はじめに：ベイズ信頼区間へのガイドマップ

こんにちは！ベイズ統計の学習はいかがでしょうか。これまでに、すでに持っている知識（事前分布）と新しいデータ（尤度）を組み合わせて、世界の見方を更新する方法（事後分布）を学びました。では、その事後分布を手に入れた後、実際にどのようにして意思決定や推定を行えばよいのでしょうか？

この章では、信用区間（Credible Interval）について学びます。これは、頻度論的な統計学で習う「信頼区間」のベイズ版だと考えてください。しかし、これから見ていくように、ベイズ的な区間の方がはるかに直感的で、理解しやすいのが特徴です。最初は数学的に難しく感じるかもしれませんが、大丈夫です。一つずつ丁寧に解説していきますね！

1. 信用区間とは？

信用区間とは、観測されたデータが与えられたとき、未知の母数（ここでは \( \theta \) とします）が特定の確率で含まれる値の範囲のことです。

例えば、クレーム発生率 \( \lambda \) の95%信用区間を [0.02, 0.08] と計算した場合、以下のように明確に言うことができます：「\( \lambda \) の真の値が 0.02 から 0.08 の間にある確率は95%である。」

あれ、それって「信頼区間（Confidence Interval）」と同じではないのですか？
実は違います！頻度論における信頼区間では、母数は固定された値であり、区間の方が確率的に変動するものとみなされます。そのため、「繰り返しサンプリングを行った場合、95%の確率でこの区間が真の母数をカバーする」といった言い方をしなければなりません。
対してベイズ統計では、母数は確率変数であり、データは固定されています。これによって、母数そのものについて直接的な確率の記述ができるようになります。ほとんどの人にとって、こちらの方がずっと自然で理解しやすいですよね！

重要ポイント：

\( \theta \) に対する \( 100(1-\alpha)\% \) ベイズ信用区間とは、次を満たす区間 \((a, b)\) のことです：
\( P(a < \theta < b | \text{data}) = 1 - \alpha \)

2. 「基本的なケース」：中央信用区間

区間を選ぶ方法はいくつもあります（95%になる組み合わせは無数に存在するため）。しかし、IFoAのカリキュラムでは、中央信用区間（Central Credible Interval）（等裾確率区間とも呼ばれます）に焦点を当てます。

\( 100(1-\alpha)\% \) の中央信用区間を求めるには、単純に「残りの確率（\( \alpha \)）」を半分ずつ左右の裾に割り振ります。

ステップ・バイ・ステップの手順：
1. 母数の事後分布を求める（正規分布か、ガンマ分布か、ベータ分布かなどを特定します）。
2. 求めたい合計確率を決める（例：95%なら \( \alpha = 0.05 \))。
3. \( \alpha/2 \) パーセンタイル点（下限値 \( a \)）を求める。
4. \( 1 - \alpha/2 \) パーセンタイル点（上限値 \( b \)）を求める。

例：95%信用区間を求めるなら、事後分布の2.5パーセンタイル点と97.5パーセンタイル点を求めればOKです。

3. 正規分布の扱い

最も一般的なケースは正規事後分布を用いる場合です。正規分布は左右対称なので、区間を求めるのは非常に簡単です。

\( \theta \) の事後分布が \( N(\mu_{post}, \sigma^2_{post}) \) である場合、\( 100(1-\alpha)\% \) 信用区間は以下の通りです：
\( (\mu_{post} - z_{\alpha/2} \cdot \sigma_{post}, \mu_{post} + z_{\alpha/2} \cdot \sigma_{post}) \)

知っていましたか？
95%区間の場合、\( z_{\alpha/2} \) は1.96、90%区間なら1.6449です。これらの値は、皆さんの手元にある公式・数値表（ゴールドブック）で確認できます！

例題解説：
未知の平均損害額 \( \mu \) の事後分布が \( N(500, 100) \) だと計算されたとしましょう。分散が100なので、標準偏差は10です。
95%信用区間を求めるには：
下限値： \( 500 - (1.96 \times 10) = 480.4 \)
上限値： \( 500 + (1.96 \times 10) = 519.6 \)
解釈：真の平均損害額が 480.4 から 519.6 の間にある確率は95%である。

4. その他の分布（ガンマ分布とベータ分布）

事後分布が正規分布にならないこともあります。例えば：
- ポアソン分布（尤度）とガンマ分布（事前分布）を使うと、事後分布はガンマ分布になります。
- 二項分布（尤度）とベータ分布（事前分布）を使うと、事後分布はベータ分布になります。

これらの場合、分布が通常は左右非対称であるため、単純な「プラスマイナス」のショートカットは使えません。その代わりに、累積分布関数（CDF）が \( \alpha/2 \) や \( 1 - \alpha/2 \) になる点を探すために、数値表や分布の性質を利用する必要があります。

ガンマ分布のコツ：
IFoAの数値表には \( \chi^2 \)（カイ二乗）分布の表が載っています。ガンマ分布はカイ二乗分布に変換できることを思い出してください！
もし \( \theta \sim Gamma(\alpha, \lambda) \) ならば、 \( 2\lambda\theta \sim \chi^2_{2\alpha} \) となります。これは試験で非常に役立つテクニックです！

クイック復習：

- 事前分布：データを見る前に考えていたこと。
- 事後分布：データを見た後のアップデートされた信念。
- 信用区間：母数が特定の確率で含まれるという、事後分布に基づく値の範囲。

5. よくある間違い（落とし穴）

1. 事前分布を使ってしまう：事後分布のパラメータではなく、間違えて事前分布のパラメータで計算してしまう学生が非常に多いです。常に再確認を！区間は必ず「アップデートされた知識」に基づいている必要があります。
2. 分散と標準偏差の取り違え：正規分布の公式で、\( \sigma^2 \)（分散）ではなく、必ず \( \sigma \)（標準偏差）を使うように注意してください。
3. 頻度論的な言い回し：解答を書くときに言葉遣いに気をつけましょう。「サンプルの95%が…」と言わずに、「母数がこの範囲内に存在する確率は95%である」と書きましょう。

試験合格のためのまとめステップ

1. 尤度と事前分布を特定し、事後分布とそのパラメータを決定する。
2. 有意水準 \( \alpha \) を決める（例：90%信用区間なら \( \alpha = 0.10 \))。
3. \( a \) より左側の面積が \( \alpha/2 \)、\( b \) より右側の面積が \( \alpha/2 \) になるような \( a \) と \( b \) を求める。
4. 区間を \( (a, b) \) として明記し、求められていれば簡単な解釈を添える。

最初は難しく感じるかもしれませんが、大丈夫です！どの分布を扱っているかさえ特定できれば、数学的な処理は基本的な代数計算に過ぎません。まずは事後分布のパラメータを正確に出す練習をしてみてください。そうすれば、区間は自然と求められるようになります。