総損失の近似へようこそ！

皆さん、こんにちは！Exam FAMの勉強をされている方なら、保険金支払いの総額（これを総損失（Aggregate Loss）、または\(S\)と呼びます）の正確な分布を計算することがどれほど大変か、すでにご存知でしょう。現実の世界では、保険会社は数千件もの保険金を支払うことがあります。そのすべての結果を正確に計算しようとするのは、ほぼ不可能です。

そこで役立つのが近似（Approximation）です！この章では、総損失の動きを推定するために、よく使われる2つの「ショートカット」である正規分布（Normal distribution）と対数正規分布（Log-normal distribution）の使い方を学びます。これらのツールを使えば、スーパーコンピュータがなくても、会社が支払い能力を維持するためにどれだけの資本が必要かを計算できるようになります。

1. 基本：\(S\) の平均と分散

何らかの近似を行う前に、まずは総損失\(S\)の「中心」と「バラつき」を知る必要があります。\(S\)は、ランダムな回数の支払件数（\(N\)）と、ランダムな大きさの支払額（\(X\)）の合計であることを思い出してください。

「これだけは暗記」の公式：
1. 期待値（平均）： \(E[S] = E[N] \times E[X]\)
2. 分散： \(Var(S) = E[N] \times Var(X) + Var(N) \times (E[X])^2\)

例え： \(E[S]\) はレンガの山を積み上げた時の平均的な高さだと考えてみてください。これは平均して何個のレンガがあるか（\(E[N]\)）と、レンガ1個が平均してどれくらいの厚さか（\(E[X]\)）によって決まりますね。分散の公式が少し複雑なのは、「レンガの数」と「個々のレンガの厚さ」の両方の不確実性を考慮に入れているからなのです！

復習：よくある度数分布

\(Var(N)\) を計算する際に、以下の分布を忘れないようにしましょう：
• ポアソン分布： \(E[N] = Var(N) = \lambda\)
• 負の二項分布： \(Var(N) > E[N]\)
• 二項分布： \(Var(N) < E[N]\)

2. 正規分布による近似

正規近似（Normal Approximation）は、中心極限定理（Central Limit Theorem）に基づいています。これは、十分に多くの支払件数があれば、個々の支払額の分布がどのような形であっても、総損失の分布はベルカーブ（釣鐘型）に近づくという考え方です。

使い方：

総損失\(S\)が正規分布に従うと仮定します：\(S \sim N(E[S], Var(S))\)。
総損失がある値 \(k\) 以下になる確率を求めるには、Zスコアの公式を使います：
\(Z = \frac{k - E[S]}{\sqrt{Var(S)}}\)

ステップ・バイ・ステップ：
1. 度数（\(N\)）と支払額（\(X\)）の平均を使って \(E[S]\) を計算する。
2. セクション1の公式を使って \(Var(S)\) を計算する。
3. これらの値をZスコアの公式に代入する。
4. 標準正規分布表（\(\Phi\)テーブル）で確率を調べる。

よくある間違い：
計算時、分散の平方根をとる（標準偏差にする）ことを忘れてしまう学生が非常に多いです。Zスコアの公式で必要なのは分散そのものではなく、標準偏差 \(\sigma_S = \sqrt{Var(S)}\) です！注意してくださいね。

豆知識： 正規近似は、期待される支払件数（\(E[N]\)）が非常に大きい場合に適しています。ただし、大きな欠点もあります。正規分布は理論上負の値をとる可能性がありますが、保険金の損失がゼロを下回ることは現実にはあり得ません！

3. 対数正規分布による近似

保険金の損失は通常、歪んで（skewed）おり（小さな支払いが多数、極端に大きな支払いが少数）、必ず正の値をとります。そのため、正規分布よりも対数正規近似（Log-normal Approximation）の方が適している場合が多いです。

コンセプト：

損失の「自然対数」である \(\ln(S)\) が正規分布に従うと仮定します。つまり、\(S\) 自体が対数正規分布に従うということです。ここで、\(\mu\) と \(\sigma^2\) という2つのパラメータを求める必要があります。注意：これらは \(S\) の平均と分散ではありません。あくまで \(\ln(S)\) の平均と分散なのです！

パラメータを求める方法：

総損失に対数正規分布を適合させるために、モーメント法（Method of Moments）を使います。問題文で与えられる（あるいは計算する）\(E[S]\) と \(E[S^2]\) を使用します。
\(E[S^2] = Var(S) + (E[S])^2\) であることを思い出してください。

以下の2つの「魔法の公式」で \(\sigma^2\) と \(\mu\) を求めます：
1. \(\sigma^2 = \ln\left(\frac{E[S^2]}{(E[S])^2}\right) = \ln\left(1 + \frac{Var(S)}{(E[S])^2}\right)\)
2. \(\mu = \ln(E[S]) - 0.5\sigma^2\)

確率を求めるステップ：
\(Pr(S \le k)\) を求めたい場合：
1. 上の公式を使って \(\mu\) と \(\sigma\) を求める。
2. 対数空間へ変換する：\(Pr(\ln(S) \le \ln(k))\)。
3. Zスコアを計算する：\(Z = \frac{\ln(k) - \mu}{\sigma}\)。
4. 正規分布表を使う。

重要なポイント： 対数正規分布は「右に歪んだ（right-skewed）」形状をしています。これは、対称的な正規分布よりも、実際の保険データの挙動にずっとよく当てはまります。

4. 正規分布 vs 対数正規分布：どっちを使う？

試験では、通常どちらを使うべきか指示がありますが、違いを見分けるためのヒントを挙げておきます。

• 正規分布を使うべき時： 支払件数が非常に多く、分布が比較的対称である場合。
• 対数正規分布を使うべき時： 分布が歪んでいる場合、またはモデルでマイナスの損失が発生しないようにしたい場合。

覚え方のヒント：
Normal（正規分布）は Nice（親切でシンプル）：\(E[S]\) と \(Var(S)\) をそのまま使う。
Log-normal（対数正規分布）は Loves Logs（対数が大好き）：\(\ln\) を使い、モーメントを合わせる作業が必要。

5. まとめとクイック復習

1. 総損失の平均： \(E[S] = E[N]E[X]\)
2. 総損失の分散： \(Var(S) = E[N]Var(X) + Var(N)E[X]^2\)
3. 正規分布のZスコア： \(Z = (k - E[S]) / \sqrt{Var(S)}\)
4. 対数正規分布のパラメータ： \(E[S]\) と \(E[S^2]\) を適合させて \(\mu\) と \(\sigma^2\) を求める。
5. 対数正規分布のZスコア： \(Z = (\ln(k) - \mu) / \sigma\)

最初は難しく感じるかもしれませんが、大丈夫です！ よくあるミスは、分散公式での単純な計算ミスや、対数正規分布のパラメータの混同です。まずは \(Var(S)\) をしっかり計算する練習を数回やってみてください。そうすれば、すぐに自然と解けるようになりますよ。

プロのアドバイス： 対数正規分布の問題で、もし「変動係数（Coefficient of Variation, CV）」が与えられていたらチャンスです！\(CV = \sqrt{Var(S)} / E[S]\) なので、\(\sigma^2\) の公式はもっと簡単になります：\(\sigma^2 = \ln(1 + CV^2)\) です！