変動の世界へようこそ！

多変量確率変数の学習を進める中で、私たちはすでに「ある変数の情報がわかっているときに、もう一つの変数の『平均』（期待値）を求める方法」を学んできました。しかし、アクチュアリーなら誰もが知っているように、平均値は全体像の半分に過ぎません。リスクを真に管理するためには、平均値の周りでデータがどれだけ「ばらついているか」を知る必要があります。そこで登場するのが分散と標準偏差です。

この章では、以下の2つの視点からこれらの概念を見ていきます。 1. 周辺（Marginal）： 片方の変数を無視して、もう一方の変数だけを見る。 2. 条件付き（Conditional）： 片方の変数の具体的な情報が得られたときに、もう一方の変数のばらつきがどう変化するかを見る。

最初は抽象的に感じるかもしれませんが、大丈夫です。身近な例えを使いながら、ステップバイステップで紐解いていきましょう！

1. 周辺分散と標準偏差

周辺分散について考えるときは、「視野を広げる」イメージを持ってください。同時分布（\( X \) と \( Y \) の両方）がある状態でも、あえて一方の変数にだけ注目し、もう一方を完全に無視することにします。

計算方法：

\( X \) の分散 \( Var(X) \) を求めるには、まず \( X \) の周辺分布が必要です。同時確率密度関数（PDF）や確率質量関数（PMF）が与えられている場合は、\( Y \) について足し合わせるか（和）、積分して \( Y \) を消去します。

周辺分布さえ手に入れば、あとは1変数の確率論で学んだ公式と同じです。
\( Var(X) = E[X^2] - (E[X])^2 \)

標準偏差は、分散の平方根をとるだけです。
\( \sigma_X = \sqrt{Var(X)} \)

復習ポイント： 連続型変数の \( E[X^2] \) は \( \int x^2 f_X(x) dx \)、離散型変数の場合は \( \sum x^2 p_X(x) \) で計算することを思い出してくださいね。

ここが重要： 周辺分散は、相方の変数が存在しないかのように振る舞います。これは、母集団全体における単一変数の「総リスク」や「ばらつき」を測定するものです。

2. 条件付き分散

ここからが面白いところです！条件付き分散 \( Var(Y|X=x) \) は、\( X \) の値が正確にわかっているという条件下での \( Y \) のばらつきを測定します。

こうイメージしてみましょう：

大人の身長（\( Y \)）を見ていると想像してください。周辺分散は全員の身長のばらつきです。しかし、もし「その人は12歳です（\( X=12 \)）」という情報があれば、条件付き分散は12歳児だけの中での身長のばらつきになります。一般的に、12歳児の中でのばらつきは、世界全体のばらつきよりもずっと小さいはずですよね！

公式：

基本的な論理は標準的な分散と同じですが、条件付き期待値を使います。
\( Var(Y|X=x) = E[Y^2|X=x] - (E[Y|X=x])^2 \)

手順：

1. 条件付きPDF/PMFを求める: \( f_{Y|X}(y|x) = \frac{f(x,y)}{f_X(x)} \)
2. 条件付き平均を計算する: \( E[Y|X=x] \)
3. 条件付きの二次の積率を計算する: \( E[Y^2|X=x] \)
4. 上記の公式に代入する。

よくある間違い： \( Var(Y|X=x) \) は、通常ただの数字ではなく \( x \) の関数になることに注意してください（\( X \) と \( Y \) が独立でない限り）。特定の \( x \) の値を代入すれば数値になりますが、変数 \( X \) を残したままにすれば、新しい確率変数になります！

3. 全分散の法則（「EVVE」ルール）

これはExam Pにおいて、この章で最も重要な公式といっても過言ではありません。周辺分散と条件付き分散を繋ぐものです。\( X \) を基準にして \( Y \) の総分散を2つの断片に分解することで、計算が可能になります。

公式：

\( Var(Y) = E[Var(Y|X)] + Var(E[Y|X]) \)

覚え方：「EVVE（イーブ）」
Expected Value of the Variance（分散の期待値） + Variance of the Expected Value（期待値の分散）。

これはどういう意味でしょう？

例え話で考えてみましょう。今日のアメリカ全土の気温の分散（\( Var(Y) \)）を知りたいとします。

1. \( E[Var(Y|X)] \)（グループ「内」の分散）： 各都市の中での気温のばらつきを平均したものです。ある一つの都市の中で、どれくらい気温が変動するか？ということです。
2. \( Var(E[Y|X]) \)（グループ「間」の分散）： 各都市の平均気温の分散です。マイアミの平均気温とアンカレッジの平均気温がどれくらい違うか？というものです。

豆知識： これはよく分散分解公式と呼ばれます。総リスクを「説明のつかないランダム性」と「予測可能な変動」に分解できるためです。

ここが重要： \( Var(Y) \) を求めたいときに条件付きの情報が与えられていたら、焦らないでください！EVVE公式に必要なパーツをそれぞれ見つければ良いのです。

4. 重要な性質と関係性

試験に向けた「プロのコツ」をいくつか紹介します。

1. 独立性： \( X \) と \( Y \) が独立であれば、\( X \) を知っても \( Y \) については何もわかりません。したがって：
\( E[Y|X] = E[Y] \)
\( Var(Y|X) = Var(Y) \)

2. 標準偏差は加法性ではない：
決して忘れないでください： \( \sigma_{Y|X} = \sqrt{Var(Y|X)} \) です。標準偏差を単純に足し合わせることはできません。計算は常に分散で行い、最後に平方根をとるようにしてください。

3. 「内側」の変数： 式 \( Var(E[Y|X]) \) において、\( E[Y|X] \) は \( X \) を変数とする確率変数です。これの分散をとる際は、単なる関数 \( g(X) \) と同じように扱います。

クイックチェックリスト

- [ ] 周辺分散： 周辺分布を使い、他の変数は無視する。
- [ ] 条件付き分散： 片方の変数が固定（\( x \)）されたときの、もう一方のばらつき。
- [ ] EVVEルール： \( Var(Y) = E[Var(Y|X)] + Var(E[Y|X]) \)。
- [ ] 関数と値： \( Var(Y|X=x) \) は数値、\( Var(Y|X) \) は確率変数。
- [ ] 最後のステップ： 標準偏差は常に分散の平方根。

全分散の法則が最初は難しく感じるかもしれませんが、大丈夫です。まずは「グループ内」と「グループ間」の成分を別々に計算する練習問題を解いてみてください。すぐにパターンが見えてくるはずです！あなたならきっと大丈夫！