「正規」分布が正規分布ではない理由：4つの驚くべき事実
はじめに：誰もが知っているけれど理解していない曲線
「ベル曲線」、あるいはガウス分布は、統計学において最もよく知られた概念の一つであり、医学から金融まで様々な分野で用いられています。しかし、その通称である「正規分布」は、それが実際に何を表しているのかについて、しばしば根本的な誤解を招きます。
広範囲にわたる使用とその微妙な性質の間の緊張は、G. リップマンによって完璧に捉えられています。
誰もが正規近似を信じています。実験者はそれが数学的な定理だと考えているため、数学者はそれが実験事実だと考えているためです。
この投稿では、ガウス分布に関する最も驚くべき重要な 4 つの真実を解説し、ガウス分布とは何か、ガウス分布はどこから来たのか、そしてガウス分布を正しく解釈するにはどうすればよいのかを理解できるようにします。
教訓1：「普通」は普通ではない
1. 「普通」はあなたが思っている意味とは違う
ガウス分布は一般的に「正規分布」と呼ばれますが、これは統計学が普通の言葉に特別な専門的意味を与えた例です。「一般的に観察される」「普通の」「病気を示唆しない」といった「正常」の一般的な意味と混同しないように注意してください。
よく見られるものの、概念的に欠陥のある応用例として、分布を用いて臨床値の「正常範囲」を定義する方法がある。例えば、体温がガウス分布に従うと仮定し、人口の上位2.5%と下位2.5%を「異常」と定義する。この場合、正常範囲は 意味する 値±1.96標準偏差となる。
この純粋に統計的なアプローチにはいくつかの問題があります。
- 臨床的背景が重要です。 「異常」とは何かを定義するには、病気の兆候に関する臨床的知識が必要であり、統計的計算だけでは判断できません。
- 「正常」かどうかは他の要因によって決まります。 80歳では正常値でも、25歳では異常値となる場合があります。年齢や性別といった要因を考慮する必要があります。
- 境界線がはっきりしていることはめったにありません。 医学ではしばしば「境界線」値が存在します。正常と異常を統計的に明確に区切ることは、しばしば非現実的です。
- 現実世界のデータが完璧であることはほとんどありません。 データは 約 ガウス分布ですが、偏差は極端な値（末尾）で発生する可能性が最も高く、まさに「異常」な値が見つかる部分です。
- 高い値と低い値は同等に重要ではありません。 この統計的アプローチでは、非常に高い値も非常に低い値と同様に懸念されると想定されています。体温の場合、低い値は通常は医学的な問題ではありませんが、高い値は感染症の兆候となる可能性があります。
ポイント2：それは必ずしもデータからではなく、平均値から生じる
2. その力は中心極限定理から生まれる
ガウス分布が統計学において中心的な役割を果たしているのは、ほとんどの生のデータが完全なベル曲線に従うからではなく、中心極限定理として知られる強力な数学的関係のためです。
簡単な想像上の実験で、この定理の核となる考え方を理解することができます。
- データ分布が ない ガウス分布。
- その母集団から同じサイズのさまざまなサンプルをランダムに抽出します。
- それぞれのサンプルの平均を計算します。
- すべてのサンプル平均の頻度分布プロットを作成します。
中心極限定理は、の分布を述べています 中心極限定理は、元の母集団が正規分布に従っていなくても、標本平均 の分布は正規分布に近似するというものである。
これが、 t検定 や分散分析といった多くの一般的な統計検定が非常に有効な理由です。これらの検定は平均値の差 のみ に着目するため、中心極限定理によれば、平均値自体は予測可能な正規分布に従う傾向があり、検定の信頼性が高まるのです。
ポイント3：小さな部品を積み重ねて作られている
3. シンプルな起源の物語：ランダム性が自らを打ち消す
ガウス分布が頻繁に現れる直感的な理由は、多くの独立したランダムな要因が変動を生み出す自然な結果であるためです。これらの要因の中には、値を押し上げるものもあれば、引き下げるものもあります。
ほとんどの場合、これらのランダム効果は部分的に相殺し合うため、ほとんどの値は平均値（中間値）付近に集中します。まれに、ランダム要因の大部分が同じ方向に押し寄せ、中間値から離れた値が生じることがあります。このプロセスにより、平均に近い値が一般的で、極端な値はまれな、特徴的な対称的なベル型の曲線が形成されます。
これが起こるための重要な条件は、さまざまな変動源が独立しており、付加的であり、単一の変動源が他の変動源を支配していないことです。
ポイント4：たった2つの数字でデータを視覚化できる
4. 平均値と標準偏差は強力な説明力を持つ
データがほぼガウス分布に従うと合理的に想定できる場合は、平均と標準偏差 (SD) という 2 つの数値を知るだけで、データセット全体のイメージを再現できます。
これは、次の 2 つの信頼できる経験則により可能になります。
- すべての値の約 3 分の 2 (68.3%) が平均値の 1 標準偏差以内に収まります。
- すべての値の約 95% は平均値の 2 標準偏差 (より正確には 1.96 SD) 以内に収まります。
例えば、ある研究で平均体温が36.82℃、標準偏差が0.41℃とだけ伝えられた場合、約95%の値が36.0℃から37.6℃の間に位置すると推測できます。この単純な計算によって、データのばらつきをかなり正確にまとめることができます。
結論：ベルの向こう側
ガウス分布は基本的かつ強力なツールです。しかし、その真価は、そのニュアンスを理解することにあります。ガウス分布は平均値の挙動と累積的なランダム効果の結果をモデル化するものであり、あらゆるデータに普遍的に当てはまる記述子でも、「正規分布」を厳密に定義するものでもありません。
次に「正常」と説明されているデータを目にしたとき、そのデータの真の形と意味について、さらに深くどのような疑問を抱くでしょうか。
