확률·조건부확률, 독립사건 vs 배반사건 / 이산형(PMF) vs 연속형(PDF) 확률분포
미출제기출 0회분 중 0문항
학습 목표
확률·조건부확률, 독립사건 vs 배반사건 / 이산형(PMF) vs 연속형(PDF) 확률분포
01
확률과 조건부확률
확률
0 ≤ P(A) ≤ 1
사건 A의 발생 가능성
고전적 확률
P(A) =사건 A의 경우의 수모든 경우의 수
조건부확률
P(B|A) =P(A∩B)P(A), P(A) > 0
A가 일어났을 때 B가 일어날 확률
곱셈정리
P(A∩B) = P(A) · P(B|A)
베이즈 정리
P(A|B) =P(B|A) · P(A)P(B)
사전확률 → 사후확률 갱신
베이즈 정리 예
P(질병) = 0.1
P(양성|질병) = 0.9
P(양성) = 0.18
P(질병|양성) = P(양성|질병) × P(질병) / P(양성)
= 0.9 × 0.1 / 0.18
= 0.5
독립과 배반은 다르다 ★기출 반복
뜻
성립하는 식
배반
동시에 일어날 수 없다
P(A∩B) = 0 · P(A∪B) = P(A) + P(B)
독립
한쪽이 일어나도 다른 쪽 확률이 변하지 않는다
P(A∩B) = P(A) × P(B) · P(B|A) = P(B)
종속
한쪽이 다른 쪽 확률에 영향을 준다
P(A∩B) = P(A) × P(B|A)
• 확률이 0이 아닌 두 사건이 배반이면 독립이 아니다 • '확률의 합 = 합집합의 확률'은 독립이 아니라 배반일 때 성립한다. '교집합의 확률 = 확률의 곱'은 독립일 때만 성립한다 • 전체 표본공간의 확률은 1, 여사건의 확률은 1 − P(A) • 근원사건 = 표본공간의 원소 하나로 이루어진 사건 · 같은 시행을 많이 반복할수록 상대도수는 확률에 가까워진다 • 조건부확률 계산 예: 남학생 7명 가운데 사과를 좋아하는 학생이 3명이면 P(사과|남학생) = 3/7(전체 인원으로 나누지 않는다)
각 결과가 일어날 가능성이 같을 때의 (사건의 경우의 수) ÷ (모든 경우의 수)를 수학적(고전적) 확률이라 하고, 반복 시행의 상대도수로 정하는 확률은 통계적 확률이라 한다.
02
확률분포 — 이산형 vs 연속형
이산형DiscreteVS연속형Continuous
셀 수 있는 값 (횟수·개수)
값
연속적인 값 (키·시간)
확률질량함수 (PMF)
함수
확률밀도함수 (PDF)
P(X=x) = 막대 높이
확률
P(a≤X≤b) = 면적
• 확률질량함수의 값은 확률이므로 0과 1 사이이고, 모든 값의 확률을 더하면 1이다 • 확률밀도함수의 값은 확률이 아니라 밀도여서 1보다 클 수 있다 — 넓이가 확률이다
03
대표 이산형 분포
베르누이
단일 시행, 성공(1)/실패(0) 두 결과
이항분포
베르누이 시행을 n번 반복, k번 성공할 확률
포아송분포
단위 시간·공간에 사건이 발생하는 횟수
λ = 평균 횟수
기하분포 = 성공 확률 p인 베르누이 시행을 반복할 때 첫 성공이 나올 때까지의 횟수에 대한 분포(가이드는 첫 성공까지 실패한 횟수로 정의한다).
04
기타 이산형 분포 — 보기 대비
기하분포
첫 성공까지 필요한 시행 횟수
초기하분포
비복원추출에서 성공 개수
다항분포
결과가 3개 이상인 시행의 범주별 횟수
복원추출이면 매번 성공 확률이 같아 이항분포, 비복원추출이면 초기하분포다. 결과가 두 가지면 이항분포, 세 가지 이상이면 다항분포.
05
균일분포와 기댓값
균일분포
구간 [a, b]의 모든 값이 동일 확률 — f(x) = 1/(b−a)
E(X) = (a+b)/2
기댓값 E(X)
확률적으로 기대되는 평균
분포의 중심
균일분포의 기댓값
E(X) =a + b2
구간의 중앙
예
f(x) = 0.25 (0 ≤ x ≤ 4)
E(X) = (0 + 4) / 2
= 2
이산형 확률변수의 기댓값 E(X) = Σ x · p(x). 예: x = 1, 2, 3의 확률이 1/6, 1/2, 1/3이면 E(X) = 1/6 + 2/2 + 3/3 = 13/6. P(X = 1 또는 2) = 1/6 + 1/2 = 2/3이고, 표에 없는 값의 확률은 0이다.
06
정규분포 (Normal)
평균 μ 중심, 좌우대칭 종 모양
표준화 공식
Z =X − μσ
X>μ → Z>0, X<μ → Z<0
중심극한정리 (CLT)
표본평균 ~ N(μ, σ²/n)
n이 커지면 모집단 분포와 무관하게 성립 → 9강 표준오차의 기반
• 중심극한정리에서 정규분포에 가까워지는 것은 표본평균의 분포다 — 모집단의 분포가 바뀌는 것이 아니고, 모집단이 정규분포일 필요도 없다 • 모집단이 대칭이면 작은 표본으로도 되지만, 비대칭이면 보통 표본 크기 30 이상을 기준으로 본다 • 이 덕분에 모집단이 정규분포가 아니어도 정규분포를 바탕으로 한 추정·검정을 쓸 수 있다
07
기타 연속형 & 검정용 분포
지수분포검정용 아님
사건 발생까지의 시간 간격
대기시간
t-분포
모평균·평균 차이 검정
표본 작음
σ 미지
카이제곱 (χ²)
분산·적합도·독립성 검정
범주형 빈도
자유도
F-분포
분산 비율, 분산분석(ANOVA)
집단 평균 차이
정규 · t · 카이제곱 · F · 지수 · 균일분포는 모두 연속형(확률밀도함수)이다. 이산형은 베르누이 · 이항 · 기하 · 초기하 · 다항 · 포아송.
08
✏️ 손으로 풀기 — 정규분포 68·95·99.7
문제시험 점수가 평균 70, 표준편차 10인 정규분포일 때
160~80점 사이는 약 몇 %?
힌트 · 60 = μ−1σ, 80 = μ+1σ
정답 보기
±1σ 구간 = 약 68%
290점 초과는 약 몇 %?
힌트 · 90 = μ+2σ, 바깥 한쪽만
정답 보기
+2σ 바깥 한쪽 = (100−95)/2 = 약 2.5%
350~90점 사이는?
힌트 · 50 = μ−2σ, 90 = μ+2σ
정답 보기
±2σ 구간 = 약 95%
±3σ 구간(40~100점)은 약 99.7%. 한쪽 꼬리는 바깥 비율의 절반 — 80점 초과는 약 16%, 90점 초과는 약 2.5%.