연속확률변수와 정규분포

📋 셀 수 없는 값의 확률은 "넓이"다

💥 왜 배우나

키가 정확히 175.000…cm일 확률은 0이에요. 소수점이 무한히 이어지니까요. 그래서 연속적인 값은 "175 이상 180 이하"처럼 구간으로 묻고, 그 확률은 곡선 아래의 넓이로 정해요. 그리고 키·무게·측정 오차처럼 세상의 많은 값은 종 모양(정규분포)을 따라요. 종 모양은 평균 $m$과 표준편차 $\sigma$ 두 숫자로 완전히 정해지고, 표준화하면 어떤 종 모양이든 표 하나로 읽을 수 있어요. 통계의 심장이 여기예요.

🚪 종 모양이 왜 생기는지, 표준화가 뭔지 감부터 → 관문 특강: 정규분포·표준화 감각 · 앞 단원 확률분포와 이항분포

📐

가우스 (1777~1855) — 오차의 법칙, 종 모양 곡선

가우스는 천체의 위치를 여러 번 측정할 때 생기는 오차가 종 모양으로 흩어진다는 것을 이론으로 정리했어요(1809). 그래서 정규분포 곡선을 "가우스 곡선"이라고도 불러요. 사실 종 모양 자체는 그보다 앞서 드무아브르가 1733년에 동전 던지기(이항분포)의 극한으로 발견했어요. 이 단원의 마지막 탭 "이항분포의 정규근사"가 바로 그 발견이에요.

📈 확률밀도함수 — 곡선 아래 넓이가 확률

$0\le X\le4$에서 $f(x)=\dfrac x8$인 연속확률변수. 전체 넓이(삼각형)는 1이에요. $a$, $b$를 움직여 $P(a\le X\le b)$가 색칠된 넓이임을 확인하세요. $a=b$로 만들면 넓이가 0, 즉 한 점의 확률은 0이에요.

✅ 확률밀도함수

연속확률변수 $X$의 확률밀도함수 $f(x)$: ① $f(x)\ge0$ ② 그래프와 $x$축 사이 전체 넓이 $=1$ ③ $P(a\le X\le b)$ = $a$부터 $b$까지 곡선 아래 넓이. 한 점의 확률은 0이므로 $P(a\le X\le b)=P(a\lt X\lt b)$.

$0\le X\le4$ 에서 $f(x)=kx$ 가 확률밀도함수일 때 $k$와 $P(1\le X\le3)$ 은?

1전체 넓이 = 밑변 4, 높이 $4k$인 삼각형 $=\dfrac12\cdot4\cdot4k=8k=1$ → $k=\dfrac18$.

2$P(1\le X\le3)$ = 사다리꼴 넓이 $=\dfrac12\left(\dfrac18+\dfrac38\right)\cdot2=\dfrac12$.

→ 넓이는 도형 공식으로. 🎓 미적분Ⅰ을 배웠다면 정적분 $\int_1^3\frac x8dx$와 같다.

$k=\dfrac18$, $P(1\le X\le3)=\dfrac12$

⚠️ $f(x)$ 값은 확률이 아니다

$f(3)=\frac38$은 "$X=3$일 확률"이 아니에요. 한 점의 확률은 0. $f$는 밀도, 즉 "그 근처에 얼마나 몰려 있나"이고, 확률은 항상 넓이예요. $f(x)$가 1보다 커도 돼요.

🔔 정규분포 $N(m,\sigma^2)$ — 표준화하면 표 하나

$m$과 $\sigma$를 바꿔 종 모양이 어떻게 움직이는지 보세요. $a$, $b$ 사이의 넓이가 확률이고, 아래에 표준화한 $z$가 함께 나와요. 어떤 $m$, $\sigma$든 같은 $z$ 구간이면 확률이 같아요.

✅ 정규분포와 표준화

$X\sim N(m,\sigma^2)$: 평균 $m$에서 대칭인 종 모양, 전체 넓이 1. $Z=\dfrac{X-m}{\sigma}\sim N(0,1)$(표준정규분포). 표준정규분포표는 $P(0\le Z\le z)$를 준다.

$z$	0.5	1	1.5	2	2.5	3
$P(0\le Z\le z)$	0.1915	0.3413	0.4332	0.4772	0.4938	0.4987

어느 집단의 키가 $N(170, 6^2)$ 을 따를 때 키가 182cm 이상일 확률은?

1표준화: $z=\dfrac{182-170}{6}=2$.

2$P(Z\ge2)=0.5-P(0\le Z\le2)=0.5-0.4772$.

$0.0228$ (약 2.3%)

$X\sim N(m,\sigma^2)$ 이고 $P(X\le 50)=0.8413$, $P(X\ge 62)=0.0228$ 일 때 $m$과 $\sigma$는?

1$0.8413=0.5+0.3413$ → $\dfrac{50-m}{\sigma}=1$. $0.0228=0.5-0.4772$ → $\dfrac{62-m}{\sigma}=2$.

2두 식을 빼면 $\dfrac{12}{\sigma}=1$ → $\sigma=12$, $m=38$.

$m=38$, $\sigma=12$

⚠️ 표는 "0부터 z까지"

표 값은 $P(0\le Z\le z)$예요. $P(Z\le z)$를 물으면 0.5를 더하고, $P(Z\ge z)$면 0.5에서 빼요. 음수 $z$는 대칭으로 뒤집어요. 그림을 먼저 그리면 절대 안 헷갈려요.

📊 이항분포의 정규근사 — 막대 위에 종 모양을 얹는다

$B(n,p)$의 막대그래프 위에 $N(np,\ npq)$ 곡선을 그렸어요. $n$을 키우면 막대가 곡선에 딱 붙어요. 그래서 $n$이 크면 이항분포의 확률을 정규분포의 넓이로 계산해요.

✅ 정규근사

$X\sim B(n,p)$에서 $n$이 충분히 크면 $X\approx N(np,\ npq)$. 확률은 표준화 $Z=\dfrac{X-np}{\sqrt{npq}}$로 표에서 읽는다.

동전을 100번 던질 때 앞면이 60번 이상 나올 확률은? (정규분포로 근사)

1$B(100,\tfrac12)$: $np=50$, $npq=25$ → $N(50,5^2)$.

2$z=\dfrac{60-50}{5}=2$ → $P(Z\ge2)=0.5-0.4772$.

약 $0.0228$

주사위를 720번 던질 때 1의 눈이 110번 이상 130번 이하 나올 확률은?

1$B(720,\tfrac16)$: $np=120$, $npq=100$ → $N(120,10^2)$.

2$z$: $\dfrac{110-120}{10}=-1$, $\dfrac{130-120}{10}=1$ → $P(-1\le Z\le1)=2\times0.3413$.

$0.6826$

🌐 세상 속으로

📌 어른이 되어도 기억할 것

연속적인 값의 확률은 넓이. "정확히 얼마"의 확률은 0, 언제나 "얼마에서 얼마 사이"로 묻는다.
68·95·99.7. 평균에서 1σ·2σ·3σ 안에 들어가는 비율. "정상 범위", "규격 안"이 대부분 이 숫자다.
표준화 = "평균에서 몇 σ". 단위가 다른 것도 σ로 재면 비교할 수 있다.

💡 인사이트 — 왜 세상은 종 모양인가

키는 유전자 수백 개와 영양·환경이 조금씩 더해진 결과예요. 측정 오차는 작은 실수 수십 개의 합. 작은 독립 요인이 많이 더해지면 그 합은 원래 요인의 모양과 상관없이 종 모양이 돼요(이항분포가 종 모양이 되는 것이 그 가장 단순한 경우). 그래서 "많은 것이 더해진 양"은 어디서나 정규분포로 근사돼요. 통계학이 한 가지 곡선으로 그렇게 많은 일을 하는 이유예요.

🏠 정규분포가 보이는 곳

👶

성장 곡선

키·체중 백분위 = 곡선 아래 넓이

📏

제품 규격

규격 ±3σ 안이면 99.7%

🌡️

기온 편차

"평년보다 2σ 더운 날"

⌚

심박 알림

평소 범위(σ) 밖이면 경고

🎯

사격·양궁

탄착군은 2차원 종 모양

📷

사진 노이즈

센서 잡음이 가우스 분포

🏭 산업과 직업

🏭

품질 관리(6σ)
공정의 산포를 σ로 재고 규격 한계를 몇 σ 밖에 둘지 설계한다. "6σ 품질"은 불량이 100만 개 중 3.4개 수준을 목표로 한다는 뜻.
🎓 산업공학 · 기계·전자공학

💹

금융 리스크
수익률의 표준편차(변동성)로 위험을 재고, "최악의 5%"를 정규분포 꼬리로 추정한다. 꼬리가 정규분포보다 두꺼운 것이 금융 위기의 교훈.
🎓 경제·금융공학 · 통계학

🔬

측정·계측
모든 계측기의 오차는 가우스 분포로 표기한다(±σ). 반도체 공정의 선폭 편차, GPS 위치 오차가 전부 이 언어.
🎓 물리학 · 전자공학

🔥 정규분포 퀴즈

문제 1 / 10점수 0 / 10

✅ 정리

항목	내용
확률밀도함수	$f\ge0$ · 전체 넓이 1 · $P(a\le X\le b)$ = 넓이 · 한 점의 확률 0
정규분포	$N(m,\sigma^2)$ 종 모양, $m$ 대칭 · 68·95·99.7
표준화	$Z=\frac{X-m}{\sigma}$ · 표는 $P(0\le Z\le z)$ · 왼쪽 0.5+, 오른쪽 0.5−
정규근사	$B(n,p)\approx N(np,npq)$ ($n$ 클 때)

🔑 한 줄 요약

확률은 넓이, 종 모양은 $m$과 $\sigma$로, 표준화하면 표 하나.

자가 점검

확률밀도함수의 조건으로 미지수를 구하고 구간 확률을 넓이로 구할 수 있다

표준화해서 표를 읽고 0.5를 더하거나 뺄 수 있다

확률이 주어졌을 때 거꾸로 $m$, $\sigma$를 구할 수 있다

이항분포를 $N(np,npq)$로 근사해 확률을 구할 수 있다

약점 태그

확통:확률밀도함수확통:표준화확통:정규근사

➡️ 다음 단원

통계적 추정 — 모평균·모비율로. 확률과 통계 허브로.

🔔 연속확률변수와 정규분포