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

この記事のポイント

・中心極限定理とは、データの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という法則
・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」

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「データの平均を何度もとって集めると、その平均たちの分布は正規分布（つりがね型）に近づく」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。

ところが、「30日間の平均来客数」を何度も求めて、その平均値を集めていくと、その平均値たちの分布は正規分布に近い形で散らばるようになります。

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。

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。

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。実務では細かく気にしすぎる必要はありませんが、「一定の条件のもとで成り立つ」と押さえておくと安心です。

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、支持率も割合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したとします。すると、その支持率のばらつき方は、中心極限定理によって正規分布に近づきます。

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。中心極限定理があるから、一部を調べるだけで全体を推し量ることができるのです。

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。一般的には、データが独立していて、極端に特殊な分布ではないことなどが前提になります。実務ではまず大きな問題にならないことが多いですが、頭の片隅に置いておくとよいでしょう。

もう一歩｜サンプルを増やすと“ブレ”が小さくなる

中心極限定理には、もうひとつ実務で大事な性質があります。それは、平均をとるときのサンプルサイズを増やすほど、平均のブレ、つまり散らばりが小さくなるということです。

イメージは、「人数が多い平均ほど安定する」です。

図：サンプルサイズが増えるほど、平均のブレは小さくなる

たとえば、3人の平均テスト点は、たまたま高得点の人や低得点の人が入るだけで大きく動きます。一方で、300人の平均点は、数人の点数が変わってもそれほど大きくは動きません。

だから、より正確に全体を推し量りたいなら、サンプルサイズを増やすことが有効です。中心極限定理は、「どれくらいデータを集めれば十分か」を考えるうえでも、重要な土台になります。

よくある質問（FAQ）

Q1. 数式が分からなくても理解できますか？

はい、大丈夫です。まずは「平均をたくさん集めると、つりがね型に近づく」というイメージがつかめれば、実務では十分役立ちます。数式は、より深く学びたくなったときに足していけば問題ありません。

Q2. なぜ「30個」が目安なのですか？

30個というのは、実務でよく使われる経験的な目安です。多くの分布では、サンプルサイズが30個くらいあると、平均の分布が正規分布に近づきやすいとされています。

ただし、30個が絶対の境界というわけではありません。元データの偏りが小さければもっと少なくてもよい場合がありますし、偏りが大きい場合はもっと多く必要になることもあります。

Q3. 大数の法則とは何が違うのですか？

大数の法則は、サンプルサイズを増やすと、平均が「真の平均」に近づくという話です。つまり、平均の値そのものに注目しています。

一方で中心極限定理は、その平均がどんな形でばらつくかに注目します。平均の分布が正規分布に近づく、という分布の形の話です。

ざっくり言うと、大数の法則は「平均はどこに近づくか」、中心極限定理は「平均はどんな形で散らばるか」を教えてくれる定理です。セットで覚えると理解が深まります。

Q4. 正規分布以外の分布でも本当に大丈夫ですか？

多くの場合、大丈夫です。元のデータが偏っていても、左右非対称でも、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。

ただし、偏りが大きいほど、必要なサンプルサイズは多くなります。また、データのばらつきが極端に大きい場合や、データ同士が強く関係し合っている場合には注意が必要です。

まとめ｜中心極限定理は統計の「土台」

中心極限定理とは、データの平均をたくさん集めると、元の分布の形によらず、平均の分布が正規分布に近づくという法則でした。

これがあるおかげで、信頼区間・仮説検定・世論調査・品質管理といった、「一部から全体を推し量る」手法が成り立っています。

今日のポイントをまとめると、次の3つです。

1. 正規分布に近づくのは「個々のデータ」ではなく「平均」
2. 元のデータが正規分布でなくても、多くの場合に成り立つ（サンプルサイズは30個以上が目安）
3. 信頼区間や検定の「なぜ」を支える土台になっている

とはいえ、「信頼区間や検定まで、つながりで理解したい」「実務で使える形まで学びたい」という方も多いはずです。和からの統計・データ分析教室では、中心極限定理のような土台から実務の分析まで、一人ひとりの理解に合わせてマンツーマンでサポートしています。

まずは無料カウンセリングで、統計のつまずきを一緒に解きほぐしてみませんか。

関連記事

・信頼区間の意味｜「95%」が示すものと示さないもの
・統計検定2級・準1級対策講座の選び方｜独学／オンライン／マンツーマン徹底比較2026
・統計学の法人研修｜失敗しない設計の7ステップと業種別カリキュラム例

<監修／和から株式会社 堀口智之>