The Interplay Between Skewness and Sample Size in the Convergence of Sampling Distribution to Normality

技術的要約：標本分布の正規性への収束における歪度とサンプルサイズの相互作用

問題提起
中心極限定理（CLT）は標本分布の漸近的正規性を保証しているが、その収束速度は母集団の歪度に大きく依存する。ベリー・エセーンの定理によって理論的な境界は確立されているものの、実証研究においては、サンプルサイズ $n \ge 30$ であれば正規性が十分であるという静的なヒューリスティック（経験則）に依拠することが多い。本研究は、このような静的な閾値は非対称なデータに対して不適切であり、仮説検定における第一種の過誤の増大や、信頼区間の被覆率の不正確さを招く可能性があると主張する。核心となる問題は、データセットの歪度（$\gamma$）に基づいた、正規性に達するために必要な具体的なサンプルサイズ（$n$）を推定するための定量的なツールの欠如である。

手法
理論と実践の間の溝を埋めるため、著者はベータ分布族（$\alpha, \beta$）を利用したモンテカルロ・シミュレーション・フレームワークを採用した。この分布族は、有界な支持集合 $[0,1]$ を持ち、形状パラメータを変化させることで、対称な形状（$\alpha = \beta$）から高度に歪んだ形状（$|\gamma| \approx 1.89$）まで生成できるため選択された。

• シミュレーション設計: すべての組み合わせの形状パラメータ $\alpha, \beta \in \{1, 2, \dots, 50\}$ から母集団を生成した。各母集団に対し、異なるサイズ（$n = 5, 10, \dots, 1000$）で1,000個のランダムサンプルを抽出した。
• 収束の評価: 正規性の評価には、小〜中程度のサンプルサイズに対して高い検出力を持つシャピロ・ウィルク検定（$W$）を用いた。収束の閾値は、有意水準 $\alpha = 0.05$ において検定が正規性の帰無仮説を棄却しない最小のサンプルサイズとして定義された。
• モデリング: 歪度の影響を分離するため、訓練データセットは超過尖度 $|\kappa| \le 1.0$ を持つ分布のみを含むようにフィルタリングされた。絶対歪度（$|\gamma|$）の関数として、最小必要サンプルサイズの対数（$\log(n_{cons})$）を予測するために、二次回帰モデルを適合させた。

主な結果

1. $n \ge 30$ ルールの不備: 静的な閾値 $n=30$ において、対称な分布（例：Beta(2,2)）は容易に正規性検定を通過したが（$p=0.5458$）、高度に歪んだ分布（例：$\gamma=1.47$ の Beta(1,9) および $\gamma=2.00$ の Exponential(1)）は有意に失敗した（$p < 0.0001$）。
2. 歪度依存の収束: 最小サンプルサイズは非対称性の非線形関数である。対称な分布は急速に収束するが（$n \le 10$）、中程度の歪みを持つ分布（$0.5 < |\gamma| < 1.0$）は $n$ が20から60の間を必要とする。高度に歪んだ分布（$|\gamma| > 1.0$）の場合、要求されるサイズは急激に上昇し、しばしば100を超える。指数分布は $n \approx 200$ を必要とし、標準的なヒューリスティックの約7倍に達した。
3. 予測モデル: 本研究は、絶対歪度（$|\gamma|$）に基づいて最小サンプルサイズ（$n_{cons}$）を予測する保守的な二次回帰モデルを導出した：
   $$n_{cons} \approx \exp(1.59 + 1.41 |\gamma| + 0.61 |\gamma|^2)$$
   このモデルは、連続的な中程度の尖度を持つデータに対して堅牢性を示した（調整済み $R^2 \approx 0.63, p < 0.001$）。

検証と限界
ホールドアウト分布を用いた検証により、本モデルは連続分布（Chi-squared(4) や Beta(1,9) など）とはよく一致する一方で、特定の失敗モードに直面することが明らかになった。

• 離散性: ポアソン分布（離散データ）は、予測よりも大幅に大きなサンプルサイズを必要とした。これは「格子効果」が収束を遅らせていることを示唆している。
• 深刻な尖度: 指数分布は深刻な超過尖度（$\kappa=6.0$）を有しており、モデルの予測値である939を遥かに超える、観測されたサンプルサイズ 200–500 を必要とした（注：テキストは、モデルがこのようなヘビーテイルな分布に対して過小評価している側面があることを示唆しているが、具体的には939という予測値と200-500という観測値の関係において、尖度が収束を遅延させるという複雑な相互作用を示している）。著者は、離散性と深刻な超過尖度が収束を著しく遅延させ、標準的な推奨値を上回るサンプルサイズを必要とすることを明示している。

意義と主張
本論文は、静的な $n \ge 30$ ヒューリスティックに代わる、定量的かつ保守的な選択肢を提供することを主張している。歪度に依存する数式を導出することで、本研究は非対称な変数（例：金融リターン、待ち時間）を扱う研究者に対して、より堅牢なベンチマークを提供する。著者は、正規性は多次元的な問題であり、離散性とヘビーテイルが独立した交絡因子として作用することを踏まえ、提案されたモデルは連続分布かつ正規に近い裾を持つ分布に最適であると控えめに結論付けている。したがって、今後の課題として、ヘビーテイルな分布への適用範囲を広げるために、尖度を回帰モデルに直接組み込むことが示唆されている。