線形結合の世界へようこそ！

未来のアクチュアリーの皆さん、こんにちは！Exam P（確率論）の学習を進める中で、これまでは単一の確率変数と向き合う時間が長かったかもしれません。しかし、現実の世界、特に保険業界においては、一度に一つのことだけを考えることはまずありません。保険会社にとって重要なのは、たった一つの契約ではなく、何千もの契約の合計額です。そこで登場するのが線形結合（linear combination）です！

この章では、確率変数を足したり、引いたり、定数倍したりしたときの平均、分散、確率の計算方法を学びます。最初は少し抽象的に感じるかもしれませんが、パターンをつかんでしまえば、本番の試験で最も「得点源」になる分野の一つですよ！

線形結合とは一体何？

線形結合は、いわば「数学のレシピ」のようなものだと考えてください。例えば、\( X \)（自動車事故の請求額）と \( Y \)（火災保険の請求額）という2つの確率変数があるとき、線形結合とは、それぞれに定数をかけて足し合わせた新しい変数 \( W \) のことを指します。

一般的な形は以下の通りです。
\( W = aX + bY + c \)

ここで、\( a \), \( b \), \( c \) はただの数値（定数）です。
• \( a \) と \( b \) は重み（スケーリング係数）です。
• \( c \) は固定のシフト量（すべての請求に加算される事務手数料のようなもの）です。

ちょっとした例え話

リンゴを2ポンド（\( X \)）と、バナナを3ポンド（\( Y \)）買う場面を想像してください。もし1ポンドあたりの価格が日々変動する確率変数だとしたら、あなたの総支出は \( 2X + 3Y \) となります。これこそが線形結合です！

ステップ1：期待値を求める（「簡単」な部分）

期待値（平均）はとても素直な性質を持っています。それは線形性（linearity）と呼ばれるルールに従うからです。これは簡単に言うと、\( E[\cdot] \) という記号を式の中の各要素に分配できる、という魔法のような性質です。

公式：
\( E[aX + bY + c] = aE[X] + bE[Y] + c \)

ここが素晴らしい点： この公式を使う際、\( X \) と \( Y \) が独立かどうかを確認する必要はありません。どんなときでも必ず成り立ちます！2つの変数を足すときは、それぞれの平均を足すだけ。シンプルですよね。

クイック復習：Eのルール

• \( E[cX] = cE[X] \)
• \( E[X + Y] = E[X] + E[Y] \)
• \( E[c] = c \) （定数の平均は、その定数そのものです！）

ステップ2：分散を求める（「注意が必要」な部分）

分散は平均よりも少し気難しい存在です。変数が互いに「影響し合う」可能性があるため、単純に足すだけではうまくいきません。この影響力は共分散（Covariance）という指標で測ります。

公式：
\( Var(aX + bY + c) = a^2Var(X) + b^2Var(Y) + 2abCov(X, Y) \)

重要な注意点： 定数 \( c \) が消えていることに注目してください！分散は「ばらつき」を測るものなので、分布を一定量シフトさせても「ばらつき具合」は変わらないからです。また、係数 \( a \) と \( b \) が2乗されていることにも注意しましょう。

ところで、共分散とは？

共分散 \( Cov(X, Y) \) は、変数同士が連動しているかを示します。
• \( Cov(X, Y) > 0 \) の場合：\( X \) が増えると \( Y \) も増える傾向がある。
• \( Cov(X, Y) < 0 \) の場合：\( X \) が増えると \( Y \) は減る傾向がある。
• \( Cov(X, Y) = 0 \) の場合：線形的な関係性はない。

豆知識： もし \( X \) と \( Y \) が独立（independent）であれば、\( Cov(X, Y) = 0 \) となります。その結果、公式はもっと短くなります。
\( Var(aX + bY) = a^2Var(X) + b^2Var(Y) \)

よくある間違い：マイナス記号の扱い

変数を引き算するときにミスをする学生が非常に多いです。\( Var(X - Y) \) を求める際の公式は以下のようになります。
\( Var(X - Y) = Var(X) + Var(Y) - 2Cov(X, Y) \)
もし変数が独立なら、次のようになります。
\( Var(X - Y) = Var(X) + Var(Y) \)
絶対に分散を引き算してはいけません！ 分散は不確実性の尺度です。不確実なものを2つ組み合わせれば、合計の不確実性は通常増えるのであって、減ることはないのです。

ステップ3：確率を計算する

新しい平均と新しい分散がわかったところで、\( P(X + Y > 10) \) のような具体的な確率はどうやって求めればよいのでしょうか？

方法A：正規分布（最も一般的）

問題文に \( X \) と \( Y \) が正規分布に従うと書かれていれば、その線形結合もまた正規分布に従います。これは試験において強力なショートカットになります！

ステップ・バイ・ステップ：
1. 新しい平均：\( \mu_W = E[aX + bY] \) を求める。
2. 新しい分散：\( \sigma^2_W = Var(aX + bY) \) を求める。
3. 平方根をとって新しい標準偏差 \( \sigma_W \) を出す。
4. Zスコアの公式：\( Z = \frac{W - \mu_W}{\sigma_W} \) に代入する。
5. 標準正規分布表から確率を読み取る。

方法B：積率母関数（MGF）のテクニック

変数が正規分布ではない場合、MGFを使うことがあります。独立な変数の和のMGFは、それぞれのMGFの積になります。
\( M_{X+Y}(t) = M_X(t) \cdot M_Y(t) \)

得られたMGFが特定の分布（ガンマ分布やポアソン分布など）のものだとわかれば、その分布の性質を使って確率を求めることができます。

まとめと重要ポイント

1. 平均は簡単： 期待値を分配するだけ。独立かどうかは気にしなくてOK。
2. 分散には注意： 係数を2乗すること、そして独立であると明記されていない限り \( 2abCov(X, Y) \) の項を忘れないこと。
3. 共分散が鍵： \( Cov(X, Y) = E[XY] - E[X]E[Y] \) です。
4. 正規分布は正規分布のまま： 正規分布の和は正規分布になる。これはExam Pの多くの問題において「最高の味方」です。
5. 単位を確認： 問題で「和の標準偏差」を求められたら、最後に分散の平方根をとることを絶対に忘れないで！

共分散の部分が難しく感じても大丈夫！「独立＝共分散は0」ということさえ覚えておけば大丈夫です。試験問題のほとんどは、共分散を直接与えるか、独立であると教えてくれるはずです。自信を持って取り組んでくださいね！