연속확률분포의 핵심은 하나다. 특정 값의 확률을 직접 구할 수 없고, 구간에 대한 적분으로만 확률이 정의된다. 이항분포나 포아송분포처럼 “딱 이 개수가 나올 확률”이 아니라, “이 구간 안에 값이 떨어질 확률”을 다루는 세계다. 히스토그램을 그렸더니 평균을 중심으로 좌우 대칭이 나왔다면, 그것이 바로 정규분포다.
이 글에서는 연속형 확률변수의 대표 분포 3가지 — 정규분포, 표준정규분포(Z분포), 지수분포 — 를 다루고, 마지막에 이항분포를 정규분포로 근사하는 조건과 그 이유를 정리한다. F1 레이싱 시나리오를 통해 추상적인 개념을 현장 엔지니어의 언어로 번역한다.
연속확률분포란 무엇인가
이산형 확률변수는 “불량 수가 딱 5개일 확률”처럼 특정 값에 확률을 부여할 수 있다. 그런데 연속형 확률변수는 다르다. 키, 무게, 온도, 시간처럼 소수점 이하로 무한히 쪼갤 수 있는 값들은 특정 점에서의 확률을 정의하는 것이 의미가 없다.
대신 이렇게 묻는다. “68.0~68.5 사이에 들어올 확률은 얼마인가?” 이 확률을 구하려면 확률밀도함수(PDF)를 해당 구간에서 적분해야 한다. 즉, 연속확률분포에서 f(x)는 확률이 아니라 확률밀도다. 구간을 정하고 그 아래 면적을 구해야 비로소 확률이 나온다.
| 구분 | 이산형 | 연속형 |
|---|---|---|
| 특정 값에서 확률 | 정의됨 | 정의 안 됨 |
| 확률 계산 방법 | 직접 합산 | 구간 적분 |
| 대표 분포 | 이항분포, 포아송 | 정규분포, 지수분포 |
| 대표 변수 | 불량 수, 발생 횟수 | 계측값, 시간 간격 |
정규분포 — 매개변수 2개가 분포를 결정한다
정규분포의 정의와 매개변수
정규분포(Normal Distribution)는 가우스 분포라고도 불린다. 평균을 중심으로 완전히 좌우 대칭인 종 모양 곡선이 특징이다. 현장에서 계측되는 대부분의 연속형 데이터 — 부품 치수, 공정 결과물의 특성값, 측정 오차 — 가 정규분포를 따른다고 알려져 있다.
정규분포를 정의하려면 2개의 매개변수가 반드시 필요하다.
| 매개변수 | 기호 | 역할 |
|---|---|---|
| 모평균 | μ (뮤) | 분포의 중심 위치 결정 |
| 모분산 | σ² (시그마 제곱) | 분포의 퍼짐 정도 결정 |
평균이 다르면 곡선의 위치가 달라지고, 분산이 다르면 곡선의 폭이 달라진다. 같은 정규분포라도 매개변수가 달라지면 완전히 다른 모양이 된다.
확률변수 X가 가질 수 있는 범위는 –∞ ~ +∞다. 꼬리는 0에 수렴하지만 절대 0이 되지 않는다. 확률이 0.0000001이라도 값은 존재한다.
F1 레이싱으로 이해하는 정규분포
F1 레이스에서 이런 상황을 상상해보자.
어느 F1 팀의 피트 스톱 소요 시간이 연속형 확률변수다. 수십 회의 피트 스톱 기록을 히스토그램으로 그렸더니 평균 2.4초를 중심으로 좌우 대칭인 분포가 나왔다. 이 데이터는 정규분포를 따른다고 볼 수 있다.
이때 매개변수는 이렇게 설정된다.
- 모평균 μ = 2.4(초)
- 모분산 σ² = 0.04(초²), 즉 표준편차 σ = 0.2(초)
이 두 값이 있어야 “2.3~2.5초 사이에 피트 스톱이 완료될 확률”을 계산할 수 있다. 매개변수 없이는 분포 자체가 정의되지 않는다.
표준정규분포 — Z변환이 필요한 이유
문제: 매번 적분을 새로 해야 하는가
정규분포는 평균과 분산이 달라질 때마다 확률밀도함수의 모양이 바뀐다. 구간 확률을 계산하려면 적분을 해야 하는데, 평균과 분산이 다른 분포마다 적분식이 달라진다. 이걸 매번 손으로 계산하는 것은 현실적으로 불가능하다.
해결책은 Z변환이다. 어떤 평균과 분산을 가진 정규분포든, Z변환을 적용하면 평균 0, 분산 1인 표준정규분포(Z분포)로 통일된다.
$$Z = \frac{X – \mu}{\sigma}$$
Z변환의 작동 원리
X는 확률변수고, μ와 σ는 모집단의 고정값(상수)이다. 상수로 연산해도 확률변수 성질은 유지된다. 따라서 Z도 확률변수다.
| 변환 전 (X) | 변환 후 (Z) |
|---|---|
| 평균 μ | 평균 0 |
| 분산 σ² | 분산 1 |
| 분포마다 다른 적분식 | 단일 표준 테이블 |
표준정규분포로 통일하면, 적분 결과를 미리 테이블로 만들어 둘 수 있다. 통계 교재 맨 뒤에 있는 “Z 테이블”이 바로 이것이다. 이후에는 테이블만 찾아보면 된다.
F1 피트 스톱 확률 계산
아래 수치는 개념 설명을 위한 임의의 수치입니다.
앞선 F1 팀의 피트 스톱 데이터로 돌아가보자. 피트 스톱 시간 X ~ N(2.4, 0.04)다. 데이터 엔지니어가 알고 싶은 건 이렇다. “피트 스톱이 2.8초보다 길어질 확률은 얼마인가?”
Z변환을 적용하면:
$$Z = \frac{2.8 – 2.4}{0.2} = 2.0$$
즉, P(X > 2.8) = P(Z > 2.0)이다. Z 테이블에서 Z = 2.00에 해당하는 누적 확률은 0.9772다. 따라서 2.8초보다 길어질 확률은 1 – 0.9772 = 0.0228, 약 2.3%다.
이처럼 어떤 정규분포든 Z변환 하나로 표준화하고, 공통 테이블에서 확률을 바로 읽어낼 수 있다. Z변환이 표준정규분포를 유용하게 만드는 핵심 이유다.
이항분포를 정규분포로 근사하는 조건 — np ≥ 10, nq ≥ 10의 의미
왜 근사가 필요한가
이항분포의 확률 계산은 조합(combination) 계산을 수반한다. n이 커질수록 팩토리얼 연산량이 폭발적으로 늘어난다. 예를 들어 1,000번의 시행에서 특정 성공 횟수의 확률을 이항분포로 계산하면 컴퓨터도 버거워진다.
이항분포 X ~ B(n, p)가 특정 조건을 만족하면 정규분포로 근사할 수 있다. 이 조건이 바로 np ≥ 10, nq ≥ 10 (단, q = 1 – p) 이다.
조건의 의미 — 왜 10이 기준인가
이 조건은 수학적으로 증명된 게 아니라 경험적으로 검증된 기준이다. 실제로 n과 p를 바꿔가며 이항분포를 그려보면, np ≥ 10을 넘는 순간부터 이항분포의 모양이 좌우 대칭 종 모양(정규분포)에 근접하기 시작한다.
| 조건 | 의미 |
|---|---|
| np | 성공 횟수의 기댓값 — 이 값이 충분히 커야 분포가 대칭을 이룸 |
| nq | 실패 횟수의 기댓값 — 이 값도 충분히 커야 한쪽으로 쏠리지 않음 |
| 둘 다 ≥ 10 | 성공과 실패 양쪽 모두 분포가 고르게 퍼져야 정규분포 근사가 유효 |
p가 아주 작거나 아주 크면, 분포가 한쪽으로 치우쳐 정규분포와 거리가 멀어진다. np와 nq가 모두 10 이상이어야 이 치우침이 충분히 교정된다.
근사 후 정규분포의 매개변수
이항분포를 정규분포로 근사하면, 매개변수는 이항분포의 평균과 분산을 그대로 가져온다.
| 이항분포 | 근사 정규분포 |
|---|---|
| 평균 E[X] = np | μ = np |
| 분산 Var[X] = npq | σ² = npq |
F1 레이싱 예시 — 타이어 교체 불량 근사
F1 레이스에서 이런 상황을 상상해보자.
한 시즌 동안 피트 크루가 타이어 볼트 체결 작업을 320회 수행한다. 볼트 1개당 체결 불량이 발생할 확률은 p = 0.12다. 불량 수 X는 이항분포 B(320, 0.12)를 따른다.
먼저 근사 조건을 확인한다.
- np = 320 × 0.12 = 38.4 → ✅ 10 이상
- nq = 320 × 0.88 = 281.6 → ✅ 10 이상
두 조건 모두 만족한다. 이제 정규분포로 근사할 수 있다.
근사 정규분포의 매개변수:
- μ = np = 38.4
- σ² = npq = 320 × 0.12 × 0.88 = 33.8
- σ ≈ 5.81
“불량 수가 30개 이하일 확률”을 구하려면 Z변환을 적용한다.
$$Z = \frac{30 – 38.4}{5.81} \approx -1.45$$
P(X ≤ 30) ≈ P(Z ≤ –1.45) = 0.0735
이 시나리오는 개념 설명을 위한 가상의 상황입니다. 실제 F1 팀의 전략과 다를 수 있습니다.
이항분포로 직접 계산하면 C(320,0) + C(320,1) + … + C(320,30)까지 31개 항을 더해야 한다. 근사를 쓰면 Z변환 하나로 끝난다. 결과는 비슷하지만 계산 비용이 압도적으로 줄어든다.
지수분포 — 사건과 사건 사이의 시간 간격
포아송분포와 지수분포의 관계
표본 분포와 함께 자주 등장하는 분포가 지수분포다. 포아송분포는 “일정 시간 동안 사건이 몇 번 발생하느냐”를 다룬다. 지수분포는 “사건과 사건 사이의 시간 간격”을 다룬다. 두 분포는 같은 현상을 다른 각도에서 보는 사촌 관계다.
지수분포의 확률밀도함수:
- x > 0인 경우: f(x) = λe^(–λx)
- x ≤ 0인 경우: f(x) = 0 (시간 간격은 음수가 없음)
매개변수 λ는 포아송분포의 λ와 동일하다. 단위 시간당 평균 발생 횟수다. 평균 시간 간격은 1/λ다.
F1 피트 레인 무선 통신 오류 예시
F1 레이스에서 이런 상황을 상상해보자.
F1 팀 피트 레인 무선 통신 시스템에서 오류가 레이스당 평균 5회 발생한다고 하자(λ = 5). 오류와 오류 사이의 시간 간격은 지수분포를 따른다. 평균 시간 간격은 1/5 = 0.2시간(12분)이다.
팀 엔지니어가 알고 싶은 것: “마지막 오류 이후 다음 오류까지 30분(0.5시간) 이상 걸릴 확률은?”
P(X > 0.5) = 1 – P(X ≤ 0.5) = 1 – (1 – e^(–5 × 0.5)) = e^(–2.5) ≈ 0.082
약 8.2%다. 30분 이상 무선 오류가 없을 확률이 8.2%라면, 오류 빈도가 꽤 높다는 뜻이다. 이 수치를 보고 엔지니어는 시스템 점검 주기를 조정할 근거를 얻는다.
3가지 연속확률분포 — 언제 무엇을 쓰는가
| 분포 | 확률변수 | 매개변수 | 대표 활용 |
|---|---|---|---|
| 정규분포 | 계측값, 오차, 치수 | μ(평균), σ²(분산) | 히스토그램이 좌우 대칭인 데이터 분석 |
| 표준정규분포 | Z 변환값 | 없음 (μ=0, σ²=1 고정) | 정규분포 확률 계산의 통일 도구 |
| 지수분포 | 사건 간 시간 간격 | λ (단위 시간당 평균 발생 횟수) | 장비 고장 간격, 서비스 대기 시간 |
어떤 분포를 써야 할지 판단하는 출발점은 항상 데이터다. 히스토그램을 그리고, 모양이 종 모양에 가깝다면 정규분포, 처음 급격히 감소하는 지수 형태라면 지수분포를 고려한다. 매개변수가 결정되어야 분포가 완전히 정의된다는 사실, 항상 기억해야 한다.
이항분포 근사를 쓸 때는 반드시 np ≥ 10, nq ≥ 10 조건을 먼저 확인한다. 조건을 만족하지 못하면 이항분포로 직접 계산하는 편이 정확하다.
연속확률분포를 이해했다면, 표본이 모집단을 대표하는 원리로 연결된다.
자유도가 분포 모양을 어떻게 바꾸는지 이어서 보면 통계 전체 구조가 잡힌다.
표준정규분포 Z 테이블은 NIST/SEMATECH e-Handbook of Statistical Methods에서 무료로 조회할 수 있다.
