信頼区間の世界へようこそ！
これまでの学習では、「平均請求額は500ドルだと思う」といったように、ある値に対して一つの「ベストな推測値」を示す点推定（point estimates）について見てきました。しかし、現実世界、特にアクチュアリーの実務においては、サンプルデータが完璧であることは決してありません。不確実性を考慮するための「安全網」が必要です。それこそが信頼区間（Confidence Intervals: CI）や予測区間（Prediction Intervals: PI）の役割です。
この章では、「真の平均請求額が450ドルから550ドルの間にあると95%確信している」といった主張ができるように、これらの区間を構築する方法を学びます。さあ、一緒に深掘りしていきましょう！
1. 信頼区間とは正確には何か？
ケーキの重さを当てようとしている場面を想像してください。点推定は「1kg」といった一つの推測値です。一方、信頼区間は「0.8kgから1.2kg」といった範囲のことです。
重要な定義：信頼区間とは、サンプルデータから算出された値の範囲であり、母平均 \(\mu\) や分散 \(\sigma^2\) といった未知の母数の真の値が含まれている可能性が高い範囲を指します。
\(1 - \alpha\) で表される信頼水準（Confidence Level）は、私たちがどれくらい「確信しているか」を示します。通常、95%（\(\alpha = 0.05\)）や99%（\(\alpha = 0.01\)）が使われます。
「ピボット（Pivotal Quantity）」法
名前に恐れることはありません！ピボット（確率変数）とは、サンプルデータと求めたい母数をつなぐ数式のことですが、それ自体の分布が母数に依存しないという性質を持っています。私たちはこの「枢軸（ピボット）」を使って区間を構築します。
クイック復習：
- 95%の信頼区間を作りたい場合、分布の「左側の裾」に2.5%、「右側の裾」に2.5%の領域を残します。
- \(\alpha\) という値は「誤り確率」（間違っている可能性）のことです。
2. 平均（\(\mu\)）の信頼区間
これはCS1において最も一般的な課題です。母集団の平均を推定したいとき、分散（\(\sigma^2\)）の既知・未知に応じて主に二つのシナリオがあります。
シナリオA：分散（\(\sigma^2\)）が既知の場合
母分散がわかっている場合は、標準正規分布（\(Z\)分布）を使用します。
\(1 - \alpha\) の信頼区間の公式は以下の通りです：
\(\bar{x} \pm z_{\alpha/2} \frac{\sigma}{\sqrt{n}}\)
ここで：
- \(\bar{x}\) は標本平均です。
- \(z_{\alpha/2}\) は正規分布表から得られる値です（例：95%なら1.96）。
- \(\frac{\sigma}{\sqrt{n}}\) は標準誤差（Standard Error）です。
シナリオB：分散（\(\sigma^2\)）が未知の場合
こちらの方がより現実的です。\(\sigma^2\) がわからない場合は、標本分散 \(s^2\) を使って推定します。分散を推定するということは不確実性が増すため、\(Z\)分布の代わりにt分布を使用します。
公式は以下の通りです：
\(\bar{x} \pm t_{n-1, \alpha/2} \frac{s}{\sqrt{n}}\)
重要なヒント：ここで使用するt分布の自由度は \(n - 1\) であることを忘れないでください。1を引くのを忘れると、区間が少しずれてしまいます！
豆知識：
サンプルサイズ \(n\) が非常に大きくなると（通常 \(n > 100\)）、t分布は正規分布とほとんど同じ形状になります。これこそが中心極限定理の働きです！
3. 比率（\(p\)）の信頼区間
アクチュアリーは「保険契約者の何パーセントが保険金を請求するか」といった比率をよく推定します。
サンプルが大きい場合、正規近似を使用します。\(\hat{p}\) を標本比率とすると：
\(\hat{p} \pm z_{\alpha/2} \sqrt{\frac{\hat{p}(1-\hat{p})}{n}}\)
よくある間違い：標準誤差の部分（ルートの中）には、理論上の \(p\) ではなく、必ず標本比率 \(\hat{p}\) を使用するようにしてください。まだ真の \(p\) はわかっていないのですから！
4. 分散（\(\sigma^2\)）の信頼区間
平均値よりも「リスク（ばらつき）」に関心がある場合もあります。分散を推定するには、カイ二乗（\(\chi^2\)）分布を使用します。
使用するピボットは： \(\frac{(n-1)S^2}{\sigma^2} \sim \chi^2_{n-1}\)
カイ二乗分布は左右非対称であるため、区間の公式は少し変わっています：
\(\left[ \frac{(n-1)s^2}{\chi^2_{n-1, \alpha/2}}, \frac{(n-1)s^2}{\chi^2_{n-1, 1-\alpha/2}} \right]\)
暗記のコツ：「逆転」に注目してください！全体の値を小さくするために、より大きい方のカイ二乗値が下限の分母に来ます。
5. 二つの母集団の差
CS1では、二つのグループを比較する問題が出ることがあります（例：「喫煙者の平均請求額は非喫煙者より高いか？」）。
平均の差（\(\mu_1 - \mu_2\)）
分散が未知で等しいと仮定できる場合、プールされた分散（pooled estimate of variance） \(s_p^2\) を使用します：
\((\bar{x}_1 - \bar{x}_2) \pm t_{n_1+n_2-2, \alpha/2} \cdot s_p \sqrt{\frac{1}{n_1} + \frac{1}{n_2}}\)
複雑に見えても大丈夫です！ 平均の差を取り、両方のサンプルの「ノイズ（分散）」を統合して調整しているだけだと考えれば簡単です。
6. 予測区間：未来を予測する
ここはよく混乱するポイントです。
- 信頼区間は、母数（平均 \(\mu\) など）のためのものです。
- 予測区間は、未来の単一の観測値（\(X_{new}\) としましょう）のためのものです。
例え話：
教室の生徒たちを想像してください。
1. 全ての未来の生徒の「平均」身長を推定するのは簡単です（信頼区間）。
2. ドアから入ってくる「次の1人目」の身長を推定するのはずっと難しいです（予測区間）。
特定の個人の予測は平均の予測よりも難しいため、予測区間は常に信頼区間よりも広くなります。
公式（正規分布、\(\sigma^2\)既知の場合）：
\(\bar{x} \pm z_{\alpha/2} \cdot \sigma \sqrt{1 + \frac{1}{n}}\)
ルートの中の "\(1 +\)" に気づきましたか？この余分な「1」が、未来のその個人の個体変動を表しています。これがあるから区間が広くなるのです！
7. まとめとポイント
重要事項の復習：
- 分散が既知の場合、または比率の大規模サンプルにはZ分布を使う。
- 分散が未知の場合はt分布を使う（自由度 \(n-1\) を忘れずに）。
- 分散（\(\sigma^2\)）に関わる区間にはカイ二乗分布を使う。
- 予測区間は個々の未来値のためのもので、信頼区間よりも広くなる。
- 信頼水準を高くする（例：95%から99%へ）と、区間は広くなる（より確実にするためには、より大きな網が必要になるため）。
試験の落とし穴：もし試験で区間の解釈を問われたら、「\(\mu\) がこの特定の区間に含まれる確率は95%である」とは決して言わないでください。代わりに「繰り返しサンプリングして算出されたこのような区間の95%が、\(\mu\) の真の値を含む」と答えてください。これは頻度主義統計学における、微妙ですが重要な違いです！
あなたなら大丈夫！問題文からどの分布を使うべきかを見極める練習をすれば、計算は自然と身についてきます。