歡迎來到離散化（Discretization）的世界！

你好！如果你正在準備 ASTAM 考試，你一定知道精算學經常涉及像 Gamma 或 Pareto 這類複雜的連續分配。但這裡有個小秘密：計算機和某些遞迴公式（例如 Panjer 遞迴）在處理離散數字（如 0, 1, 2 等整數）時會高效得多。

在本章中，我們將學習如何將平滑的連續分配「切割」成離散版本，我們稱之為離散化。想像一下，這就像是把一個平滑的斜坡變成一組階梯。這能讓總損失模型（Aggregate Loss Models）的計算變得容易管理。讓我們開始吧！

為什麼要離散化？

在學習「總損失模型」時，你經常需要計算總損失 \(S = X_1 + X_2 + ... + X_N\)。雖然個別損失 (\(X\)) 通常是連續的，但如果將 \(X\) 視為離散變數，合併計算的速度會快得多。離散化就是通往這個目標的橋樑。

你知道嗎？精算師運用這些技術來簡化「集體風險模型（Collective Risk Models）」，以便在不犧牲太多準確性的情況下，為保險單提供更快速的定價！


方法一：四捨五入法（Method of Rounding）

四捨五入法（有時稱為質量分散法，Mass Dispersal Method）是最直觀的離散化方式。我們只需選擇一個「步長」（稱為跨度，記作 h），並將每個連續值四捨五入到最接近的 \(h\) 的倍數。

運作原理：

想像我們的跨度 \(h = 1\)。如果損失是 1.2，我們將其四捨五入為 1。如果它是 1.8，我們則四捨五入為 2。為了求出特定離散點 \(x_j = jh\) 的機率，我們將連續分配中「最接近」該點的所有機率累加起來。

你需要記住的公式如下：

\( f_0 = P(X < h/2) = F(h/2) \)

\( f_j = P(jh - h/2 \le X < jh + h/2) = F(jh + h/2) - F(jh - h/2) \)，其中 \(j = 1, 2, ...\)

生活中的類比：

想像有一排間隔為 1 米的水桶。你拿著一條水管（連續分配）沿著這一排灑水。四捨五入法的意思就是：所有落在水桶半徑範圍內（半米內）的水，都會滴入那個特定的水桶中。

快速複習：四捨五入基礎

1. h 是你的跨度（離散點之間的距離）。
2. \(f_0\) 很特別；它只看從 0 到半個跨度之間的範圍。
3. \(f_j\) 會同時考慮前半個跨度和後半個跨度。


方法二：局部矩匹配法（Local Moment Matching）

如果這聽起來比較技術性，別擔心！局部矩匹配法只是一種更精細的離散化方式。我們不再只是簡單地四捨五入，而是希望離散分配能像連續分配一樣運作，即保留每個區間內的平均值（有時也包括更高階的矩）。

匹配一階矩（平均值）

通常在 ASTAM 中，我們專注於匹配一階矩。這意味著對於任何區間 \([jh, (j+1)h]\)，我們分配給端點的離散質量，其平均值必須等於該區間內連續分配的平均值。

對於每個區間 \([jh, (j+1)h]\)，我們將機率質量分配給兩個端點（\(jh\) 和 \((j+1)h\)）。

逐步流程：
1. 計算區間內的機率質量： \(m_0^j = \int_{jh}^{(j+1)h} f(x) dx = F((j+1)h) - F(jh)\)。
2. 計算該區間內的局部平均值： \(m_1^j = \int_{jh}^{(j+1)h} x f(x) dx\)。
3. 使用以下權重將質量分配給端點：
點 \(jh\) 獲得的質量為： \( \frac{(j+1)h \cdot m_0^j - m_1^j}{h} \)
點 \((j+1)h\) 獲得的質量為： \( \frac{m_1^j - jh \cdot m_0^j}{h} \)

「天秤」類比：

想像在 \(jh\) 和 \((j+1)h\) 之間架起一個蹺蹺板。連續質量就位於這個蹺蹺板的某個位置。為了讓蹺蹺板保持完全相同的平衡狀態，你必須將質量分配到兩個端點。如果「重量」越靠近右邊，右端的端點就會獲得越多的質量！

重要提示：

在此方法中，每個離散點 \(jh\)（除了 0 以外）實際上會接收來自兩個相鄰區間的「貢獻」：即左側區間和右側區間。


應避免的常見錯誤

1. 忽略跨度 (h)：學生常忘記在計算中加入 \(h\)。如果題目要求的跨度是 2，那麼你的點應該是 0, 2, 4, 6... 而不是 0, 1, 2, 3！

2. 計算 \(m_1^j\) 出錯：記得 \(m_1^j\) 是 \(x \cdot f(x)\) 的積分。對於許多分配（如指數分配），你可能需要使用分部積分法，或利用限額期望值（Limited Expected Value）的公式來輕鬆求得。

3. 端點處理：在四捨五入法中，\(f_0\) 只覆蓋半個區間，而在矩匹配法中，點是由兩個並排的區間構成的。務必仔細檢查你的邊界條件。


總結與要點

離散化對於在實務中計算總損失至關重要。你手頭上有兩個主要的工具：

四捨五入法：
- 簡單快捷。
- 使用離散值中點處的累積分配函數 (CDF, \(F(x)\))。
- 最適合快速近似。

局部矩匹配法：
- 更準確，因為它保留了分配的平均值。
- 需要計算每個區間的質量 (\(m_0\)) 和局部平均值 (\(m_1\))。
- 記得每個離散點 \(f_j\) 都是兩部分的總和：來自以 \(j\) 結束的區間和從 \(j\) 開始的區間各一部分。

繼續練習這些計算！一旦你掌握了積分的節奏，這些將會是考試中的「必得分數」。你一定做得到的！