête.
Sur la figure suivante on voit, sur plusieurs élections depuis plus de 100 ans, comment les deux distributions se déforment, avec en rouge la distribution de l'age des députés, et en bleu, la distribution de la population française, dans son ensemble (population de plus de 18 ans)
Si on veut tout suivre sur un graphique, au lieu de se regarder une animation, on peut représenter les différents quantiles (10%, 25%, 75% et 90%, retenus sur la population de plus de 18 ans, et l'age médian, au centre), avec la population française l'année de l'élection,
et l'ensemble des élus au parlement,
Si on veut faciliter la comparaison, on peut se contenter de visualiser l'évolution des ages moyens,
ou encore, du ratio (en % de différence) entre l'age moyen des députés, et celui de l'ensemble de la population.
Sur ce graphique, on voit que depuis 30 ans, l’age moyen des députés croit plus vite que celui de la population: la population français vieilli, mais moins que ses députés... La gérontocratie perdure donc en France. En espérant que cela ne débouche pas sur le clash générationnel que l'on semble observer ces temps-ci au Québec...
I am not a big fan of those ceremonies, where some actors pretend that
they are extremely happy to be there, and then some win a trophy, some
don't, and those who win start to cry, and those who did not get a
trophy try to pretend that they are not affected, etc. The other reason
is that, since I have several kids, I do not go to see the movies that
often (I mean apart from Shrek, Toy Story... Harry Potter is probably
the only movie I've seen with real
actors - or at least human
actors). 
The
only data I found on the internet is the following, on 
, the
year (of the marriage), and
on column 
, the
age of the man when he gets married. Assume that those were raw
data, i.e. that we have
the 
, we
want to
estimate (or predict) the age he will get married, if he gets
married. With raw data, we can do it... The first step is to build up
triangles (to have a cohort vs. age lecture of the data), and then to
consider a model, e.g.
is a
year effect, and 
is a
cohort effect.
and 
, where
now 
denotes the cohort.
is the
following
, but
unfortunately, I do not think any interpretation is valid (unless
demography did not change last century). For instance, the following sum
The final course (since courses end this week in Montréal) can be watched 
About the singular value decomposition (SVD, with a nice graph stolen from wikipedia, 
is rather similar to what we had before
On the other hand, the Lee-Carter (age-year) component is
up to 99 years old, and then to use Rob Hyndman's package to estimate and predict the 
component. But first, we have to check that 
The second problem is that we have to use a linear transformation, since in the econometric package, we do not use the same constraints as in Rob's package. Here, it was
Then we can compute predicted 
for all ages and years,
, the code is (here for someone of age 40 in 2000)
, including dynamics
Note that this has been computed given the maximum lifetime we had in the dataset (here 99 years old). Hence, we assume here that no one can live more than 100 year (which will impact life expectancy and is a rather strong assumption, especially in 2050 - which might explain the concave shape of the curve on the right part).
The annuity for such a contract is
(in order to compare the value of such a contract, from 1900 up to 2050).
