線形結合の世界へようこそ！
ようこそ！今日は、複数の確率変数の「チーム」をどう扱うかについて学習します。これまでの章では、単一の変数（例えば、1件の保険金請求額など）に多くの時間を割いてきました。しかし、現実の世界や試験（Exam P）では、複数の変数が混ざり合った状況を扱うことがよくあります。
投資ポートフォリオを管理することを考えてみてください。単一の銘柄のことだけを気にするのではなく、すべての銘柄を合わせた総額が重要ですよね。この章では、膨大な計算をせずに、これらグループの平均（期待値）や分散を求めるための数学的な「ショートカット」を学びます。
最初は難しく感じるかもしれませんが、大丈夫です。パターンさえつかんでしまえば、この分野は試験の中で最も「得点源」にしやすいセクションの一つですよ！
1. 期待値のスーパーパワー：線形性
期待値（平均値）はとても扱いやすい性質を持っています。それは線形性（Linearity）と呼ばれるルールです。
2つの確率変数 \(X\) と \(Y\)、そして定数 \(a\)、\(b\)、\(c\) があるとき、それらを組み合わせた期待値は、直感通り次のようになります。
\( E[aX + bY + c] = aE[X] + bE[Y] + c \)
なぜこれがスーパーパワーなのでしょうか？ それは、\(X\) と \(Y\) が独立かどうかに関係なく、このルールが成り立つからです！二人が親友だろうが、犬猿の仲だろうが、全くの他人だろうが、期待値はいつでも線形に足し合わせることができるのです。
実生活の例：食料品の買い物
\(X\) を牛乳1本の価格、\(Y\) を食パン1斤の価格としましょう。牛乳を2本（\(2X\)）、食パンを3斤（\(3Y\)）買い、さらに袋代として固定で \(1\) ドル（\(c\)）支払う場合、平均総コストは単純に次のようになります。
2 × 牛乳の平均価格 + 3 × 食パンの平均価格 + 1ドルの袋代
クイック復習ボックス：
• \( E[X + Y] = E[X] + E[Y] \)
• \( E[aX] = aE[X] \)
• \( E[c] = c \) （定数の「平均」は、その定数そのものです！）
2. 共分散：関係性を測る
分散について話す前に、共分散（Covariance）について知る必要があります。共分散は、2つの変数がどれくらい連動して動くかを測る指標です。
共分散の公式は以下の通りです。
\( Cov(X, Y) = E[XY] - E[X]E[Y] \)
覚えておくべき重要ポイント：
1. \(X\) と \(Y\) が独立であれば、\(Cov(X, Y) = 0\) です。（ただし注意：逆が常に成り立つとは限りません！）
2. \(Cov(X, X)\) は、言い方を変えれば \(Var(X)\) のことです。
3. \(Cov(X, Y)\) が正なら、それらは一緒に増える傾向があり、負なら一方が上がるときに他方が下がる傾向があります。
3. 線形結合の分散：「FOIL」メソッド
分散は期待値ほど単純ではありません。変数が互いに干渉し合う可能性があるため、単に足し合わせることはできません。
和の分散の公式は次のようになります。
\( Var(aX + bY) = a^2Var(X) + b^2Var(Y) + 2abCov(X, Y) \)
覚え方は？
高校数学で習った二項展開 \((m + n)^2 = m^2 + n^2 + 2mn\) を思い出してください。
分散の公式はそれとほとんど同じ形をしています！
• \(a^2\) と \(b^2\) の項は「二乗」の部分。
• \(2abCov(X, Y)\) は、変数がどう相互作用しているかを示す「中間項」です。
よくある間違いに注意！ 学生はよく定数の二乗を忘れます。\(Var(3X)\) という問題があったら、答えは \(9Var(X)\) であり、\(3Var(X)\) ではありません。
変数が独立している場合は？
これは最も好都合なケースです！\(X\) と \(Y\) が独立であれば、共分散はゼロになります。公式は次のように簡略化されます。
\( Var(aX + bY) = a^2Var(X) + b^2Var(Y) \)
豆知識：
たとえ2つの独立した変数を引き算する場合でも、その分散は足し算します！
\( Var(X - Y) = Var(X) + (-1)^2Var(Y) = Var(X) + Var(Y) \)。
たとえ話： 不確実な要素が2つあるとき、片方からもう片方を引いても、生活がより確実になるわけではありません。むしろ不確実さが増す（足される）だけなのです！
4. 相関係数 (\(\rho\))
試験では、共分散の代わりに相関係数 (\(\rho\)) が与えられることがあります。相関係数は、常に -1 から 1 の間に収まるように「標準化」された共分散のようなものです。
その関係は以下の通りです。
\( \rho_{XY} = \frac{Cov(X, Y)}{\sigma_X \sigma_Y} \)
分散計算のために式を変形すると：
\( Cov(X, Y) = \rho_{XY} \cdot \sigma_X \cdot \sigma_Y \)
（ここで \(\sigma\) は標準偏差で、\(\sqrt{Var}\) です）。
5. ステップ・バイ・ステップ：線形結合問題の解き方
\(aX + bY\) の分散を求める問題に直面したら、次の手順に従いましょう：
ステップ 1： \(Var(X)\) と \(Var(Y)\) を特定する。
ステップ 2： 関係性を確認する。独立ですか？そうでなければ、\(Cov(X, Y)\) または相関係数 \(\rho\) を求める。
ステップ 3： 定数を二乗する（\(a^2\) および \(b^2\)）。
ステップ 4： すべてを「大きな公式」に代入する：\(a^2Var(X) + b^2Var(Y) + 2abCov(X, Y)\)。
ステップ 5： 符号を二重チェックする！\(Var(X - Y)\) を計算する場合、\(b = -1\) となるため、中間項はマイナスになります：\(-2Cov(X, Y)\)。
6. まとめ
• 平均は簡単： そのまま代入するだけ。\(E[aX + bY + c] = aE[X] + bE[Y] + c\)。
• 分散は二乗が必要： 係数は必ず二乗する（\(a \rightarrow a^2\)）。
• 相互作用項： 変数が独立だと100%確信できる場合を除き、\(2abCov(X, Y)\) を忘れないこと。
• 独立性はギフト： \(Cov(X, Y) = 0\) となり、計算が大幅に楽になります。
• 定数に分散はない： \(Var(X + 5) = Var(X)\)。固定値を足してもデータがシフトするだけで、「バラつき」は変わりません。
これらの公式を練習し続けましょう！これらはアクチュアリー数学の基本中の基本です。あなたならきっとできます！