ยินดีต้อนรับสู่ Maximum Likelihood Estimation (MLE)!

สวัสดีครับ! วันนี้เราจะมาเจาะลึกหนึ่งในเครื่องมือที่ทรงพลังที่สุดในคลังแสงของนักคณิตศาสตร์ประกันภัย นั่นคือ Maximum Likelihood Estimation หรือเรียกสั้นๆ ว่า MLE ถ้าคุณเคยนั่งมองข้อมูลการเคลมประกันกองโตแล้วตั้งคำถามว่า "โมเดลคณิตศาสตร์ตัวไหนนะที่อธิบายข้อมูลชุดนี้ได้ดีที่สุด?" คำตอบก็คือ MLE นี่แหละครับ

ลองจินตนาการว่า MLE คือกระบวนการ "วิศวกรรมย้อนรอย" (Reverse Engineering) ปกติแล้วเรามักจะได้สูตรมาแล้วให้หาความน่าจะเป็น แต่ใน MLE เรามีผลลัพธ์ (ข้อมูล) แล้วเรากำลังพยายามตามหา "สูตร" (พารามิเตอร์) ที่มีแนวโน้มมากที่สุดที่จะทำให้เกิดผลลัพธ์เหล่านั้น ไม่ต้องกังวลนะครับถ้าตอนนี้ฟังดูเป็นนามธรรมไปหน่อย เราจะค่อยๆ ย่อยไปทีละขั้นตอนครับ!

1. แนวคิดหลัก: Likelihood คืออะไร?

ลองนึกภาพว่าคุณมีเหรียญหนึ่งเหรียญ คุณโยน 10 ครั้งแล้วออกหัว 9 ครั้ง คุณมีสมมติฐานเกี่ยวกับความน่าจะเป็นที่จะออกหัว (\( p \)) อยู่สองค่า คือ 0.5 (เหรียญเที่ยงตรง) หรือ 0.9 (เหรียญไม่เที่ยง) ค่าไหนดู มีความเป็นไปได้ (likely) มากกว่ากัน? ก็ต้อง 0.9 ใช่ไหมครับ! ในวิชาคณิตศาสตร์ประกันภัย เราก็ทำแบบเดียวกันนี้กับขนาดการเคลม (severity) และจำนวนครั้งของการเคลม (frequency)

ฟังก์ชันความน่าจะเป็นสูงสุด (Likelihood Function) \( L(\theta) \):
Likelihood function คือค่าความน่าจะเป็น (สำหรับข้อมูลแบบไม่ต่อเนื่อง) หรือค่าความหนาแน่น (สำหรับข้อมูลแบบต่อเนื่อง) ที่จะสังเกตเห็นชุดข้อมูลของเรา โดยกำหนดให้พารามิเตอร์คือ \( \theta \) หากเรามีการสังเกตที่เป็นอิสระต่อกัน \( x_1, x_2, ..., x_n \) ค่า Likelihood จะเท่ากับผลคูณของความน่าจะเป็นของแต่ละเหตุการณ์:

\( L(\theta) = f(x_1 | \theta) \times f(x_2 | \theta) \times ... \times f(x_n | \theta) = \prod_{i=1}^{n} f(x_i | \theta) \)

เป้าหมายของเรา: หาค่า \( \theta \) ที่ทำให้ \( L(\theta) \) มีค่ามากที่สุด ค่านี้เรียกว่า Maximum Likelihood Estimate เขียนแทนด้วย \( \hat{\theta} \)

เคล็ดลับเล็กๆ: ทำไมเราถึงรักลอการิทึม

การคูณทศนิยมเล็กๆ หลายตัวเข้าด้วยกันมันยุ่งยาก และการทำแคลคูลัสกับผลคูณนั้นยุ่งยากกว่ามาก (กฎ Product Rule นี่ไม่สนุกเลย!) เพื่อให้ชีวิตง่ายขึ้น เราจึงใส่ ลอการิทึมธรรมชาติ (Natural Logarithm) ให้กับ Likelihood ซึ่งจะเปลี่ยนการคูณให้กลายเป็นการบวกแทน:

\( \ell(\theta) = \ln[L(\theta)] = \sum_{i=1}^{n} \ln[f(x_i | \theta)] \)

เนื่องจากฟังก์ชัน log เป็น "ฟังก์ชันเพิ่ม" (increasing function) ค่า \( \theta \) ที่ทำให้ Log-Likelihood สูงสุด ก็คือค่าเดียวกับที่ทำให้ Likelihood เดิมสูงสุดนั่นเอง!

ประเด็นสำคัญ: Likelihood Function ก็คือโอกาสที่ข้อมูลของคุณจะเกิดขึ้นนั่นเอง เราใช้ log เพื่อให้การคำนวณทางคณิตศาสตร์จัดการได้ง่ายขึ้น

2. สูตรสำเร็จในการหา MLE

เมื่อคุณเจอโจทย์ MLE ในข้อสอบ Exam FAM ให้ทำตามขั้นตอนดังนี้ครับ:

ขั้นตอนที่ 1: เขียนฟังก์ชันความหนาแน่น \( f(x) \) หรือฟังก์ชันมวลความน่าจะเป็น \( p(x) \) ของการแจกแจงนั้นๆ
ขั้นตอนที่ 2: เขียนฟังก์ชัน Likelihood \( L(\theta) \) (ผลคูณของความหนาแน่นทั้งหมด)
ขั้นตอนที่ 3: ใส่ natural log เพื่อเปลี่ยนเป็น Log-Likelihood \( \ell(\theta) \)
ขั้นตอนที่ 4: ดิฟเทียบกับ \( \theta \): \( \frac{d}{d\theta} \ell(\theta) \)
ขั้นตอนที่ 5: จับอนุพันธ์เท่ากับศูนย์แล้วแก้สมการหา \( \theta \) นั่นคือ \( \hat{\theta} \) ของคุณ!

ตัวอย่าง: การแจกแจงแบบเอกซ์โพเนนเชียล (Exponential Distribution)

ถ้าเรามีข้อมูลการเคลม \( x_1, ..., x_n \) จากการแจกแจงแบบ Exponential ที่มีค่าเฉลี่ย \( \theta \) โดยมีความหนาแน่นคือ \( f(x) = \frac{1}{\theta} e^{-x/\theta} \)
1. \( L(\theta) = \prod \frac{1}{\theta} e^{-x_i/\theta} = \theta^{-n} e^{-\sum x_i / \theta} \)
2. \( \ell(\theta) = -n \ln(\theta) - \frac{\sum x_i}{\theta} \)
3. \( \frac{d}{d\theta} \ell(\theta) = -\frac{n}{\theta} + \frac{\sum x_i}{\theta^2} = 0 \)
4. แก้สมการหา \( \theta \) จะได้ \( \hat{\theta} = \frac{\sum x_i}{n} = \bar{x} \) (ค่าเฉลี่ยตัวอย่าง)

รู้หรือไม่? สำหรับการแจกแจงทั่วไปหลายชนิด ค่า MLE ก็คือค่าเฉลี่ยตัวอย่างนั่นเอง! ซึ่งรวมถึงการแจกแจงแบบ Exponential, Poisson และ Bernoulli

3. MLE สำหรับข้อมูลความรุนแรง (Severity): การจัดการกับการตัดทอน (Truncation) และการจำกัด (Censoring)

ในโลกแห่งความเป็นจริง ข้อมูลประกันภัยมักจะไม่ "สวยหรู" เรามักต้องเจอกับ ค่าเสียหายส่วนแรก (Deductibles) (left-truncation) และ เพดานความคุ้มครอง (Policy Limits) (right-censoring) ซึ่งเป็นหัวข้อโปรดของข้อสอบ Exam FAM เลยครับ!

A. ข้อมูลแบบจัดกลุ่ม (Grouped Data)

บางครั้งเราไม่ทราบค่าการเคลมที่แน่นอน รู้แค่ว่ามันอยู่ในช่วงใดช่วงหนึ่ง (เช่น ระหว่าง 500 ถึง 1,000 ดอลลาร์) สำหรับข้อมูลที่อยู่ในช่วง \( (c_{j-1}, c_j] \) ส่วนที่นำไปคิดใน Likelihood คือความน่าจะเป็นที่ค่าจะตกอยู่ในช่วงนั้น:

\( P(c_{j-1} < X \le c_j) = F(c_j) - F(c_{j-1}) \)

B. ข้อมูลแบบถูกจำกัด (Censored Data - Policy Limits)

ถ้าการเคลมถูก "จำกัด" ไว้ที่เพดาน \( u \) หมายความว่าการเคลมนั้นจริงๆ แล้ว อย่างน้อยที่สุด ต้องมีค่า \( u \) แต่เราบันทึกไว้แค่ \( u \) สำหรับข้อมูลลักษณะนี้ เราจะไม่ใช้ฟังก์ชันความหนาแน่น \( f(x) \) แต่จะใช้ ฟังก์ชันการอยู่รอด (Survival Function) \( S(u) \) แทน

ตรรกะคือ: เราไม่รู้ว่าค่าเคลมจริงๆ คือเท่าไหร่ รู้แค่ว่ามัน "รอด" (มากกว่า) \( u \) ไปได้

C. ข้อมูลแบบถูกตัดทอน (Truncated Data - Deductibles)

ถ้ากรมธรรม์มีค่าเสียหายส่วนแรก \( d \) เราจะเห็นเฉพาะการเคลมที่ \( X > d \) เท่านั้น นี่คือ "left-truncated" เราต้องใช้ ความหนาแน่นแบบมีเงื่อนไข (Conditional Density):

\( f(x | X > d) = \frac{f(x)}{S(d)} \)

ทบทวนสั้นๆ: ตาราง "Likelihood Contribution"

ค่าเจาะจงรายตัว \( x \): ใช้ \( f(x) \)
Censored ที่ \( u \) (เพดาน): ใช้ \( S(u) \)
Truncated ที่ \( d \) (ค่าเสียหายส่วนแรก): หาร Likelihood ทั้งหมดด้วย \( S(d) \) สำหรับทุกค่าที่เกิดการตัดทอน

ข้อผิดพลาดทั่วไป: ลืมหารด้วย \( S(d) \) เมื่อมีค่าเสียหายส่วนแรก ถ้าข้อมูลถูกตัดทอน พื้นที่ความน่าจะเป็นของคุณจะเล็กลง คุณจึงต้อง "ปรับค่าให้เป็นบรรทัดฐานใหม่" (re-normalize) ครับ!

4. MLE สำหรับการแจกแจงความถี่ (Frequency Distributions)

ความถี่เกี่ยวข้องกับ จำนวนครั้ง ของการเคลม กระบวนการเหมือนเดิมทุกประการ แต่เราเปลี่ยนจากการใช้ฟังก์ชันความหนาแน่นมาเป็นฟังก์ชันมวลความน่าจะเป็น (pmf) แทน

"สามทหารเสือ" ของการแจกแจงความถี่:

1. Poisson (\( \lambda \)): ค่า MLE \( \hat{\lambda} \) คือค่าเฉลี่ยตัวอย่าง \( \bar{x} \)
2. Binomial (\( m, q \)): ถ้าทราบค่า \( m \), จะได้ \( \hat{q} = \frac{\bar{x}}{m} \)
3. Negative Binomial (\( r, \beta \)): ถ้าทราบค่า \( r \), จะได้ \( \hat{\beta} = \frac{\bar{x}}{r} \)

เดี๋ยวถ้าไม่มีพารามิเตอร์ล่ะ?

ถ้าคุณมีตารางความถี่ (เช่น 50 คนเคลม 0 ครั้ง, 30 คนเคลม 1 ครั้ง ฯลฯ) ค่า Likelihood ของคุณจะเป็น:
\( L = [P(X=0)]^{n_0} \times [P(X=1)]^{n_1} \times ... \)

สรุป: โดยทั่วไปแล้ว MLE สำหรับความถี่คือการหาพารามิเตอร์ที่ตรงกับจำนวนการเคลมเฉลี่ยที่เราสังเกตได้นั่นเอง

5. คุณสมบัติของ MLE (ทำไมเราต้องใช้มัน?)

คุณอาจจะสงสัยว่าทำไมต้องมานั่งทำแคลคูลัสกันขนาดนี้ MLE มี "พลังวิเศษ" บางอย่างเมื่อขนาดกลุ่มตัวอย่าง \( n \) มีขนาดใหญ่มาก:

1. Asymptotic Unbiasedness: ยิ่ง \( n \) มากขึ้น ความเอนเอียง (bias) จะเข้าใกล้ศูนย์
2. Consistency: ยิ่ง \( n \) มากขึ้น ค่าประมาณจะยิ่งใกล้เคียงกับค่าจริงมากขึ้นเรื่อยๆ
3. Asymptotic Normality: สำหรับ \( n \) ขนาดใหญ่ การแจกแจงของ \( \hat{\theta} \) จะมีรูปร่างเหมือนการแจกแจงปกติ (Normal Distribution) ทำให้เราสามารถสร้างช่วงความเชื่อมั่น (Confidence Intervals) ได้
4. Invariance: ข้อนี้เป็นข้อโปรดของนักเรียนเลยครับ ถ้า MLE ของ \( \theta \) คือ \( \hat{\theta} \) แล้ว MLE ของฟังก์ชันใดๆ \( g(\theta) \) ก็คือ \( g(\hat{\theta}) \)
ตัวอย่าง: ถ้า MLE ของความแปรปรวน \( \sigma^2 \) คือ 100 ดังนั้น MLE ของส่วนเบี่ยงเบนมาตรฐาน \( \sigma \) คือ \( \sqrt{100} = 10 \) ไม่ต้องดิฟเพิ่มเลย!

คำแนะนำสุดท้ายสำหรับ Exam FAM

1. ฝึกจัดการลอการิทึม: ข้อผิดพลาดส่วนใหญ่เกิดขึ้นตอนจัดรูปพีชคณิตของ \( \ln(L) \) อย่าลืมสมบัติว่า \( \ln(a^b) = b \ln(a) \) และ \( \ln(ab) = \ln(a) + \ln(b) \)
2. มองหาทางลัด: ถ้าโจทย์ถามหา MLE สำหรับการแจกแจงมาตรฐาน (เช่น Exponential หรือ Poisson) และไม่มีการเซ็นเซอร์หรือตัดทอน ส่วนใหญ่มักเป็นค่าเฉลี่ยตัวอย่างเสมอ
3. กับดัก "ค่าเสียหายส่วนแรก": ตรวจสอบเสมอว่าข้อมูลเป็น "per payment" (ต่อการจ่าย) หรือ "per loss" (ต่อความเสียหาย) ถ้าเป็น "per payment" แสดงว่าข้อมูลถูกตัดทอนที่ค่า deductible \( d \)
4. อย่าตกใจ: ถ้าอนุพันธ์ดูซับซ้อนจนแก้ไม่ได้ ให้ดูที่ตัวเลือก บางครั้งการแทนค่าตัวเลือกเข้าไปในสมการเพื่อดูว่าตัวไหนทำให้อนุพันธ์เป็นศูนย์ก็ช่วยประหยัดเวลาได้เยอะเลยครับ

ประเด็นสำคัญ: MLE คือการหา "สิ่งที่พอดีที่สุด" (best fit) โดยการทำให้ความน่าจะเป็นของข้อมูลที่เราพบเห็นจริงมีค่าสูงสุด ฝึกฝนขั้นตอนของ log-likelihood และการจัดการกับค่าเสียหายส่วนแรกให้แม่น แล้วคุณจะผ่าน Exam FAM ได้อย่างแน่นอนครับ!