大数の法則とは？負け続けるギャンブルの罠と中心極限定理の真相の真相や最新動向に迫る! わかりやすい言葉でご紹介しています。

統計学の初学者が最もつまずきやすいのが、大数の法則と中心極限定理との決定的な違いです。どちらも「標本サイズ（サンプル数）を大きくしたときの挙動」を扱う定理であるため同一視されがちですが、観測している対象の次元が根本から異なります。

極めて簡潔に整理すると、大数の法則は「標本平均という値が、たった1つの確定した数値（母平均・期待値）へ向かってピンポイントで吸い寄せられていく挙動」を記述しています。矢を何千本も放ったとき、着弾点の平均座標が最終的に的の中心という1つの「点」に定まる様子をイメージしてください。

対して中心極限定理（Central Limit Theorem: CLT）は、「標本平均が期待値の周りにどのような散らばり方（形状）をして分布するか」を解き明かした定理です。元の母集団がサイコロのような一様分布であっても、いびつな二峰性分布であっても、独立に抽出した標本の平均値を何度も集めて度数分布図を描くと、サンプル数が十分大きければその形状は必ず釣鐘型の「正規分布（ガウス分布）」に近似します。つまり、中心極限定理は「分布の形状」を規定する理論です。

さらに数理統計学を深掘りすると、大数の強法則と弱法則の違いという重要な境界線が存在します。この2つは「収束」という概念の数学的な強さを区別したものです。

項目詳細・数値データ一般的な基準・相場編集部の見解・評価大数の弱法則確率収束（Convergence in probability）。サンプル数nを無限大にすると、標本平均と期待値の差がある微小値より大きくなる「確率がゼロに近づく」。チェビシェフの不等式などを用いて初等統計学で証明される基本形。実務的なシミュレーションでは弱法則の理解で十分通用するケースが多い。大数の強法則概収束（Almost sure convergence）。標本平均が期待値に一致しない経路（例外的な無限試行系列）の確率の総和が完全に「ゼロ」になる。測度論的確率論に基づき、コルモゴロフによって厳密に体系化された。「確実に理論値へ到達する」ことを数理的に保証する極めて強固な定理。中心極限定理標本平均の標準化変数が、元の分布の形に関わらず標準正規分布N(0, 1)に弱収束（分布収束）する。サンプル数n≧30〜100程度で十分な近似精度を持つとされる。仮説検定（t検定など）や信頼区間の算出など、推計統計学の実務を支える心臓部。平均への回帰1回目の測定値が極端な場合、2回目の測定値は全体の平均値に近づく統計的現象（フランシス・ゴルトン提唱）。相関係数rが1未満の線形関係において普遍的に観測される。大数の法則とは別概念。因果関係のない偶然の揺り戻しを錯覚しやすい罠。

大数の弱法則は「例外が発生する確率がゼロに近づく」と主張するのに対し、大数の強法則は「無限回の試行を全体として眺めたとき、例外なく期待値に収束する」という極めて強い主張を持ちます。この2つの数学的な境界を理解しておくことは、データ分析や金融モデリングの妥当性を評価する上で決定的な知識となります。