中心極限定理とは ― なぜ標本平均は正規分布に近づくのか？Rのシミュレーションでやさしく理解する ―
この記事でわかること
・中心極限定理（CLT：Central Limit Theorem）とは何か、その主張のイメージ
・「大数の法則（たいすうのほうそく）」との違い ― よく混同されがちな2つを整理します
・なぜ、どんな分布から取った標本でも標本平均が正規分布に近づくのか（直感的な理解）
・Rのシミュレーションを使って、その様子を実際に「目で見て」確かめる方法
・t検定や信頼区間（しんらいくかん）といった定番の統計手法が、じつはCLTを土台にしている理由
はじめに
統計学を学び始めると、教科書のいたるところで「平均は正規分布（せいきぶんぷ）に従うとみなせる」という前提が登場します。t検定も、信頼区間も、多くの手法がこの前提の上に成り立っています。
ところが、私たちが実際に扱うデータの元の分布は、正規分布とは限りません。サイコロの目のように一様（どの値も同じくらい出やすい）な分布かもしれませんし、年収のように右に大きく裾を引いた歪んだ分布かもしれません。「はい／いいえ」の二値データのように、そもそも正規分布とはまるで形が違うものもあります。
それなのに、なぜ多くの統計手法が「平均は正規分布に従う」という前提で問題なく機能するのでしょうか。その疑問にひとつの明快な答えを与えてくれるのが、今回のテーマである 中心極限定理（ちゅうしんきょくげんていり） です。
この記事は、統計を学ぶ大学生や社会人、製薬・臨床の現場でデータに触れる方に向けて、中心極限定理を数式の丸暗記ではなく「なるほど」という直感で理解してもらうことを目指します。数式は登場しますが、そのつど日本語で意味をかみくだいて説明していきますので、身構えずに読み進めてください。
なお、そもそも「標本平均」や「標本分布」といった言葉があいまいだと感じる方は、先に 統計学の基礎：標本分布を理解しよう に目を通しておくと、この記事がぐっと読みやすくなります。
中心極限定理とは ― 直感でつかむ
中心極限定理をひとことで言うと、次のようになります。
「どんな形の分布から取った標本であっても、標本平均 \( \bar{X} \) の分布は、標本サイズ \( n \) を大きくしていくと正規分布に近づく」
もう少していねいに言うと、母平均（ぼへいきん、母集団全体の平均）\( \mu \)・母分散（ぼぶんさん、母集団全体のばらつき）\( \sigma^2 \) をもつ母集団から大きさ \( n \) の標本を取り出したとき、その標本平均 \( \bar{X} \) は、平均 \( \mu \)・分散 \( \sigma^2/n \) の正規分布におおよそ従うようになる、という主張です。
身近な例で考えてみましょう。サイコロを1回振ったとき、出る目（1〜6）は「どれも同じくらい出やすい」一様分布で、正規分布のような山の形はしていません。ところが、サイコロを10個振ってその平均を取り、それを何度もくり返して平均値の分布を描いてみると、不思議なことに真ん中（3.5あたり）が高い、左右対称のなめらかな山、つまり正規分布に似た形が現れます。アンケートで「1人あたりの平均満足度」を何度も集計したときも同じで、個々の回答がバラバラでも、平均という操作を通すと分布がきれいに整っていくのです。
標本平均の分散が \( \sigma^2/n \) になっている点に注目してください。分母に標本サイズ \( n \) があるので、\( n \) を大きくするほど標本平均のばらつきは小さくなることを意味します。つまり「たくさんのデータの平均ほど、真の値（母平均 \( \mu \)）の近くに安定して集まりやすい」ということです。標本を増やすほど推定が正確になる、という私たちの直感とぴったり一致しますね。
大数の法則との違い
中心極限定理とよく一緒に語られるのが「大数の法則（たいすうのほうそく）」です。名前が似ていて主張も近いため混同されがちですが、両者は語っていることがはっきり異なります。
大数の法則は、標本サイズ \( n \) を大きくしていくと、標本平均 \( \bar{X} \) がやがて母平均 \( \mu \) という「一点」に近づいていく、という主張です。いわば「値そのもの」の話です。一方、中心極限定理は、その標本平均が \( \mu \) のまわりで「どんなふうにばらつくのか」、つまり分布の形が正規分布に近づく、という「ばらつき方の形」の話をしています。
両者の違いを次の表で整理してみましょう。
| 項目 | 大数の法則 | 中心極限定理 |
|---|---|---|
| 着目する対象 | 標本平均の「値」 | 標本平均の「分布の形」 |
| 述べていること | 標本平均が母平均 \( \mu \) に一致していく | 標本平均のばらつき方が正規分布の形になる |
| 近づく先 | 一点（母平均 \( \mu \)） | 正規分布（山の形） |
| 使われ方 | 「たくさん集めれば平均は当てになる」の根拠 | t検定・信頼区間など推測統計の土台 |
2つの定理は「別物」です。大数の法則は「値が母平均 \( \mu \) に近づく」ことを、中心極限定理は「分布の形が正規分布に近づく」ことを述べています。「大数の法則があるから平均は正規分布になる」という説明は誤りなので、区別して覚えておきましょう。
数理的な背景（定理のステートメント）
最後に、中心極限定理を少しだけきちんとした形で書いておきます。難しく見えても、言葉にすればシンプルです。
たがいに独立で同じ分布に従う（これを i.i.d. ＝ independent and identically distributed といいます）確率変数 \( X_1, \dots, X_n \) を考えます。それぞれの平均を \( \mu \)、分散を \( \sigma^2 \) とすると、中心極限定理は次のように表せます。
\[ Z_n = \frac{\bar{X}_n – \mu}{\sigma/\sqrt{n}} \xrightarrow{d} N(0,1) \quad (n \to \infty) \]
これは、標本平均 \( \bar{X}_n \) を標準化した量 \( Z_n \) が、\( n \) を大きくすると標準正規分布 \( N(0,1) \)（平均0・分散1の正規分布）に分布収束（ぶんぷしゅうそく、分布の形が近づくこと）することを意味します。
式の中の \( \sigma/\sqrt{n} \) は 標準誤差（ひょうじゅんごさ、standard error） と呼ばれ、標本平均そのもののばらつきの大きさを表します。分子の「\( \bar{X}_n – \mu \)」は標本平均が母平均からどれだけずれているかを、それを標準誤差で割ることで「そのずれは標準的なばらつき何個ぶんか」に変換しているわけです。こうしてものさしをそろえてやると、元の分布が一様だろうと歪んでいようと、\( n \) を大きくした先には共通して標準正規分布が現れる ― これが中心極限定理の伝えたい「気持ち」です。
Rでシミュレーションして確かめる
言葉で「正規分布に近づく」と言われても、なかなか実感がわきません。そこで実際に手を動かして確かめてみましょう。ここでのアイデアはとてもシンプルです。元の分布がどんな形であっても、そこから標本を取り出して平均を計算する、という作業を何度も繰り返してヒストグラムにすると、その平均たちの分布が正規分布（釣鐘型）に近づいていく ── これを目で見て納得するのがゴールです。
一様分布から標本平均を作ってみる
まずは \( U(0,1) \)、つまり0から1までの値が均等に出る 一様分布（左右対称ですが、平らで正規分布とは似ても似つかない形）から始めます。ここから \( n = 1, 5, 30 \) 個の標本平均を10,000回ずつ作り、その分布を見てみます。
set.seed(123)
# 母集団：一様分布 U(0,1)（母平均 μ=0.5、母標準偏差 σ=1/√12≈0.2887）
sim_mean <- function(n, R = 10000, rng) {
replicate(R, mean(rng(n))) # n個を取り出して平均、をR回くり返す
}
# n = 1, 5, 30 でそれぞれ1万個の標本平均を作る
means_u1 <- sim_mean(1, rng = function(k) runif(k))
means_u5 <- sim_mean(5, rng = function(k) runif(k))
means_u30 <- sim_mean(30, rng = function(k) runif(k))
# 「標本平均の平均」と「標本平均の標準偏差（＝標準誤差）」を確認
data.frame(
n = c(1, 5, 30),
平均 = round(c(mean(means_u1), mean(means_u5), mean(means_u30)), 4),
標準偏差 = round(c(sd(means_u1), sd(means_u5), sd(means_u30)), 4),
理論SE = round(0.2887 / sqrt(c(1, 5, 30)), 4)
)
n 平均 標準偏差 理論SE
1 1 0.4998 0.2887 0.2887
2 5 0.5001 0.1290 0.1291
3 30 0.5000 0.0527 0.0527
分布の形も、ヒストグラムを3枚並べて見比べてみましょう。
par(mfrow = c(1, 3))
hist(means_u1, main = "n = 1", xlab = "標本平均", col = "#AED6F1", breaks = 40)
hist(means_u5, main = "n = 5", xlab = "標本平均", col = "#AED6F1", breaks = 40)
hist(means_u30, main = "n = 30", xlab = "標本平均", col = "#AED6F1", breaks = 40)
まず 平均 はどの \( n \) でも母平均 μ=0.5 にぴったり一致しています。次に 標準偏差 を見ると、\( n=1 \) では0.2887（＝母標準偏差 σ そのもの。1個だけ取り出した「平均」は元のデータそのものなので当然です）だったものが、\( n=5 \) で0.1290、\( n=30 \) で0.0527まで縮みました。これは理論値 σ/√n（0.1291、0.0527）とほぼ完全に一致しています。
形にも注目してください。元は「平ら」な一様分布だったのに、\( n=5 \) の時点ですでに中央が盛り上がった山なりになり、\( n=30 \) では正規分布と見分けがつかないほど滑らかな釣鐘型になります。標準誤差が \( n=30 \) で約0.053まで縮み、分布はほぼ正規に見える ── これがまさに中心極限定理です。
強く歪んだ指数分布でも成り立つのか
一様分布は左右対称だったので、「対称な分布ならそうなるのでは？」と思うかもしれません。そこで今度は、右に大きく裾を引いた非対称な 指数分布（待ち時間や故障までの時間などでよく登場する、強く歪んだ分布）で試します。歪んだ分布でも \( n \) を増やせば対称な釣鐘型に近づくのか、\( n = 1, 5, 30, 100 \) で確かめましょう。
set.seed(123)
# 母集団：指数分布 rate=1（母平均 μ=1、母標準偏差 σ=1、強い右の歪み）
means_e1 <- sim_mean(1, rng = function(k) rexp(k, rate = 1))
means_e5 <- sim_mean(5, rng = function(k) rexp(k, rate = 1))
means_e30 <- sim_mean(30, rng = function(k) rexp(k, rate = 1))
means_e100 <- sim_mean(100, rng = function(k) rexp(k, rate = 1))
data.frame(
n = c(1, 5, 30, 100),
平均 = round(c(mean(means_e1), mean(means_e5), mean(means_e30), mean(means_e100)), 4),
標準偏差 = round(c(sd(means_e1), sd(means_e5), sd(means_e30), sd(means_e100)), 4),
理論SE = round(1 / sqrt(c(1, 5, 30, 100)), 4)
)
n 平均 標準偏差 理論SE
1 1 1.0012 0.9979 1.0000
2 5 0.9994 0.4462 0.4472
3 30 1.0003 0.1826 0.1826
4 100 1.0000 0.0999 0.1000
元の指数分布は右に長く裾を引いた非対称な形ですが、標本平均の平均はどの \( n \) でも母平均 μ=1 にぴったり一致しています。これは「標本平均が母平均に近づく」という 大数の法則 が働いている証拠です。
一方の 標準偏差 は \( n=30 \) で0.1826、\( n=100 \) で0.0999となり、理論値 σ/√n（0.1826、0.1000）とよく合っています。形の変化を見ると、歪みが強い分だけ正規に近づくのは遅く、\( n=5 \) ではまだ右裾が残りますが、\( n=30 \)〜\( 100 \) ではきれいな左右対称の釣鐘型に落ち着きます。ここから 「元の分布の歪みが強いほど、正規分布に近づくには大きな \( n \) が必要」 という実務的に大切な感覚が得られます。
中心極限定理が実務で効く場面
シミュレーションで納得できたところで、「なぜこの定理がそんなに大切なのか」を実務目線で整理しておきましょう。
平均に関する検定・推定の土台になる
私たちが日常的に使う統計手法の多く ── t検定 や2群の平均の差の検定、そして 信頼区間 の計算 ── は、いずれも「標本平均が正規分布（あるいはそれに由来するt分布）に従う」ことを前提に組み立てられています。もし中心極限定理がなければ、「元のデータが正規分布に従うときしか平均の検定はできない」という厳しい制約に縛られてしまいます。
現実のデータ（検査値、売上、反応時間など）は必ずしも正規分布ではありません。それでも中心極限定理のおかげで、標本サイズがそれなりに大きければ、元の分布の形を気にせず平均について検定や推定ができるのです。p値 の計算がそもそも成立するのも、この土台があってこそです。
標本サイズの目安 ― 「n≥30」は万能ではない
よく「\( n \geq 30 \) あれば正規近似してよい」という経験則を耳にします。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。先ほどのシミュレーションで見たとおり、一様分布のように対称な分布なら \( n=5 \) 程度でもかなり正規に近づきますが、指数分布のように強く歪んだ分布では \( n=30 \) でもまだわずかに非対称さが残ることがあります。元の分布の歪みが強いほど、必要な \( n \) は大きくなると覚えておきましょう。
中心極限定理でよくある誤解が、「CLTがあるから、どんなデータも正規分布として扱ってよい」というものです。これは正しくありません。中心極限定理が正規分布に近づくと言っているのは あくまで「標本平均（の分布）」 であって、個々のデータ点そのものの分布ではありません。
例えば指数分布から取ったデータは、いくら集めても一つひとつは歪んだままです。近づくのは「平均をたくさん作ったときの、その平均たちの分布」だけ。個々のデータの分布と標本平均の分布は別物です。生データそのものの分布を扱いたい場合は、正規分布以外の選択肢も含めて検討する必要があります（→ 分布を選べるようになる：正規分布以外の世界を覗く）。
・t検定・平均の差の検定・信頼区間は、いずれも「標本平均が正規分布に従う」ことを土台にしている。
・中心極限定理のおかげで、元のデータが正規分布でなくても平均について推測できる。
・「\( n \geq 30 \)」はあくまで目安。歪みが強い分布ほど、より大きな \( n \) が必要になる。
・近づくのは「標本平均の分布」であって「個々のデータの分布」ではない ── ここを混同しないことが最大のコツ。
この記事をより深く理解するための参考書籍
統計・生物統計をさらに深く学びたい方に、おすすめの書籍をご紹介します。
まとめ
関連記事として、平均や分布の話をさらに広げる記事もあわせてご覧ください。中心極限定理と地続きのテーマばかりです。
本記事では、中心極限定理を「言葉」だけでなく「シミュレーション」で確かめてきました。一様分布でも指数分布でも、元の分布がどんな形をしていても、標本平均をたくさん作ってヒストグラムにすると正規分布（釣鐘型）に近づく ── この事実を、標本平均の平均が母平均 μ に一致し、標準偏差が σ/√n（標準誤差）まで縮んでいく数値とともに見てきました。あわせて、平均が母平均に近づく 大数の法則 と、分布の形が正規に近づく 中心極限定理 は別々のことを言っている、という区別も確認しました。
中心極限定理は、t検定・平均の差の検定・信頼区間といった推測統計のほとんどを陰で支える「土台」です。だからこそ、元のデータが正規分布でなくても平均について語ることができます。一方で、「近づくのは標本平均の分布であって個々のデータの分布ではない」「歪みが強い分布ほど大きな \( n \) が必要」という勘所を押さえておくことが、誤用を避けるうえで欠かせません。この定理を直感と数値の両方で理解しておくことは、データを扱うあらゆる場面であなたの強みになります。
