함께 배우는 수업 · 수학

이항분포와 정규분포 곡선

이산확률변수의 꽃인 이항분포 B(n, p)의 평균(np)·분산(npq) 공식과 연속확률변수의 제왕인 정규분포 N(m, σ²)의 표준화 변환(Z = (X-m)/σ), 그리고 둘을 잇는 정규근사를 완벽히 정복합니다.

이 수업에서 해 볼 일

  • 분포의 모수와 평균·분산의 관계를 구별한다

먼저 알면 좋은 것: 이산확률변수의 기댓값 E(X)와 분산 V(X) · 독립시행의 확률 공식 · 연속확률변수와 확률밀도함수

오늘의 목표

가입 없이 시작할 수 있어요. 설명을 읽고, 함께 연습한 뒤, 처음 보는 문제에서 직접 확인합니다.

판단 과정과 비교 사례

이항분포는 독립인 n번의 시행에서 성공 확률 p가 일정할 때 성공 횟수를 센다. 기대값 np와 분산 np(1-p)는 다른 통계량이다.정규분포의 표준화는 관측값에서 평균을 빼고 표준편차로 나누는 것이다. 평균과의 차 자체를 표준점수로 쓰지 않는다.확률을 구할 때는 값 하나의 높이와 구간의 넓이를 구별한다. 연속분포에서는 한 점의 확률이 0이어도 그 주변 구간의 확률은 양수일 수 있다.

1. 개념 정의와 직관적 원리: 이항분포 B(n, p)의 평균과 분산 공식

확률변수 XX가 가질 수 있는 값이 0,1,2,…,n0, 1, 2, \dots, n처럼 셀 수 있는 경우를 이산확률변수라 하고, 그 기댓값(평균)과 분산은 E(X)=∑xipiE(X) = \sum x_i p_i, V(X)=E(X2)−{E(X)}2V(X) = E(X^2) - \{E(X)\}^2으로 정의됩니다. 특히 11회 시행에서 사건 AA가 일어날 확률이 pp (q=1−pq = 1 - p)인 독립시행을 nn번 반복할 때 사건 AA가 일어나는 횟수를 확률변수 XX라 하면, XX의 확률질량함수는 독립시행의 확률과 같으며 이를 이항분포(Binomial Distribution) B(n,p)B(n, p)를 따른다고 합니다:
X∼B(n,p)⟺P(X=x)=nCx pxqn−x(x=0,1,…,n)X \sim B(n, p) \quad \Longleftrightarrow \quad P(X = x) = {_n C_x} \, p^x q^{n-x} \quad (x = 0, 1, \dots, n)
이항분포 X∼B(n,p)X \sim B(n, p)에서는 복잡한 시그마 표를 그릴 필요 없이 시행 횟수 nn과 확률 pp의 곱셈만으로 평균·분산·표준편차를 1초 만에 구하는 초강력 공식이 성립합니다: - 평균(기댓값): E(X)=m=npE(X) = m = np (예: 정답 확률 15\frac{1}{5}인 문제를 100100문제 찍으면 기대 맞히는 개수는 100×15=20100 \times \frac{1}{5} = 20개!) - 분산: V(X)=σ2=npq=np(1−p)V(X) = \sigma^2 = npq = np(1 - p) - 표준편차: σ(X)=npq=np(1−p)\sigma(X) = \sqrt{npq} = \sqrt{np(1 - p)}🎯 이항분포에서 E(X²) 구하는 빈출 함정: 문제에서 E(X²)을 물으면 V(X) = E(X²) - {E(X)}² 공식을 변형하여 반드시 'E(X²) = V(X) + {E(X)}² = npq + (np)²' 으로 구하세요! 또한 일차변환 공식 E(aX + b) = aE(X) + b, V(aX + b) = a²V(X) 와의 결합도 단골입니다.

2. 핵심 공식 유도 및 성질: 정규분포 N(m, σ²)의 대칭 성질과 표준화 변환 Z

키, 몸무게, 시험 성적처럼 연속적인 실수값을 갖는 연속확률변수 중에서 자연계와 사회 현상을 가장 완벽하게 설명하는 분포가 평균 mm, 표준편차 σ\sigma인 정규분포(Normal Distribution) N(m,σ2)N(m, \sigma^2)입니다. 1) 정규분포 곡선 f(x)=12πσe−(x−m)22σ2f(x) = \frac{1}{\sqrt{2\pi}\sigma} e^{-\frac{(x-m)^2}{2\sigma^2}}의 4대 기하학적 성질: 1. 대칭축: 직선 x=mx = m (평균)에 대하여 좌우가 완벽히 대칭인 종(Bell) 모양의 곡선이며, x=mx = m에서 최댓값 12πσ\frac{1}{\sqrt{2\pi}\sigma}을 가집니다 (곡선 아래 전체 넓이는 11이므로 P(X≤m)=P(X≥m)=0.5P(X \le m) = P(X \ge m) = 0.5). 2. 평균 mm의 역할: σ\sigma가 일정할 때 mm이 변하면 곡선의 모양은 그대로 유지된 채 좌우로 평행이동합니다. 3. 표준편차 σ\sigma의 역할: σ\sigma가 작을수록 자료가 평균 근처에 밀집해 있으므로 가운데가 높고 뾰족해지며, σ\sigma가 클수록 자료가 넓게 퍼져 가운데가 낮고 완만해집니다. 2) 표준정규분포 N(0,1)N(0, 1)로의 표준화(Standardization) 변환 공식: 평균이 00이고 분산이 11인 정규분포 N(0,1)N(0, 1)을 표준정규분포라 합니다. 임의의 정규분포 X∼N(m,σ2)X \sim N(m, \sigma^2)은 다음 표준화 공식을 통해 언제나 하나의 표준정규분포표(ZZ)로 확률을 구할 수 있습니다:
Z=X−mσ∼N(0,1)(즉, Z=내 점수 X−평균 m표준편차 σ)Z = \frac{X - m}{\sigma} \sim N(0, 1) \qquad \left(\text{즉, } \mathbf{Z = \frac{\text{내 점수 } X - \text{평균 } m}{\text{표준편차 } \sigma}}\right)

예제로 살펴보기

어느 고등학교 학생들의 수학 점수는 평균이 70점, 표준편차가 10점인 정규분포 N(70, 10²)을 따른다고 한다. P(0 ≤ Z ≤ 1.5) = 0.4332, P(0 ≤ Z ≤ 2.0) = 0.4772 일 때, 55점 이상 90점 이하인 학생의 비율을 구하시오.
  1. 1) 확률변수 X ~ N(70, 10²) 이므로 표준화 공식 Z = (X - 70) / 10 을 적용합니다. 2) X = 55 일 때: Z = (55 - 70) / 10 = -1.5 X = 90 일 때: Z = (90 - 70) / 10 = +2.0 3) 따라서 구하는 확률은 P(55 ≤ X ≤ 90) = P(-1.5 ≤ Z ≤ 2.0) 입니다. 4) 표준정규분포는 Z = 0 에 대해 대칭이므로: P(-1.5 ≤ Z ≤ 2.0) = P(-1.5 ≤ Z ≤ 0) + P(0 ≤ Z ≤ 2.0) = P(0 ≤ Z ≤ 1.5) + P(0 ≤ Z ≤ 2.0) = 0.4332 + 0.4772 = 0.9104 (즉, 91.04%) 입니다.
확인: 이항분포 X ~ B(n, p) 의 평균은 E(X) = np 이고, 분산은 V(X) = np(1 - p), 표준편차는 √(np(1 - p)) 이다.

3. 심화 응용 및 실전 빈출 함정 분석: 이항분포의 정규분포 근사와 분산 표기 함정

1) 이산과 연속의 위대한 결합 — 이항분포의 정규분포 근사 (라플라스 정리): "주사위를 720720번 던질 때 11의 눈이 100100번 이상 130130번 이하로 나올 확률을 구하시오." - 이 문제는 독립시행이므로 원래는 이항분포 X∼B(720,16)X \sim B\left(720, \frac{1}{6}\right)입니다. 하지만 720C100_{720}C_{100}을 손으로 계산하는 것은 불가능합니다! - 시행 횟수 nn이 충분히 크면(보통 np≥5,nq≥5np \ge 5, nq \ge 5), 이산확률변수인 이항분포 B(n,p)B(n, p)는 평균이 m=npm = np, 분산이 σ2=npq\sigma^2 = npq인 연속확률변수 정규분포 N(np,npq)N(np, npq)를 근사적으로 따릅니다!
X∼B(n,p)→n이 충분히 클 때X∼N(np,  npq)→표준화Z=X−npnpq∼N(0,1)X \sim B(n, p) \quad \xrightarrow{n\text{이 충분히 클 때}} \quad X \sim N(np, \; npq) \quad \xrightarrow{\text{표준화}} \quad Z = \frac{X - np}{\sqrt{npq}} \sim N(0, 1)
- 위 예에서 m=720×16=120m = 720 \times \frac{1}{6} = 120, σ2=120×56=100=102\sigma^2 = 120 \times \frac{5}{6} = 100 = 10^2이므로, X∼N(120,102)X \sim N(120, 10^2)으로 바꾸어 P(100≤X≤130)=P(−2≤Z≤1)P(100 \le X \le 130) = P(-2 \le Z \le 1)로 단 10초 만에 풀 수 있습니다! 2) 실전 오답 1위 함정 — 정규분포 기호 N(m,σ2)N(m, \sigma^2)에서 표준편차 σ\sigma 착각!: 문제에 X∼N(50,16)X \sim N(50, 16)이라고 적혀 있을 때, 뒷자리의 숫자는 표준편차 σ\sigma가 아니라 분산 σ2=16\sigma^2 = 16입니다! 표준화 공식 Z=X−mσZ = \frac{X - m}{\sigma}의 분모에는 1616이 아니라 반드시 루트를 씌운 표준편차 σ=16=4\sigma = \sqrt{16} = 4를 넣어야 합니다!🚨 정규분포 기호 함정: N(m, σ²)의 괄호 안 두 번째 숫자는 '분산(σ²)'입니다! 문제에 N(60, 25)라고 주어지면 습관적으로 곧바로 25를 '5²'으로 고쳐 적어 표준편차 σ = 5 임을 명확히 표시한 뒤 표준화 분모에 5를 대입하세요!

참고 근거와 확인 범위

설명·예제·문제 구성 및 오류 수정 책임: 프리런. 위 자료는 표시한 주제를 확인하거나 더 읽기 위한 근거이며, 외부 기관의 공식 수업이나 감수본을 뜻하지 않습니다.

참고 자료 연결 점검: 2026-11-02. 제작 방식·검수 범위와 수정 기록에서 확인 범위를 볼 수 있습니다. 오류는 상단의 의견 보내기 또는 contact@freelearn.io로 알려 주세요.

이 단원의 개념서 읽기 →