연속확률분포와 정규분포

키, 몸무게, 측정 오차처럼 연속적인 값을 갖는 확률변수는 확률밀도함수로 다룬다. 그중 가장 중요한 것이 종 모양의 정규분포이다. 많은 작은 요인이 더해져 생기는 양은 거의 정규분포를 따른다(중심극한정리).

핵심 개념

  • 확률밀도함수 $f(x)\ge0$: $P(a\le X\le b)=\int_a^bf(x)\,dx$, 전체 넓이 $\int f=1$. 한 점의 확률은 $0$이다.
  • 정규분포 $N(m,\sigma^2)$: $f(x)=\frac{1}{\sigma\sqrt{2\pi}}e^{-\frac{(x-m)^2}{2\sigma^2}}$, 평균 $m$을 중심으로 대칭
  • 표준화: $Z=\frac{X-m}{\sigma}$이면 $Z\sim N(0,1)$ (표준정규분포)
  • 이항분포의 정규근사: $n$이 충분히 크면 $B(n,p)$는 $N(np,npq)$에 가깝다.
정규분포 곡선과 표준편차 1, 2, 3배 구간의 넓이
68–95–99.7 규칙

핵심 정리

  • $P(m-\sigma\le X\le m+\sigma)\approx0.683$, $P(|X-m|\le2\sigma)\approx0.954$, $P(|X-m|\le3\sigma)\approx0.997$
  • 정규분포의 전체 넓이는 $1$이다.
전체 넓이가 1인 이유 보기

$Z=\frac{X-m}{\sigma}$로 치환하면 $\int\frac{1}{\sigma\sqrt{2\pi}}e^{-\frac{(x-m)^2}{2\sigma^2}}dx=\frac{1}{\sqrt{2\pi}}\int_{-\infty}^\infty e^{-z^2/2}dz$이다. 다시 $z=\sqrt2t$로 두면 $\frac{1}{\sqrt\pi}\int e^{-t^2}dt$이고, 가우스 적분 $\int_{-\infty}^{\infty}e^{-t^2}dt=\sqrt\pi$ (해석학 ‘극좌표와 변수변환’ 단원)에 의해 $1$이다. 계수 $\frac{1}{\sqrt{2\pi}}$은 바로 전체 넓이를 $1$로 맞추기 위한 것이다. $\blacksquare$

예제

점수가 $N(70,10^2)$을 따를 때 $90$점 이상의 비율: $Z=\frac{90-70}{10}=2$이므로 $P(Z\ge2)=\frac{1-0.954}{2}\approx0.023$, 약 $2.3\%$

확인 문제

동전을 $400$번 던질 때 앞면이 $220$번 이상 나올 확률을 정규근사로 구하시오. ($P(0\le Z\le2)=0.4772$)

풀이 보기

$X\sim B(400,\frac12)$이므로 $m=200$, $\sigma=\sqrt{100}=10$이다. $P(X\ge220)\approx P\left(Z\ge\frac{220-200}{10}\right)=P(Z\ge2)=0.5-0.4772=0.0228$이다.

정리

  • 연속확률변수의 확률 = 밀도함수 아래 넓이
  • 표준화 $Z=\frac{X-m}{\sigma}$로 표준정규분포표를 쓴다.
알림: 보호된 콘텐츠입니다.