大数の法則

大数の法則とは ― 営業マネジャーのための「数をこなすほど実力が見えてくる」法則

1. この記事で学べること

2. エピローグ

スマホのゲームで10連ガチャを引いた。

当たり確率は5%のはずなのに、なぜか2回も当たった。

「自分は引きが強い」と思いたくなる。

でも、次の日に10連を引いたら、今度は1回も当たらなかった。

少ない回数だと、結果は大きく上にも下にも振れる。

もし1000回引けたら、当たった割合はきっと5%あたりに落ち着くはずだ。

いちこ

少ない回数だと「引きが強い/弱い」がすごく目立つんですね。

シュン

そう。でも回数を増やすほど、その偏りはならされて、本来の確率に近づいていくんだよ。

アプリのレビューでも同じことを感じる。

レビューが3件で星5.0のアプリと、レビュー1万件で星4.3のアプリ。

星の数字だけなら前者が上だ。

でも3件の星5は、たまたま満足した数人かもしれない。

1万件の4.3のほうが、そのアプリの本当の実力に近い。

いちこ

件数が多いほうが、本当の評価に近いと感じます。

シュン

それが大数の法則の感覚だね。数が増えるほど、平均は真の値に落ち着いていく。

ガチャの当たり割合も、レビューの平均点も、数を増やすほど本当の値に近づいていく。

これを表したのが、大数の法則だ。

3. 大数の法則とは何か

大数の法則とは、試行の回数を増やすほど、その平均(相対度数)が本来の値(母平均・真の確率)に近づいていくという法則だ。

コインの表が出る割合は、投げる回数を増やすほど0.5に近づく。 受注率20%のメンバーの受注割合も、商談数を増やすほど20%に近づく。

土台となる確率の基礎の「確率は長期的な割合」という考え方が、そのまま形になったものだ。

よく混同されるのが中心極限定理だが、役割が違う。

• 大数の法則 … 回数を増やすと平均が真の値に「近づく」(どこに収束するか)
• 中心極限定理 … その平均のばらつきが正規分布の形に「なる」(どんな分布か)

分布の形の話は中心極限定理を合わせて読むと、two本柱として整理できる。

4. 図で見る

受注率20%のメンバーが商談を重ねたとき、累積の受注割合がどう動くかを見てみる。

• 5〜10件では40%や30%と、真の20%から大きく外れている。
• 件数が増えるほど、ギザギザが小さくなり20%に収束していく。
• 少ない商談での「好調・不調」は、偏りである可能性が高い。

覚えておきたいのは2つ。

① 少ないデータでの評価は、上下に大きく振れる。数件の結果で人を評価しない。

② 判断には十分な数を積む。何件あれば信頼できるかは、標準誤差の考え方とセットで見る。

必要な件数と誤差の関係は、標準誤差で具体的に測れる。

5. 計算式

シュン

教科書的な計算式も紹介しておくね。

いちこ

シーン別の記事では、プロンプトも紹介してくれてますね。まさに生成AIに頼るところですね！

大数の法則(標本平均が母平均に近づく)

• $\bar{X}_n$: n回の平均(相対度数)
• $\mu$: 母平均(真の確率)
• $n$: 試行回数。大きいほど $\bar{X}_n$ は $\mu$ に近づく

なぜ近づくかは、平均のばらつき(標準誤差)が小さくなるからだ。

nを4倍にすると誤差は半分。数を積むほど、平均は真の値の近くに集まる。

生成AIに渡せば10秒で計算できる。手計算は不要。

6. まとめ

平均のばらつきの分布は中心極限定理、

必要な件数と誤差は標準誤差で押さえると、推測統計の土台がそろう。

いちこ

この統計テーマを使った事例記事も見てみてね♪

• 受注率のばらつき ― 少ない商談での好不調を見誤らない
• 営業の目標設定 ― 十分な件数で目標を幅で置く
• 二項分布 ― 何回中何回成功するかの分布から見る