複合分布の世界へようこそ！

こんにちは！今日は、CS2のカリキュラムの中でも特に実践的でエキサイティングな章である**「複合分布（Compound Distributions）」**について深く掘り下げていきます。保険会社が1年間に支払う可能性のある保険金の総額をどのように計算しているのか不思議に思ったことがあるなら、このトピックはまさにうってつけです。

一見すると、この分野は数式の山のように見えるかもしれませんが、心配は無用です！一つずつ噛み砕いて説明していきますね。これは「2段階のプロセス」だと考えてください。まず「イベントが何回発生するか（件数）」を数え、次に「各イベントがどの程度の規模か（金額）」を確認するのです。それでは始めていきましょう！

1. 複合分布とは一体何か？

簡単に言うと、複合分布とは**「確率変数」**が**「ランダムな回数」**だけ現れる合計値のことです。リスクモデリングの世界では、これを主に**「総支払保険金額（Aggregate Claim Amount：S）」**を表すために使用します。

あなたが小さな保険会社を経営していると想像してください。以下の2つの要素が不確実ですよね。
1. **N（度数/件数）：** 今月、何人が保険金を請求してくるか？
2. **X（深刻度/金額）：** 請求してきた人一人あたり、いくらかかるか？

総費用 \( S \) は、それら個々の請求額をすべて合計したものになります：

\( S = X_1 + X_2 + X_3 + ... + X_N \)

重要なポイント： もし \( N = 0 \) ならば、\( S = 0 \) です。誰も請求しなければ、合計額もゼロになるのは当然ですよね！

基本的な前提条件

計算をシンプルにするために、通常は以下の2つを仮定します：
1. 個々の請求額（\( X_1, X_2, ... \)）は**独立同一分布（i.i.d.）**に従う。つまり、どの請求も同じサイコロを振り直すようなものだということです。
2. 請求件数（\( N \)）と請求額（\( X \)）は**独立**である。件数が多いからといって、1件あたりの金額が変わるわけではありません。

まとめ： 複合分布は、「何件？」（\( N \)）と「いくら？」（\( X \)）を組み合わせて、「合計でいくらになるか？」（\( S \)）を教えてくれるものです。

2. Sの平均と分散

表記に怖気づかないでくださいね！総支払額 \( S \) の期待値（平均）と分散は、\( N \) と \( X \) の性質を利用して求めることができます。

平均（期待値）

これはとても直感的です。もし10件の請求が予想され、各請求の平均が500ドルなら、合計で5,000ドル支払うと予想されますよね。

\( E[S] = E[N] \times E[X] \)

分散

分散は2つの要素が含まれるため、少しだけ「スパイシー」になります。これは、「何件発生するか」の不確実性と、「各請求がどれくらい大きいか」の不確実性の両方を考慮しているためです。

\( Var(S) = E[N]Var(X) + Var(N)(E[X])^2 \)

暗記のヒント： これは**「全分散の法則（Law of Total Variance）」**として考えましょう。前半部分（\( E[N]Var(X) \)）は請求金額そのもののばらつきによる分散で、後半部分（\( Var(N)(E[X])^2 \)）は請求件数の変動による分散です。

クイック復習ボックス：
- **総平均：** 平均件数 \(\times\) 平均金額
- **総分散：** (平均件数 \(\times\) 金額の分散) + (件数の分散 \(\times\) 平均金額の2乗)

3. 母関数（Generating Functions）

CS2では、分布を記述するために**積率母関数（MGF）**や**確率母関数（PGF）**をよく使います。複合分布には、これに関連する非常にエレガントな関係式があります。

もし \( S \) が複合分布であれば、そのMGFである \( M_S(t) \) は、\( X \) のMGFを \( N \) のMGFの中に「代入」することで求められます：

\( M_S(t) = M_N(\ln M_X(t)) \)

なぜ自然対数（ln）を使うのかって？それは、合計のMGFには指数関数が関わってくるからです！もし（離散的な請求件数 \( N \) に対して）PGFを使うのであれば、式はさらにスッキリします：

\( G_S(t) = G_N(G_X(t)) \)

最初は難しく感じるかもしれませんが、大丈夫です！ 重要なのは、「合計」の母関数は、個々の母関数を「合成（一つの関数の中にもう一つの関数を入れる）」したものだと覚えておいてください。

豆知識： この数学的な「入れ子構造」こそが、複合分布が時折「停止合計（stopped-sum）」分布と呼ばれる理由なのです！

4. 主役の登場：複合ポアソン分布

皆さんが最も頻繁に遭遇する複合分布は、**「複合ポアソン分布（Compound Poisson Distribution）」**です。これは、請求件数 \( N \) がパラメータ \( \lambda \) のポアソン分布に従う場合に発生します。

なぜ特別なのか？

ポアソン分布では、平均と分散が等しいからです！（\( E[N] = Var(N) = \lambda \)）。これにより、式が大幅に簡略化されます：

\( E[S] = \lambda E[X] \)

\( Var(S) = \lambda E[X^2] \)

よくある間違い： 学生の多くは、複合ポアソン分布において \( Var(S) \) を求める際、単なる \( Var(X) \) ではなく \( E[X^2] \)（2次積率）を使うことを忘れてしまいます。計算の際は必ず見直してくださいね！

加法性（Additivity Property）

もし2つの独立した複合ポアソンリスク（例：自動車保険と火災保険）がある場合、その合計もまた**複合ポアソン分布**になります！単純にそれぞれの \( \lambda \) の値を足し合わせるだけです。この特性のおかげで、大規模なポートフォリオをモデル化する際に非常に人気があるのです。

まとめ： 複合ポアソン分布は、数学的に「扱いやすく」、結合も容易であるため、リスクモデリングにおける「ゴールドスタンダード」なのです。

5. 現実の例：パン屋さんの場合

現実の例で考えてみましょう。あるパン屋さんを想像してください：
- 1時間あたりの客数（\( N \)）は、\( \lambda = 10 \) のポアソン分布に従う。
- 各客が使う金額（\( X \)）は、平均15ドル、標準偏差3ドルの正規分布に従う。

ステップ1：売上合計の期待値
\( E[S] = E[N] \times E[X] = 10 \times 15 = 150 \text{ドル} \)

ステップ2：売上合計の分散
\( Var(X) = 3^2 = 9 \) であることが分かっています。
\( Var(S) = E[N]Var(X) + Var(N)(E[X])^2 \)
\( Var(S) = (10 \times 9) + (10 \times 15^2) = 90 + 2250 = 2340 \)

ここが重要： 個々の顧客の支出は比較的安定していても（分散が小さい）、顧客の「人数」が変動するため、合計売上の分散は非常に大きくなります。

6. まとめと最後のアドバイス

複合分布の核心部分は網羅しました。試験のために「必須」のポイントをまとめます：

1. 定義： \( S \) は \( N \) 個の確率変数の合計である。

2. 公式： 平均と分散の公式を暗記しましょう。これらはあなたの強力な味方です。

3. 独立性： 公式を適用する前に、度数（件数）と深刻度（金額）が独立しているかを必ず確認してください。

4. 複合ポアソン： 特殊な性質、特に簡略化された分散（\( \lambda E[X^2] \)）と、独立したポアソン過程は足し合わせ可能であるということを覚えておいてください。

練習を続けましょう！複合分布はあくまで基礎ブロックに過ぎません。これらをマスターすれば、CS2のより複雑なモデルもずっと扱いやすく感じられるはずです。あなたなら大丈夫、やり遂げられますよ！