データ仮定（Data Assumptions）へようこそ！

CP2の学習を進めていくと、現実世界のデータというものは滅多に完璧ではないということにすぐに気づくはずです。データは散らかっていたり、欠損していたり、あるいは単純におかしな数値が含まれていたりするものです。ここで登場するのが「仮定（Assumptions）」です。仮定とは、不完全なデータと、あなたが構築すべき機能するモデルをつなぐ「橋」のようなものだと考えてください。この章では、データから全体像が見えない場合に、どのように賢く、プロフェッショナルな判断を下すかを学んでいきます。

最初は推測（当てずっぽう）をしているようで不安に思うかもしれませんが、大丈夫です。アクチュアリーとしての仮定は、単なる当てずっぽうではありません。手元にある情報に基づいた論理的な正当化（reasoned justifications）なのです。このノートを読み終える頃には、「汚い」データを扱うことに対してずっと自信が持てるようになっているはずです！


1. なぜ仮定が必要なのか？

CP2のプロジェクトでデータセットを受け取ると、そこに欠落が見つかることがあります。例えば、保険契約者が年齢の記入を忘れていたり、数値の列に明らかな入力ミスがあったりする場合です。これらの問題を単に無視してしまうと、モデルがエラーを起こしたり、誤った結果を算出したりする可能性があります。

私たちが仮定を行う目的は以下の通りです：
• 欠損情報を補完する。
• 明らかなエラー（異常値）を修正する。
• 複雑なデータを簡素化し、モデルを効率的に動作させる。
• 必要な特定のデータがない場合に、代理変数（プロキシ）を作成する。

身近な例え：ケーキを作るレシピを見ているときに、ページが破れていて砂糖をどれくらい入れるか分からない場面を想像してみてください。これまでのケーキ作りの経験から、あなたは「たぶんカップ1杯でちょうどいいだろう」と仮定するはずです。私たちがデータで行うのもこれと全く同じこと。つまり、知っていることを使って空白を埋めるのです。


2. 欠損データの扱い方

データの欠損は最もよくあるハードルです。これには大きく分けて2つの対処法があり、どちらを選ぶかは「どれくらいのデータが欠けているか」によって決まります。

A. データを削除する（「削除」アプローチ）

ごく一部のデータしか欠けていない場合（例：10,000件中2件など）、単純にそのデータを除外するのが最も安全かもしれません。これらの数件のデータが全体の結果を大きく変えることはないと仮定するのです。

B. データを代入する（「埋め込み」アプローチ）

多くのデータが欠けている場合、削除してしまうと結果に偏り（バイアス）が生じる可能性があります。その代わりに、仮定を立てて値を埋めます。例えば：
• 平均値：「加入時年齢」が欠けている場合、そのグループの残りのデータの平均値や中央値であると仮定する。
• 慎重性：安全を期すために「最悪のケース」を仮定する場合もある（例：生命保険モデルで、喫煙状況が不明な人を「喫煙者」と仮定するなど）。

クイック復習：常に自問自答しましょう。「この仮定は最終的な答えを実質的に変えてしまうだろうか？」もし答えがイエスなら、監査証跡（Audit Trail）の中でその選択を非常に慎重に説明しなければなりません！


3. 外れ値と異常値の扱い方

外れ値（Outlier）とは、他のデータからかけ離れていて、明らかに間違っていると思われるデータポイントのことです。例えば、年齢が150歳と記載されている契約者や、月々の保険料が\$-5,000となっている場合などです。

これらにはどう対処すべきでしょうか？
1. 上限・下限の設定（Cap and Floor）：保険契約上の制限がある場合、年齢を100歳（上限）または18歳（下限）に調整すると仮定する。
2. 修正：明らかな入力ミス（例：2023とすべきところが202.3になっているなど）であれば、文脈に基づいて意図された値を仮定する。
3. 除外：物理的に不可能であり、正しい値を推測できない場合は、そのデータポイントを除外する。

知っていましたか？ CP2の試験において、採点者は「どの仮定を選んだか」よりも「なぜその仮定を選んだか」を重視します。多くの場合、唯一の「正解」があるわけではなく、あるのは「十分に正当化された」回答だけなのです。


4. 代理変数（プロキシ）の使用

時として、必要なデータが全く存在しないことがあります。そんなときは、代理変数（プロキシ）を使います。これは、欠損データと同様の挙動をする代用品のことです。

例：電気自動車（EV）の自動車保険請求をモデル化したいが、ガソリン車のデータしかない場合。「EVの運転者はガソリン車の運転者と同様の行動をとる」と仮定し、EVの部品代が高価であることを考慮して、修理費用に数パーセントの増加分を上乗せする、といった方法です。

記憶のためのヒント：P.A.R.テスト
仮定を立てるときは、以下のテストをクリアしているか確認しましょう：
• Practical（実用的か）：簡単にモデル化できるか？
• Appropriate（適切か）：この具体的な問題に対して筋が通っているか？
• Reasonable（合理的か）：他のアクチュアリーも同意してくれるか？


5. 監査証跡：仮定を記録する

CP2では「記録されていなければ、それは存在しなかったのと同じ」です！これは「データの準備と分析」のセクションにおいて最も重要な部分です。提供されたデータに対して立てた仮定は、すべて書き留めなければなりません。

ドキュメントに含めるべきこと：
• 仮定の内容（例：「欠損している年齢は45歳と仮定した」）。
• 仮定した理由（例：「45歳は有効な記録の平均年齢であるため」）。
• 影響（例：「データ全体の1%しか欠けていないため、最終的な保険料への影響は最小限と予想される」）。

よくある間違い： 単に「欠損値を0と仮定した」とだけ書くのは避けましょう。なぜ0が妥当な選択なのかを説明しなければなりません。もし妥当でないなら、そうしてはいけません！


まとめチェックリスト

モデリングフェーズに移る前に、以下を確認してください：
• 欠損または矛盾のあるデータポイントをすべて特定したか。
• それらのポイントを除外するか調整するか決定したか。
• あなたの仮定が、タスクの全体的な目的に整合しているか。
• 各仮定について、要約ドキュメントに明確な正当化を記述したか。

重要なポイント： 仮定は「カンニング」ではありません。モデルを機能させるために必要なツールです。自分が何をしたかについて正直に、そして論理を明確に説明するようにしましょう！