本文へスキップ

メニュー

中心極限定理がわからない人へ|身長・体重の例で直感をつかむ

中心極限定理とは何かを、身長・体重の例でやさしく解説。なぜ標本平均の分布が正規分布に近づくのか、σ/√nの意味、大数の法則との違い、よくある誤解まで具体的に理解できます。

単元解説 公開日 筆者

目次(10項目)

「中心極限定理(ちゅうしんきょくげんていり)」は、名前も数式も難しそうですが、最初に理解したいことは一つです。

同じ集団から何人かを無作為に選んで平均を出す。この操作を何度も繰り返すと、その「平均の分布」は、1組に含める人数が増えるほど正規分布(釣鐘型)に近づきます。

ここで重要なのは、正規分布に近づくのは、集めた身長や体重のデータそのものではなく、「グループごとの平均」の分布だということです。

この区別がつけば、中心極限定理も、標本平均の標準偏差が σ/n\sigma/\sqrt n になる理由も、ずっと理解しやすくなります。

この記事では、身長と体重を使って順番に考えていきます。

1.身長を10人測るだけでは、中心極限定理にならない

ある学校の生徒全員の身長を知りたいとします。しかし、全員を測るには時間がかかります。

そこで、無作為に10人を選んで身長を測り、その平均を計算することにしました。

  • 母集団:本当に調べたい全体(学校の生徒全員)
  • 標本:実際に選んで調べた人たち(10人)
  • 標本平均:選んだ10人の身長の平均
  • 母平均:学校の生徒全員の身長の平均

では、最初の10人の平均が168cmだったら、別の10人を選んでも必ず168cmになるでしょうか。

もちろん、そうではありません。

たまたま背の高い人が多ければ平均は上がり、背の低い人が多ければ平均は下がります。

ここで同じ調査を繰り返してみます。

  1. 無作為に10人を選ぶ。
  2. 10人の身長の平均を1個記録する。
  3. 別の10人を選び、もう一度平均を記録する。
  4. これを何度も繰り返し、「平均値だけ」を集めてグラフにする。

こうしてできるのが、標本平均の分布です。

1人ひとりの身長を並べたグラフと、10人ずつの平均を並べたグラフは、別のものです。

中心極限定理は後者について述べています。

2.なぜ平均を取ると、真ん中に集まりやすいのか?

まずは、実際の身長データではなく、仕組みを確かめるための極端に単純な数学モデルを考えます。

「身長160cmの人と180cmの人が半分ずついる集団」から、独立に無作為抽出すると仮定します。

この集団の平均身長は170cmです。

1人だけ選ぶ場合

出る値は160cmか180cmの2つだけです。

真ん中の170cmになることはありません。

2人選んで平均を取る場合

考えられる組み合わせは次の4通りです。

1人目 2人目 2人の平均
160cm 160cm 160cm
160cm 180cm 170cm
180cm 160cm 170cm
180cm 180cm 180cm

170cmになる組み合わせは2通り、160cmと180cmになる組み合わせはそれぞれ1通りです。

1人のときは出なかった170cmが、2人の平均では最も出やすくなりました。

4人選んで平均を取る場合

今度は合計16通りの組み合わせがあります。

4人の平均 組み合わせの数
160cm 1
165cm 4
170cm 6
175cm 4
180cm 1

全員が160cm、または全員が180cmという偏った組み合わせは、それぞれ1通りしかありません。

一方、160cmと180cmが2人ずつ混ざる組み合わせは6通りあります。

平均を出すと、一方に偏った値が互いに打ち消し合います。そして、真ん中付近の平均を作る組み合わせの方が多くなります。

これが、中心極限定理を直感的に理解するための入口です。

人数をさらに増やすと、標本平均の分布は、適切に横軸を拡大して見たとき、滑らかな釣鐘型に近づいていきます。

図1

1人・2人・4人の平均の確率分布

実測ではなく、160cmと180cmが半分ずついる集団という仮定した数学モデルです。

1人を選ぶ(2通り) 1/2 160 1/2 180 2人の平均(4通り) 1/4 160 2/4 170 1/4 180 4人の平均(16通り) 1/16 160 4/16 165 6/16 170 4/16 175 1/16 180 横軸:平均身長(cm) 縦軸:確率
図の内容を文章で読む

1人を選ぶ場合は、160cmと180cmの2つだけで、確率はどちらも1/2。真ん中の170cmにはならない。

2人の平均は、160cm・170cm・180cmの3通りで、確率は1/4・2/4・1/4。170cmが最も出やすい。

4人の平均は、160cm・165cm・170cm・175cm・180cmの5通りで、全16通りのうちの組み合わせの数は1・4・6・4・1。確率は1/16・4/16・6/16・4/16・1/16で、170cmが最も出やすい。

3つの段の横軸は同じ(平均身長 cm)で、棒の高さは確率に比例する。濃い色の棒が、その段で最も出やすい平均。

3.体重の分布が左右非対称でも、平均の分布は釣鐘型に近づく

身長は、年齢や性別などをそろえた集団では正規分布に近い形を示すことがあります。

そのため、身長だけで説明すると「もともと正規分布だから、平均も正規分布なのでは?」と思うかもしれません。

そこで、体重でも考えてみましょう。

ある集団の体重の分布が、軽い側に人が多く、重い側に長い裾を引くような、左右非対称の形をしているとします。

この集団から1人だけ選ぶと、その人の体重は元の左右非対称な分布に従います。

しかし、10人ずつ選んで平均体重を出すと、極端に重い人が1人いても、ほかの9人の体重と平均されます。

さらに30人、100人と人数を増やせば、一部の人の極端な値がグループ全体の平均を大きく動かすことは起こりにくくなります。

元の体重分布は左右非対称なままでも、10人平均、30人平均、100人平均の分布は、しだいに左右対称な釣鐘型に近づいていくのです。

これが中心極限定理の大きな価値です。

元データが正規分布でなくても、一定の条件の下で、標本平均の分布を正規分布で近似できるようになります。

4.人数を増やすと、平均のばらつきも小さくなる

中心極限定理を学ぶなら、「釣鐘型になる」だけで終わってはいけません。

もう一つ重要なのが、平均の値は人数を増やすほど安定するという性質です。

例えば、母平均60kg、母標準偏差12kgの集団を考えます。

これは計算の仕組みを確かめるための仮定であり、実際の人々の統計値ではありません。

1組で調べる人数 標本平均の標準偏差
1人 12kg
9人 4kg
36人 2kg
144人 1kg

ここで注意したいのは、右の数値が1回の調査で出た標本平均の誤差ではないことです。

標本を何度も取り直して得られる、標本平均どうしのばらつきを表しています。

この標準偏差を「標準誤差」と呼びます。

人数が4倍になると標準誤差は半分、100倍になると10分の1になります。

人数を2倍にしても誤差が半分になるわけではありません。

図2

人数が増えると、標本平均の分布は幅が狭くなる

母平均60kg・母標準偏差12kgという仮定の計算です。母集団が正規分布とは限らないため、各曲線は人数が大きいときの近似を表します。

52 56 60 64 68 横軸:標本平均(kg) n=9(4kg) n=36(2kg) n=144(1kg) ( )は標準偏差
図の内容を文章で読む

3本の曲線の中心は、どれも母平均と同じ60kg。

標本平均の標準偏差(標準誤差)は、9人で4kg、36人で2kg、144人で1kg。人数が4倍になるごとに、幅は半分になる。

母集団が正規分布とは限らないため、各曲線は、1組の人数が大きいときの近似を表す。

なぜ σ/√n になるのか?

人数を nn、個々の値を X1,X2,…,XnX_1,X_2,\ldots,X_n とすると、標本平均は次の式です。

X‾=X1+X2+⋯+Xnn\overline X=\frac{X_1+X_2+\cdots+X_n}{n}

各人の体重が独立に選ばれ、1人分の分散が σ2\sigma^2 だとします。

独立な値の和の分散は足し算できるので、nn 人分の合計の分散は nσ2n\sigma^2 になります。

平均を作るときには合計を nn で割ります。

分散は「何倍したか」の2乗で変化するため、

V(X‾)=nσ2n2=σ2nV(\overline X)=\frac{n\sigma^2}{n^2}=\frac{\sigma^2}{n}

となります。

その平方根が標準偏差です。

σX‾=σn\boxed{\sigma_{\overline X}=\frac{\sigma}{\sqrt n}}

この式は丸暗記するより、独立な値を足して平均を取ると、ばらつきが小さくなると捉える方が役立ちます。

5.中心極限定理を式で見ると、何を言っているのか?

ここまでの話を数式にまとめると、母平均 μ\mu、母分散 σ2\sigma^2 の集団から独立に nn 個を選んだとき、nn が十分大きければ、標本平均 X‾\overline X の分布はおよそ

X‾≈N(μ,σ2n)\boxed{\overline X\approx N\left(\mu,\frac{\sigma^2}{n}\right)}

と表せます。

N(平均,分散)N(\text{平均},\text{分散}) は正規分布の表記です。

式の部分 意味
μ\mu 標本平均の分布の中心は、母平均と同じ
σ2/n\sigma^2/n 人数が増えると、標本平均の分散は小さくなる
NN 標本平均の分布の形が正規分布に近づく

より正確には、標準化した標本平均

Z=X‾−μσ/nZ=\frac{\overline X-\mu}{\sigma/\sqrt n}

の分布が、nn を大きくするにつれて標準正規分布 N(0,1)N(0,1) に近づくという定理です。

高校数学では近似式を使うことが多いですが、標本平均がどんな人数でも完全な正規分布になる、という意味ではありません。

6.大数の法則との違いは?

中心極限定理は「大数の法則」と一緒に登場するため、混同しやすいところです。

大数の法則 中心極限定理
注目すること 標本平均の値 標本平均の分布の形
主張の中心 人数を増やすと標本平均は母平均に近づく 人数を増やすと、標準化した標本平均の分布は正規分布に近づく
身長で考えると 大人数の平均身長は全体の平均身長に近づきやすい 大人数のグループを何度も作ったとき、グループ平均の分布の形が予測できる

両者は似ていますが、質問が違います。

「人数を増やせば平均は当たりやすくなる?」に答えるのが大数の法則。

「その平均のずれ方は、どんな形で分布する?」に答えるのが中心極限定理です。

7.「30人以上なら必ず正規分布」は誤解

中心極限定理を利用するときは、次の3点を押さえましょう。

① 何人も集めれば、どんなデータでもよいわけではありません。

ここで説明した基本形の中心極限定理は、同じ分布から独立に選ばれ、母平均と有限の母分散が存在することを前提とします。

極端に重い裾を持つ分布では、正規分布への近づき方が遅かったり、基本形の定理が使えなかったりします。

② 「30人」は絶対的な境界ではありません。

30人はよく使われる目安ですが、元の分布の歪みが強ければ、もっと大きな標本が必要です。

逆に、元の母集団が正規分布なら、独立な標本の平均は少人数でも正規分布になります。

③ 人数を増やしても、偏った調査は正しくなりません。

例えば、学校全体の平均身長を調べたいのに、バスケットボール部員ばかりを選べば、人数を増やしても学校全体の平均を正しく推定できるとは限りません。

中心極限定理は、調査対象の選び方の偏りを消してくれる定理ではないのです。

8.理解できたか、身長の問題で確認しましょう

次の問題を考えてみてください。

ある集団の身長の母平均が170cm、母標準偏差が8cmだとします。

無作為かつ独立に16人を選んだとき、標本平均の標準偏差はいくつでしょうか。また、同じ方法で64人を選ぶとどうなるでしょうか。

まず16人の場合は、

816=2 cm\frac{8}{\sqrt{16}}=2\ \mathrm{cm}

です。

64人の場合は、

864=1 cm\frac{8}{\sqrt{64}}=1\ \mathrm{cm}

となります。

答えは2cmと1cmです。

母平均170cmは変わらないのに、グループの人数を4倍にすると、グループ平均のばらつきは半分になりました。

さらに重要なのは、この2cmや1cmを「個々の生徒の身長のばらつき」だと取り違えないことです。

個人の身長の母標準偏差は、どちらの場合も8cmのままです。

ここまで区別できれば、中心極限定理の基本は理解できています。

まとめ|中心極限定理は「個人」ではなく「平均の分布」の話

中心極限定理の要点は、次の3つです。

  1. 同じ母集団から何人かを選び、平均を出す操作を繰り返すと、「標本平均の分布」ができます。
  2. 一定の条件の下で、1組の人数が増えるほど、その分布は正規分布で近似しやすくなります。
  3. 標本平均の標準偏差は σ/n\sigma/\sqrt n で、人数を増やすほど平均は安定します。

私が特に大切だと考えるのは、「正規分布になる」とだけ覚えず、「何の分布が正規分布に近づくのか」を特定することです。

ここが曖昧なままでは、個人の体重を求める問題なのか、36人の平均体重を求める問題なのかが変わった途端に混乱します。

次に統計的推測を学ぶときは、式に数字を入れる前に「今見ているのは1人のデータか、標本平均か」を確認してみてください。

数学Bの統計的な推測の単元ページから範囲全体を確認できます。また、2026年度共通テスト数学Ⅱ・B・Cの解説第5問では、標本数と推測の関係が実際の問題でどう問われるかを確認できます。

基本から演習まで学び直したい場合は、『データの分析と統計的な推測が1冊でしっかりわかる本』の分析も参考になります。

参考資料

主な出典・確認資料

本文の箇所 確認に使った資料
身長の分布の形(3節) Schilling・Watkins・Watkins「Is Human Height Bimodal?」(The American Statistician, 2002)(新しいタブで開きます)
体重の分布の形(3節) Hermanussen ほか「Body weight and the shape of the natural distribution of weight, in very large samples of German, Austrian and Norwegian conscripts」(International Journal of Obesity, 2001)(新しいタブで開きます)
標本平均の平均と標準偏差 σ/√n(4節・5節) 神戸大学 稲葉「統計推測特論」講義ノート(大数の法則・中心極限定理)(新しいタブで開きます) / OpenStax「Using the Central Limit Theorem」(新しいタブで開きます)
母集団が正規分布のときの標本平均、分散の足し算(4節・7節②) Penn State STAT 414 Lesson 26「Random Functions Associated with Normal Distributions」(新しいタブで開きます)
中心極限定理の述べ方・標準化した標本平均、大数の法則との違い(5節・6節) 東北大学 石垣司「統計学入門 ~標本平均の性質(3つの定理)~」(新しいタブで開きます)
高校数学での扱い(5節)・偏った調査(7節③) 文部科学省「高等学校学習指導要領解説 数学編 理数編」(新しいタブで開きます) / 文部科学省「高等学校学習指導要領解説」一覧(新しいタブで開きます)
大数の法則・中心極限定理の位置づけ(6節) 統計検定2級(新しいタブで開きます) / 統計検定2級 出題範囲表(新しいタブで開きます)
基本形の前提(独立・同じ分布・有限の分散)と重い裾(7節①) Harvard Math 154「Unit 19: Central limit theorem」(新しいタブで開きます)
「30人」の目安(7節②) OpenStax「Statistics」第7章 Introduction(新しいタブで開きます)

筆者

この単元を扱う過去問を読む

筆者について

筆者のめめは、塾講師として学習と受験を指導してきました。自身の学び直しを経て慶應義塾大学に合格し、統計士・データサイエンティストでもあります。