重度（Severity）の世界へようこそ！

Exam FAMの「重度、頻度、および総額モデル（Severity, Frequency, and Aggregate Models）」セクションでは、単に保険金の請求が何件発生するか（これが「頻度：Frequency」です）を見るだけではありません。「いくら」の支払いが発生するのかに焦点を当てます。これを「重度（Severity）」と呼びます。

この章では、モーメントやパーセンタイルを使って、請求額の「挙動」を記述する方法を学びます。これらは確率分布のDNAのようなものだと考えてください。中心がどこにあるのか、どれくらい値がばらついているのか、そしてシステムに巨大な「衝撃」が加わる可能性があるのかどうかを教えてくれます。今はまだ少し抽象的に感じるかもしれませんが、心配しないでください。一つずつ紐解いていきましょう！

1. 生モーメント（Raw Moments）： 「大きさ」を測る

分布を記述する最もシンプルな方法は、生モーメントを使うことです。生モーメントとは、単に請求額をべき乗したものの期待値のことです。

定義： 確率変数 \(X\) の \(k\) 次生モーメントは \(E[X^k]\) （あるいは \(\mu'_k\) と表記されることもあります）として表されます。

1次生モーメント： 平均（Mean）

1次生モーメント（\(k=1\)）は、最も有名な平均（Mean, \(\mu\)）です。これは長期間にわたって見込まれる「平均的な」請求額を表します。
\(E[X] = \int_{0}^{\infty} x \cdot f(x) \, dx\) （連続型変数の場合）
\(E[X] = \sum x \cdot p(x)\) （離散型変数の場合）

高次の生モーメント

\(k\) が大きくなるにつれて（\(E[X^2], E[X^3]\) など）、より大きな請求額に「重み」がかかるようになります。そのため、高次のモーメントは分布の「裾（テイル）」（非常に大きな請求）に対して非常に敏感になります。

クイック復習：
- 1次モーメント = 中心（平均）
- 2次モーメント = ばらつきの測定に役立つ（分散の計算に使用）

2. 中心モーメント（Central Moments）： 「広がり」を測る

生モーメントがゼロからの距離を見るのに対し、中心モーメントは平均（Mean）からの距離を見ます。これにより、実際の請求額が平均値の周囲でどれくらい変動しているかがわかります。

定義： \(k\) 次中心モーメントは \(E[(X - \mu)^k]\) （あるいは \(\mu_k\) と表記されることもあります）として表されます。

分散（Variance, \(\sigma^2\)）

2次中心モーメントは分散です。これは請求額がどれくらい「予測不可能か」を示します。
\(\text{Var}(X) = E[(X - \mu)^2] = E[X^2] - (E[X])^2\)

避けるべきよくあるミス： 学習者はよく \(E[X^2]\) と \((E[X])^2\) を混同します。覚えておいてください：「二乗の平均」と「平均の二乗」は同じではありません！

標準偏差（Standard Deviation, \(\sigma\)）

分散は「単位の二乗」（ドルの二乗など）になってしまうため、平方根をとって元の単位に戻します。
\(\sigma = \sqrt{\text{Var}(X)}\)

変動係数（Coefficient of Variation: CV）

これは「実社会」で非常に役立つ指標です。相対的なリスクを測定します。
\(CV = \frac{\sigma}{\mu}\)
例え話： 1,000ドルの請求に対して100ドルの変動（CV = 0.1）なら「安定」していますが、50ドルの請求に対して100ドルの変動（CV = 2.0）なら「極めて予測不可能！」と言えます。

重要なポイント： 中心モーメントは、請求額のリスクとボラティリティ（変動性）を理解するのに役立ちます。

3. 歪度（Skewness）と尖度（Kurtosis）： リスクの「形状」

保険の請求データが「正規分布」になることはめったにありません。通常は、少数の非常に大きな請求と、多数の小さな請求で構成されます。この「偏り」を記述するために歪度と尖度を使います。

歪度（Skewness）

歪度は左右非対称性の度合いを測ります。
- 正の歪度（右に歪んでいる）： ほとんどの保険分布がこれに当てはまります！ 右側に非常に大きな請求が続く長い裾（テール）があります。
- ゼロの歪度： 完全な対称性（正規分布など）。

尖度（Kurtosis）

尖度は裾の「太さ」を測ります。尖度が高いということは、正規分布が示唆するよりも頻繁に「極端な事象」（ブラックスワン）が発生することを意味します。

知っていましたか？ アクチュアリーが歪度を非常に重視するのは、一度の巨大なハリケーンや山火事の請求が、数千件の小さな請求を打ち消してしまう可能性があるからです。その「テールリスク」こそが、保険を難しくしている要因なのです！

4. パーセンタイルとクォンタイル

時には平均値ではなく、「95%の確率でそれ以下に収まる請求額はいくらか？」を知りたい場合があります。ここで登場するのがパーセンタイルです。

定義： \(p\) パーセンタイル（または \(100p\) パーセンタイル）とは、請求額がそれ以下になる確率が \(p\) となる値 \(x_p\) のことです。
\(F(x_p) = P(X \le x_p) = p\)

VaR（Value at Risk）： アクチュアリーや金融の世界では、\(p\) パーセンタイルはしばしばVaRと呼ばれます。例えば、99% VaRとは、1%の確率でしか超えないと予想される請求額のことです。

例： 自動車保険の請求の95パーセンタイルが10,000ドルであれば、請求の95%は10,000ドル以下であり、10,000ドルを超える請求はわずか5%であることを意味します。

5. 限定期待値（Limited Expected Value: LEV）

これはExam FAMにとって非常に重要な概念です。実社会では、保険会社は1件の請求に対して支払う金額に「上限（\(u\)）」を設けることがよくあります。

定義： 限定期待値 \(E[X \land u]\) は、各請求額に上限 \(u\) を設けた場合の請求額の期待値です。

\(E[X \land u] = \int_{0}^{u} x \cdot f(x) \, dx + u \cdot [1 - F(u)]\)

考え方：
1. 上限より小さい請求に対しては、保険会社は実際の額（\(x\)）を支払います。
2. 上限より大きい請求に対しては、保険会社は上限額（\(u\)）を支払います。

記憶のコツ： LEVは「保険金支払いに上限がある場合、保険会社が実際に負担する平均額」だと考えてください。

6. クイック復習用まとめテーブル

平均（\(\mu\)）： \(E[X]\) - 平均的な請求額。
分散（\(\sigma^2\)）： \(E[X^2] - \mu^2\) - 請求のばらつき。
CV： \(\sigma / \mu\) - 相対的なボラティリティ。
パーセンタイル（\(x_p\)）： \(F(x_p) = p\) - 特定の確率に対する「境界線」。
LEV（\(E[X \land u]\)）： 上限 \(u\) を設けた時の平均請求額。

最後に

重度モデルは、最初は微積分や公式が多くて重荷に感じるかもしれません。難しく感じても大丈夫ですよ！ この章をマスターする秘訣は、モーメントやパーセンタイルが、結局は同じ「請求データの塊」を記述するための異なる方法に過ぎないということを理解することです。Exam FAM公式シートにある特定の分布（ガンマ分布、パレート分布、指数分布など）を使って練習を続けてください。これらの分布にはモーメントの計算式がすでに導出されており、試験時間を大幅に節約できます！