Baselight

Assumptions For Probability Of Dying By Age, Sex And Type Of Projection

Eurostat code: proj_19naasmr ยท (2019 - 2100)

@eurostat.proj_19naasmr

Assumptions For Probability Of Dying By Age, Sex And Type Of Projection - Raw
@eurostat.proj_19naasmr.raw

This table contains the original data as downloaded from the Eurostat API, with labels mapped where available.

  • 3.39 MB
  • 12322 rows
  • 88 columns
freq

Freq

projection

Projection

unit

Unit

sex

Sex

age

Age

geo

Geo

n_2019

2019

n_2020

2020

n_2021

2021

n_2022

2022

n_2023

2023

n_2024

2024

n_2025

2025

n_2026

2026

n_2027

2027

n_2028

2028

n_2029

2029

n_2030

2030

n_2031

2031

n_2032

2032

n_2033

2033

n_2034

2034

n_2035

2035

n_2036

2036

n_2037

2037

n_2038

2038

n_2039

2039

n_2040

2040

n_2041

2041

n_2042

2042

n_2043

2043

n_2044

2044

n_2045

2045

n_2046

2046

n_2047

2047

n_2048

2048

n_2049

2049

n_2050

2050

n_2051

2051

n_2052

2052

n_2053

2053

n_2054

2054

n_2055

2055

n_2056

2056

n_2057

2057

n_2058

2058

n_2059

2059

n_2060

2060

n_2061

2061

n_2062

2062

n_2063

2063

n_2064

2064

n_2065

2065

n_2066

2066

n_2067

2067

n_2068

2068

n_2069

2069

n_2070

2070

n_2071

2071

n_2072

2072

n_2073

2073

n_2074

2074

n_2075

2075

n_2076

2076

n_2077

2077

n_2078

2078

n_2079

2079

n_2080

2080

n_2081

2081

n_2082

2082

n_2083

2083

n_2084

2084

n_2085

2085

n_2086

2086

n_2087

2087

n_2088

2088

n_2089

2089

n_2090

2090

n_2091

2091

n_2092

2092

n_2093

2093

n_2094

2094

n_2095

2095

n_2096

2096

n_2097

2097

n_2098

2098

n_2099

2099

n_2100

2100

AnnualBaseline projectionsNumberFemales1 yearAustria0.000360.000350.000340.000330.000330.000320.000310.00030.000290.000290.000280.000270.000260.000260.000250.000240.000240.000230.000220.000220.000210.000210.00020.00020.000190.000190.000180.000180.000170.000170.000160.000160.000160.000150.000150.000140.000140.000140.000130.000130.000130.000120.000120.000120.000110.000110.000110.00010.00010.00010.00010.000090.000090.000090.000090.000080.000080.000080.000080.000080.000070.000070.000070.000070.000070.000060.000060.000060.000060.000060.000060.000060.000050.000050.000050.000050.000050.000050.000050.000040.000040.00004
AnnualBaseline projectionsNumberFemales1 yearBelgium0.000450.000450.000430.000420.000410.00040.000390.000380.000370.000360.000350.000340.000330.000320.000310.00030.000290.000280.000280.000270.000260.000250.000250.000240.000230.000230.000220.000210.000210.00020.00020.000190.000190.000180.000180.000170.000170.000160.000160.000150.000150.000140.000140.000140.000130.000130.000120.000120.000120.000110.000110.000110.000110.00010.00010.00010.000090.000090.000090.000090.000080.000080.000080.000080.000080.000070.000070.000070.000070.000070.000060.000060.000060.000060.000060.000050.000050.000050.000050.000050.000050.00005
AnnualBaseline projectionsNumberFemales1 yearBulgaria0.000990.000970.000940.00090.000870.000840.000820.000790.000760.000740.000710.000690.000660.000640.000620.00060.000580.000560.000540.000520.000510.000490.000470.000460.000440.000430.000410.00040.000380.000370.000360.000350.000330.000320.000310.00030.000290.000280.000270.000260.000250.000250.000240.000230.000220.000210.000210.00020.000190.000190.000180.000170.000170.000160.000160.000150.000150.000140.000140.000130.000130.000120.000120.000120.000110.000110.00010.00010.00010.000090.000090.000090.000090.000080.000080.000080.000070.000070.000070.000070.000060.00006
AnnualBaseline projectionsNumberFemales1 yearSwitzerland0.000340.000330.000320.000310.000310.00030.000290.000280.000280.000270.000260.000250.000250.000240.000240.000230.000220.000220.000210.000210.00020.00020.000190.000190.000180.000180.000170.000170.000160.000160.000160.000150.000150.000140.000140.000140.000130.000130.000130.000120.000120.000120.000110.000110.000110.000110.00010.00010.00010.000090.000090.000090.000090.000090.000080.000080.000080.000080.000080.000070.000070.000070.000070.000070.000060.000060.000060.000060.000060.000060.000060.000050.000050.000050.000050.000050.000050.000050.000040.000040.000040.00004
AnnualBaseline projectionsNumberFemales1 yearCyprus0.00030.00030.00030.000290.000280.000270.000270.000260.000250.000250.000240.000240.000230.000220.000220.000210.000210.00020.00020.000190.000190.000180.000180.000170.000170.000170.000160.000160.000150.000150.000150.000140.000140.000130.000130.000130.000130.000120.000120.000120.000110.000110.000110.00010.00010.00010.00010.000090.000090.000090.000090.000090.000080.000080.000080.000080.000080.000070.000070.000070.000070.000070.000060.000060.000060.000060.000060.000060.000060.000050.000050.000050.000050.000050.000050.000050.000050.000040.000040.000040.000040.00004
AnnualBaseline projectionsNumberFemales1 yearCzechia0.000410.000410.000390.000380.000370.000360.000350.000340.000330.000330.000320.000310.00030.000290.000280.000280.000270.000260.000250.000250.000240.000230.000230.000220.000220.000210.00020.00020.000190.000190.000180.000180.000170.000170.000160.000160.000150.000150.000150.000140.000140.000130.000130.000130.000120.000120.000120.000110.000110.000110.000110.00010.00010.00010.000090.000090.000090.000090.000080.000080.000080.000080.000080.000070.000070.000070.000070.000070.000060.000060.000060.000060.000060.000060.000050.000050.000050.000050.000050.000050.000050.00004
AnnualBaseline projectionsNumberFemales1 yearGermany0.000470.000470.000450.000440.000430.000410.00040.000390.000380.000370.000360.000350.000340.000330.000320.000310.00030.000290.000290.000280.000270.000260.000260.000250.000240.000230.000230.000220.000210.000210.00020.00020.000190.000190.000180.000180.000170.000170.000160.000160.000150.000150.000140.000140.000140.000130.000130.000120.000120.000120.000110.000110.000110.000110.00010.00010.00010.000090.000090.000090.000090.000080.000080.000080.000080.000070.000070.000070.000070.000070.000060.000060.000060.000060.000060.000060.000050.000050.000050.000050.000050.00005
AnnualBaseline projectionsNumberFemales1 yearDenmark0.000360.000350.000340.000340.000330.000320.000310.00030.000290.000290.000280.000270.000260.000260.000250.000240.000240.000230.000230.000220.000210.000210.00020.00020.000190.000190.000180.000180.000170.000170.000160.000160.000160.000150.000150.000140.000140.000140.000130.000130.000130.000120.000120.000120.000110.000110.000110.00010.00010.00010.00010.000090.000090.000090.000090.000080.000080.000080.000080.000080.000070.000070.000070.000070.000070.000060.000060.000060.000060.000060.000060.000060.000050.000050.000050.000050.000050.000050.000050.000040.000040.00004
AnnualBaseline projectionsNumberFemales1 yearEstonia0.000410.000420.000410.00040.000390.000380.000370.000360.000350.000340.000330.000320.000310.00030.000290.000290.000280.000270.000260.000260.000250.000240.000230.000230.000220.000220.000210.00020.00020.000190.000190.000180.000180.000170.000170.000160.000160.000150.000150.000150.000140.000140.000130.000130.000130.000120.000120.000120.000110.000110.000110.00010.00010.00010.00010.000090.000090.000090.000090.000080.000080.000080.000080.000070.000070.000070.000070.000070.000070.000060.000060.000060.000060.000060.000060.000050.000050.000050.000050.000050.000050.00005
AnnualBaseline projectionsNumberFemales1 yearGreece0.000530.000520.00050.000490.000470.000460.000450.000430.000420.000410.00040.000390.000370.000360.000350.000340.000330.000320.000310.00030.00030.000290.000280.000270.000260.000260.000250.000240.000230.000230.000220.000210.000210.00020.00020.000190.000180.000180.000170.000170.000160.000160.000150.000150.000150.000140.000140.000130.000130.000130.000120.000120.000120.000110.000110.000110.00010.00010.00010.000090.000090.000090.000090.000080.000080.000080.000080.000070.000070.000070.000070.000070.000060.000060.000060.000060.000060.000060.000050.000050.000050.00005

CREATE TABLE raw (
  "freq" VARCHAR,
  "projection" VARCHAR,
  "unit" VARCHAR,
  "sex" VARCHAR,
  "age" VARCHAR,
  "geo" VARCHAR,
  "n_2019" DOUBLE,
  "n_2020" DOUBLE,
  "n_2021" DOUBLE,
  "n_2022" DOUBLE,
  "n_2023" DOUBLE,
  "n_2024" DOUBLE,
  "n_2025" DOUBLE,
  "n_2026" DOUBLE,
  "n_2027" DOUBLE,
  "n_2028" DOUBLE,
  "n_2029" DOUBLE,
  "n_2030" DOUBLE,
  "n_2031" DOUBLE,
  "n_2032" DOUBLE,
  "n_2033" DOUBLE,
  "n_2034" DOUBLE,
  "n_2035" DOUBLE,
  "n_2036" DOUBLE,
  "n_2037" DOUBLE,
  "n_2038" DOUBLE,
  "n_2039" DOUBLE,
  "n_2040" DOUBLE,
  "n_2041" DOUBLE,
  "n_2042" DOUBLE,
  "n_2043" DOUBLE,
  "n_2044" DOUBLE,
  "n_2045" DOUBLE,
  "n_2046" DOUBLE,
  "n_2047" DOUBLE,
  "n_2048" DOUBLE,
  "n_2049" DOUBLE,
  "n_2050" DOUBLE,
  "n_2051" DOUBLE,
  "n_2052" DOUBLE,
  "n_2053" DOUBLE,
  "n_2054" DOUBLE,
  "n_2055" DOUBLE,
  "n_2056" DOUBLE,
  "n_2057" DOUBLE,
  "n_2058" DOUBLE,
  "n_2059" DOUBLE,
  "n_2060" DOUBLE,
  "n_2061" DOUBLE,
  "n_2062" DOUBLE,
  "n_2063" DOUBLE,
  "n_2064" DOUBLE,
  "n_2065" DOUBLE,
  "n_2066" DOUBLE,
  "n_2067" DOUBLE,
  "n_2068" DOUBLE,
  "n_2069" DOUBLE,
  "n_2070" DOUBLE,
  "n_2071" DOUBLE,
  "n_2072" DOUBLE,
  "n_2073" DOUBLE,
  "n_2074" DOUBLE,
  "n_2075" DOUBLE,
  "n_2076" DOUBLE,
  "n_2077" DOUBLE,
  "n_2078" DOUBLE,
  "n_2079" DOUBLE,
  "n_2080" DOUBLE,
  "n_2081" DOUBLE,
  "n_2082" DOUBLE,
  "n_2083" DOUBLE,
  "n_2084" DOUBLE,
  "n_2085" DOUBLE,
  "n_2086" DOUBLE,
  "n_2087" DOUBLE,
  "n_2088" DOUBLE,
  "n_2089" DOUBLE,
  "n_2090" DOUBLE,
  "n_2091" DOUBLE,
  "n_2092" DOUBLE,
  "n_2093" DOUBLE,
  "n_2094" DOUBLE,
  "n_2095" DOUBLE,
  "n_2096" DOUBLE,
  "n_2097" DOUBLE,
  "n_2098" DOUBLE,
  "n_2099" DOUBLE,
  "n_2100" DOUBLE
);

Share link

Anyone who has the link will be able to view this.