私たちが暮らす現実世界のデータは、決して整然としていません。あるデータは一方に偏り、あるデータはいくつもの山を持ち、また別のデータは何の規則もなく不規則に散らばっています。
しかし、統計学者はこうした無秩序なデータからも、全体の特性を正確に推定します。韓国の成人全体の平均身長や全国選挙の支持率を調べる際に、すべての人を全数調査しなくても高い精度で結果を予測できる秘訣は何でしょうか。
その中心にあるのが、統計学で最も美しく強力な定理の一つに数えられる中心極限定理（Central Limit Theorem, CLT）です。
統計学では、私たちが本当に知りたい対象である集団全体を母集団（Population）といい、現実的な制約から母集団の一部を抽出した集団を標本（Sample）といいます。
問題は、分析しようとする母集団が正規分布（釣鐘型の対称な分布）に従うかどうかを、事前に知るのが難しいことです。母集団の分布が正確にわからなくても推論はできますが、用いる手法に必要な標本抽出の方法と分布の条件を確認する必要があります。
中心極限定理の基本形は、互いに独立で同一の分布に従う観測値の平均を扱います。母平均が有限で、分散が0より大きく有限であれば、標本サイズが大きくなるにつれて、標準化した標本平均の分布は標準正規分布に近づきます。
中心極限定理の仕組み
中心極限定理の数学的定義
中心極限定理を学術的に表現すると、次のようになります。
［定義］
互いに独立で同一の分布に従うX₁, …, Xₙの平均をX̄ₙとし、母平均をμ、分散をσ²（0 < σ² < ∞）とします。n → ∞のとき、√n(X̄ₙ − μ)/σは標準正規分布N(0, 1)に分布収束します。したがって、十分に大きなnでは、X̄ₙの分布をN(μ, σ²/n)で近似できます。ここでσ²は母分散であり、標本分散s²とは区別されます。必要な標本サイズは母集団の偏りや裾などの特性によって異なるため、n = 30は常に十分といえる普遍的な基準ではありません。
ここで押さえておくべき重要なポイントは3つあります。
- 独立・同一分布、有限な平均、正で有限な分散という条件を満たせば、母集団が一様分布・指数分布・非対称な分布である場合にも適用できます。
- 正規分布で近似する対象は、元の観測値ではなく「標本平均の分布」です。nを固定し、同じ方法で繰り返し抽出した標本ごとに平均を一つずつ求めると、このことを理解できます。
- 上記の条件では、標本平均の標準誤差はσ/√nです。母標準偏差σがわからない場合は、標本標準偏差sを用いてs/√nで推定します。
理解を助ける直感的な例：サイコロ投げ
中心極限定理の概念がぴんとこない場合は、最も単純なサイコロ投げの実験を考えてみましょう。
1個のサイコロを投げたとき、1から6までの目が出る確率は、それぞれ6分の1で、すべて同じです。この確率分布をグラフにすると、平らな一様分布（Uniform Distribution）の形になります。釣鐘型とはかけ離れています。
今度はサイコロを投げる回数（標本サイズn）を増やしながら、出た目の「平均」を求めてみましょう。
サイコロ1個（n=1）：取り得る平均は1、2、3、4、5、6で、どの目も出る確率は同じです。（平らな横一直線の形）
サイコロ2個の平均（n=2）：二つのサイコロの目の平均が1になるには（1, 1）が出る必要がありますが、3.5になる組み合わせは（1, 6）、（2, 5）、（3, 4）など、非常に多くなります。グラフは中央（3.5）が盛り上がり、両端が低くなる三角形になります。
サイコロ30個の平均（n=30）：サイコロ30個を投げて平均を求める過程を数千回繰り返すと、極端な値（平均1や6）は事実上現れず、ほとんどが3.5付近に密集するようになります。
このとき、標本平均のヒストグラムは、おおむね釣鐘型に近づきます。ただし、有限回の実験結果が完全な正規曲線になるわけではなく、サイコロの平均は依然として離散的な値を取ります。この例では、各サイコロは公平で、各回の試行は互いに独立であると仮定しています。
中心極限定理が示す重要な示唆
［示唆1］分布の自律性
先に示した条件のもとでは、母集団が非対称であったり一方に偏っていたりしても、標本平均に正規近似を適用できます。近似に必要なnは分布によって異なります。
［示唆2］推定精度の向上
上記の条件では、nが増加すると標準誤差が小さくなり、標本平均は母平均の周囲により密集します。個々の標本の平均が毎回より近づくという意味ではありません。
［示唆3］標準化手法の活用
条件が満たされ、正規近似が十分に正確なとき、標準化した標本平均の近似分布を、信頼区間やp-valueの計算に活用できます。σがわからない場合には、推定の不確実性も考慮する必要があります。
実生活やビジネスでの活用例
中心極限定理は単なる学術理論にとどまらず、現代社会の多くの分野で重要な道具として機能しています。
放送局の選挙世論調査
全国4千万人の有権者全員を調査することは、費用と時間の面で不可能です。世論調査機関は通常、1,000人～2,000人規模の標本を抽出して支持率を調べます。適切な確率標本と近似条件のもとでは、標本比率の分布を正規分布で近似し、誤差範囲を計算できます。例えば、単純無作為標本n = 1,000、比率50%、有限母集団補正を無視すると仮定した場合、95%の誤差範囲は約±3.1%ポイントです。これは、無回答や測定誤差まで含めた全体の誤差を意味するものではありません。
工場での製造における品質管理（6 Sigma）
半導体や飲料を生産する工場では、毎時間製造されるすべての製品の重量や厚さを測定することはできません。無作為に抽出した標本製品の平均を継続的に算出し、中心極限定理に基づいて、正常範囲（管理限界線）を外れる工程異常が発生していないかをリアルタイムで検知します。
ITサービスのA/Bテスト
新しいウェブサイトのボタンデザインや推薦アルゴリズムの効果を検証する際には、二つのユーザーグループの平均滞在時間や決済率の差を比較できます。中心極限定理は、適切な条件のもとで大標本による近似検定を支えますが、すべてのt-testやZ-testの基本前提そのものではありません。無作為割り付け、観測値の独立性、指標に合った検定の条件も確認する必要があります。
不確実性の世界を制御する統計学の柱
中心極限定理が統計学の中でもとりわけ偉大だと評価されるのは、「複雑で無秩序な現実のデータの世界と、明確で体系的な正規分布の世界をつなぐ橋」の役割を果たすからです。
母集団の分布全体を完全に把握していなくても、適切な標本抽出と定理の条件を確認すれば、平均に関する統計的推論を行えます。標本を大きくするだけでは、選択バイアスや測定誤差は解消されません。
データ分析と人工知能が社会全体を牽引する今日、中心極限定理は、データの海から信頼できる結論を導き出すための、最も頼れる精密なロードマップとなっています。
