数字と報道
たくさん調べれば、もとのデータも正規分布になる？
もとの観測値が正規分布へ変わるわけではありません。独立で同じ分布、有限で正の分散などの条件の下で、標本平均を適切に標準化した分布が正規分布へ近づきます。標本数だけを見て判断しないことが大切です。
基本の用語
同じ大きさの標本を何度も得て、そのたびに平均を計算すると、平均にもばらつきが生まれます。中心極限定理が扱うのは、この繰り返しで生じる平均や和の分布です。一人一人の値の分布と分けて考えます。
もう少し詳しく知りたいときは、次の基礎で補えます。
- 平均が同じでも、ばらつきが大きいと何が違う？標準偏差は個々の値、標準誤差は推定値のばらつき。
- 全員を調べる統計なら、誤差はなくなる？全数で消える標本誤差と、数え漏れ・測定・非回答・処理の誤りを区別する。
正規分布へ近づくのは平均の分布
平均を作る元の分布が正規分布でなくても、条件の下では標本平均の分布を正規分布で近似できます。平均した後の量を考えているため、個々の観測値の分布が正規分布へ変化するという主張ではありません。
例えば0か1だけを取る観測は、観測数を増やしても個々の値は0か1です。それに対して、いくつもの値の平均は0と1の間の値を取れます。どちらの量を図や説明が表しているかを先に確かめます。
平均との差をそのばらつきで割る
基本的な定理では、独立・同一分布の観測で、平均をμ、有限で正の標準偏差をσとします。n個の標本平均とμの差をσ/√nで割った量の分布が、nが大きくなるにつれて平均0、分散1の正規分布へ近づきます。
平均がμの周りで小さくばらつくことと、そのばらつきを一定の尺度へそろえた分布の形を扱うことを分けます。有限のnで完全に正規分布になるという結論ではなく、分布についての極限による近似です。
平均が近づくことと分布の形は違う
大数の法則は、標本平均が母平均へ近づくことを扱います。中心極限定理は、標本平均から母平均を引き、標準化した量の分布の形を扱います。平均が安定するという言葉だけでは、この二つの問いを区別できません。
中心極限定理の近似を使うときも、母平均へ近いはずだという説明だけで、具体的な区間の精度が確定するわけではありません。分布の形の近似と、推定に使った条件・尺度を一緒に読む必要があります。
標本数だけで条件を置き換えられない
どの程度の標本数で近似がよくなるかは、元の分布によって異なります。一定の人数を超えたら、分布や対象に関係なく十分という境界は、この定理からは出ません。極限の主張と、有限の標本での使いやすさは別です。
観測同士に相関がある場合にも中心極限定理が成り立つ形はありますが、定常性や依存の弱さなど、さらに技術的な条件が要ります。独立した場合のσ/√nを、そのまま全ての調査へ適用したことにはなりません。
0か1の値と、その平均を分ける
架空の例
独立した試行で0と1がそれぞれ半分の確率で出ると置きます。元の平均は0.5、標準偏差は0.5です。試行を繰り返して集めても、個々の観測は0か1のままです。
n回の平均の標準偏差は、この模型では0.5/√nです。100回なら0.5÷10＝0.05、400回なら0.5÷20＝0.025です。個々の値は0か1でも、平均のばらつきは小さくなります。平均を何度も作って調べる分布と、個々の0と1の分布は違います。この設定でも、小さいnで標準化した平均の分布が正規分布と完全に同じになるわけではありません。
持ち帰る見方
- 元の観測の分布と、標準化した標本平均の分布を分ける。
- 独立性・分散・近似の精度を確認し、人数だけで判断しない。
次に広がる疑問
- 標準偏差でばらつきを表す意味を読む
- 調査の標本と母集団の関係を読む
- 平均などの分布を再標本化で近似する方法を読む
順番に読んでいる方へ
出典
Central Limit Theorem and the Law of Large Numbers, Class 6, 18.05（Jeremy Orloff and Jonathan Bloom / MIT OpenCourseWare）https://ocw.mit.edu/courses/18-05-introduction-to-probability-and-statistics-spring-2022/mit18_05_s22_class06-prep-b.pdf
確認日：2026-10-05
Central Limit Theorem（Marco Taboga / Statlect）https://www.statlect.com/asymptotic-theory/central-limit-theorem
確認日：2026-10-05
本文の出典・補足
正規分布へ近づくのは平均の分布
中心極限定理が述べるのは、条件を満たす変数の和や平均を標準化したときの分布である。観測を増やしても、もとの一個ずつの値の分布が正規分布へ変わるわけではない。
- 対象
- 独立・同分布の変数列の平均・和。
- 条件
- 同じ大きさの標本を繰り返し取り、各標本の平均の分布を考える。
- 例外・限界
- 個々の観測値のヒストグラムと、標本平均のヒストグラムは別の対象。
Central Limit Theorem and the Law of Large Numbers, Class 6, 18.05（Jeremy Orloff and Jonathan Bloom / MIT OpenCourseWare）https://ocw.mit.edu/courses/18-05-introduction-to-probability-and-statistics-spring-2022/mit18_05_s22_class06-prep-b.pdf
平均との差をそのばらつきで割る
独立・同分布で平均μと正の有限分散σ²があるとき、（標本平均−μ）をσ/√nで割った変数の分布は、標本数nが増えるにつれて標準正規分布へ近づく。
- 対象
- 独立・同分布の中心極限定理。
- 条件
- σ²は0より大きく有限で、同じ母分布から独立に観測される。
- 例外・限界
- 有限のnで完全に正規分布になるという等式ではない。
Central Limit Theorem and the Law of Large Numbers, Class 6, 18.05（Jeremy Orloff and Jonathan Bloom / MIT OpenCourseWare）https://ocw.mit.edu/courses/18-05-introduction-to-probability-and-statistics-spring-2022/mit18_05_s22_class06-prep-b.pdf
平均が近づくことと分布の形は違う
大数の法則は標本平均が母平均へ近づくことを述べ、中心極限定理は母平均からのずれを適切に拡大した分布の形を述べる。
- 対象
- 独立同分布・有限分散の場合の二つの極限法則。
- 条件
- 平均のばらつきの尺度はσ/√nである。中心極限定理ではこの尺度で割って比較する。
- 例外・限界
- 大数の法則だけでは、標本平均を正規分布で近似する根拠にならない。
Central Limit Theorem and the Law of Large Numbers, Class 6, 18.05（Jeremy Orloff and Jonathan Bloom / MIT OpenCourseWare）https://ocw.mit.edu/courses/18-05-introduction-to-probability-and-statistics-spring-2022/mit18_05_s22_class06-prep-b.pdf
標本数だけで条件を置き換えられない
正規近似に必要な標本数は元の分布によって異なる。依存のあるデータや分散が有限でないデータへ、独立・同分布の定理をそのまま適用できない。
- 対象
- 独立・同分布の有限分散CLTの適用範囲。
- 条件
- 相関する列には、定常性や混合性など別の条件による中心極限定理がある。
- 例外・限界
- 30個など一つの標本数で全分布に十分と判断できず、依存があれば必ず全ての中心極限定理が成立しないともいえない。
Central Limit Theorem and the Law of Large Numbers, Class 6, 18.05（Jeremy Orloff and Jonathan Bloom / MIT OpenCourseWare）https://ocw.mit.edu/courses/18-05-introduction-to-probability-and-statistics-spring-2022/mit18_05_s22_class06-prep-b.pdf
Central Limit Theorem（Marco Taboga / Statlect）https://www.statlect.com/asymptotic-theory/central-limit-theorem