【DS検定対策】統計学で最も美しい大原則！「中心極限定理」の魔法
データ分析の世界には、どんなにデタラメで歪んだ分布のデータであっても、ある操作をすると、必ず美しく整った「正規分布（左右対称の山型）」に化けてしまう魔法のような法則があります。それが「中心極限定理」です。
1. 【 問題 】
統計学において、元の確率変数がどのような分布（一様分布やポアソン分布など）に従うものであっても、そこから無作為抽出したサンプルの大きさ（標本サイズ）が十分に大きいとき、その標本平均の分布は近似的にどのような確率分布に従うという定理でしょうか？
① 正規分布（ガウス分布）
② 二項分布
③ カイ二乗分布
④ 指数分布
2. 【 解答 】
3. 整理：イメージで掴む「中心極限定理」の凄さ
言葉だけで考えると「当たり前のこと？」と思ってしまいがちですが、この定理の本質は「元の分布の形を問わない」という圧倒的な懐の深さにあります。
【 例：サイコロの出目のシミュレーション 】
1から6までの目が出る確率はすべて「6分の1」で均等です。グラフを描くと完全に真っ平らな「一様分布」になります。
・サイコロを2回振って「平均値」を記録する：
「1と1」が出れば平均1、「6と6」なら平均6ですが、中央の「3.5」あたり（3と4など）になる確率が一番高くなり、グラフは少し山型になります。
・サイコロを30回、100回と振って「平均値」を記録する：
これを何度も繰り返して平均値の分布をグラフにすると、元の真っ平らな形から完全に生まれ変わり、驚くほど綺麗な左右対称の「正規分布（ベルカーブ）」の形に収束します。
★ データサイエンスにおける最大のメリット：
実務で扱うデータ（Webサイトの滞在時間、購買金額、センサーのログなど）は、大抵は左右非対称でいびつな形をしています。しかし、中心極限定理があるおかげで、「サンプルサイズ（データの個数）が十分に大きければ、元の形がどれだけ変でも、その平均値については正規分布を前提とした強力な統計的検定や区間推定を使って分析してよい」という超強力な理論的支柱になっているのです。
4. 試験でセットで狙われる「大数の法則」との違い
中心極限定理と名前が似ていて、試験で最も引っ掛け問題として出されるのが「大数の法則（たいすうのほうそく）」です。ここを明確に区別しておきましょう！
| 法則の名称 | 言っていること（本質） | キーワード |
|---|---|---|
| 大数の法則 | サンプルサイズを大きくしていくと、標本平均は、元の分布の本当の平均（母平均）という「1つの点」に限りなく近づいていくという法則。 | 「真の値に一致する」 「点に収束する」 |
| 中心極限定理 ★今回の主役 |
サンプルサイズを大きくしていくと、標本平均のばらつき方の形（分布）が、綺麗な「正規分布」のカーブになっていくという定理。 | 「正規分布に従う」 「分布の形（カーブ）」 |
5. DS検定形式：実戦4択クイズ
問：中心極限定理において、サンプルサイズ（n）が十分に大きくなるにつれて、標本平均の分布の形は正規分布に近づきますが、その「分布のばらつきの幅（標準誤差）」は、サンプルサイズの増加に伴ってどのように変化するか。最も適切なものを一つ選べ。
① サンプルサイズに関わらず、元のデータの分散と完全に一致したまま変化しない。
② サンプルサイズが大きくなるほど、その平方根（ルートn）に反比例して「小さく（狭く）」なっていく。
③ サンプルサイズが大きくなるほど、比例して指数関数的に「大きく（広く）」なっていく。
④ 常に 0 に固定され、一切のばらつきが消滅する。
【 正解： ② 】
解説： 統計の基本性質を問う重要問題です。 データを多く集めれば集めるほど、標本平均の予測精度は高くなり、ばらつき（標準誤差）は「小さく（狭く）」なっていきます。具体的には、サンプルサイズ n の平方根（√n）に反比例して狭くなります。 試験対策として、「データが増えれば、平均値の正規分布は中央にギューッと細く尖っていく」というイメージを持っておきましょう！
6. まとめ
DS検定や統計学の試験において「標本の大きさが十分に大きいとき、確率変数の平均値が正規分布に従う」という記述が出たら、正解は「中心極限定理」一択です。 「1つの点に近づく（大数の法則）」との引っ掛けに注意しつつ、時系列解析や機械学習の数理の裏で動いているこの超重要定理をマスターしておきましょう！
