高校数学の統計分野では、「nが大きければ、標本平均や標本比率は近似的に正規分布に従う」という説明が登場します。しかし、この表現だけを見ると「元のデータがどんな分布でも、標本を大量に取れば必ず正規分布になるのか」と疑問に感じる人も多くいます。この記事では、中心極限定理の意味と、どこまで正規分布に近づくのかを具体例を交えて解説します。
標本平均が正規分布に近づく理由は中心極限定理
「nが大きければ標本平均は近似的に正規分布に従う」という性質は、中心極限定理と呼ばれる重要な数学的な結果に基づいています。
中心極限定理とは、ある条件を満たす独立な確率変数を多数集めて平均を取ると、その元の分布がどのような形であっても、標本平均の分布は正規分布に近づいていくという定理です。
ここで重要なのは、「元の確率変数そのものが正規分布になる」のではなく、「平均値という新しい確率変数の分布が正規分布に近づく」という点です。
元の分布がめちゃくちゃでも正規分布になるのか
質問のように「元の確率変数が全く正規分布ではない場合でも、標本平均は正規分布になるのか」という疑問は、中心極限定理を理解するうえで非常に重要です。
結論から言うと、条件を満たせば、元の分布が正規分布でなくても標本平均は正規分布に近づきます。
例えば、サイコロの出る目は1から6までの離散的な分布であり、正規分布ではありません。しかし、たくさんのサイコロを振った平均値を考えると、その平均値の分布は次第に正規分布の形に近づいていきます。
具体例：サイコロの平均値を考える
1個のサイコロを振った結果は、1、2、3、4、5、6が同じ確率で出るため、グラフにすると平らな分布になります。これは正規分布とは大きく異なります。
しかし、10個のサイコロを同時に振って平均を計算すると、平均値は3.5付近に集まりやすくなります。さらに100個、1000個と数を増やすほど、平均値のばらつき方は釣鐘型の正規分布に近づきます。
つまり、1つ1つの結果は正規分布ではなくても、「たくさん集めた平均」という操作をすると規則的な形が現れるのです。
ただし「どんな分布でも必ず」というわけではない
中心極限定理は非常に強力な法則ですが、無条件にどんな場合でも成立するわけではありません。
代表的な条件として、標本が互いに独立であること、同じ分布に従うこと、分散が有限であることなどがあります。
例えば、極端に大きな値が頻繁に出るような分布では、通常の中心極限定理がそのまま適用できない場合があります。特に、平均や分散が存在しないような特殊な分布では注意が必要です。
標本比率の場合も同じ考え方が使われる
標本比率についても、基本的な考え方は同じです。例えば、ある商品の購入率や世論調査の支持率などを考える場合、母集団全体ではなく一部の標本から割合を推定します。
標本数が十分大きい場合、その標本比率の分布は正規分布で近似できます。これによって、選挙調査や品質管理などで誤差の範囲を計算できます。
例えば、ある商品の購入者割合を100人だけ調べる場合と、10万人調べる場合では、後者のほうが真の割合に近い結果になりやすく、統計的な扱いもしやすくなります。
なぜ平均を取ると正規分布が現れるのか
直感的には、多数の偶然の影響が重なった結果として、極端な偏りが平均化されるためです。
1つのデータだけを見ると、偶然による大きな偏りがあります。しかし、多くのデータを足し合わせると、プラス方向の偏りとマイナス方向の偏りが互いに打ち消し合い、中央付近に集まりやすくなります。
この「多くの小さな影響が集まると一定の形になる」という性質が、自然現象や社会現象で正規分布が頻繁に登場する理由の一つです。
まとめ：正規分布ではないデータでも標本平均は正規分布に近づく
「nが大きければ標本平均は近似的に正規分布に従う」という説明は、中心極限定理によるものです。
重要なのは、元の確率変数が正規分布になるのではなく、たくさんの標本から計算した平均値の分布が正規分布に近づくという点です。
ただし、どんな分布でも無条件に成立するわけではなく、独立性や有限の分散などの条件があります。高校数学では、標本平均や標本比率を扱う際の基本的な近似法として、この性質を利用しているのです。
コメント