데이터 분석을 하다 보면 키, 몸무게, 대기 시간처럼 연속적인 값을 가진 데이터를 자주 만납니다. 이런 값을 제대로 이해하려면 연속확률변수의 확률분포를 알아야 합니다. 연속확률변수는 하나의 점에 확률을 붙이는 대신 구간의 면적으로 확률을 설명합니다. 처음에는 이 차이가 익숙하지 않았지만, 확률밀도함수와 누적분포함수의 관계를 차근차근 보니 훨씬 명확해졌습니다.
| 구분 | 이산확률변수 | 연속확률변수 |
|---|---|---|
| 가능한 값 | 하나씩 셀 수 있음 | 구간 안에서 끊김 없이 이어짐 |
| 확률 표현 | 확률질량함수 PMF | 확률밀도함수 PDF |
| 구간 확률 | 값들의 확률을 더함 | 곡선 아래 면적을 적분 |
| 대표 예시 | 주사위 눈, 방문자 수 | 키, 대기 시간, 온도 |
위 표에서 보듯이 이산확률변수는 가능한 값을 하나씩 셀 수 있습니다. 연속확률변수는 가능한 값이 구간 안에서 끊김 없이 이어집니다. 이 차이 때문에 확률을 계산하는 방식도 달라집니다.
목차
연속확률변수는 무엇이 다른가
이산확률변수는 주사위 눈이나 하루 방문자 수처럼 가능한 값을 하나씩 나열할 수 있습니다. 반면 연속확률변수는 서버 응답 시간처럼 0.8초, 0.81초, 0.812초로 더 잘게 나눌 수 있는 값을 가집니다. 이렇게 값이 끊김 없이 이어지면, 특정한 한 점의 확률을 정하는 것이 무의미해집니다. 예를 들어 응답 시간이 정확히 2초일 확률을 묻는다면, 한 점에는 폭이 없어서 확률이 0이 됩니다. 그렇다고 2초가 절대 나오지 않는다는 뜻은 아닙니다. 측정할 때 소수점 몇 자리까지 보느냐에 따라 2.000초처럼 보일 수는 있지만, 수학적으로 한 점의 확률은 0입니다.
확률밀도함수의 높이는 확률이 아니다
연속확률변수의 분포를 나타낼 때 사용하는 함수가 확률밀도함수입니다. 영어로는 Probability Density Function, 줄여서 PDF라고 합니다. 여기서 중요한 단어는 Density, 즉 밀도입니다. 밀도의 높이가 크다는 것은 그 근처에 확률이 조밀하게 모여 있다는 뜻입니다. 하지만 높이 자체가 확률은 아닙니다. 이 부분을 잘못 이해하면 나중에 정규분포의 종 모양 곡선을 볼 때 혼란이 생깁니다. 곡선의 높이가 1보다 큰 지점이 있어도 이상하지 않습니다. 높이는 밀도이기 때문입니다.
확률은 곡선 아래 면적으로 계산한다
확률밀도함수에서 실제 확률은 곡선 아래의 면적으로 계산합니다. 예를 들어 응답 시간 X가 0초에서 4초 사이에서 균일하게 분포한다고 가정해 보겠습니다. 그러면 확률밀도함수 f(x)는 구간 0에서 4까지 높이 4분의 1을 가지는 직사각형이 됩니다. 전체 면적은 1이 되므로 올바른 확률분포입니다. 이때 응답 시간이 1초 이상 2초 이하일 확률은 가로 1과 세로 4분의 1을 곱한 4분의 1입니다. 곡선이 구부러진 정규분포라도 원리는 같습니다. a와 b 사이의 확률은 a부터 b까지 곡선 아래 면적을 적분해서 구합니다.
정규분포에서도 면적이 확률이다
정규분포는 연속확률분포 중에서도 가장 자주 만나는 분포입니다. 평균을 중심으로 좌우 대칭인 종 모양을 하고 있습니다. 정규분포에서는 평균과 표준편차가 중요한 역할을 합니다. 평균은 곡선의 중심을 정하고, 표준편차는 곡선이 얼마나 퍼져 있는지를 정합니다. 표준편차가 작으면 값들이 평균 가까이 모이고, 크면 더 넓게 퍼집니다. 정규분포에서도 확률은 밀도 함수 아래의 면적으로 계산합니다. 예를 들어 평균이 175센티미터이고 표준편차가 7센티미터인 키 분포를 가정해 보겠습니다. 이때 평균에서 표준편차 한 배 안에 들어가는 구간은 168부터 182까지이고, 약 68퍼센트의 값이 이 구간에 포함됩니다. 두 배 구간은 161부터 189까지이고 약 95퍼센트, 세 배 구간은 154부터 196까지이고 약 99.7퍼센트가 포함됩니다. 이 법칙은 정규분포를 따른다는 조건이 있을 때만 성립합니다.
누적분포함수와의 관계
누적분포함수는 영어로 Cumulative Distribution Function, 줄여서 CDF라고 합니다. CDF는 확률변수가 특정 값 x 이하일 확률을 누적해서 보여 줍니다. 앞선 예시에서 F(2)는 응답 시간이 2초 이하일 확률로 2분의 1입니다. CDF는 누적된 확률이므로 값이 아래로 내려가지 않습니다. x가 왼쪽으로 갈수록 0에 가까워지고, 오른쪽으로 갈수록 1에 가까워집니다.
적분과 미분으로 이어지는 연결
PDF와 CDF는 적분과 미분으로 연결됩니다. PDF를 왼쪽부터 x까지 적분하면 CDF가 되고, CDF를 미분하면 PDF가 됩니다. 이 관계를 알면 구간확률을 계산할 때도 편합니다. PDF가 주어졌다면 구간을 적분하고, CDF가 주어졌다면 F(b)에서 F(a)를 빼면 됩니다. 예를 들어 어떤 값이 a와 b 사이에 있을 확률은 PDF를 적분한 값과 같고, CDF를 사용하면 F(b)와 F(a)의 차이로도 같은 값을 얻을 수 있습니다.
CDF가 주어졌을 때 계산하는 팁
누적분포함수가 주어지면 특정 값 이하일 확률은 함수값을 그대로 읽으면 됩니다. 예를 들어 F(3)이 0.75라면 응답 시간이 3초 이하일 확률이 75퍼센트라는 뜻입니다. 반대로 특정 값보다 클 확률을 구하려면 1에서 F(x)를 빼면 됩니다. 구간확률을 구할 때는 F(b)에서 F(a)를 빼면 되는데, 이때 a와 b의 경계를 포함하느냐에 따라 값이 달라지지 않습니다. 연속확률변수에서는 한 점의 확률이 0이기 때문입니다.
확률밀도함수가 되기 위한 두 가지 조건
확률밀도함수라고 해서 모든 곡선이 다 되는 것은 아닙니다. 다음 두 가지 조건을 반드시 만족해야 합니다.
- 모든 x에서 함수값이 0보다 크거나 같아야 합니다.
- 전체 범위에서 곡선 아래 면적을 더하면 1이 되어야 합니다.
이 조건은 연속확률변수의 확률분포를 이해할 때 기본이 됩니다. 첫 번째 조건은 확률이 음수가 될 수 없다는 뜻이고, 두 번째 조건은 가능한 모든 경우의 확률을 모으면 1이 된다는 뜻입니다. 이 두 가지를 확인하면 함수가 올바른 확률밀도함수인지 판단할 수 있습니다.
확률밀도함수의 조건을 확인할 때는 그래프의 모양을 떠올리면 쉽습니다. 곡선이 x축 아래로 내려가면 음수 확률이 생기므로 조건에 어긋납니다. 전체 면적이 1보다 작거나 크면 확률의 총합이 1이 되지 않으므로 올바른 분포라고 볼 수 없습니다. 이 조건을 이해하면 주어진 함수가 확률밀도함수인지 빠르게 판단할 수 있습니다.
실제 데이터 분석에서 경험한 팁
며칠 전 서버 응답 시간 데이터를 분석하면서 이 내용을 다시 확인했습니다. 처음에는 응답 시간의 평균과 표준편차만 구하면 충분하다고 생각했습니다. 그런데 특정 구간에 들어오는 비율을 이야기하려면 연속확률분포를 바탕으로 누적분포함수를 사용해야 했습니다. 예를 들어 응답 시간이 1.5초보다 빠를 확률을 구하려고 할 때, 단순히 기록된 값에서 1.5초 미만인 데이터의 개수를 세는 방법도 있습니다. 하지만 데이터가 정규분포를 따른다고 가정할 수 있다면, 평균과 표준편차만으로도 같은 확률을 계산할 수 있습니다. 이 경험을 통해 분포를 선택하기 전에 데이터가 만들어지는 과정을 먼저 살펴보는 것이 얼마나 중요한지 깨달았습니다. 막막했던 마음이 조금씩 풀렸습니다.
실제로 데이터를 다룰 때는 분포의 모양을 먼저 확인하는 습관이 필요합니다. 히스토그램을 그려 보면 데이터가 한쪽으로 치우쳤는지, 대칭인지, 여러 봉우리를 가지는지 알 수 있습니다. 정규분포처럼 보이지 않는다면 지수분포나 다른 분포를 떠올릴 수 있습니다. 이렇게 분포를 선택하는 과정은 단순히 공식을 외우는 것보다 훨씬 중요합니다. 공식을 아는 것보다 어떤 상황에서 그 공식을 사용할 수 있는지 아는 것이 데이터 분석의 실력을 좌우합니다.
마무리하며
연속확률변수의 확률분포를 공부하면서 가장 크게 느낀 점은, 확률밀도함수의 높이를 확률로 착각하지 말아야 한다는 것입니다. 실제 확률은 구간의 면적으로 구하고, 누적분포함수와 미분 적분 관계로 연결됩니다. 앞으로 데이터를 분석할 때는 숫자가 어떻게 만들어졌는지 먼저 살펴보고, 그 과정에 맞는 분포를 선택하는 연습을 꾸준히 하겠습니다. 이 글이 연속확률변수의 확률분포를 처음 접하는 분들에게 작은 도움이 되길 바랍니다.
자주 묻는 질문
Q: 연속확률변수에서 한 점의 확률이 0인 이유가 궁금합니다.
A: 한 점에는 구간의 폭이 없어서 면적이 0이 되기 때문입니다. 확률이 0이라는 것은 그 값이 절대 나오지 않는다는 뜻이 아니라, 수학적으로 면적을 계산했을 때 0이라는 뜻입니다.
Q: 확률밀도함수와 누적분포함수 중 무엇을 써야 하나요
A: 구간확률을 구할 때는 확률밀도함수를 적분해도 되고, 누적분포함수의 차이를 이용해도 됩니다. 주어진 함수가 무엇인지에 따라 편한 방법을 선택하면 됩니다.
Q: 정규분포만 연속확률분포인가요
A: 아닙니다. 균일분포, 지수분포 등 여러 연속확률분포가 있습니다. 정규분포는 그중에서도 평균을 중심으로 대칭인 종 모양을 가진 대표적인 분포입니다.
