生存モデルへようこそ！
皆さん、こんにちは！CS2の学習において最も基礎となる章の一つへようこそ。保険会社がどのように生命保険の保険料を決定しているのか、あるいはエンジニアが機械部品の故障時期をどのように予測しているのか……そんな疑問を抱いたことはありませんか？この章では、「イベント」が発生するまでの時間をモデル化する方法を学びます。通常は人間の寿命を例に挙げますが、これらの概念は「生存」してやがて「失敗（故障・死亡）」するあらゆる対象に当てはまります。数学が少し難しそうに見えても心配しないでください。一つずつ紐解いていきましょう！
全体像：生存モデルとは何か？
生存モデル（Survival Model）とは、人（あるいはモノ）が時間の経過とともに「生存」し続ける確率を記述するための手法です。アクチュアリーの仕事において、私たちは単なる推測ではなく、寿命がどれくらい続くかという不確実性を捉えるために確率変数（Random variables）を用います。
1. 将来生存期間の確率変数 \( T_x \)
今日ちょうどx歳の人を想像してください。その人がいつ亡くなるかは正確には分かりません。そのため、その人の将来の生存期間（remaining life）を確率変数 \( T_x \) として表します。
• \( T_x \) = x歳の方の将来生存期間。
• 例えば、30歳の方が75歳で亡くなる場合、\( T_{30} = 45 \) となります。
• 死は一瞬のうちに起こり得るため、これは連続型の確率変数となります！
2. 生存関数： \( S_x(t) \)
生存関数（Survival Function）は、この章で最も直感的な部分です。これは「x歳の人が、少なくともあとt年生存する確率は？」という問いに答えるものです。
数式では次のように書きます。
\( S_x(t) = P(T_x > t) \)
覚えておくべき重要な性質：
• \( t = 0 \) のとき、確率は1です（今、生きているからです！）： \( S_x(0) = 1 \)。
• \( t \) が無限大に近づくと、確率は0になります（いずれ誰もが亡くなるからです）： \( S_x(\infty) = 0 \)。
• 関数は決して増加しません。時間が経つにつれて「より生きている」状態になることはありませんよね！
3. 分布関数： \( F_x(t) \)
これは生存関数の反対（補数）です。その人がt年以内に死亡する確率を表します。
\( F_x(t) = P(T_x \le t) = 1 - S_x(t) \)
ちょっとしたヒント：アクチュアリーの表記法では、この値を \( {}_tq_x \)、生存確率を \( {}_tp_x \) と呼ぶことが多いです。これらは同じコインの裏表にすぎません！
まとめ： \( T_x \) は「タイマー」、\( S_x(t) \) はタイマーがまだ動いている確率、そして \( F_x(t) \) はタイマーが止まってしまった確率です。
確率密度関数 (PDF)： \( f_x(t) \)
統計学の基礎を覚えていますか？PDFは、イベントが正確に時刻 \( t \) に発生する「相対的な可能性」を教えてくれます。
生存モデルにおける式は以下の通りです。
\( f_x(t) = \frac{d}{dt} F_x(t) = -\frac{d}{dt} S_x(t) \)
このように考えてみてください：生存関数が下降する坂道だとすると、PDFはその坂道の任意の地点における傾斜のスピードです。
生存モデルの「心臓部」：死力（Force of Mortality） \( \mu_{x+t} \)
これは学生さんがよく躓く重要な概念です。死力（Force of Mortality）とは、瞬間的な死亡率のことです。
雨の例え：
屋外に立っているところを想像してください。「死力」とは、ある特定の秒間に降っている雨の強さ（intensity）のようなものです。これまでに降った雨の合計量（これは分布関数）ではなく、今この瞬間にどれだけ激しく雨が降っているかを表します。時間が経つにつれて雨が激しくなれば、「力」は増大していることになります。
\( \mu_{x+t} \) の式：
\( \mu_{x+t} = \frac{f_x(t)}{S_x(t)} \)
この式は、今この瞬間に死亡するリスクは2つの要素に依存していることを示しています。その瞬間の死亡の密度（\( f_x(t) \)）を、死亡するためにはまず生存していなければならないという事実（\( S_x(t) \)）で割ったもの、ということです！
豆知識：人間に対しては「死力（force of mortality）」と呼びますが、エンジニアリングの世界ではハザード率（hazard rate）や故障率（failure rate）と呼ばれます。数学的には全く同じものです！
点と線をつなぐ：本質的なつながり
試験では、死力を与えられて生存関数を求めるよう求められることがよくあります。これは非常に一般的なタスクです。ここに「黄金の式」を記します。
\( S_x(t) = \exp \left( -\int_0^t \mu_{x+s} ds \right) \)
解くためのステップ：
1. 死力 \( \mu \) を取り出す。
2. 時間について 0 から \( t \) まで積分する。
3. 結果にマイナス符号をつける。
4. \( e \) のその結果乗を求める。
避けるべきよくあるミス：マイナス符号を忘れることです！生存確率が1を超えてしまったら、おそらく積分にマイナスをつけ忘れています。
まとめ：死力はリスクの「強度」です。すべての時点における死力が分かれば、何歳まで生存するかの確率を計算できます。
期待将来生存期間
アクチュアリーは「平均」を計算するのが大好きです。主に2種類の期待値を使います。
1. 完全期待将来生存期間： \( \mathring{e}_x \)
これは、x歳の方が生きると期待される平均的な全期間です。年、日、秒を含む連続的な測定値なので、積分を使用します。
\( \mathring{e}_x = E[T_x] = \int_0^\infty S_x(t) dt \)
覚え方：\( e \) の上の「丸（リング）」は「完全（complete）」を表しています。時間のあらゆる細かな端数まで測定するからです。
2. 平均余命（短縮期待将来生存期間）： \( e_x \)
これは、死亡までに経過する満年数（whole years）の平均です。「余分な」月や日は無視します。これには和（シグマ）を使用します。
\( e_x = \sum_{k=1}^\infty S_x(k) \)
論理的なチェック：\( \mathring{e}_x \) は常に \( e_x \) よりも約0.5年大きくなります。なぜなら、人は平均して最終年の半ばで亡くなるからです。
重要公式のクイック復習
慌てないで！以下の3つの関係を覚えておけば、他のほとんどの式を導き出せます：
1. \( F_x(t) = 1 - S_x(t) \)
2. \( f_x(t) = S_x(t) \mu_{x+t} \)
3. \( S_x(t) = e^{-\int \mu} \)
最後にエールを：生存モデルは、確率を見るための特別な方法にすぎません。\( S_x(t) \) が「時刻 t までたどり着くチャンス」であるという考え方に慣れれば、あとの微積分は練習するうちに自然と身についてきます。その調子で頑張りましょう！