標本平均の正規確率計算機
個のバラツキを越え、集団の平均が導き出す「確信」の統計学。
中心極限定理：なぜ「平均」は正規分布に従うのか
統計学の王道とも言える定理が中心極限定理（Central Limit Theorem, CLT）です。 驚くべきことに、元の母集団がどのような分布（極端に偏った分布や一様分布など）をしていようとも、そこから抽出した「標本平均」の分布は、サンプルサイズ $n$ が十分に大きくなるにつれて、自ずと正規分布へと収束していきます。 一般に $n \ge 30$ であれば、標本平均の分布はほぼ正規分布とみなして差し支えないとされています。 この性質により、私たちは母集団の全容を把握せずとも、一部のサンプル（標本）から母集団の特性を数理的に推測することが可能になるのです。
標本平均の標準偏差: σ(X̄) = σ / √n (これを「標準誤差」と呼ぶ)
標準誤差（SE）とは：推定の「精度」を表す物差し
個々のデータのバラツキを表すのが「標準偏差（σ）」であるのに対し、標本平均のバラツキを表すのが標準誤差（Standard Error, SE）です。 式 $\sigma / \sqrt{n}$ が示す通り、標準誤差はサンプルサイズ $n$ の平方根に反比例して小さくなります。 つまり、調査の人数を4倍に増やせば、標本平均の誤差（推定の不確実さ）は2分の1に抑えられることを意味します。 「データが多いほど信頼できる」という、直感的な真理を数式化したものが標準誤差なのです。
推測統計の実践：社会調査や世計の誤差範囲
標本平均の確率計算は、実務において極めて強力な武器となります。
・品質管理：
1つの製品の重さが多少ズレていても問題ありませんが、100個の標本平均が一定の範囲を逸脱した場合、「製造工程全体に異常が起きた」と科学的に判断できます。
・社会調査：
世論調査などで「支持率が30%」と出た際、それが単なる偶然（サンプリングによる誤差）なのか、あるいは真の民意を反映しているのかを、標本平均の分布確率から算出します。
・投資リスク： 月間の平均リターンがマイナスになる確率を知ることで、短期的な変動に惑わされない長期的な投資判断をサポートします。
サンプルサイズ設計の重要性
計算機に異なる $n$ を入力してみると、確率が劇的に変化することに気づくはずです。 研究やビジネスの調査設計において、あらかじめ「どの程度の精度（許容誤差）」が必要かを決め、それに基づいて逆算して必用なサンプルサイズ $n$ を算出することは、コストと信頼性のバランスを取る上で極めて重要なステップです。
まとめ：標本が語る「母集団の真の姿」
私たちは無限のデータにアクセスすることはできませんが、有限の標本と、中心極限定理という数学の杖を持っています。 標本平均が描く正規分布の曲線は、霧の向こうにある母集団の真の姿を映し出す鏡です。 Geometric Sampling の解析システムを駆使し、データが持つ「推論の力」を体感してください。