ยินดีต้อนรับสู่โลกแห่ง "การกระจายตัว" (Spread)!

ในบทเรียนก่อนหน้านี้ เราได้เรียนรู้เรื่อง ค่าคาดหมาย (Expected Value) หรือค่าเฉลี่ย ซึ่งบอกให้เรารู้ถึง "จุดศูนย์กลาง" ของตัวแปรสุ่ม แต่การรู้แค่จุดศูนย์กลางนั้นยังบอกอะไรเราได้ไม่ครบถ้วน! ลองจินตนาการถึงนักธนูสองคน คนหนึ่งยิงเข้าเป้าตรงกลางได้ทุกครั้ง ส่วนอีกคนยิงพลาดไปทางซ้ายทีขวาที ถ้าดูค่าเฉลี่ย ทั้งสองคนมีค่าเฉลี่ยที่เข้าเป้าเหมือนกันเป๊ะ แต่ฝีมือจริงๆ ของพวกเขานั้นต่างกันมาก!

ในบทนี้ เราจะมาเรียนรู้วิธีวัดว่าตัวแปรสุ่มตัวหนึ่ง "กระจายตัว" หรือ "มีความเสี่ยง" มากแค่ไหน เรื่องนี้สำคัญมากสำหรับนักคณิตศาสตร์ประกันภัย เพราะในธุรกิจประกันภัย สิ่งที่เรากำลังตีราคาอยู่นั่นก็คือ ความไม่แน่นอน (Uncertainty) หรือการกระจายตัวนั่นเอง ถ้าสูตรเหล่านี้ดูน่ากลัวในตอนแรก ไม่ต้องกังวลนะ เราจะค่อยๆ เจาะลึกไปทีละขั้นตอน!

1. ความแปรปรวน (Variance): การวัด "พื้นที่การแกว่งตัว"

ความแปรปรวน ของตัวแปรสุ่ม ซึ่งเขียนแทนด้วย \( Var(X) \) หรือ \( \sigma^2 \) คือการวัดระยะห่างเฉลี่ยแบบยกกำลังสองจากค่าเฉลี่ย มันบอกให้เราทราบว่าผลลัพธ์มีการ "แกว่งตัว" ไปรอบๆ ค่าเฉลี่ยมากน้อยเพียงใด

สูตรเชิงแนวคิด

\( Var(X) = E[(X - \mu)^2] \)
โดยที่ \( \mu \) คือค่าเฉลี่ย \( E[X] \)

เดี๋ยวนะ ทำไมเราต้องยกกำลังสอง?

เป็นคำถามที่ดีมาก! ถ้าเราหาแค่ระยะห่างเฉลี่ยจากค่าเฉลี่ย ค่าที่เป็นบวก (ค่าที่มากกว่าค่าเฉลี่ย) กับค่าที่เป็นลบ (ค่าที่น้อยกว่าค่าเฉลี่ย) จะหักล้างกันเองจนเหลือศูนย์ การยกกำลังสองจะทำให้ทุกอย่างกลายเป็นบวก เราจึงสามารถเห็นขนาดรวมของการกระจายตัวได้นั่นเอง

สูตรลัดที่ "ข้อสอบโปรดปราน"

ในสนามสอบ Exam P คุณมักจะต้องใช้สูตรเวอร์ชันนี้เสมอ เพราะคำนวณได้เร็วกว่ามาก!
\( Var(X) = E[X^2] - (E[X])^2 \)

เทคนิคช่วยจำ: ให้ท่องว่า "ค่าเฉลี่ยของกำลังสอง ลบด้วย กำลังสองของค่าเฉลี่ย"

วิธีคำนวณ \( E[X^2] \):
  • แบบไม่ต่อเนื่อง (Discrete): \( \sum x^2 \cdot P(X=x) \)
  • แบบต่อเนื่อง (Continuous): \( \int_{-\infty}^{\infty} x^2 \cdot f(x) \, dx \)

ทบทวนสั้นๆ: การหาความแปรปรวน ให้หา "โมเมนต์อันดับสอง" \( E[X^2] \) แล้วนำไปลบด้วย "โมเมนต์อันดับหนึ่ง" (ค่าเฉลี่ย) ที่ยกกำลังสองไว้แล้ว!

2. ส่วนเบี่ยงเบนมาตรฐาน (Standard Deviation): กลับสู่ความเป็นจริง

ความแปรปรวนนั้นมีประโยชน์มาก แต่มันมีข้อเสียแปลกๆ อย่างหนึ่ง คือหน่วยของมันเป็น หน่วยยกกำลังสอง หาก \( X \) แทนจำนวนเงิน หน่วยของความแปรปรวนจะเป็น "เงินยกกำลังสอง" ซึ่งมันฟังดูเข้าใจยาก! เพื่อให้กลับมาใช้หน่วยที่เข้าใจง่าย เราจึงใช้ ส่วนเบี่ยงเบนมาตรฐาน (Standard Deviation) (\( \sigma \))

สูตร: \( \sigma = \sqrt{Var(X)} \)

จุดสำคัญ: ส่วนเบี่ยงเบนมาตรฐาน ไม่มีทางเป็นลบ เพราะมันคือรากที่สองของค่าเฉลี่ยที่ยกกำลังสอง ดังนั้นผลลัพธ์จะต้อง \( \geq 0 \) เสมอ หากคุณคำนวณในห้องสอบแล้วได้ค่าติดลบ ให้หยุดพักแล้วตรวจเช็คการลบในสูตรความแปรปรวนใหม่อีกรอบ!

เปรียบเทียบ: การส่งพิซซ่า

ถ้าร้านพิซซ่าบอกว่าเวลาส่งเฉลี่ยอยู่ที่ 30 นาที โดยมี ส่วนเบี่ยงเบนมาตรฐาน เท่ากับ 5 นาที คุณก็คาดหวังได้เลยว่าจะได้รับพิซซ่าภายใน 25–35 นาที แต่ถ้าส่วนเบี่ยงเบนมาตรฐานสูงถึง 20 นาที คุณอาจได้รับพิซซ่าตอน 10 นาที หรือไม่ก็ 50 นาทีเลยก็ได้—นั่นแหละคือความไม่แน่นอนที่สูงกว่ามาก!

3. สัมประสิทธิ์การแปรผัน (Coefficient of Variation: CV)

บางครั้งเราต้องการเปรียบเทียบการกระจายตัวของสองสิ่งที่ต่างกัน ส่วนเบี่ยงเบนมาตรฐานที่ $100 ถือว่า "เยอะ" ไหม? มันขึ้นอยู่กับสถานการณ์! ถ้าคุณกำลังทำประกันบ้านราคา $1,000,000 ค่า $100 ถือว่าน้อยมาก แต่ถ้าคุณทำประกันจักรยานราคา $200 ค่า $100 กลับถือว่ามหาศาล!

สัมประสิทธิ์การแปรผัน (CV) จะบอกค่าส่วนเบี่ยงเบนมาตรฐานในรูปแบบของเปอร์เซ็นต์เทียบกับค่าเฉลี่ย มันเป็นการวัดความเสี่ยงในเชิง เปรียบเทียบ (Relative)

สูตร: \( CV = \frac{\sigma}{E[X]} \)

หมายเหตุ: สูตรนี้ใช้ได้เมื่อค่าเฉลี่ย \( E[X] \) ไม่เป็นศูนย์เท่านั้น

4. กฎสำหรับการเปลี่ยนรูปตัวแปรสุ่ม (Transforming Variance)

ข้อสอบ Exam P ชอบถามว่าเกิดอะไรขึ้นกับความแปรปรวนเมื่อเราเปลี่ยนตัวแปรสุ่ม (เช่น การบวกค่าธรรมเนียม หรือการคูณด้วยตัวคูณ) กฎพวกนี้จะต่างจากกฎของค่าเฉลี่ยนะ!

กฎข้อ A: การบวกด้วยค่าคงที่

\( Var(X + b) = Var(X) \)
ทำไมล่ะ? ถ้าคุณบวกคะแนนเพิ่มให้นักเรียนทุกคนในชั้นคนละ 5 คะแนน ค่าเฉลี่ยจะเพิ่มขึ้น แต่ การกระจายตัว (ระยะห่างระหว่างนักเรียนแต่ละคน) จะยังคงเท่าเดิมเป๊ะ การบวกค่าคงที่จึงไม่ทำให้ความแปรปรวนเปลี่ยนไป

กฎข้อ B: การคูณด้วยค่าคงที่

\( Var(aX) = a^2 \cdot Var(X) \)
ระวังความผิดพลาดพบบ่อย! นักเรียนมักลืม ยกกำลังสอง ค่าคงที่ ถ้าคุณเพิ่มขนาดของเคลมประกันทุกรายการเป็นสองเท่า (\( 2X \)) ความแปรปรวนจะเพิ่มขึ้นถึง 4 เท่า (\( 2^2 \))

ถ้าทำทั้งสองอย่างรวมกัน:

\( Var(aX + b) = a^2 \cdot Var(X) \)

ตัวอย่างสั้นๆ:

ถ้า \( Var(X) = 10 \), แล้ว \( Var(3X + 5) \) มีค่าเท่าไหร่?
1. ตัด \( +5 \) ทิ้งไปได้เลย (เพราะไม่มีผลต่อการกระจายตัว)
2. นำ \( 3 \) มายกกำลังสอง จะได้ \( 9 \)
3. \( 9 \cdot 10 = 90 \)

5. สรุปและประเด็นสำคัญ

รู้หรือไม่? ความแปรปรวนมักถูกเรียกว่า "โมเมนต์อันดับสองรอบค่าเฉลี่ย" (second central moment) และถือเป็นหนึ่งในแนวคิดที่สำคัญที่สุดในคณิตศาสตร์ประกันภัย!

ประเด็นสำคัญ:

  • ความแปรปรวน (\( \sigma^2 \)) วัดการกระจายตัวแบบยกกำลังสอง: \( E[X^2] - (E[X])^2 \).
  • ส่วนเบี่ยงเบนมาตรฐาน (\( \sigma \)) คือรากที่สองของความแปรปรวนและมีหน่วยเป็นหน่วยเดียวกับข้อมูลตั้งต้น
  • สัมประสิทธิ์การแปรผัน (CV) คือ \( \sigma / \mu \) ใช้สำหรับวัดความเสี่ยงเชิงเปรียบเทียบ
  • ค่าคงที่: การบวกค่าคงที่ (\( +b \)) ไม่มีผลอะไร แต่การคูณด้วย \( a \) จะทำให้ความแปรปรวนเพิ่มขึ้นเป็น \( a^2 \).

จุดที่ต้องระวัง:
จำไว้เสมอว่า \( (E[X])^2 \) ไม่เท่ากับ \( E[X^2] \). ตัวอย่างเช่น ถ้า \( X \) คือการทอดลูกเต๋า 1 ครั้ง \( E[X] = 3.5 \) ดังนั้น \( (E[X])^2 = 12.25 \) แต่ในขณะที่ \( E[X^2] = (1^2+2^2+3^2+4^2+5^2+6^2)/6 = 15.16 \) ซึ่งค่าทั้งสองต่างกันมาก!

ฝึกฝนต่อไปเรื่อยๆ นะ! การคำนวณความแปรปรวนจะกลายเป็นเรื่องที่ทำได้โดยอัตโนมัติเมื่อคุณฝึกทำบ่อยๆ สู้ๆ คุณทำได้อยู่แล้ว!