中心極限定理とは｜なぜ平均は正規分布に近づくのかをやさしく解説

公開日

2026年7月20日

更新日

2026年10月10日

この記事の主な内容

この記事のポイント

・中心極限定理とは、一定の条件のもとで、1回の平均に使うデータ数を増やすと、その平均の分布を正規分布で近似しやすくなるという定理
・元のデータが正規分布でなくても、一定の条件のもとで成り立つ、統計学でとても重要な定理
・信頼区間・仮説検定・品質管理・世論調査が成り立つ土台になっている
・「個々のデータが正規分布になる」わけではない、というよくある誤解も解説

統計学を学んでいると、必ずといっていいほど出会うのが「中心極限定理」です。名前だけ見ると、少しむずかしそうに感じますよね。

けれど中心極限定理は、統計学のいろいろな手法を陰で支えている、とても大事な土台です。ここが分かると、信頼区間や仮説検定が「なぜ成り立つのか」も、ぐっと腑に落ちやすくなります。

この記事では、中心極限定理とは何かを、数式をできるだけ使わずにやさしく解説します。なぜ平均をとると正規分布に近づくのか、その直感的なイメージ、そして実務でどう役立つのかまで、累計3万人以上を指導してきた和からの視点でお伝えします。

中心極限定理とは｜「平均をとると正規分布に近づく」

バラバラな分布の平均をとると正規分布（つりがね型）に近づくことを示す図

図：平均をとると正規分布に近づく

中心極限定理とは、ざっくり言うと「一定の条件のもとでは、1回の平均に使うデータ数を増やすほど、その平均の分布を正規分布（つりがね型）で近似しやすくなる」という法則です。

ここで大切なのは、注目しているのが個々のデータではなく「平均」だという点です。

たとえば、あるお店の1日の来客数を考えてみましょう。1日ごとの来客数は、曜日や天気、イベントの有無などによってバラバラに変わります。

来客数の分布が大きく変わらず、日ごとの依存が十分小さいなどの条件を満たすなら、十分な日数について求めた平均値たちの分布を正規分布で近似できる場合があります。30日間あれば必ず近似できるという意味ではありません。

しかも、元の来客数の分布がきれいな正規分布でなくても、多くの場合、この性質は成り立ちます。これが、中心極限定理の大きな魅力です。

また、平均をとるときに使うデータの個数、つまりサンプルサイズが大きいほど、平均の分布はより正規分布に近づきやすくなります。実務では、おおよそ30個以上をひとつの目安にすることが多いです。

なぜそうなるのか｜サイコロで考える

直感的なイメージを、サイコロでつかんでみましょう。

サイコロを1個振ると、出る目は1〜6が同じ確率です。グラフにすると、つりがね型ではなく、どの目も同じくらい出る「平らな分布」になります。

ところが、サイコロを2個振って合計、または平均を見ると、様子が変わります。

合計が7になる組み合わせは多くあります。たとえば、1+6、2+5、3+4、4+3、5+2、6+1です。一方で、2になる組み合わせは1+1だけ、12になる組み合わせは6+6だけです。

そのため、真ん中あたりの値は出やすく、端の値は出にくくなります。つまり、分布が少しずつ山型になっていくのです。

これをサイコロ5個、10個……と増やしていくと、山はどんどんなめらかなつりがね型、つまり正規分布に近づいていきます。

サイコロ1個・2個・10個の平均の分布を比べ、平均をとるほどつりがね型（正規分布）に近づくことを示す図

図：サイコロの例で見る中心極限定理（1個の出目→2個の合計→10個の平均）

「極端な値はめったに出ず、平均的な値に集まる」。これが、平均をとると正規分布に近づく理由のイメージです。バラバラな偶然がたくさん足し合わさると、真ん中に集まりやすくなる、というわけです。

和からが大切にしている、中心極限定理の学び方

中心極限定理は、数式だけで見ると一気にむずかしく感じやすいテーマです。けれど、実務で使ううえでは、最初から証明を完璧に追う必要はありません。

和からでは、中心極限定理のような統計の土台を学ぶとき、まず「何が、どんな形に近づくのか」を言葉と図で整理することを大切にしています。

特に大事なのは、「元データの分布」と「平均の分布」を分けて考えることです。ここが混ざってしまうと、「個々のデータが正規分布になる」と誤解しやすくなります。

たとえばExcelで乱数を作り、10個ずつ平均をとってヒストグラムにしてみるだけでも、中心極限定理のイメージはかなりつかみやすくなります。数式を読む前に、まず手を動かして「あ、本当に山型に近づくんだ」と感じることが、理解への近道です。

統計学は、公式を暗記するだけではなかなか実務につながりません。だからこそ和からでは、信頼区間や仮説検定といった次の学びにつながるように、定理の意味を「使える形」で理解することを大切にしています。

中心極限定理が「すごい」理由｜元の分布が正規分布でなくてもよい

中心極限定理の本当にすごいところは、元のデータが正規分布でなくても成り立つことです。

来客数でも、商品の重さでも、アンケートの点数でも、元の散らばり方が多少偏っていても、サンプルサイズが十分に大きければ、平均の分布は正規分布に近づいていきます。

偏った元データから n=30 の平均を繰り返し計算すると、標本平均の分布が正規分布に近づくことを示す図

図：正規分布に近づくのは「平均の分布」（元データが偏っていてもよい）

これがなぜ重要かというと、世の中の多くの統計手法は「正規分布の考え方」を土台にして作られているからです。

中心極限定理があるおかげで、元データが必ずしも正規分布でなくても、平均に関する分析、たとえば推定や検定を、正規分布の枠組みで考えやすくなります。だからこそ、中心極限定理は統計学の「土台」と呼ばれるのです。

ただし、どんな場合でも無条件に使えるという意味ではありません。データ同士が大きく依存していたり、ばらつきが極端に大きかったりする場合は注意が必要です。実務でも、独立性や分布の特徴など、適用条件を確認することが大切です。

実務・統計学での使いどころ

中心極限定理は、表にはあまり出てきませんが、実務のあちこちで働いています。

信頼区間・仮説検定。
「アンケートの平均満足度はだいたいこの範囲にありそうだ」と幅で示したり、「2つの平均に差があると言えるか」を判断したりできるのは、平均の分布を正規分布に近いものとして扱えるからです。

世論調査・品質管理。
数千万人の意見を、千人ほどの調査から推し量ったり、製造ラインの平均品質を抜き取り検査で管理したりできるのも、中心極限定理が支えています。

つまり中心極限定理は、「一部のデータから全体を推し量る」ための大切な根拠になっているのです。

身近な例｜世論調査が少人数でも意味を持つ理由

中心極限定理の力を、世論調査で感じてみましょう。

有権者は何千万人もいるのに、調査では千人ほどに聞くだけで「支持率は○○％前後」と発表されることがあります。なぜ、そんな少人数の調査に意味があるのでしょうか。

カギは、支持率も0と1で表したデータの平均として考えられることです。

たとえば、ある政党を支持する人を「1」、支持しない人を「0」とすると、調査対象者の平均が支持率になります。1000人に聞いて、その平均を計算していると考えられるわけです。

無作為に1000人を選んで支持率を計算する、ということを何度も繰り返す場面を考えます。支持・不支持の人数がともに十分多いなどの条件を満たせば、その支持率のばらつき方を正規分布で近似できます。繰り返す回数を増やすこと自体が、分布を正規分布に変えるわけではありません。

だからこそ、「支持率はだいたい○○％、誤差は±△％くらい」と幅を持って推測できます。調査対象の選び方などの条件を整えることで、一部を調べるだけで全体を推し量ることができます。中心極限定理は、その際の標本のばらつきを見積もるために役立ちます。

同じ考え方は、工場の抜き取り検査にも当てはまります。すべての商品を調べなくても、サンプルの平均から全体の品質を管理できる。私たちの身の回りの「推測」は、この定理に支えられています。

よくある誤解と注意点

便利な定理ですが、誤解も多いので整理しておきましょう。

誤解1：個々のデータが正規分布になる。
これは違います。正規分布に近づくのは「平均」や「合計」であって、元の1個1個のデータではありません。来客数そのものが正規分布になるわけではない、という点に注意しましょう。

誤解2：サンプルが少なくても必ず成り立つ。
サンプルサイズが少ないと、正規分布への近づき方は不十分なことがあります。目安として30個以上と言われることが多いですが、元の分布が大きく偏っている場合は、もっと多くのデータが必要になることもあります。

誤解3：どんな場合でも無条件に成り立つ。
中心極限定理はとても強力ですが、何でも無条件に成り立つわけではありません。基本的な形では、データが同じ分布から独立に得られ、平均が有限、分散が有限でゼロではないことが前提です。正確には、平均から母平均を引き、標準誤差で割って尺度をそろえた値の分布が、標準正規分布に近づきます。実務でも、データの依存関係や分布の特徴を確認してから使いましょう。