なぜ「ベルカーブ」は至る所に現れるのか？その背後にある数学を解き明かす

自然界や社会のデータを見渡すと、驚くほど多くの場面であの山型の曲線「ベルカーブ（正規分布）」に出会います。テストの点数から身長の分布、測定誤差に至るまで、なぜこれほどまでに同じ形が繰り返されるのでしょうか？この記事では、統計学の核心である「中心極限定理」などの概念をベースに、ランダムな事象が最終的に美しいベルカーブへと収束していく数学的なカラクリを分かりやすく紐解きます。

Quantaは本当に嫌いだ。大学の統計学の教授が（願わくば）黒板を使って10分で教えられるような内容を、無駄に引き伸ばしすぎ。Quantaには3Blue1Brownみたいなアニメーション図解を作る能力があるはずなのに、あえてそれを使わないんだよね。正方格子上のランダムウォークが漸近的に等方的になるとか、n面サイコロを振って同じ目が出るまでの回数の期待値の漸近挙動とか、もっと分かりやすい応用例をいくらでも示せるし、正規分布とは何かを解説することだってできるはず。なのに彼らは情緒に訴えるストーリーを語りたがるだけ。有意義な形で科学への関心を高めるチャンスを台無しにしている、まさに害悪だよ。

素晴らしい記事だね。個人的には、ファットテールや無限分散といった、中心極限定理（CLT）の枠組みを超えたシナリオの数学について最近学んでいるところなんだ。なぜCLTがこれほど普遍的に適用できるのかというのは大きな哲学的疑問だけど、この記事では平均化プロセスの結果としてうまく説明されているね。別の視点では、自然界のプロセスがガウス分布的な挙動を示すのは、平衡（力、ホメオスタシス、中心ポテンシャルなど）に向かう傾向があり、その平衡が測定値を中央領域に集約させるからだ、という説を読んだことがある。一方で、複雑なフィードバックループや（ソロスの言う意味での）再帰性を持つ金融市場の価格などのプロセスでは、確率質量が中央以外の領域に溜まる傾向があり、そこではCLTが通用しなくなるんだ。

辛口な意見（Hot take）だけど、ベルカーブがどこにでもあるのは、まさに「数学が単純だから」だよ。因果関係をたどればこうなる：数学が簡単→教師が簡単なことを教える→学生は教わったことを学ぶ→自分たちが学んだ概念を通して世界を見る、ってことだ。中心極限定理は、単純な数学からもっと難解な数学へと一般化できる。例えば分散が有限でない場合のレヴィ安定分布、極値に関するフィッシャー・ティペット・グネデンコ定理、そしてガンベル／フレシェ／ワイブル分布とかね。これらの曲線もいたるところに存在するけど、数学が難しすぎて教わらないから、みんなそれが見えていないだけなんだ。

中心極限定理に関する3Blue1Brown（3b1b）のプレイリストはこちら：https://www.youtube.com/playlist?list=PLZHQObOWTQDOMxJDswBaLu8xBMKxSTvg8 ほかにも関連動画がいくつかあるよ。https://www.youtube.com/@3blue1brown/search?query=convolution