分布パラメータの世界へようこそ！

Exam ASTAM（短期アクチュアリー数学）の学習を進める中で、アクチュアリーのモデルは単なる静的な数式ではなく、変化する現実に適応しなければならない「生きているツール」であることに気づいていることでしょう。アクチュアリーが直面する最も一般的な課題の一つが「変化」です。インフレ、通貨価値の変動、あるいは保険契約の調整などがこれにあたります。

この章では、分布のパラメータを変化させることが、モデル化しているクレームの「形状」や「大きさ」にどのような影響を与えるかを探ります。これは非常に重要です。なぜなら、「インフレによってすべてのクレームが5%増加した場合、総期待損失額はどうなるか？」といった問いに答えることができるようになるからです。さあ、これらの概念を自分自身のものにしていきましょう。


1. 「尺度（スケール）」パラメータ：ズームレンズの役割

パラメータが与える影響について語るとき、最もマスターすべき重要な概念が尺度パラメータ（Scale Parameter）です。尺度パラメータは、カメラのズームレンズのようなものだと考えてください。ズームインやズームアウトをしても、映っている対象の「形状」は変わりません（犬をズームしても、やはり犬の形をしていますよね）。しかし、フレーム内のすべての「大きさ」は比例して変化します。

尺度パラメータとは？

ある確率変数 \( X \) に対して、新しい変数 \( Y = X / \theta \) の分布が \( \theta \) に依存しない場合、パラメータ \( \theta \) はその確率変数の尺度パラメータであるとみなされます。簡単に言えば、割り算をしてパラメータを「くくり出す」ことができるなら、それは尺度パラメータです。

損害額モデルにおいて重要な理由：

保険において私たちが使用する多くの分布（指数分布、ガンマ分布、パレート分布など）には、尺度パラメータが存在します。通常、このパラメータは \( \theta \) と表記されます。\( \theta \) を変更することは、事実上、確率分布グラフの横軸を伸ばしたり縮めたりすることと同じです。

尺度パラメータの重要な性質：
  • \( X \) が尺度パラメータ \( \theta \) を持つ場合、確率変数 \( Y = cX \) （ただし \( c > 0 \)）もまた同じ分布に従いますが、尺度パラメータは \( c\theta \) に変化します。
  • 豆知識：これこそがインフレをモデル化する方法そのものです。もし \( c = 1.05 \) であれば、それはすべてのクレーム額に対して5%のインフレ率が適用されたことを表します。

クイックまとめ：尺度パラメータを変更すると、分布の「重み」は移動しますが、根本的な形状はそのまま維持されます。これは、測定単位をドルからユーロに変更するようなものです。


2. 分布関数に対する数学的影響

数学的な表記に圧倒される必要はありません！パラメータが累積分布関数（CDF）や確率密度関数（PDF）にどのような影響を与えるかには、非常に論理的なパターンがあります。

変換ルール

確率変数 \( X \) があり、新しい変数 \( Y = cX \) を作成すると仮定します。新しい関数を求めるには、以下の手順に従ってください。

1. 新しいCDF：
\( F_Y(y) = F_X(y/c) \)
このように考えましょう。「インフレ後」の変数 \( Y \) に対して同じ確率水準を得るためには、元の値をインフレ率で割った値を見る必要があります。

2. 新しいPDF：
\( f_Y(y) = \frac{1}{c} f_X(y/c) \)
先頭の \( 1/c \) に注目してください！分布が横に「引き伸ばされる」ため、曲線の下側の総面積が1を維持するためには、高さを低くする必要があるのです。

実社会の例え：

ピザの生地を想像してください。生地を2倍の広さに伸ばすと（\( c = 2 \)）、生地は薄くなります（\( 1/c \) の係数）。しかし、生地の総量（合計確率1.0）は全く変わりませんよね！


3. モーメント（平均、分散など）への影響

ASTAMにおいて最も頻繁に行う作業の一つは、パラメータを調整したときに平均や分散がどう変化するかを計算することです。実は、これが最も簡単な部分です！

モーメントの線形性

確率変数に定数 \( c \)（スケールの変化を表す）を掛ける場合：

  • 平均： \( E[cX] = c \cdot E[X] \)。平均はスケールに応じて直接変化します。
  • 分散： \( Var(cX) = c^2 \cdot Var(X) \)。分散はスケールの2乗に応じて変化します。
  • 原点モーメント： \( E[(cX)^k] = c^k \cdot E[X^k] \)。

変動係数（CV）

CVは \( \frac{\sigma}{\mu} \) と定義されます。重要なポイント：尺度パラメータのみを変化させた場合、CVは変化しません。
\( CV(cX) = \frac{\sqrt{c^2 Var(X)}}{c E[X]} = \frac{c \sigma}{c \mu} = \frac{\sigma}{\mu} \)。
これは直感的にも納得できます。すべてが10%増加しても、「相対的な」リスクは変わらないからです。

重要な教訓：尺度パラメータは数値の大きさには影響を与えますが、分布の相対的な変動性には影響を与えません。


4. 損害モデル表におけるパラメータの特定

Exam ASTAMでは「分布表（Table of Distributions）」を参照できます。すべてのPDFを暗記する必要はありませんが、どのパラメータが尺度パラメータであるかを特定できる必要があります。

代表的な尺度パラメータ (\( \theta \))：
  • 指数分布： \( \theta \) は平均であり、尺度パラメータです。
  • ガンマ分布： \( \theta \) は尺度パラメータ、\( \alpha \) は形状パラメータです。
  • パレート分布： \( \theta \) は尺度パラメータ、\( \alpha \) は形状パラメータです。
  • ワイブル分布： \( \theta \) は尺度パラメータ、\( \tau \) は形状パラメータです。

裏ワザ：ほとんどのASTAMの分布において、数式の中に \( x \) があれば、それは通常 \( \theta \) で割られています（例：\( x/\theta \)）。これが見えたら、\( \theta \) が尺度パラメータであるという明白なサインです！


5. 形状パラメータ：分布の「個性」

尺度パラメータが「大きさ」を扱うのに対し、形状パラメータ（多くの場合 \( \alpha \) や \( \tau \)）は分布の「個性」を決定します。これは、裾の重さがどれくらいか（ヘビーテールか否か）を決定づける要素です。

尺度パラメータとは異なり：

  • 形状パラメータを変化させると、変動係数（CV）は変化します。
  • 形状パラメータを変化させることで、分布を「ヘビーテール」（巨大なクレームが発生しやすい）にしたり、「ライトテール」（予測しやすい）にしたりできます。
  • 形状パラメータは、通常、PDFやCDFの式の中で指数（べき乗）として現れます。

避けるべきよくあるミス：問題文に「インフレがクレームに影響を与える」とある場合、調整するのは尺度パラメータのみです。単純なインフレ計算において形状パラメータを変化させることはまずありません。形状を変えるということは、単なるコストの変動ではなく、リスクの本質そのものを変えてしまうことになるからです。


6. まとめとクイック復習

学んだことを整理して、記憶に定着させましょう：

復習ボックス：

  • 尺度パラメータ (\( \theta \))：大きさや規模を調整する。数式中では \( x/\theta \) として現れる。
  • インフレ (\( c \))：\( 10\% \) の増加をモデル化するには、\( \theta \) を \( 1.10\theta \) に置き換える。
  • CDFへの影響： \( F_{new}(x) = F_{old}(x/c) \)。
  • 平均への影響： 係数 \( c \) 倍になる。
  • CVへの影響： 変化なし！
  • 形状パラメータ： 裾の「重さ」とCVを変化させる。

最後に：パラメータ同士がどう関わり合っているかを理解することは、ゲームのルールを学ぶようなものです。ピース（パラメータ）の動かし方さえわかれば、SOAがどんなインフレや変換の問題を出してきても対応できます。あなたなら大丈夫です！