はじめに：なぜ確率変数が重要なのか
ようこそ！リスク管理者がどのようにして株価の暴落や月間のローンデフォルト件数を予測しているのか、不思議に思ったことはありませんか？金融の世界では、未来を100%確実に予測することはできませんが、確率変数（Random Variables）を使うことで、起こり得る可能性をモデル化することができます。この章では、FRMの学習を通してずっと使うことになる、確率の最も基本的な「構成要素」を扱います。最初は数式が難しく見えるかもしれませんが、大丈夫です。一つひとつ、現実に即した考え方に噛み砕いていきましょう。
1. 全体像：離散型と連続型
本題に入る前に、確率変数には大きく分けて2つのタイプがあることを覚えておいてください。
1. 離散型：数えられるもの（例：銀行のシステムがダウンした日数）。
2. 連続型：測定するもの（例：ポートフォリオの正確な収益率）。
離散型は階段の段差、連続型はなだらかな滑り台のようなものだとイメージしてください。
2. 代表的な離散型分布
ベルヌーイ分布
ベルヌーイ分布は、最もシンプルな分布です。「成功（1）」か「失敗（0）」の2つの結果しか存在しない試行をモデル化します。
例：一人の借り手がデフォルトするかしないか。
• 成功の確率： \( p \)
• 失敗の確率： \( 1 - p \)
• 平均（期待値）： \( E(X) = p \)
• 分散： \( Var(X) = p(1 - p) \)
二項分布
独立したベルヌーイ試行をいくつも集めて合計すると、二項分布になります。これは、独立した \( n \) 回の試行で、ちょうど \( x \) 回の成功を得る確率を示します。
例：10件の独立したローンがある場合、正確に2件がデフォルトする確率は？
• 主要パラメータ： \( n \)（試行回数）および \( p \)（成功確率）。
• 平均： \( n \times p \)
• 分散： \( n \times p \times (1 - p) \)
よくある間違い：二項分布が成立するためには、試行が独立していなければならないことを忘れないようにしましょう。もしあるローンのデフォルトが別のローンのデフォルト確率を高めてしまうような状況では、二項モデルは最適な選択ではありません！
ポアソン分布
ポアソン分布は、特定の時間や空間の間隔内に発生するイベントの数をモデル化するために使用されます。
例：銀行のサーバーに対する1週間あたりのサイバー攻撃の回数。
• 主要パラメータ： \( \lambda \)（ラムダ）。これは平均発生率です。
• ユニークな性質：平均と分散がどちらも \( \lambda \) と等しくなります。
クイックレビュー：「1時間あたりのイベント数」といった問題を見たら、ポアソン分布を思い浮かべてください！
重要なポイント：離散型分布は、結果を「数える」のに役立ちます。ベルヌーイは「イエス/ノー」の1回きりのイベントに、二項分布は複数回の「イエス/ノー」イベントに、ポアソン分布は一定期間内のイベントの頻度に使います。
3. 代表的な連続型分布
連続一様分布
この分布では、特定の範囲 \( [a, b] \) 内のすべての値が等しい確率で発生します。確率密度関数（PDF）は平らな水平線になります。
• 平均： \( \frac{a + b}{2} \) （ちょうど中央値）。
• 分散： \( \frac{(b - a)^2}{12} \)
正規分布
これは分布の「王様」、有名なベルカーブ（釣鐘型曲線）です。左右対称で、平均 \( \mu \) と標準偏差 \( \sigma \) によって定義されます。
• 歪度： 0（完全に左右対称）。
• 尖度： 3（または超過尖度が0）。
豆知識：リスク管理では、平均が0、標準偏差が1である標準正規分布（\( Z \)）をよく使います。どんな正規分布の値も、以下の式を使ってZスコアに変換できます： \( Z = \frac{X - \mu}{\sigma} \)。
対数正規分布
ある変数の自然対数が正規分布に従う場合、その変数自体は対数正規分布に従うといいます。
なぜ重要なのか：私たちは資産価格（株価など）にこの分布を使います。なぜでしょうか？株価はマイナスになり得ないからです。対数正規分布は0で下限が抑えられており、右に裾が長い形状をしています。
暗記のコツ：収益率は「正規分布」、価格は「対数正規分布」と仮定されることが多いです。
スチューデントのt分布
t分布は正規分布と似ていますが、「裾が重い（fat tails）」という特徴があります。これは、極端なイベント（外れ値）が発生する確率が正規分布よりも高いことを意味します。
• パラメータ：「自由度（df）」によって定義されます。
• 経験則：自由度が増すにつれて、t分布は正規分布とほとんど同じ形になっていきます。
なぜ好まれるのか：金融市場では、正規分布が予測するよりも頻繁に「暴落」が起こります。t分布はこの「テイルリスク（極端なリスク）」をより適切に捉えることができるからです。
カイ二乗（\( \chi^2 \)）分布とF分布
これらは主に価格のモデル化ではなく、統計的な検定に使用されます。
• カイ二乗分布：分散の検定や適合度検定に使われます。常に正の値を取り、右に裾が長い分布です。
• F分布：2つの異なる分散を比較するために使用されます。あるポートフォリオが別のものよりも有意にボラティリティが高いかどうかを知りたいときに使います。
重要なポイント：連続型分布は「測定値」をモデル化します。正規分布は標準、対数正規分布は価格、t分布はより極端な「サプライズ」を想定する場合に使います。
4. 中心極限定理（CLT）：統計学の魔法
中心極限定理は、FRMの中で最も重要な概念の一つです。これは、どんな分布（奇妙で正規分布に従わないものであっても）から十分な大きさの標本を抽出した場合、その標本の合計や平均は正規分布に従うようになるというものです。
• なぜ素晴らしいのか：データ自体が複雑であっても、標本サイズが十分に大きければ（一般に \( n > 30 \)）、正規分布のツールを使えるようになるからです。
5. 合格のためのまとめチェックリスト
クイックレビュー：
• ベルヌーイ：1回のコイン投げ（1か0）。
• 二項：複数回のコイン投げ。試行は独立でなければならない。
• ポアソン：期間内の到着・イベント数のカウント。
• 正規：釣鐘型。標準正規分布なら平均=0、標準偏差=1。
• 対数正規：右に裾が長い。負の値をとらない（株価）。
• スチューデントのt：裾が重い。小標本やリスクの高い資産に使用。
• カイ二乗/F：分散の検定に使用。
最初は難しく感じるかもしれませんが、大丈夫です！この章をマスターする鍵は、特定のシナリオに対してどの分布が適しているかを見極めることです。「デフォルト数」を見たら二項分布、「株価」を見たら対数正規分布、「裾の重さ」を見たらt分布。あなたならきっと大丈夫です！