正規分布
Normal Distribution ・ せいきぶんぷ
平均を中心に左右対称の釣鐘型をした、統計学で最も重要な確率分布
概要
正規分布は、平均を中心に左右対称の釣鐘型（ベルカーブ）をした確率分布です。発見者にちなんでガウス分布とも呼ばれます。平均のまわりに値が集中し、平均から離れるほど急速に珍しくなる — 身長、測定誤差、多数の要因が重なって決まる量の多くが、この形に近い分布を示します。
正規分布の際立った特徴は、形が「平均 μ」と「標準偏差 σ」のたった2つのパラメータで完全に決まることです。μ が曲線の中心の位置を、σ が山の広がり具合を決めます。つまり平均と分散と標準偏差さえ分かれば、「ある範囲に値が収まる確率」をすべて計算できてしまいます。
統計学において正規分布は「最も重要な分布」と言い切ってよい存在です。自然界に多く現れるからというだけでなく、中心極限定理によって「標本平均の分布は元のデータの形によらず正規分布に近づく」ことが保証されており、推測統計の理論の多くが正規分布を足場に組み立てられているからです。
なぜ生まれたか
正規分布の起源は、18〜19世紀の天文学における観測誤差の問題です。同じ天体を何度観測しても値は毎回少しずつ異なります。誤差はどんなパターンでばらつくのか。小さい誤差は頻繁に、大きい誤差は稀に、そしてプラス方向とマイナス方向は対称に起こる — この経験的事実を数式で表す「誤差の法則」の探求が、正規分布の曲線にたどり着きました。ド・モアブルが二項分布の近似として原型を導き、ガウスが「観測値の平均が最も確からしい推定になるためには、誤差はこの分布に従っていなければならない」という論法で最小2乗法とともに定式化し、ラプラスが理論的基盤を整えました。
その後19世紀に、ケトレーが人間の身長や胸囲といった社会・生物データにも同じ釣鐘型が現れることを示し、正規分布は「誤差の法則」から「自然と社会に遍在する分布」へと格上げされました。あまりに広く現れるため normal（普通の・標準の）という名が付いたほどです。なぜ遍在するのかという謎への答えが後の中心極限定理で、「独立な小さい偶然が多数足し合わさった量は正規分布に近づく」ことが証明され、遍在の理由に理論的な裏付けが与えられました。
詳細
68-95-99.7ルール — σを使った読み方
正規分布の実用上の要は、標準偏差 σ を単位にした確率の経験則です。値が平均 ±1σ の範囲に収まる確率は約68%、±2σ なら約95%、±3σ なら約99.7%。この「68-95-99.7ルール」を覚えておくだけで、正規分布に近いデータの読み方が一変します。「平均から2σ以上外れた値は、20回に1回程度しか起きない珍しさだ」と即座に見積もれるからです。
この読み方は実務のあちこちに埋め込まれています。偏差値70（平均+2σ）は上位約2%という換算、製造業の品質管理で「3σを超えたら異常」とみなす管理図、「シックスシグマ」という品質活動の名前 — すべてこのルールの応用です。
μ と σ を実際に動かして、σ が「ばらつきの単位」として働く様子を確かめてみてください。
μ は山の位置だけを、σ は横幅だけを変えます。どう動かしても「±1σ に約68%」という帯の比率は崩れません — σ がばらつきの単位である理由です。
標準正規分布とzスコア
どんな正規分布も、「平均を引いて標準偏差で割る」という変換（標準化）で、平均0・標準偏差1の「標準正規分布」に揃えられます。変換後の値はzスコアと呼ばれ、「平均から標準偏差何個ぶん離れているか」を表します。身長でもテストの点でも、zスコアに直せば同じ1枚の分布表で確率を引ける — かつて統計の教科書の巻末に必ず載っていた標準正規分布表は、この性質を利用したものです。異なる尺度のデータを比較可能にするこの発想は、機械学習の特徴量スケーリングにも受け継がれています。
推測統計の足場として
正規分布が「最も重要」とされる決定的な理由は、中心極限定理にあります。元のデータがどんな分布でも、母集団と標本の関係で標本平均を考えると、標本サイズが大きくなるにつれてその分布は正規分布に近づきます。つまり個々のデータが正規分布でなくても、「平均の推定」の誤差は正規分布で扱える。これにより、信頼区間の「95%信頼区間は推定値 ±約2×標準誤差」という定番の計算や、仮説検定のz検定・t検定が成立します。また回帰分析でも、誤差が正規分布に従うという仮定が推定と検定の理論を支えています。
「何でも正規分布」という落とし穴
一方で、現実のデータを何でも正規分布とみなすのは危険です。所得や都市の人口のように右に長い裾を引く分布、株価の変動のように極端な値が正規分布の想定よりずっと頻繁に起きる分布（ファットテール）は珍しくありません。正規分布を仮定したモデルは ±3σ 超の事象を「ほぼ起きない」と扱いますが、ファットテールな現実では「めったに起きないはずの暴落」が繰り返し起きてきました。正規分布は強力な近似であって自然法則ではない — データの分布の形をヒストグラムで確かめてから仮定を置く、という手順を省かないことが、正規分布と正しく付き合うコツです。