パラメトリック生存モデルの世界へようこそ！

皆さん、こんにちは！Exam FAMの中でも非常に実践的な分野へようこそ。これまでは生命表（数字がびっしりと並んだ大きな表）を使って死亡率を見てきたかもしれません。ですが、もし人間の生存をシンプルな数式で表せるとしたらどうでしょうか？それこそが、まさにパラメトリック生存モデルが果たす役割です！

生命表から \(l_x\) の値を読み取る代わりに、方程式を使って生存確率や死亡確率を計算します。これは、紙の地図（生命表）からGPS（数式）に切り替えるようなものです。どちらも目的地にたどり着く点は同じですが、一度「道のルール（公式）」を覚えてしまえば、数式の方がずっとスムーズで扱いやすくなります。さあ、一緒に飛び込んでいきましょう！

1. 基本概念：死力（\(\mu_x\)）

特定のモデルを見る前に、それらを動かす「エンジン」となる死力（force of mortality）、記号で表すと \(\mu_x\) を理解する必要があります。簡単に言うと、これは年齢 \(x\) の人がその瞬間に死亡するリスクのことです。

年齢 \(x\) の人があと \(t\) 年生存する確率（\({}_t p_x\) と表記します）を求めるには、次の基本的な関係式を使います。

\({}_t p_x = e^{-\int_0^t \mu_{x+s} ds}\)

最初は難しく感じるかもしれませんが、大丈夫です！ 常に面倒な微積分をする必要はありません。私たちが学ぶモデルの多くは、この積分から導き出された「ショートカット公式」を持っています。大事なポイントは「\(\mu\) の式さえ分かれば、生存確率が計算できる」ということです。

クイック復習：基本事項

• \({}_t p_x\)：年齢 \(x\) の人が \(x+t\) 歳まで生存する確率。
• \({}_t q_x\)：年齢 \(x\) の人が \(x+t\) 歳になる前に死亡する確率。覚えておきましょう：\({}_t q_x = 1 - {}_t p_x\)。
• \(\mu_x\)：ある年齢 \(x\) における死亡の危険率、あるいは死力。

重要なポイント： パラメトリックモデルは \(\mu_x\) を関数の形で提供し、それを使って生存確率を計算します。

2. 指数モデル（定常死力）

指数モデルは、皆さんが直面する中で最もシンプルなモデルです。年齢に関係なく死亡リスクが一定であると仮定します。電球のようなもので、電球は「老化」しません。ただ、ある一定の割合で突然故障するだけです。

公式：
\(\mu_x = \mu\) （すべての \(x\) に対して一定の値）

生存確率：
\({}_t p_x = e^{-\mu t}\)

例： 死力が0.02で一定の場合、30歳の人が10年間生存する確率は \(e^{-0.02 \times 10} = e^{-0.2} \approx 0.8187\) となります。

豆知識： このモデルでは、\({}_t p_x\) は現在の年齢 \(x\) に依存しません。20歳の人も80歳の人も、今後5年間生存する確率は同じです。長期間の人間の生存を扱うには非現実的ですが、短期的な保険リスクなどには非常に有用です。

重要なポイント： 定常死力とは、\({}_t p_x = e^{-\mu t}\) を意味します。シンプルで簡単ですね！

3. ゴンペルツ（Gompertz）の法則

1825年、ベンジャミン・ゴンペルツは人間に興味深い傾向があることに気づきました。年齢を重ねるごとに、死亡リスクが指数関数的に増加するのです。これがゴンペルツの法則です。

公式：
\(\mu_x = B \cdot c^x\)
ここで \(B > 0\)、\(c > 1\) です。

生存確率：
\({}_t p_x = \exp \left[ -\frac{B \cdot c^x}{\ln c} (c^t - 1) \right] \)

例え話： 丘を転がり落ちる雪玉を想像してください。転がる距離が長くなる（年齢を重ねる）ほど、スピードと大きさが増していきますよね。ゴンペルツモデルにおける死亡リスクも、それと同じような動きをします。

暗記のヒント： Gompertzの頭文字のGは、Growth（成長）のGと覚えましょう。リスクが幾何学的に成長します。

重要なポイント： ゴンペルツは加齢をモデル化します。年齢 \(x\) が指数（肩の数字）に入っている式（\(c^x\)など）を見たら、それはゴンペルツです！

4. メイカム（Makeham）の法則

メイカムはゴンペルツの考えを改良しようとしました。彼は、人間が死ぬのは「老化」だけではないと考えたのです。事故や「不運」など、年齢に関係のない死亡理由もあります。そこで彼は、ゴンペルツモデルに定数項を加えました。

公式：
\(\mu_x = A + B \cdot c^x\)

構成要素：
• \(A\)：「年齢に関係ない」要素（事故、落雷など）。
• \(B \cdot c^x\)：「年齢に依存する」要素（身体の摩耗や老化）。

生存確率：
\({}_t p_x = e^{-At} \cdot \exp \left[ -\frac{B \cdot c^x}{\ln c} (c^t - 1) \right] \)

よくある間違い： 生存確率の公式で \(A\) に \(t\) を掛け忘れることです。事故リスク（\(A\)）は期間 \(t\) にわたって積み重なることを忘れないでください！

重要なポイント： メイカム ＝ ゴンペルツ ＋ 事故の定数。保険数理学において最も有名な人間の死亡モデルです。

5. ワイブル（Weibull）モデル

ワイブルモデルもリスクの増大をモデル化する方法の一つですが、指数関数的な増加（\(c^x\)）の代わりに、年齢のべき乗関数を使います。

公式：
\(\mu_x = k \cdot x^n\)
（教科書によっては \(\alpha\) や \(\beta\) といった異なるギリシャ文字が使われることもあるので、試験問題で与えられたパラメータを常に確認してください！）

生存確率：
もし \(\mu_x = k \cdot x^n\) なら、生存確率を求めるために積分します。FAMでよく使われる形式は以下の通りです：
\({}_t p_x = e^{-[k(x+t)^{n+1} - kx^{n+1}] / (n+1)}\)

実世界での例： ワイブル分布は、機械部品の「故障率」をモデル化するために工学でよく使われます。初期に壊れやすいもの（初期故障）もあれば、摩耗して壊れやすくなるもの（摩耗故障）もあります。

重要なポイント： 年齢 \(x\) がべき乗（\(x^2\) や \(x^3\) など）になっているのを見たら、ワイブルを思い浮かべてください！

6. 比較・確認用サマリーテーブル

試験直前の確認用に、この表でモデルを整理しておきましょう：

モデル 死力（\(\mu_x\)） 特徴
指数 \(\mu\) 一定。年齢は関係ない。
ゴンペルツ \(B \cdot c^x\) 年齢とともにリスクが指数関数的に増大。
メイカム \(A + B \cdot c^x\) ゴンペルツ ＋ 一定の事故リスク。
ワイブル \(k \cdot x^n\) リスクが年齢のべき乗関数に従う。

7. 合格のためのヒント

1. 変数に注意： \(x\)（現在の年齢）と \(t\)（将来の期間）を混同しないように。試験では「40歳の人が50歳になる前に死亡する確率」を問われるかもしれません。この場合、\(x=40\)、\(t=10\) です。

2. 積分は友達： \({}_t p_x\) の特定のショートカット公式を忘れても、黄金律：\({}_t p_x = e^{-\int_0^t \mu_{x+s} ds}\) を思い出せば大丈夫。これらのモデルで扱う積分のほとんどは、基本的なべき乗則や指数則の範囲内です。

3. 検算： 生存確率（\(p\)）は常に0から1の間でなければなりません。もし1.2や-0.5といった答えが出てしまったら、一度立ち止まって代数計算を見直しましょう！

あなたなら大丈夫！ こうしたモデルは指数がいっぱいで威圧的に見えるかもしれませんが、パターン（指数＝定数、ゴンペルツ＝\(c^x\)、ワイブル＝\(x^n\)）さえ見抜けば、すぐに解けるようになりますよ。