クレーム頻度の世界へようこそ！

Exam FAMの「損失額、頻度、および総額モデル」のセクションでは、頻度（Frequency）についてかなりの時間を割きます。これはアクチュアリー流の難しい言い方ですが、要するに「何回その事象が起きたか？」を調べるだけの話です。

アクチュアリーは、ありとあらゆる分布に対して何十もの公式を丸暗記する代わりに、(a,b,0)クラスと(a,b,1)クラスと呼ばれる2つの「分布クラス」を利用します。これらのクラスを使うと、現実の世界でよく見かけるほとんどの分布について、単純な再帰式を使って確率を求めることができるのです。最初は数学的に見えるかもしれませんが、心配しないでください。パターンさえつかんでしまえば、まるでレシピ通りに料理を作るようなものです！

核心となる秘密：再帰式（Recursive Formula）

これらのクラスの魔法は、\(k\)回クレームが発生する確率と、\(k-1\)回クレームが発生する確率の間の単一の関係性にあります。これらのクラスに含まれるすべての分布について、確率は以下のルールに従います：

\[ \frac{p_k}{p_{k-1}} = a + \frac{b}{k} \]

ここで：
\(p_k\) は、クレーム件数 \(N\) が \(k\) となる確率。
\(a\) および \(b\) は、それぞれの分布固有の定数。
\(k\) はクレーム件数（1, 2, 3...）。

例え話：はしごを登っているところを想像してみてください。(a,b,0)ルールは、今どの段にいるかに基づいて、次の段へ進むためにどれだけの力が必要かを正確に教えてくれます。地面からいきなり10段目に飛び乗る必要はありません。9段目から10段目へ行く方法さえ知っていればいいのです！

クイック復習ボックス：
\(p_0\) の値と \(a, b\) の値さえ分かれば、\(p_1\) を求められます。\(p_1\) が分かれば \(p_2\) が分かり、その次は...というように、連鎖反応でどんどん計算できるのです！

セクション 1: (a,b,0)クラス

(a,b,0)クラスは「基本」となるファミリーです。\(k=0\)から始まり、すべての \(k = 1, 2, 3, ...\) について再帰式に従います。この選ばれしグループには、以下の3つの分布しか存在しません。

1. ポアソン分布（Poisson Distribution）

ポアソン分布は、頻度計算の「主食」のような存在です。イベントが一定の発生率で独立して起こることを前提としています。
ポアソン(\(\lambda\))の場合：
\(a = 0\)
\(b = \lambda\)
\(p_0 = e^{-\lambda}\)

暗記のコツ： ポアソン（Poisson）は「P」で始まりますが、(a,b,0)の公式では \(a\) が0になります。「ポアソンはaがゼロ（Poisson has Zero 'a'）」と覚えましょう。

2. 二項分布（Binomial Distribution）

固定された試行回数（\(n\)）と成功確率（\(q\)）がある場合に使用されます。
二項分布(\(n, q\))の場合：
\(a = \frac{-q}{1-q}\)
\(b = \frac{(n+1)q}{1-q}\)
\(p_0 = (1-q)^n\)

注意： 二項分布では、\(a\) は常に負（マイナス）になります。これは可能な結果の数が有限である（クレーム件数が \(n\) を超えることはあり得ない）ためです。

3. 負の二項分布（Negative Binomial Distribution）

クレーム頻度がポアソン分布よりも「ばらつき（ボラティリティ）」が大きい場合によく使われます。
負の二項分布(\(r, \beta\))の場合：
\(a = \frac{\beta}{1+\beta}\)
\(b = \frac{(r-1)\beta}{1+\beta}\)
\(p_0 = (1+\beta)^{-r}\)

(a,b,0)クラスの要約表

ポアソン： \(a=0, b=\lambda\)
二項分布： \(a < 0\)
負の二項分布： \(a > 0\)

セクション 2: (a,b,1)クラス

時々、「ゼロ」のケースがパターンにうまく当てはまらないことがあります。例えば、免責金額が非常に小さいためにクレーム件数ゼロの事象が報告されない場合や、逆にクレーム件数がゼロであることにボーナスが支払われる場合などです。ここで登場するのが (a,b,1) クラスです。

(a,b,1) クラスでも再帰式はそのまま使えますが、適用できるのは \(k=2\) からです。\(p_0\) と \(p_1\) の間の関係性は「壊れて」いるか、修正されているからです。

このクラスには2種類の分布があります：

1. ゼロ切断分布（Zero-Truncated (ZT) Distributions）

これらの分布はゼロになることがありません。つまり確率 \(p_0^T = 0\) です。
上付き文字に \(T\)（例：\(p_k^T\)）が付いていたら、それは切断（Truncated）を意味します。

2. ゼロ修正分布（Zero-Modified (ZM) Distributions）

これらの分布は、ゼロに対して独自に割り当てられた確率 \(p_0^M\) を持ちます。それ以外の確率（\(p_1, p_2, ...\)）は、合計が100%になるように調整されます。

豆知識：
ゼロ修正分布は、実際には「ゼロに集中するスパイク（突起）」と「ゼロ切断分布」の重み付け平均に過ぎないのです！

(a,b,1)クラスにおける確率の計算

ゼロ修正（\(M\)）分布の確率を求める必要がある場合は、以下の手順に従ってください：

ステップ 1： 「通常の」(a,b,0)でのゼロの確率 \(p_0\) を求めます。
ステップ 2： 新しい修正後のゼロの確率 \(p_0^M\) を特定します（通常は問題文に与えられています）。
ステップ 3： 次の公式を使って、最初の修正後の確率 \(p_1^M\) を算出します：
\[ p_1^M = \frac{p_0^M - 1}{p_0 - 1} \cdot p_1 \]
ステップ 4： 通常の再帰式（\(p_k = p_{k-1}(a + b/k)\)）を使い、\(p_1^M\) を起点にしてそれ以降の確率（\(p_2, p_3, ...\)）をすべて求めます。

よくある間違い： 多くの学生が、(a,b,0)の再帰式を使って \(p_0^M\) から \(p_1^M\) を求めようとします。これは絶対NGです！ (a,b,1)クラスでは、再帰が機能するのは \(k \ge 2\) のときだけです。必ず上記の「ステップ 3」の式を使って、\(p_0\) から \(p_1\) へジャンプしてください。

違いのまとめ

(a,b,0)クラス： 再帰は \(k=1\) から開始。ポアソン、二項、負の二項を含む。
(a,b,1)クラス： 再帰は \(k=2\) から開始。上記各分布のゼロ切断版およびゼロ修正版を含む。
「a」の符号：
- \(a=0\)：ポアソン系のバリエーション
- \(a<0\)：二項系のバリエーション
- \(a>0\)：負の二項系のバリエーション

最後にエールを！

(a,b,0)および(a,b,1)クラスは、あなたの勉強を楽にするためのツールです。10種類の確率質量関数を個別に覚えるのではなく、一つの再帰比率の使い方さえマスターすれば十分なのです。問題が「切断（ゼロなし）」を求めているのか、「修正（特殊なゼロ）」を求めているのかを見極める練習をしましょう。そうすれば、頻度モデルのマスターは目の前です！

重要ポイント： 計算を始める前に、必ずその分布が「ゼロ修正」かどうかを確認してください。もしそうであれば、最初に特別な公式を使って \(p_1\) を処理してから、あとは再帰式に働いてもらいましょう！