中心極限定理の魔法へようこそ！
こんにちは！Exam P（保険数理試験）に向けて勉強している皆さん、これまで二項分布やポアソン分布、指数分布など、さまざまな確率分布を学んできて、頭の中が少し混乱しているのではないでしょうか？
でも、もし確率論に「万能の鍵」があると言ったらどうでしょう？どんな確率変数のグループであっても、ほとんどの場合、単純な正規分布に従うとみなせる強力なルール。それが中心極限定理（CLT: Central Limit Theorem）です。統計学において間違いなく最も重要な概念の一つであり、Exam Pの試験官も大好物なトピックです。さっそく、なぜこの定理が特別なのかを見ていきましょう！
クイック復習： 始める前に、確率変数 \(X\) について、平均が \(E[X] = \mu\)、分散が \(Var(X) = \sigma^2\) であることを思い出してください。これらがしっかり理解できていれば、準備は万端です！
1. 中心極限定理とは何か？
中心極限定理（CLT）の核となる考え方は、独立同一分布（i.i.d.）に従う多数の確率変数を合計すると、元の分布がどのような形であっても、その合計（および平均）は正規分布（ベルカーブ）に従うというものです！
例え話： コイン投げを1回だけ行うことを考えてみてください。表か裏か、まったく「正規分布」らしくありませんよね。しかし、1,000回コインを投げて表が出た合計回数を数えると、その結果はほぼ間違いなく500回に非常に近くなり、分布はきれいなベルカーブを描きます。個々の試行の「カオス」が、積み重なることで「秩序」に変わるのです。
数学的な定義
平均 \(\mu\)、分散 \(\sigma^2\) を持つi.i.d.な確率変数の系列 \(X_1, X_2, ..., X_n\) があるとします。
これらの変数の合計を \(S_n = X_1 + X_2 + ... + X_n\) とします。
サンプルサイズ \(n\) が大きくなるにつれて（通常 \(n > 30\)）、\(S_n\) の分布は以下のように近似されます：
\[S_n \approx N(n\mu, n\sigma^2)\]
同様に、標本平均 \(\bar{X} = \frac{S_n}{n}\) の分布は以下のように近似されます：
\[\bar{X} \approx N\left(\mu, \frac{\sigma^2}{n}\right)\]
重要なポイント： CLTを使えば、元の分布が未知であったり扱いにくかったりしても、正規分布のZテーブルを使って確率を計算できるようになります！
2. Exam P問題を解くためのステップ・バイ・ステップ
公式が少し難しそうに見えても安心してください！問題を解くときは、いつも次の5つの手順に従えばOKです。
ステップ1：単一変数のパラメータを特定する。
グループ内の「たった1つ」の要素についての平均 \(\mu\) と分散 \(\sigma^2\) を求めます。
ステップ2：サンプルサイズ \(n\) を特定する。
合計されている変数はいくつありますか？
ステップ3：合計（または平均）の平均と分散を求める。
質問が合計 (\(S_n\))に関するものなら：
平均 = \(n\mu\)
分散 = \(n\sigma^2\) （標準偏差 = \(\sqrt{n\sigma^2}\)）
ステップ4：Zスコアに標準化する。
標準化の公式：\(Z = \frac{\text{値} - \text{平均}}{\text{標準偏差}}\) を使います。
合計の場合は：\[Z = \frac{S_n - n\mu}{\sigma\sqrt{n}}\]
ステップ5：Zテーブルを使う。
試験で提供される標準正規分布表を使って確率を調べます。
豆知識： CLTは1733年にアブラーム・ド・モアブルによって初めて議論されましたが、1810年にピエール＝シモン・ラプラスが発展させました。200年以上もの間、世界中の数学者が複雑な問題を単純化するために使ってきた強力なツールなのです！
3. 連続修正（Exam Pには必須！）
ここは多くの受験生が失点してしまうポイントなので、しっかり注目しましょう！
CLTは、離散的な分布（二項分布やポアソン分布など）を近似するために連続的な分布（正規分布）を使います。離散変数は整数値しかとらないため、確率の範囲をすべてカバーするために境界を少し「広げる」必要があるのです。
0.5のルール： 離散分布から連続分布に移るときは、標準化する前に必ず0.5を足したり引いたりしましょう。
例： 離散的な合計 \(S_n\) が60以上になる確率 (\(P(S_n \ge 60)\)) を求める場合：
実際には正規分布を使って \(P(S_n > 59.5)\) を計算します。
例： \(P(S_n \le 60)\) を求めたい場合：
\(P(S_n < 60.5)\) を計算します。
暗記のコツ： 数値の60を、59.5から60.5まで広がる「ブロック」だと考えてみてください。60というブロック全体を含めたいなら、その余分な0.5までしっかり境界に含めるようにしましょう！
クイック復習：
- \(P(X \ge k)\) の場合、\(P(X > k - 0.5)\) を使用
- \(P(X \le k)\) の場合、\(P(X < k + 0.5)\) を使用
- \(P(X = k)\) の場合、\(P(k - 0.5 < X < k + 0.5)\) を使用
4. よくある落とし穴
優秀な受験生でも犯してしまうミスです。注意してください！
1. 分散の平方根をとるのを忘れる： Zスコアの分母は標準偏差 (\(\sigma\)) です。分散 (\(\sigma^2\)) ではありません！合計の場合、標準偏差は \(\sqrt{n\sigma^2}\) つまり \(\sigma\sqrt{n}\) になります。
2. 合計と平均を混同する： 問題文をよく読みましょう！「合計」が値を超える確率を聞いていますか、それとも「平均」が値を超える確率を聞いていますか？
- 合計の場合：分散 = \(n\sigma^2\)
- 平均の場合：分散 = \(\sigma^2/n\)
3. 連続修正の適用間違い： 連続修正が必要なのは、元の分布が離散的な場合（二項、ポアソン、離散一様分布など）だけです。元の変数が連続的な場合（指数分布など）、\(\pm 0.5\) は必要ありません。
5. まとめと重要なポイント
中心となる考え方： 中心極限定理は、私たちが正規分布にたどり着くための架け橋です。独立した事象の合計は、予測可能な振る舞いをするということを教えてくれます。
公式： 大きな合計 \(S_n\) の標準化は \(Z = \frac{S_n - n\mu}{\sigma\sqrt{n}}\) です。
独立性が鍵： CLTが成り立つのは、変数が独立している場合のみです。Exam Pでは、通常「無作為抽出（random sample）」といった表現で示されます。
なぜ使うのか： 「不可能」に見える計算を、単純なZテーブルの参照に変えてくれるからです。100件の保険金請求の合計であっても、500回のサイコロの出目であっても、正規分布があれば怖くありません！
最初は難しく感じるかもしれませんが、大丈夫です！ \(\mu\) と \(\sigma\) を見極めてZ公式に代入する練習を繰り返せば、自然とできるようになります。あなたなら必ず合格できます！