在电影《搏击俱乐部》中，有一句著名的台词：On a long enough time line, the survival rate for everyone drops to zero。 事实上，在统计数据的加持下，我们可以计算从任何年龄开始，活到特定年龄的survival rate。也可以在此基础上，进一步计算例如失独，英年早逝，中年丧偶，白发人送黑发人，子欲养而亲不待等等人生悲剧的概率。当我们对多种寿命概率有了清晰的认知，我们就可以适当地调整人生各个阶段的不同工作的优先级。
在美国不同年龄的death rate可以在这里找到。表中death rate的定义是每一年，每10万人口里会死多少。整个表乍一看，两个观感，第一个是小娃真强壮，15岁前死亡率比别人低一个量级，第二是男的真危险，死亡率比同龄女性经常高一倍，可能这就是no zuo no die吧。有了这个表格，我们就可以写程序通过monte carlo模拟一个人的寿命。值得特别指出的有两点。第一这个统计数据是来自整个美国的，本文的大多数读者都经济条件好，生活习惯健康，教育程度高，不参与极限活动或犯罪，所以death rate会显著低于全国数据（我猜概率都打对折？）。第二是组成这些数据的人不是同一个cohort，这数据里七八十岁的老人一辈子的物质条件和我们现在这拨人不能比。换句话说，随着科技越来越好，条件越来越好，人活得越来越长了，这一点在预期寿命的历史趋势中有体现，大概每七年，预期寿命会多一年。但这种缓慢的增长对我们下文要算的概率影响可以忽略不计。
| Age Group | Male | Female |
|---|---|---|
| All ages* | 1,090.8 | 965.1 |
| Under 1 year** | 569.1 | 477.5 |
| 1-4 | 25.5 | 19.7 |
| 5-14 | 16.1 | 11.3 |
| 15-24 | 121.9 | 44.8 |
| 25-34 | 221.1 | 95.7 |
| 35-44 | 325.5 | 170.7 |
| 45-54 | 601.5 | 348.8 |
| 55-64 | 1,323.3 | 773.1 |
| 65-74 | 2,581.7 | 1,626.8 |
| 75-84 | 5,937.2 | 4,261.1 |
| 85 and over | 16,354.9 | 14,560 |
我们首先计算失独的概率。定义失独为娃在20岁之前先于爸爸（或妈妈）没了。一个典型的例子是30岁的爸有一个3岁的儿子，那这时失独的概率为0.8%，如果这是个三岁的女儿，那么这个概率就会变成0.3%。把爸爸换成妈妈这两个数也差不多。虽然经济条件和生活习惯可能会让这两个概率打个折，但似乎还是比想象的要高一些。
然后我们计算一个30岁的男性或女性，活不过40，50，60，70岁的概率。对于一个男性，这个概率分别是3%，8%，16%，32%。女性则是1.5%，4.5%，10%，21%。Again，这个全国概率用到自己身上会打个折。但读者朋友们，3%哦，是不是一下觉得赚钱抑或是拼事业没那么重要了呢。另一方面，如果打的算盘是为了防失独生老二，决心先苦个十年把俩娃拉扯大，那是不是为了防0.8%把3%搭进去了呢？
我们再计算中年丧偶的概率。定义丧偶为50岁之前伴侣没了但自己还在。假设夫妇皆30岁，那丈夫中年丧偶的概率约为4%，妻子中年丧偶的概率为8%。《围城》中调侃说中年丧妻是人生喜事，但丧夫的概率是丧妻的两倍。不知读者看到这个数据，有没有觉得更应该珍惜枕边人了呢？
下一步我们计算白发人送黑发人的概率。这一事件定义为娃在父母还活着的时候去世。假设爸爸妈妈为30岁，男娃为3岁。那爸爸白发人送黑发人的概率为11%，妈妈为16%。换成三岁女娃，两个概率变为6.5%和9%。请注意这个概率是不因为经济和生活习惯打折扣的，因为它是两人寿命相对长短决定的。这些数据看起来很高，但事实上可能没那么痛苦，因为白发人送黑发人的时候大概率孙子辈已经上高中了，不至于一个家族后继无人。
我们最后计算子欲养而亲不待的概率。我们将它定义为中年人40岁前，他的爸爸（或妈妈）去世的概率。设定中年人3o岁，中年人的爸爸60岁，那子欲养而亲不待的概率为18%。如果把爸爸换成妈妈，这一概率会下降到11%。中年人是男是女对这两个概率影响不大。看过这两个概率，我认为发财要趁早，孝敬父母也要趁早。
最后送给大家一个chatgpt生成的javascript小程序，来计算从一定年龄开始的死亡概率。这是chatgpt从我的python code翻译而来的。计算文中所有提到的概率的python程序在这。