離散化の世界へようこそ！

こんにちは！ASTAM試験の準備を進めている皆さんなら、アクチュアリー数学においてガンマ分布やパレート分布のような複雑な連続型分布が頻繁に登場することをご存知でしょう。しかし、ここで一つ秘密を教えますね。コンピュータや再帰式（パンジャーの再帰式など）は、0、1、2といった離散的な整数を扱う方がずっと得意なのです。

この章では、滑らかな連続型分布を「切り刻んで」離散型に変換する方法を学びます。これを離散化（Discretization）と呼びます。滑らかなスロープを階段状にするイメージを持つとわかりやすいでしょう。これにより、総損害額モデル（Aggregate Loss Models）の計算がぐっと扱いやすくなります。さあ、一緒に飛び込んでいきましょう！

なぜ離散化するのか？

学習の「総損害額モデル」のセクションでは、しばしば総損害額 \(S = X_1 + X_2 + ... + X_N\) を計算する必要があります。個々の損害額（\(X\)）は通常連続型ですが、それを結合するための数学的処理は、\(X\) を離散型変数として扱う方がはるかに高速です。離散化は、そのための架け橋となる重要な技術なのです。

豆知識：アクチュアリーは「集合リスクモデル」を簡略化するためにこれらの手法を使っています。これにより、精度を大きく損なうことなく、保険料の算定を迅速に行うことができるのです！


手法1：丸め法（Method of Rounding）

丸め法（ときには質量分散法とも呼ばれます）は、最も直感的な離散化の手法です。「ステップサイズ」（スパンと呼ばれ、hで表されます）を決め、すべての連続的な値をその \(h\) の最も近い倍数に丸めるだけです。

仕組み：

スパン \(h = 1\) を考えてみましょう。損害額が1.2なら1に丸め、1.8なら2に丸めます。特定の離散点 \(x_j = jh\) における確率を求めるには、連続型分布の中でその点に「最も近い」範囲の確率をすべて集めます。

必要な公式は以下の通りです：

\( f_0 = P(X < h/2) = F(h/2) \)

\( f_j = P(jh - h/2 \le X < jh + h/2) = F(jh + h/2) - F(jh - h/2) \) （\(j = 1, 2, ...\) のとき）

日常的な例え：

1メートル間隔でバケツが並んでいると想像してください。ホース（連続型分布）でその列に沿って水をまきます。丸め法とは、バケツから半メートル以内にある水はすべてそのバケツに集まる、と考えるようなものです。

クイック復習：丸めの基本

1. h はスパン（離散点同士の距離）です。
2. \(f_0\) は特別で、0からスパンの半分までを考慮します。
3. \(f_j\) は、スパンの半分前と半分後を考慮します。


手法2：局所モーメントマッチング（Local Moment Matching）

少し専門的に見えても心配しないでください！局所モーメントマッチング法は、より洗練された離散化手法です。単に丸めるのではなく、各区間内での平均（場合によっては高次モーメントも）を一致させることで、離散型分布が連続型分布のように「振る舞う」ようにします。

1次モーメント（平均）の一致

ASTAMでは通常、1次モーメントを一致させることに重点を置きます。これは、任意の区間 \([jh, (j+1)h]\) において、両端点に割り当てる離散質量の平均値が、その区間における連続分布の平均値と等しくなるようにすることを意味します。

各区間 \([jh, (j+1)h]\) について、確率質量を2つの端点（\(jh\) と \((j+1)h\)）に分配します。

ステップバイステップ：
1. 区間内の確率質量を計算します：\(m_0^j = \int_{jh}^{(j+1)h} f(x) dx = F((j+1)h) - F(jh)\)。
2. 区間内の局所平均を計算します：\(m_1^j = \int_{jh}^{(j+1)h} x f(x) dx\)。
3. 以下の重みを使って、端点に質量を割り当てます：
点 \(jh\) に加える質量：\( \frac{(j+1)h \cdot m_0^j - m_1^j}{h} \)
点 \((j+1)h\) に加える質量：\( \frac{m_1^j - jh \cdot m_0^j}{h} \)

「天秤」の例え：

点 \(jh\) と \((j+1)h\) の間にシーソー（天秤）があると想像してください。連続的な質量はそのシーソーのどこかに乗っています。同じバランスを保つためには、その質量を両端に分割しなければなりません。「重さ」が右寄りにあれば、右端により多くの質量が割り当てられることになります！

覚えておくべき重要なポイント：

この手法では、（0点を除き）各離散点 \(jh\) は、実際には「左側の区間」と「右側の区間」の2つの隣接区間から「貢献」を受け取ります。


避けるべき一般的なミス

1. スパン(h)を忘れる： 学生は計算に \(h\) を含めるのを忘れがちです。もしスパン2で問題が出されたら、離散点は0, 1, 2, 3ではなく、0, 2, 4, 6...となります！

2. \(m_1^j\) の計算ミス： \(m_1^j\) は \(x \cdot f(x)\) の積分であることを忘れないでください。指数分布のような多くの分布では、部分積分や限定期待値の公式を使うと簡単に計算できます。

3. 端点の扱い： 丸め法では \(f_0\) は区間の半分しかカバーしませんが、モーメントマッチングでは点は隣り合う2つの区間から構成されます。境界は必ず再確認しましょう。


まとめと要点

離散化は、実務において総損害額を計算するために不可欠です。武器として2つの主要なツールを覚えておきましょう：

丸め法：
- シンプルで高速。
- 離散値の中間点における累積分布関数（\(F(x)\)）を使用。
- 迅速な近似に最適。

局所モーメントマッチング：
- 分布の平均を維持するため、より正確。
- 各区間について質量（\(m_0\)）と局所平均（\(m_1\)）の計算が必要。
- 各離散点 \(f_j\) は、\(j\) で終わる区間と \(j\) で始まる区間からの2つの要素の合計であることを忘れずに。

これらの計算を繰り返し練習してください！積分のリズムを掴めば、試験において「確実に得点できる問題」になります。あなたなら大丈夫です！