損害額分布（Severity Distributions）の世界へようこそ！

Exam FAMの学習において最も重要な章の一つへようこそ！保険の世界では、私たちは主に2つのことに注目します。それは頻度（Frequency：どのくらいの頻度で発生するか）と損害額（Severity：1件あたりの損害額はいくらか）です。このセクションでは、損害額（Severity）に完全に焦点を当てていきます。

損害額分布を、様々な形の「メニュー」だと考えてみてください。自動車のフロントガラスの修理のように、損害額が小さく予測可能なものもあれば、ハリケーンによる被害のように甚大なものもあります。適切な分布を選ぶことは、仕事に合った道具を選ぶようなものです。最初は数学的な見た目に圧倒されるかもしれませんが、大丈夫です。これらの分布の「ファミリー」を分解して、それぞれがどのように関連しているのかを理解していきましょう！

1. 損害額分布とは正確には何か？

損害額分布とは、1件の損失の大きさをモデル化するために使用される確率分布のことです。保険金請求額がマイナスになることはないため、これらの分布は \(x > 0\) で定義されます。

クイックレビュー： - 確率密度関数（PDF） \(f(x)\)： 請求額がちょうど特定のサイズになる確率。 - 累積分布関数（CDF） \(F(x)\)： 請求額が \(x\) 以下である確率。 - 生存関数（Survival Function） \(S(x)\)： 請求額が \(x\) を超える確率。保険の世界では、巨大で恐ろしい損失についての情報が得られるため、この \(S(x)\) は非常に重要です！

2. 分布の「家系図」

FAMで使われるほとんどの損害額分布は、特定のファミリーに属しています。これらの関係を理解することで、公式をずっと覚えやすくなります。「親」を知っていれば、「子」を導き出せることも多いのです。

変換ベータ（Transformed Beta）ファミリー

これは多くの分布にとっての「祖父母」のような存在です。パラメータを調整することで、変換ベータ分布をパレート（Pareto）、バール（Burr）、対数ロジスティック（Loglogistic）分布に変えることができます。 ヒント：変換ベータの巨大な公式を丸暗記する必要は通常ありませんが、多くの裾の重い分布（heavy-tailed distributions）をカバーする「傘」のようなものだと認識しておきましょう。

変換ガンマ（Transformed Gamma）ファミリー

このファミリーには、ガンマ（Gamma）、指数（Exponential）、ワイブル（Weibull）分布が含まれます。これらは一般的に「裾の軽い」分布に使われます（つまり、ベータファミリーと比べて、巨大な請求が発生する可能性が低いということです）。

重要なポイント： 分布はただのランダムな公式ではありません。数学的な変換を通じて関連し合っています。もしある公式が別の公式に似ていて、指数が一つ余分についているようなものがあれば、それは「変換」されたバージョンである可能性が高いです！

3. 「有名人」の分布たちを紹介します

試験で最もよく見かける、特定の分布を見ていきましょう。

指数分布（「ベースライン」）

最もシンプルなモデルです。時間の経過にかかわらず、請求の確率が一定であると仮定します。 - 記憶のコツ： 「退屈な」分布だと思ってください。「記憶」を持たず、裾が非常にシンプルです。 - 公式： \(F(x) = 1 - e^{-x/\theta}\)

ガンマ分布

ガンマ分布は、いくつかの指数分布を合計したものだと考えてください。 - もしそれぞれ平均 \(\theta\) の指数分布に従う3つの独立した請求がある場合、それらの合計は形状パラメータ \(\alpha = 3\)、尺度パラメータ \(\theta\) のガンマ分布に従います。

パレート分布（「ヘビーヒッター」）

これは損害額モデルのスーパースターです。裾が重い（heavy-tailed）ため、巨大な「壊滅的」な請求が発生する確率が高いと予測します。 - 現実世界の例： 医療過誤や賠償責任保険は、パレート分布に従うことが多いです。ほとんどの請求は少額ですが、中には数百万ドルという高額な和解金が発生する場合があるからです。 - 間違いやすいポイント： 2つのパラメータを混同しないでください。通常、\(\alpha\)（アルファ）が形状パラメータ、\(\theta\)（シータ）が尺度パラメータです。\(\alpha\)が小さいほど裾が「重く」なります（リスクが高い！）。

対数正規分布（Lognormal）

請求サイズを自然対数（\(ln(X)\)）にとったとき、その結果が正規分布（ベルカーブ）に見えるなら、元の請求額は対数正規分布に従っています。 - 豆知識： これは損害保険で非常によく見られます。ほとんどの住宅は修理に中程度の費用がかかり、極端に安かったり高かったりするものは非常に少ないからです。

4. 裾の重さ（Tail Weight）：誰が「最も危険」か？

Exam FAMの大きなパートとして「裾の重さ」の比較があります。これは、「どの分布が巨大な請求を発生させる可能性が高いか？」を問うための洗練された表現です。

重さの階層（軽い順から重い順へ）： 1. 正規分布（非常に軽い - 巨大な請求はほぼ不可能） 2. 指数分布（中程度に軽い） 3. ガンマ分布（形状に依存するが、一般的に軽い） 4. 対数正規分布（中程度に重い） 5. パレート分布（非常に重い！） 6. コーシー分布（極めて重い - FAMではあまり出題されません）

試験での裾の重さの判定方法： 2つの分布を比較するように求められたら、生存関数の比率の極限を見ます： \[ \lim_{x \to \infty} \frac{S_1(x)}{S_2(x)} \] もしこの極限が無限大になれば、分布1は分布2よりも裾が重いということになります。 たとえ話：ゼロに向かう競争を想像してみてください。グラフの右側に行くにつれて、より長くゼロの上をキープしているのが「より裾が重い」分布です。

5. 関係性と変換

以下の3つのテクニックを使って、既存の分布から新しい分布を作ることができます。

1. 定数の乗算（尺度変換）： \(X\) がある分布に従うとき、\(Y = cX\) は単に尺度パラメータ（\(\theta\)）を変えるだけです。ファミリーの「形状」を変えることはありません。 - 例： 請求額をドルからユーロに換算するような場合です。

2. べき乗（べき乗変換）： \(X\) が指数分布に従うとき、\(X^{1/\tau}\) はワイブル分布になります。 - 覚え方： 「Power（べき乗） to the Weibull（ワイブルへ）！」

3. 指数関数をとる： \(X\) が正規分布に従うとき、\(e^X\) は対数正規分布になります。（名前の通りですね！）

クイックレビューボックス： - 裾が軽い： 指数分布、ガンマ分布。 - 裾が重い： パレート分布、対数正規分布、バール分布。 - 裾を重くする方法： 形状パラメータ（\(\alpha\)）を小さくする、またはべき乗変換を行う。

6. まとめと重要ポイント

- なぜ重要か： 保険商品によって必要なモデルは異なります。「重い」賠償責任保険の商品に「軽い」指数モデルを使うことはできません。

- 「尺度」(\(\theta\))： 通常は通貨やサイズに関連します。尺度を変えても、形状の根本的な「危険性」は変わりません。

- 「形状」(\(\alpha\))： これが最も重要なパラメータです。裾がどのように振る舞うかを決定します。

- 裾の比較： 生存関数の比率の極限を使います。無限大において「より大きく残る」ほうが重い分布です。

最初は難しく感じるかもしれませんが、大丈夫です！SOAのテーブルにあるこれらの分布を識別する練習を積めば積むほど、これらの関係性が直感的に理解できるようになります。あなたなら必ず合格できます！