頻度の世界へようこそ！
Exam FAM（保険数理の基礎）の「損失額、頻度、および総額モデル」のセクションでは、ある期間内に発生するクレームの件数をカウントすることに多くの時間を費やします。これを頻度（Frequency）と呼びます。関連のない数多くの公式を丸暗記する代わりに、アクチュアリーは(a, b, 0)クラスと(a, b, 1)クラスという2つの「分布ファミリー（クラス）」を活用します。
これらのクラスを「テンプレート」だと考えてみてください。ある分布がそのテンプレートに当てはまれば、標準的なルールを使って確率を求めることができます。この章は、これらのテンプレートをマスターするためのガイドです。最初は数学が少し難しく見えるかもしれませんが、大丈夫です。ステップバイステップで紐解いていきましょう！
1. 基本となる構成要素：(a, b, 0)クラス
(a, b, 0)クラスは、ポアソン分布、二項分布、負の二項分布という3つの有名な離散分布のグループです。これらが「ファミリー」である理由は、連続する確率の比率が特定の線形パターンに従うためです。
魔法の公式
(a, b, 0)クラスの任意の分布において、\(k\)件のクレームが発生する確率（\(p_k\)）と、\(k-1\)件のクレームが発生する確率（\(p_{k-1}\)）との関係は、以下の公式で表されます。
\(\frac{p_k}{p_{k-1}} = a + \frac{b}{k}, \quad k = 1, 2, 3, ...\)
「これはどういう意味？」ハシゴを登っているところを想像してください。各ステップ（\(p_k\)）は、その下のステップ（\(p_{k-1}\)）と、登る高さ（\(k\)）に応じて少しずつ変化するシンプルな乗数によって結びついています。(a, b, 0)の「0」は、このルールが\(p_0\)から始まる最初のステップから適用されることを意味しています。
ファミリーのメンバー紹介
このルールに当てはまる分布は3つだけです。それぞれのaとbパラメータの識別方法は以下の通りです。
- ポアソン分布 (\(\lambda\)):
\(a = 0\)
\(b = \lambda\)
主な特徴: \(a=0\) なので、比率は単なる \(\lambda/k\) です。 - 二項分布 (\(m, q\)):
\(a = \frac{-q}{1-q}\)
\(b = \frac{(m+1)q}{1-q}\)
主な特徴: \(a\) は常に負の値をとります。 - 負の二項分布 (\(r, \beta\)):
\(a = \frac{\beta}{1+\beta}\)
\(b = \frac{(r-1)\beta}{1+\beta}\)
主な特徴: \(a\) は常に正かつ1未満の値をとります。
クイック復習：目の前の分布がどれかを見分けるには？
- \(a < 0\) の場合：二項分布
- \(a = 0\) の場合：ポアソン分布
- \(a > 0\) の場合：負の二項分布
豆知識：幾何分布は、実は負の二項分布で \(r = 1\) としたものです。つまり、幾何分布の場合、\(b\) は常に0になります！
まとめ：(a, b, 0)クラスは、シンプルな再帰的比率を使って確率を求めます。試験で素早く解くためには、\((a, b)\)と各分布のパラメータ（\(\lambda, m, q, r, \beta\)）の関係を暗記しておくことが不可欠です。
2. ステップアップ：(a, b, 1)クラス
現実のデータは、必ずしも(a, b, 0)分布に完璧に当てはまるとは限りません。最も一般的な問題は、「クレームゼロ」の発生件数がモデルの予測よりも大幅に多い、あるいは少ないことです。ここで登場するのが(a, b, 1)クラスです。
何が違うのか？
(a, b, 1)クラスでも、\( \frac{p_k}{p_{k-1}} = a + \frac{b}{k} \) という全く同じ再帰公式を使います。ただし、このルールが有効なのは \(k = 2, 3, ...\) からです。ゼロの確率（\(p_0\)）は「壊れている」あるいは「修正されている」ため、このルールには従いません。
このクラスには2つのタイプがあります：
- ゼロ切り捨て型 (Zero-Truncated: ZT): ゼロが全く存在しない分布（\(p_0 = 0\)）。病院の患者記録を考えてみてください。通院回数がゼロの人は「患者」としては記録されませんよね！
- ゼロ修正型 (Zero-Modified: ZM): 自分で設定した任意のゼロ確率（\(p_0^M\)）を持つ分布。
(a, b, 1)の確率を計算する方法
(a, b, 1)クラスの確率を求めるには、まず「基礎となる(a, b, 0)分布」（その確率を \(p_k\) とします）を確認し、それを調整します。
ゼロ切り捨て型 (ZT) の場合:
\(p_k^T = \frac{p_k}{1 - p_0}\)
解説: 元の確率を、消えたゼロの分だけ「引き伸ばして」埋め合わせます。
ゼロ修正型 (ZM) の場合:
\(p_k^M = \frac{1 - p_0^M}{1 - p_0} p_k\)
プロのアドバイス: \(p_k^M = (1 - p_0^M) p_k^T\) と考えてもOKです。これは「\(p_0^M\) をゼロのために確保しておき、残りの確率をゼロ以外の事象に分配する」という考え方です。
よくある間違い：(a, b, 1)分布の比率を計算する際、計算できる最初の比率は \(\frac{p_2}{p_1}\) であることに注意してください。ルールが \(k=1\) では適用されないため、この公式を使って \(p_0\) から \(p_1\) を求めることはできません！
まとめ：(a, b, 1)クラスは、(a, b, 0)クラスのゼロの確率を「特別に扱ったもの」です。ZTまたはZMの公式を使って、標準的な確率を調整しましょう。
3. 問題解決へのステップ
これらのクラスに関するパラメータや確率を問う問題に出会ったら、次のステップに従いましょう：
ステップ 1：クラスの特定
問題文に \(p_0, p_1, p_2\) が示されていますか？その比率を確認してください。\(\frac{p_1}{p_0}\) と \(\frac{p_2}{p_1}\) が同じ \(a + b/k\) ルールに従うなら、それは(a, b, 0)です。後の項だけが従うなら、それは(a, b, 1)です。
ステップ 2：a と b を解く
2つの比率があれば、2つの式が立てられます。
1. \(\frac{p_k}{p_{k-1}} = a + \frac{b}{k}\)
2. \(\frac{p_{k+1}}{p_{k}} = a + \frac{b}{k+1}\)
引き算や代入法を使って \(a\) と \(b\) を求めます。
ステップ 3：基礎となる分布を特定する
\(a\) が求まったら、「主な特徴」リストを参照します。
- \(a\) が正なら？ 負の二項分布
- \(a\) が0なら？ ポアソン分布
- \(a\) が負なら？ 二項分布
ステップ 4：答えを出す
平均、分散、あるいは特定の確率が問われているはずです。分布とパラメータ（\(\lambda\) や \(\beta\) など）が分かれば、標準公式を使って計算を完了させましょう。
最初は難しく感じるかもしれませんが、大丈夫です！ 最も一般的なハードルは、\(a\) と \(b\) を解くための代数計算です。数問練習すれば、すぐに自然と手が動くようになります。
4. クイック復習ボックス
(a, b, 0) テーブルまとめ:
- ポアソン: \(a=0\), \(b=\lambda\), \(p_k/p_{k-1} = \lambda/k\)
- 二項: \(a < 0\), \(a = -q/(1-q)\)
- 負の二項: \(a > 0\), \(a = \beta/(1+\beta)\)
(a, b, 1) 公式:
\(p_k^M = \frac{1 - p_0^M}{1 - p_0} p_k\)
重要用語:
- ゼロ切り捨て (Zero-Truncated): \(p_0\) がちょうど0である。
- ゼロ修正 (Zero-Modified): \(p_0\) が問題文で与えられた特定の値である。
あなたなら大丈夫です！これらのパラメータ間の関係を理解することは、Exam FAM合格への大きな一歩です。比率計算の練習を続けていきましょう！