確率変数の世界へようこそ！

FRMの学習の旅へようこそ！確率変数（Random Variables）の章は、最も重要なマイルストーンの一つです。なぜでしょうか？金融の世界では、明日株価や金利がどうなるかを完全に予測することは誰にもできないからです。私たちは毎日「不確実性」と向き合っています。確率変数は、その不確実性を数学的に「パッケージ化」し、リスクを測定するためのツールなのです。数学が苦手でも大丈夫です。シンプルな論理と実社会の例を使って、ステップバイステップで紐解いていきましょう。

1. 確率変数とは正確には何か？

確率変数 (Random Variable, RV)とは、まだ起きていない実験の結果に対して用意された「プレースホルダー（場所取り）」や「入れ物」のようなものだと考えてください。通常、XやYといった大文字で表します。

例：コイン投げを想像してください。表が出るか裏が出るかは分かりません。ここで「表が出たらX = 1」、「裏が出たらX = 0」と定義すると、このXが確率変数になります。

離散型と連続型確率変数

まず最初に、この2つの区別を理解することが重要です。

• 離散型確率変数：値の間に「隙間」があるものです。結果を数えることができます（例：1, 2, 3...）。
例え：階段をイメージしてください。1段目や2段目に立つことはできますが、1.5段目に立つことはできません。
金融の例：1年間に企業が債務不履行（デフォルト）を起こす回数（0, 1, 2...）。

• 連続型確率変数：ある範囲内のあらゆる値を取り得るものです。隙間はありません。
例え：滑り台をイメージしてください。どの高さにも止まることができます。
金融の例：S&P 500の正確な日次リターン（例：1.25%, 1.251%, 1.2515%...）。

クイックチェック：指で数えられるなら離散型、ものさしや時計で正確に測定する必要があるなら連続型である可能性が高いです。

2. 確率を記述する：PMF、PDF、CDF

結果がどれくらい起こりそうかを知るには、特定の関数を使います。

離散型変数の場合：PMF

確率質量関数（Probability Mass Function, PMF）は \( P(X = x) \) と書かれ、変数が特定の値をとる正確な確率を示します。
ルール1：個々の確率は必ず0から1の間であること。
ルール2：すべての確率を合計すると必ず1になること。

連続型変数の場合：PDF

確率密度関数（Probability Density Function, PDF）は \( f(x) \) と書かれ、少し性質が異なります。連続型変数では、ちょうど一点（例：正確に1.000000%など）をとる確率はゼロになります！その代わり、2点間の曲線の下側の面積を求めることで確率を計算します。

累積分布関数 (CDF)

CDFは \( F(x) \) と書かれ、「累計」のようなものです。ある値以下になる確率を表します：\( F(x) = P(X \leq x) \)。
暗記のコツ：「Cumulative（累積的）」とは「積み重なった」という意味です。その点までに起きたことのすべてを足し合わせたものです。

重要なポイント：PMF/PDFはその地点の密度を示し、CDFは「そこまでの合計」を示します。

3. 期待値：データの「中心」

期待値（Expected Value）は \( E(X) \) または \( \mu \)（ミュー）で表され、確率変数の長期的な平均値です。いわば「重心」のようなものです。

離散型変数では、各結果にその確率を掛けて合計することで計算します：
\( E(X) = \sum [x_i \cdot P(x_i)] \)

例：10ドル儲かる確率が50%、0ドルの確率が50%の場合、期待値は：
\( (10 \cdot 0.5) + (0 \cdot 0.5) = 5ドル \)

豆知識：期待値は、実際に起こり得る値である必要はありません！上記の例では、1回試行して5ドルになることはありません。10ドルか0ドルのどちらかです。期待値とは、何回も繰り返した時の平均に過ぎないのです。

4. 分散と標準偏差：リスクの測定

FRMにおいて、リスクはしばしば不確実性や散らばり具合として定義されます。分散と標準偏差は、結果が平均からどれだけ「広がっているか」を示します。

分散 (\( \sigma^2 \))：平均からの偏差の2乗の平均値です。
\( Var(X) = E[(X - \mu)^2] \)
分散が大きいほど、リスクが高く不確実性が高いことを意味します。

標準偏差 (\( \sigma \))：単に分散の平方根をとったものです。元のデータと同じ単位（ドルやパーセントなど）になるため、実務ではこちらがよく使われます。

分散の計算ステップ：
1. 期待値（平均）を求める。
2. 各結果から平均を引く（偏差）。
3. 各偏差を2乗する（マイナス符号を消すため）。
4. 各2乗した偏差にその確率を掛ける。
5. 合計する！

5. 線形結合の重要なルール

時々、データを変換する必要があります（例：小数で表されたリターンをパーセントに直すなど）。これが平均と分散にどう影響するかを知る必要があります。定数を a および b とします。

期待値のルール：
\( E(aX + b) = aE(X) + b \)
論理：全員の給料を2倍にして（\( a=2 \)）、5ドルのボーナスを足す（\( b=5 \)）と、平均給与も2倍になり、さらに5ドル増えます。簡単ですね！

分散のルール：
\( Var(aX + b) = a^2 Var(X) \)
よくある間違い：定数 a を2乗し忘れること、そして b が消えることを忘れる学生が多いです。なぜ b は消えるのか？すべての値に同じ定数を足しても、グループ全体が平行移動するだけで、データの「散らばり具合」は変わらないからです！

6. 歪度と尖度：リスクの形状

平均と分散の先には、分布の「形」があります。

歪度（Skewness）：非対称性の尺度です。
• 正の歪度（右に裾が長い）：小さな損失が多く、たまに大きな利益が出る。
• 負の歪度（左に裾が長い）：小さな利益が多く、たまに巨大な損失が出る（リスク管理者が最も恐れるパターンです！）。

尖度（Kurtosis）：「尖り具合」、そしてさらに重要な「裾の厚さ」を示します。
• 超過尖度（Excess Kurtosis）： \( 尖度 - 3 \) で計算されます。
• ファットテール（急峻な分布：Leptokurtic）：高い尖度は、正規分布が予測する以上に極端な事象（外れ値）が頻繁に起こることを意味します。金融における「ファットテール」は、市場の暴落が予想以上に頻繁に起こることを示唆します！

まとめの要約：
1. 平均（1次モーメント）：中心はどこか？
2. 分散（2次モーメント）：広がりはどれくらいか？
3. 歪度（3次モーメント）：どちらかに傾いているか？
4. 尖度（4次モーメント）：裾（テール）がどれだけ危険か？

パニックにならないで！試験前のクイックサマリー

• 離散型 = 数えられる；連続型 = 測定できる。
• CDFは常に、x「以下」になる確率。
• 期待値は加重平均。
• 分散はリスクの指標。分散式から定数 a を出すときは、必ず2乗することを忘れずに：\( a^2 Var(X) \)。
• ファットテール（高い尖度）は金融界の「ブラックスワン」。

平均と分散の計算練習を繰り返してください。それができれば、この章で最も難しい部分を克服したことになります！