大数の法則とは？意味と期待値への収束をサイコロ例でわかりやすく解説
大数の法則をサイコロ実験で図解！期待値への収束を初心者にも分かるようにグラフと例でやさしく解説。
大数の法則（LLN）は統計学の定理である。簡単にいうと、同じ条件で独立に繰り返し行われるランダムな観測を多数集めると、その観測値の平均は時間が経つにつれて安定し、理論上の平均に近づいていくという法則です。
直感的な説明
例えば、ある確率的な試行を何度も繰り返したとき、試行ごとに結果が違っていても、集めた結果の平均は大きな揺らぎを減らしていきます。初めは平均が大きく上下しますが、試行回数を増やすと平均値は次第に安定し、ある値の周りに収束する、というのが大数の法則の直感です。
形式的な定義（簡潔に）
独立同分布（iid：independent and identically distributed）なランダム変数 X1, X2, … が存在し、それぞれの期待値 E[X_i] = μ が有限であるとき、標本平均
X̄_n = (1/n) ∑_{i=1}^n X_i
は n → ∞ において μ に収束します。ここでの「収束」の意味には主に二つあります：
- 弱大数の法則（Weak LLN）：任意の ε > 0 に対し P(|X̄_n − μ| > ε) → 0（確率収束）
- 強大数の法則（Strong LLN）：P(lim_{n→∞} X̄_n = μ) = 1（ほとんど確実な収束）
弱法則は比較的簡単な条件（例えば分散が有限）で示せ、チェビシェフの不等式がよく使われます。強法則はやや強い前提やより発展的な手法を必要としますが、より強い収束を保証します。
サイコロによる具体例
サイコロを1回振ったときの目は1〜6のいずれかで、各目の出る確率は等しいとします。このとき1回の期待値（母平均、すなわち期待値）は
(1 + 2 + 3 + 4 + 5 + 6) / 6 = 3.5
つまりサイコロを非常に多く振れば振るほど、観測された目の平均は3.5の近くに落ち着いてきます。上述の一般的事実を、この具体例に当てはめたものが大数の法則の典型的な説明です。
元のデモンストレーションとして、ある実験では多数回のサイコロの平均をプロットしたグラフが示されています。最初は平均が大きく振れますが、試行回数が増えれば増えるほど平均は3.5付近で安定していきます：
収束の速さ（分散と標準誤差）
収束の速度は分散に依存します。サイコロの1回の分散は
Var(X) = E[X^2] − (E[X])^2 = (1^2+…+6^2)/6 − 3.5^2 = 35/12 ≈ 2.9167
したがって標準偏差は約1.7078です。標本平均の標準誤差（標準偏差の平均に対する）はおおよそ σ/√n で表され、nが増えると1/√nの速さで小さくなります。例えば n = 100 のとき標準誤差は約 1.7078/10 ≈ 0.1708 で、95%の概算信頼区間は約 ±1.96×0.1708 ≈ ±0.335 になります。つまり100回振った平均はおおむね 3.5 ± 0.335 の範囲に入ることが期待されます。
中心極限定理との関係
大数の法則は平均が期待値に近づくことを保証しますが、その「ズレ」がどのように分布するかまでは述べません。ズレの大きさ（X̄_n − μ）は中心極限定理（CLT）によって、nが大きいとき正規分布に近づき、標準誤差のスケール（1/√n）で振動することが示されます。これにより、平均のばらつきの大きさを定量的に評価できます。
実務上の意味と注意点
- モンテカルロ法やシミュレーション：期待値を平均で推定する際に大数の法則は根拠となります。ランダムサンプルを増やせば推定値は収束します。
- ギャンブルや短期の観測：大数の法則は長期的な挙動について述べるため、短期間での結果が期待値から大きく外れることは普通に起こります。短期の変動を過小評価してはいけません。
- 前提条件の確認：独立性や同一分布、期待値の存在など前提が満たされない場合、結果は異なることがあります。時系列データや強い相関があるデータでは注意が必要です。
まとめ
大数の法則は、独立で同じ分布の試行を多数繰り返すと標本平均が期待値に近づくという基本的かつ重要な結果です。サイコロの例はこの直感をつかむのに最適で、実務では推定やシミュレーションの理論的根拠となります。一方で収束の速さや前提条件には注意が必要で、中心極限定理と組み合わせて用いることで、より実践的な評価が可能になります。
歴史
ヤコブ・ベルヌーイは最初にLNLを説明した。彼は、それが最も愚かな人でも本能的にそれが真実であることを知っているように、それは非常に単純だったと言います。これにもかかわらず、それは彼が良い数学的証明を開発するのに20年以上かかった。彼はそれを発見した後、彼は1713年にアルスConjectandi（想像の芸術）で証明を公開した。彼はこれを「黄金定理」と名付けた。この定理は一般的に「ベルヌーイの定理」として知られるようになりました（同名の物理学の法則と混同されないように）1835年には、S.Dポワソンがさらに「La loi des grands nombres」（大数の法則）という名前で記述しました。その後、それは両方の名前で知られていたが、"大数の法則"が最も頻繁に使用されています。
他の数学者もこの法則をより良いものにするために貢献した。そのうちのいくつかは、チェビシェフ、マルコフ、ボレル、カンテリ、コルモゴロフであった。これらの研究の後、現在では2つの異なる形の法則があります。一つは"弱い"法則と呼ばれ、他の"強い"法則と呼ばれています。これらの形態は、異なる法律を記述していません。観察された確率や測定された確率の実際の確率への収束を記述するための異なる方法を持っています。法則の強い形は弱い形を暗示している。
質問と回答
Q:大数の法則とは何ですか?
A:大数の法則とは、ランダムな過程を繰り返し観測した場合、観測値の平均が長期的に安定することを示す統計学の定理です。
Q: 大数の法則とはどのような意味ですか?
A: 大数の法則とは、観測回数が増えるにつれて、観測値の平均が期待値に近づいていくことを意味します。
Q: 期待値とは何ですか?
A: 期待値とは、ランダムプロセスの結果の母平均のことです。
Q: サイコロを振ったときの期待値とは?
A: ダイスの期待値は，可能な結果の合計を結果の数で割ったものです: (1+2+3+4+5+6)/6=3.5.
Q:本文中のグラフは、大数の法則との関係で何を示していますか?
A:グラフは、ダイスの出目の平均が最初は大きく変動していることを示していますが、LLNの予測通り、観測回数が多くなると平均は期待値である3.5付近で安定することがわかります。
Q: 大数の法則はサイコロの出目にどのように適用されるのですか?
A:サイコロの出目の数が増えると、出目の平均が期待値である3.5に近づいていくので、大数の法則はサイコロの出目に当てはまります。
Q:統計学で大数の法則が重要なのはなぜですか?
A: 大数の法則が統計学で重要なのは、データが多数の観測値で平均化される傾向があるという考え方に理論的根拠を与えているからです。信頼区間や仮説検定など、多くの統計手法の基礎となるものです。
百科事典を検索する