Contents
概要
ガウス分布（Gaussian distribution）は、平均値を中心に左右対称の釣り鐘形を描く確率分布である。正規分布（normal distribution）とも呼ばれ、確率論・統計学において最も基本的かつ重要な分布として位置づけられる。
18世紀、フランスの数学者アブラアム・ド・モアブル（1667–1754）が二項分布の近似として初めて記述した。その後ピエール＝シモン・ラプラスが精緻化し、カール・フリードリヒ・ガウス（1777–1855）が天体観測の測定誤差分析に応用して体系化した。現在では発案者の名を冠し「ガウス分布」として定着している。
数学的構造
ガウス分布は2つのパラメータ——平均（μ）と標準偏差（σ）——で完全に定義される。確率密度関数は次の形をとる。
f(x) = (1 / σ√(2π)) × exp(−(x−μ)² / (2σ²))
μは分布の中心位置を決め、σは分布の広がりを決める。σが小さいほど平均付近にデータが集中し、大きいほど裾野が広がる。平均0・標準偏差1の標準正規分布 N(0,1) は基準として頻繁に用いられ、データを標準化（z変換）することで異なる集団を比較可能にする。
実務上よく参照される経験則として68-95-99.7ルールがある。平均から1σの範囲に全データの約68%、2σに約95%、3σに約99.7%が含まれる。この性質がリスク管理・品質管理の基準として世界中で用いられている。
普遍性——なぜ至る所に現れるか
ガウス分布の最大の特徴は普遍性にある。身長・体重・テスト得点・製品寸法のばらつき・測定誤差——異なる領域の現象が同一の分布型を示す。
この普遍性を数学的に保証するのが中心極限定理である。「独立した多数のランダム変数の和は、元の分布の形によらず、正規分布に収束する」というのがその核心だ。身長は多数の遺伝子・環境因子の総和であり、測定誤差は多数の微小なランダム誤差の総和である。いずれも中心極限定理を経由してガウス分布に従う。
一方、ガウス分布が当てはまらない現象も存在する。大規模地震・金融危機・SNS上の情報拡散など、「べき乗則」に従う現象では、稀な極端事象（テールリスク）の発生頻度がガウス分布の予測を大幅に超える。2008年の金融危機では、ガウス分布を前提としたリスクモデルが「100年に一度」と評価した事象が実際に発生し、モデルの根本的限界が露呈した。
現代への示唆
1. 「3σ外れ」を安全圏と見なさない
品質管理や投資リスク評価でσを基準にするとき、ガウス分布が暗黙の前提になっている。しかし現実の極端事象——金融危機・パンデミック・システム障害——はテールが分厚い分布に従うことが多い。3σの範囲内に収まる確率は99.7%だが、現実のリスクはその数倍から数百倍に達する場合がある。モデルへの過信が致命的な見落としを生む。
2. 平均だけでなく分散を経営指標に加える
売上・顧客満足度・従業員パフォーマンスのいずれも、平均値だけを見ていては実態を見誤る。標準偏差を把握することで、「ばらつきが大きく不安定な組織」と「安定して水準を維持する組織」の差が初めて可視化される。
3. 中心極限定理を意思決定の根拠に使う
大量サンプルを扱う調査・実験では、元のデータ分布が何であれ、標本平均はガウス分布に近づく。この性質が統計的仮説検定・信頼区間推定の理論的基盤となっている。逆に言えば、サンプル数が少ない状況ではこの近似が崩れるため、少数事例からの過度な一般化には慎重であるべきだ。
関連する概念
中心極限定理 / 標準偏差 / 確率密度関数 / べき乗則 / ベイズ統計 / 最小二乗法 / t分布 / 誤差論
参考
- 原典: C.F. ガウス『天体運動論』（Theoria Motus Corporum Coelestium、1809）
- 入門書: 竹内啓『数理統計学』東洋経済新報社、1963
- 研究: ナシーム・ニコラス・タレブ『ブラック・スワン』（望月衛 訳、ダイヤモンド社、2009）