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

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とはどんな影響があるのか? 背景や要点を丁寧に紐解いて紹介します。

統計学を学ぶ上で避けて通れない大数の法則わかりやすく解説する際、最も直感的なモデルとなるのがコイン投げです。コインを投げて表が出る理論的確率は2分の1、すなわち50％です。しかし、試行回数がわずか5回や10回程度の場合、表が80％出たり20％しか出なかったりといった偶然のブレが頻繁に発生します。

このコイン投げ確率収束の仕組みを数理的に解き明かすと、試行回数（n）が十分に大きくなるにつれて、偶然による偶発的ノイズが全体の中に埋没していくプロセスであることが分かります。10回中8回の表は「期待値との差が3回」に過ぎませんが、割合としては30％もの極端な偏りを生みます。一方、1万回投げて表が5,300回出た場合、差は300回に広がっているものの、割合に換算すると53％となり、理論値である50％に圧倒的に接近します。回数を増やすほど「比率のズレ」が急速に消え去る現象、これが大数の法則の本質です。

この定理の原点は、18世紀初頭のスイスの数学者ヤコブ・ベルヌーイに遡ります。彼が死後の1713年に刊行された主著『推測術（Ars Conjectandi）』において証明したのが、いわゆるヤコブベルヌーイの定理と歴史の嚆矢となる「ベルヌーイの大数の法則」です。当時、経験的な観察結果から客観的な理論確率を逆算できるかという壮大な問いに対し、数学的な厳密さをもって「試行回数を増やせば確率は理論値に収束する」と証明した業績は、近代確率論の扉を押し開く革命的な一歩となりました。

大数の法則が成立するためには、厳密な標本平均と母平均の収束条件を満たす必要があります。具体的には、各試行が互いに影響を与えない「独立性」を保っていること、同一の確率分布に従っていること（i.i.d.条件：独立同分布）、そして何より「母平均（期待値）が有限の値として存在する」ことです。期待値が無限大に発散してしまう特殊な分布（例えばコーシー分布など）では、どれほど試行回数を増やしても平均値は1点に定まりません。日常やビジネスで大数の法則を適用する際は、前提条件がクリアされているかを冷徹に見極める必要があります。