「What If?」の世界へようこそ
未来の保険数理士の皆さん、こんにちは！今日はExam P（確率論）において非常に実用的なテーマ、「確率変数に対する条件付き確率」に飛び込んでいきます。基本的な条件付き確率（\(P(A|B)\)のようなもの）をすでにマスターしているなら、もう半分はクリアしたも同然です！あとは、その同じルールを確率変数に適用するだけです。
条件付き確率を「フィルター」だと考えてみてください。すべての可能性を見るのではなく、特定のサブセット（部分集合）だけに注目するのです。なぜこれが重要なのでしょうか？保険の世界では、「免責金額を超えたという前提で、さらに支払額が1,000ドルを超える確率は？」といった問いを頻繁に投げかけます。これこそが、今日私たちが計算方法を学ぶ内容そのものです！
1. 核となる概念：「ユニバース」を縮小する
確率変数 \(X\) の条件付き確率を考えるとき、通常は \(X\) がとりうる値を制限するような何らかの情報が与えられます。これを \(P(X \in A | X \in B)\) と表記します。
定義：
\(P(X \in A | X \in B) = \frac{P(X \in A \cap B)}{P(X \in B)}\)
この記法に怖気づく必要はありません！こう考えてみてください。
1. 分母： これがあなたの「新しいユニバース（世界）」です。\(X\) が集合 \(B\) に含まれるケースだけを考えます。
2. 分子： これが「重なり部分」です。新しいユニバースのうち、条件 \(A\) も満たすケースはどれだけあるか？を確認します。
日常の例え：コーヒーショップ
コーヒーショップにいるところを想像してください。確率変数 \(X\) は飲み物の価格です。
事象： 飲み物が5ドルを超える確率 (\(X > 5\)) は？
条件： 誰かが「その飲み物はLサイズ（\(X \ge 4\)）だってことは確定しているよ」と教えてくれました。
あなたの「ユニバース」は縮小しました。もうSサイズやMサイズのことは気にしなくていいのです。4ドル以上の価格帯の飲み物全体に占める、5ドルを超える確率だけが重要になります。
クイック復習： "given"（〜という条件の下で）、"if"（もし〜ならば）、"provided that"（〜であると仮定して）といった言葉を見かけたら、それは条件付き確率を扱っている証拠です。これらの言葉の後に続く情報が、分母に入ります。
2. 離散型変数の条件付き確率
（事故の件数のような）離散型変数の場合、計算には「和」を使います。\(X\) がある範囲 \(B\) に含まれるという条件の下で \(X = x\) となる確率は以下の通りです。
\(P(X = x | X \in B) = \frac{P(X = x)}{P(X \in B)}\) （ただし \(x\) が \(B\) に含まれる場合。それ以外は \(0\)）
よくある間違い： 「再スケーリング」を忘れないように！ユニバースが小さくなった分、残った事象の確率を合計して1（100%）になるように、条件の全確率で割る必要があります。
3. 連続型変数の条件付き確率
ここはExam Pでよく狙われるポイントです。確率密度関数 (pdf) \(f(x)\) を持つ連続型確率変数では、論理は同じですが積分を使います。
例えば、\(P(X \le a | X > c)\) を求めたいとします。これは保険の免責金額設定でよく見かけます！
公式はこうなります。
\(P(X \le a | X > c) = \frac{P(c < X \le a)}{P(X > c)}\)
ステップ・バイ・ステップ：
1. 分母を求める： \(c\) から無限大までpdfを積分するか、\(1 - F(c)\) を使って \(P(X > c)\) を計算します。
2. 分子を求める： 重なり部分の確率を計算します。今回の場合は \(c\) から \(a\) までの面積になります。
3. 割り算： 分子を分母で割ります。
豆知識
保険において、\(X\) を損失額、\(d\) を免責金額とすると、条件 \(X > d\) は保険会社が実際に保険金を支払う状況を意味します。\(P(X > x | X > d)\) を計算することは、保険金支払いが確定した状態で、さらに「高額」な支払いが発生する確率を算出する助けになります。
4. 保険数理士の必殺技：無記憶性
積分が大変そうに見えても心配しないでください。2つの特別な分布には近道があります！これは試験で「絶対に知っておくべき」知識です。
指数分布（連続型）と幾何分布（離散型）は、無記憶性 (memoryless property) を持っています。
概念： 「あと \(t\) 分待つ確率は、すでに何分待ったかには依存しない」
数式：
\(P(X > s + t | X > s) = P(X > t)\)
例： 電球の寿命が指数分布に従うとき、すでに100時間使っていても（\(s=100\)）、そこからさらに50時間持つ確率（\(t=50\)）は、新品の電球が50時間持つ確率と全く同じなのです。
覚え方： 「金魚（Goldfish）」変数をイメージしてください。過去に何が起きたかすぐに忘れてしまいます！この「金魚」特性を持つのは指数分布と幾何分布だけです。
5. 重要なヒントとよくある罠
1. 「かつ (And)」の罠： 分子 \(P(A \cap B)\) を計算するときは、両方の条件が同時に成り立つ場所を見つけているか確認してください。例えば \(P(X < 10 | X > 5)\) を求められたら、分子は \(P(5 < X < 10)\) です。
2. 「以上・超える」の言葉： 問題文で「X is at least 10（10以上）」なら \(X \ge 10\)、「more than 10（10を超える）」なら \(X > 10\) です。連続型変数では等号の有無は計算結果を変えませんが、離散型では結果が大きく変わるため注意が必要です！
3. 余事象のルール： 分母を計算する際、\(1 - P(Bの否定)\) を使った方が圧倒的に楽な場合があります。範囲が0から100で、条件が \(X > 1\) なら、\(1 - P(X \le 1)\) を計算するのが一番の近道です。
まとめ
• 公式： まずは \(P(A|B) = \frac{P(A \cap B)}{P(B)}\) からスタート。
• 分母： 常に条件（"given"の後の部分）の確率が入ります。
• 分子： 事象と条件の両方が起こる確率です。
• 無記憶性： 指数分布・幾何分布を見たら迷わず使って時間を節約！積分は不要です。
• 再スケーリング： 条件付き確率は、制限された領域で合計100%になる「新しい」分布を作る作業だと心得ましょう。
練習あるのみです！「ユニバースを縮小する」感覚に慣れれば、これらの問題は試験の中であなたのお気に入りの得点源になります。きっと大丈夫！