混沌と秩序が交わる境界へようこそ。この導入スライドでは、個人の不確実性の世界から集団的な予測可能性の世界へと移行します。 平均の法則 これはすべての極限定理の基盤となる直感であり、サンプルサイズを増やすことで個々の変動が「洗い流され」、混沌とした系列が安定した決定論的信号に変化することを説明しています。
信号対雑音比（SNR）
ランダムプロセスの安定性を定量化するため、 測定用信号対雑音比 を次のように定義します：
$$r = \frac{|\mu|}{\sigma}$$
独立観測値 $n$ を集約していくにつれて、標準偏差（$\sigma$）の相対的影響は小さくなります。これにより、基礎となる平均（$\mu$）がノイズの中から浮かび上がります。工学的には、センサーの読み取り値を平均することで「汚れた」データから「クリーンな」信号を得られる理由です。
ワイエルシュトラス定理による理論的根拠
なぜこのような安定性が期待できるのでしょうか？ 解析学におけるワイエルシュトラス定理 は、深い理論的根拠を提供しています。任意の連続関数が多項式によって一様近似可能であることを示しています。特に、 ベルンシュタイン多項式 は二項平均の原理そのものに基づいて構成されており、ランダムな変動の集団的挙動が元の滑らかな関数に収束することを示しています。
安定性の数学的表現
安定性は割合の収束によって表現されます。試行回数 $n$ が無限大に近づくにつれて、試行と累積和 $S_n$ の関係が安定化します：
$$r = \lim_{n \to \infty} \frac{n}{S_n} = \frac{1}{\mu}$$
例：化学反応器の監視
化学反応器の温度を測定するセンサーを考えてみましょう。単一の測定値は熱揺らぎや電子的干渉のために非常に「ノイジー」です。しかし、教員が1,000回の測定値の平均を取ると、個々の誤差（ランダム性）が互いに打ち消し合います。このプロセスにより効果的に信号対雑音比（SNR）が向上し、『ランダムな』単一データポイントから真の温度の『安定した』表現へと移行します。
🎯 核心原則
平均の法則は、個々の出来事は予測不可能だが、多数の独立事象の平均は非常に予測可能であることを保証しています。ノイズは一時的である一方、平均は永久的なものです。