中心極限定理とは?
中心極限定理(CLT)は統計学の根幹をなす定理です。平均μ・標準偏差σを持つ任意の母集団から、サイズ n の無作為標本を繰り返し抽出すると、n が大きくなるにつれて標本平均の分布はもとの母集団の形に関係なく正規分布に近づいていく、という性質を表します。この計算ツールでは、その標本分布を特徴づける2つの重要な値、すなわち「平均」と「標準誤差」を求めることができます。
使い方
母平均(μ)、母標準偏差(σ)、そして標本サイズ(n)を入力してください。ツールは標本分布の平均(これは母平均μに一致します)、標本平均の標準誤差(SE)、そして標本平均の分散(σ²/n)を返します。経験則として、\(n \geq 30\) であれば正規近似が十分に信頼できるとされています。
計算式の解説
中心極限定理は、標本平均の標本分布について2つのことを教えてくれます。1つ目は、その中心が母集団と同じである点です:$$\mu_{\bar{x}} = \mu$$2つ目は、標本が大きくなるほどばらつきが小さくなる点です:$$SE = \frac{\sigma}{\sqrt{n}}$$\(\sqrt{n}\) で割ることで変動が抑えられるため、標本サイズが大きいほど真の平均をより精度よく推定できます。標本平均の分散は標準誤差を2乗したもの、つまり \(\sigma^{2}/n\) です。
計算例
母集団が \(\mu = 100\)、\(\sigma = 15\) を持ち、標本サイズ \(n = 36\) で抽出するとします。このとき \(\mu_{\bar{x}} = 100\) となり、$$SE = \frac{15}{\sqrt{36}} = \frac{15}{6} = 2.5$$です。標本平均の分散は $$\frac{15^{2}}{36} = \frac{225}{36} = 6.25$$となります。つまり標本平均は、標準誤差わずか 2.5 で 100 のまわりに密集することがわかります。
標本サイズが標準誤差に与える影響
この表では、母平均を\(\mu = 100\)、母標準偏差を\(\sigma = 15\)に固定しています。標本サイズ\(n\)が大きくなるにつれて、標準誤差\(SE = \sigma/\sqrt{n}\)と標本平均の分散\(\sigma^2/n\)がどのように小さくなるかを示しています。標本分布の平均は、どの\(n\)でも\(\mu_{\bar{x}} = 100\)のままです。
| 標本サイズ n | 標本平均の平均 | SE = σ/√n | 分散 σ²/n |
|---|---|---|---|
| 1 | 100 | 15 | 225 |
| 4 | 100 | 7.5 | 56.25 |
| 9 | 100 | 5 | 25 |
| 25 | 100 | 3 | 9 |
| 36 | 100 | 2.5 | 6.25 |
| 100 | 100 | 1.5 | 2.25 |
| 400 | 100 | 0.75 | 0.5625 |
\(SE\)は\(\sqrt{n}\)に依存するため、標本サイズを4倍にすると標準誤差は半分になります。例えば、\(n = 9\)から\(n = 36\)に増やすと\(SE\)は5から2.5に下がり、\(n = 25\)から\(n = 100\)に増やすと3から1.5に下がります。したがって、精度をさらに一段上げるには、ますます多くのデータが必要になります。
標準誤差と標本分布の解釈
十分に大きなランダム標本があれば、中心極限定理により、\(\bar{x}\)の標本分布は平均\(\mu\)、標準偏差\(SE = \sigma/\sqrt{n}\)の近似的な正規分布になるとされます。この近似が成り立つと、経験則が標本平均にも適用されます。
- 標本平均の約68%は、\(\mu\)から±1 SE の範囲に入ります。
- 約95%は、\(\mu\)から±2 SE の範囲に入ります。
- 約99.7%は、\(\mu\)から±3 SE の範囲に入ります。
例: \(\mu = 100\)、\(\sigma = 15\)、\(n = 36\)のとき、\(SE = 15/\sqrt{36} = 15/6 = 2.5\)となります。そのとき:
- ±1 SE: 約97.5から102.5(標本平均の約68%)
- ±2 SE: 約95から105(約95%)
- ±3 SE: 約92.5から107.5(約99.7%)
標準誤差と標準偏差の違い。 標準偏差\(\sigma\)は、母集団内の個々の値がどの程度散らばっているかを表します。標準誤差は、標本平均が標本ごとにどの程度ばらつくかを表します。\(n > 1\)のとき\(SE\)は常に\(\sigma\)より小さく、\(n\)が大きくなるほど小さくなります。一方、\(\sigma\)は\(n\)によって変わりません。
中心極限定理が述べていないこと。 中心極限定理が説明するのは、個々の観測値ではなく、標本平均の分布です。個々の値は、母集団と同じように散らばり、同じように歪んだままです。36個の観測値があっても、個々の得点は\(\sigma = 15\)でばらつきますが、その平均は\(SE = 2.5\)でしかばらつきません。近似がどれくらい速く良くなるかは母集団の形によって決まり、大きく歪んだ母集団ではより大きな\(n\)が必要です。一般的な目安として\(n \ge 30\)がありますが、それはあくまで指針にすぎません。
主要な用語と記号
- 母平均(μ)
- 母集団内のすべての値の平均です。また、\(\bar{x}\)の標本分布の平均でもあります。
- 母標準偏差(σ)
- 母集団内の個々の値が\(\mu\)の周りでどの程度ばらつくかを示す指標です。
- 標本サイズ(n)
- 各標本に含まれる独立した観測値の数です。
- 標本平均(x̄)
- 1つの標本に含まれる\(n\)個の観測値の平均で、\(\bar{x} = \frac{1}{n}\sum x_i\)です。標本ごとに変わります。
- 標本分布
- 母集団から大きさ\(n\)のすべての可能な標本を取ったときの統計量(ここでは\(\bar{x}\))の分布です。
- 標準誤差(SE)
- 平均の標本分布の標準偏差で、\(SE = \sigma/\sqrt{n}\)です。
- 標本平均の分散
- 標準誤差の二乗で、\(\sigma^2/n\)です。
- 独立性・無作為抽出の仮定
- この公式は、観測値が無作為かつ独立に抽出されていること(または、標本が大きな母集団のごく一部であること)を前提としています。偏った抽出や従属的な抽出では、標準誤差の公式が誤ったものになり、中心極限定理も当てはまらない可能性があります。母集団は有限の分散を持つ必要もあります。
よくある質問
母集団は正規分布でなければならないの? いいえ。そこが中心極限定理の強みです。n が十分に大きければ、母集団が偏った(歪んだ)分布であっても、標本平均の標本分布はほぼ正規分布になります。
「十分に大きい」標本サイズとは? 一般的な目安は \(n \geq 30\) ですが、大きく歪んだ母集団ではさらに多くの標本が必要になる場合があります。
なぜ標本が大きいほど標準誤差は小さくなるの? より多くの観測値を平均することでランダムなノイズが打ち消し合うため、n が増えるほど平均の推定値が安定するからです。