1. まず結論：平均の「ブレ方」が山型に近づく

中心極限定理をひと言でいうと、同じ条件で集めたデータの平均を何度も計算すると、その平均の分布が正規分布に近づいていくという統計学の重要な考え方です。

ここで大切なのは、正規分布に近づくのが「元のデータそのもの」ではなく、標本平均の分布だという点です。

たとえばサイコロを1回振ると、1〜6のどの目も同じ確率で出ます。これは平らな分布であり、正規分布のような山型ではありません。

しかし、サイコロを10回振って平均を出す。これを何百回、何千回と繰り返す。すると、平均は3.5付近に集まりやすくなり、1や6に近い極端な平均はほとんど出なくなります。

つまり、中心極限定理は次のような話です。

平均を取ると、偶然のばらつきがならされます。
その「平均値のばらつき方」が、だんだん正規分布に近づくのです。

この考え方があるから、アンケート調査、テストの平均点、品質管理、A/Bテスト、AI・データ分析などで、一部のデータから全体の傾向を推測することができます。

2. サイコロ1回の結果は正規分布ではない

まず、普通の6面サイコロを1回だけ振る場合を考えます。

どの目も同じ確率で出るので、分布は平らです。
正規分布のように「真ん中が多く、両端が少ない」形ではありません。

サイコロ1回の平均、つまり期待値は次のようになります。

(1 + 2 + 3 + 4 + 5 + 6) / 6 = 3.5

実際のサイコロに3.5という目はありません。それでも、長く見れば出目の平均は3.5に近づいていきます。

ただし、1回だけ振った結果はかなり不安定です。

1が出ることもあれば、6が出ることもあります。1回の結果だけを見て「このサイコロは小さい目が出やすい」「大きい目が出やすい」と判断するのは危険です。

統計で平均を使うときも、同じことが言えます。

1人の点数、1件のレビュー、1回の模試、1日の売上だけでは、全体の傾向はわかりません。偶然の影響が大きすぎるからです。

3. サイコロを何回も振って平均を取ると何が起きるか

次に、サイコロを複数回振って、その平均を計算してみます。

たとえば、サイコロを5回振って次の結果になったとします。

この平均は次の通りです。

(2 + 6 + 3 + 4 + 5) / 5 = 4.0

別の5回では、平均が3.2になるかもしれません。さらに別の5回では、3.8になるかもしれません。

このように「5回振って平均を出す」という作業を何度も繰り返すと、平均値がたくさん集まります。

その平均値を並べると、3.5付近が多くなります。

ここで見ているのは、1回1回の出目ではありません。
何回か振って出した平均値そのものの分布です。

この違いが、中心極限定理を理解する最大のポイントです。

4. なぜ平均は3.5付近に集まりやすいのか

平均が真ん中に集まりやすい理由は、真ん中付近の平均を作る組み合わせが多いからです。

わかりやすく、サイコロ2個の合計で考えてみましょう。

合計2になるには、「1+1」しかありません。
合計12になるにも、「6+6」しかありません。

一方、合計7になる方法は多くあります。

• 1 + 6
• 2 + 5
• 3 + 4
• 4 + 3
• 5 + 2
• 6 + 1

つまり、端の結果は作り方が少なく、真ん中の結果は作り方が多いのです。

サイコロの個数が増えると、この差はさらに大きくなります。10回、30回、100回と増えるほど、平均3.5付近になる組み合わせが圧倒的に多くなります。

逆に、平均が1に近くなるには、ほとんど1ばかり出なければなりません。平均が6に近くなるには、ほとんど6ばかり出なければなりません。

これは非常に起こりにくいことです。

だから、平均を何度も集めると、真ん中が高く、両端が低い山型になります。

5. 正規分布に近づくのは「元データ」ではなく「標本平均」

中心極限定理で最も誤解されやすいのが、ここです。

データをたくさん集めれば、元のデータが正規分布になると思ってしまう人がいます。

しかし、それは正しくありません。

サイコロの出目は、何万回振っても1〜6がほぼ同じ割合で出るだけです。元の分布は平らなままです。

正規分布に近づくのは、次のようなものです。

1. サイコロを30回振る
2. その30回の平均を出す
3. もう一度30回振る
4. また平均を出す
5. この平均値を大量に集める

このようにして集めた平均値の分布が、正規分布に近づきます。

OpenStaxの統計学教材でも、サンプルサイズが大きくなるほど、標本平均の分布が正規分布に近づくと説明されています。

6. 最低限の数式で理解する

中心極限定理を厳密に学ぶと、数学的な条件や証明が必要になります。
ただ、入門段階では次の形を押さえれば十分です。

標本平均の分布 ≒ 平均 μ、分散 σ² / n の正規分布

記号の意味は次の通りです。

サイコロの場合、平均は3.5です。標準偏差は約1.71です。

標本平均の標準誤差は、次の式で計算できます。

標準誤差 = σ / √n

サイコロを振る回数ごとの標準誤差は、おおよそ次のようになります。

nが大きくなるほど、標準誤差は小さくなります。
つまり、平均は3.5付近により集まりやすくなります。

NISTの用語集でも、ランダム標本の平均の分布は、サンプルサイズが大きくなるにつれて、平均μ、分散σ²/nの正規分布に近づくと説明されています。

7. サンプルサイズ30なら本当に十分なのか

中心極限定理を調べていると、「サンプルサイズは30あればよい」という説明を見かけることがあります。

これは便利な目安ですが、絶対的なルールではありません。

たしかに、元の分布がそこまで極端でなければ、サンプルサイズが30程度でも標本平均の分布は正規分布に近づきやすくなります。

しかし、次のような場合は注意が必要です。

• 元のデータが極端に偏っている
• 外れ値が非常に大きい
• データ数が少なすぎる
• サンプルの取り方に偏りがある
• そもそもデータが独立していない

たとえば、収入データは一部の非常に高い値に影響されやすく、分布が右に長く伸びることがあります。このような場合、少ないサンプルでは平均が大きく揺れます。

また、SNSアンケートのように回答者が偏りやすい調査では、サンプル数が多くても安心できません。1万人から回答があっても、その1万人が特定の層に偏っていれば、平均も偏ります。

中心極限定理は強力ですが、偏ったデータを自動的に正しくしてくれる定理ではありません。

「30」という数字を覚えるより、次の考え方を持つ方が重要です。

サンプルサイズが大きいほど平均のブレは小さくなる。
ただし、元の分布やデータの集め方によって必要なサンプル数は変わる。

8. 大数の法則との違い

中心極限定理とよく混同されるものに、大数の法則があります。

どちらも「たくさんデータを集めると平均が安定する」という話なので、同じように見えます。

しかし、説明している内容は違います。

大数の法則は、平均の「行き先」を説明します。
中心極限定理は、平均の「ブレ方」を説明します。

たとえば、サイコロを1万回振れば、出目の平均は3.5にかなり近づくでしょう。これは大数の法則のイメージです。

一方で、サイコロを30回振って平均を出す作業を1,000セット行うと、その1,000個の平均値は3.5付近を中心に山型に分布します。これが中心極限定理のイメージです。

この違いがわかると、統計の推定や検定も理解しやすくなります。

9. アンケート・テスト・レビューでどう役立つか

中心極限定理は、日常の数字を読むときにも役立ちます。

たとえば、商品レビューで平均4.8点の商品があったとします。
このとき、見るべきなのは平均点だけではありません。

レビュー数が少ないと、平均は大きくブレます。
レビュー数が多いと、平均の偶然によるブレは小さくなりやすいです。

テストでも同じです。

1回の模試で点数が低かったからといって、実力が下がったとは限りません。たまたま苦手分野が多く出た、体調が悪かった、時間配分を失敗したなど、偶然の要素が入ります。

複数回の結果を平均で見ると、1回ごとの偶然がならされ、自分の実力の中心が見えやすくなります。

アンケートでも、10人の平均と1,000人の平均では意味が変わります。
10人の平均は偶然に左右されやすく、1,000人の平均は比較的安定します。ただし、1,000人でも回答者が偏っていれば、全体を代表しているとは言えません。

総務省統計局は、統計リテラシーやデータの見方を学べるデータサイエンス・オンライン講座を公開しています。データを読む力は、専門職だけでなく、学習・仕事・買い物・ニュース理解にも関わる基礎スキルになっています。

10. 信頼区間や検定につながる考え方

中心極限定理は、統計学の中でも「推測」の土台になります。

推測とは、すべてを調べるのではなく、一部のデータから全体を考えることです。

たとえば、全国の高校生全員に同じテストを受けてもらうのは大変です。そこで一部の生徒を調べ、その平均から全体の平均を推測します。

このとき重要になるのが、その平均はどのくらいブレるのかという視点です。

標本平均が正規分布に近づくと考えられるなら、次のような判断がしやすくなります。

• この平均値はどのくらい信頼できるのか
• 本当の平均はどの範囲にありそうか
• 2つのグループの差は偶然と言えるのか
• 新しい学習法や施策に効果がありそうか
• A/Bテストの差をどう判断するか

たとえば、ある学習法を使ったグループの平均点が、使っていないグループより3点高かったとします。

この3点差が意味のある差なのか、それとも偶然のブレなのかを考えるには、平均だけでなく、サンプル数やばらつきも見る必要があります。

中心極限定理を理解すると、こうした「平均の差」を冷静に見られるようになります。

11. 誤解されやすい点と注意点

中心極限定理は便利ですが、万能ではありません。

特に次の点には注意が必要です。

たとえば、学習アプリの満足度を調べるとき、熱心な利用者だけにアンケートを取れば、平均は高く出やすくなります。

逆に、不満を持っている人だけがレビューを書き込む仕組みなら、平均は低く出やすくなります。

中心極限定理は、ランダムに集めた標本の平均について強力な見通しを与えてくれます。しかし、そもそものデータの集め方が偏っていれば、正しい判断にはつながりません。

平均を見るときは、次の3つをセットで確認しましょう。

• サンプル数はいくつか
• ばらつきはどのくらいか
• サンプルの取り方は偏っていないか

12. 学習で使うなら「1回の結果」より「平均と推移」を見る

統計の考え方は、勉強にも応用できます。

英単語テスト、TOEICの模試、資格試験の過去問、数学の演習などでは、1回ごとの点数に大きなブレがあります。

たまたま得意な問題が多ければ高く出ます。
たまたま苦手な問題が多ければ低く出ます。
体調や集中力によっても変わります。

だから、1回の結果だけで自分の実力を決めつける必要はありません。

見るべきなのは、複数回の平均と推移です。

学習記録を残すと、点数の上下を感情ではなくデータとして見やすくなります。

完全無料で利用でき、学習行動がユーザーに還元される共益型プラットフォームであるDailyDropsも、学習を継続する選択肢の一つです。統計で平均や推移を見るように、学習でも日々の結果を記録すると、自分に合った改善点を見つけやすくなります。

13. よくある質問

Q. 中心極限定理は何を説明する定理ですか？

一部のデータから計算した平均を何度も集めると、その平均の分布が正規分布に近づくことを説明する定理です。元データそのものではなく、標本平均の分布についての話です。

Q. なぜ平均を取ると正規分布に近づくのですか？

極端な平均を作る組み合わせは少なく、真ん中付近の平均を作る組み合わせが多いからです。サイコロを何回も振ると、大きい目と小さい目がある程度打ち消し合い、平均付近に集まりやすくなります。

Q. サンプルサイズは30あれば十分ですか？

30はよく使われる目安ですが、絶対ではありません。元の分布が大きく偏っている場合や外れ値が大きい場合は、より多くのデータが必要になることがあります。

Q. 大数の法則とは何が違いますか？

大数の法則は、データ数が増えると平均が本来の値に近づくことを説明します。中心極限定理は、標本平均の分布が正規分布に近づくことを説明します。

Q. 元のデータが正規分布でなくても使えますか？

条件が整えば使えます。中心極限定理の重要な点は、元データが正規分布でなくても、標本平均の分布が正規分布に近づくことです。ただし、独立性や分散が有限であることなどの前提があります。

Q. 平均だけ見れば判断できますか？

平均だけでは不十分です。サンプル数、ばらつき、中央値、外れ値、データの集め方も確認する必要があります。特にサンプルが偏っている場合、平均は全体を正しく表しません。

Q. 統計が苦手でも理解できますか？

できます。最初は数式よりも、サイコロの例で「1回の結果はバラバラ」「平均を取ると真ん中に集まる」「平均を何度も集めると山型になる」という流れを押さえるのがおすすめです。

14. まとめ：平均を正しく読むと、数字に振り回されにくくなる

中心極限定理は、統計学の中でも非常に重要な考え方です。

要点を整理すると、次の通りです。

• サイコロ1回の出目は正規分布ではなく平らな分布
• 複数回振った平均を何度も集めると山型に近づく
• 正規分布に近づくのは元データではなく標本平均の分布
• サンプル数が増えるほど、平均のブレは小さくなる
• 標準誤差はσ / √nで表される
• 大数の法則は平均の行き先、中心極限定理は平均のブレ方を説明する
• 平均を見るときは、サンプル数・ばらつき・偏りも確認する必要がある

平均は、日常のあらゆる場面で使われています。

平均点、平均年収、平均レビュー、平均学習時間、平均合格率。
私たちは毎日のように平均を見ながら判断しています。

しかし、平均だけを見ても十分ではありません。

その平均は何人から取ったものなのか。どのくらいブレる可能性があるのか。データの集め方は偏っていないのか。そうした視点を持つことで、数字をただ信じるのではなく、根拠をもって読めるようになります。

まずはサイコロの平均からで十分です。
1回の結果ではなく、平均の分布を見る。

この感覚が身につくと、統計学は一気に読みやすくなります。