이항분포 결과 이해하기
아래 표는 각 계산 방식의 정의와 어떤 상황에서 선택하는 것이 적절한지를 정리한 것입니다.
| 계산 방식 | 답을 얻는 질문 | 공식 |
|---|---|---|
| 정확히 k회 | 정확히 k번 성공할 확률은 얼마입니까? | P(X = k) |
| k회 이하 | 성공이 k번 이하일 확률은 얼마입니까? | P(X ≤ k) |
| k회 이상 | 성공이 k번 이상일 확률은 얼마입니까? | P(X ≥ k) |
- 표준 통계학 교재에서 널리 인용되는 경험 법칙에 따르면, n × p와 n × (1 − p)가 모두 5 이상일 때 이항분포를 정규분포로 무리 없이 근사할 수 있으며, 연속성 수정을 적용하면 근사 정확도가 더욱 높아집니다.
- 이항 모형은 성공 확률이 일정한 독립 시행을 전제로 합니다. 작고 유한한 모집단에서의 비복원추출은 독립성을 위배하므로 대신 초기하분포를 사용해야 합니다.
- k는 0 이상 n 이하의 정수여야 합니다. 정수가 아니거나 범위를 벗어난 k 값은 유효한 이항 결과가 아닙니다.
- "k회 이하"와 "k + 1회 이상"은 서로 여사건이며 합이 100%가 됩니다(동등하게 "k − 1회 이하"와 "k회 이상"의 합도 100%입니다).
이항분포란 무엇입니까?
이항분포는 고정된 횟수의 독립 시행(n)에서 성공 횟수를 모형화합니다. 각 시행의 성공 확률(p)은 동일하며, 한 번의 시행에서 가능한 결과는 성공과 실패 두 가지뿐입니다. 대표적인 예로는 정해진 횟수의 동전 던지기에서 앞면이 나오는 횟수, 또는 생산 라인에서 뽑은 고정 표본 속 불량품의 개수가 있으며, 이때 성공 확률이 모든 시행에서 일정하게 유지되어야 합니다.
이 분포는 이산형입니다. 성공 횟수 k는 0부터 n까지의 정수 값만 가질 수 있습니다. 분포의 모양은 n과 p에 따라 달라지며, p = 0.5일 때 대칭이고 p가 0 또는 1에 가까워질수록 비대칭이 커집니다.
핵심 가정은 두 가지입니다. 독립성(한 시행의 결과가 다른 시행에 영향을 주지 않음)과 모든 시행에 걸친 성공 확률의 일정성입니다. 작고 유한한 모집단에서 비복원추출로 표본을 뽑는 경우 이러한 가정이 깨질 수 있으며, 이때는 관련 분포인 초기하분포가 더 적절합니다.
이항분포 계산기 사용 방법
- 시행 횟수 n을 입력합니다.
- 시행 1회당 성공 확률 p를 백분율로 입력합니다.
- 성공 횟수 k를 입력합니다(0부터 n까지의 정수).
- 계산 방식(정확히 k회, k회 이하, k회 이상)을 선택한 뒤, 산출된 확률과 함께 분포의 기댓값 및 표준편차를 확인합니다.
이항 확률의 계산 공식
n번의 시행에서 정확히 k번 성공할 확률은 이항 확률질량함수로 주어집니다. P(X = k) = C(n, k) × pᵏ × (1 − p)ⁿ⁻ᵏ이며, 여기서 C(n, k) = n! / (k!(n − k)!)는 n번의 시행 중 k번의 성공을 배치하는 경우의 수입니다.
"k회 이하"는 0부터 k까지 모든 결과의 확률을 더한 값이고, "k회 이상"은 k부터 n까지 더한 값입니다(동등하게, 1에서 k − 1회 이하일 확률을 뺀 값입니다).
분포의 기댓값(평균 성공 횟수)은 n × p이고, 표준편차는 √(n × p × (1 − p))입니다.
계산 예시: n = 20회 시행, p = 50%, 정확히 k = 8회 성공. P(X = 8) = C(20, 8) × 0.5⁸ × 0.5¹² ≈ 12.01%입니다. 기댓값은 20 × 0.5 = 10이고, 표준편차는 √(20 × 0.5 × 0.5) = √5 ≈ 2.2361입니다.
흔한 실수
- 작은 모집단에서의 비복원추출처럼 시행이 독립적이지 않거나 시행마다 성공 확률이 달라지는 상황에 이항분포를 적용하는 경우.
- 계산 방식 간의 경계 오류 — "4회 이상"은 "4회 이하"의 여사건이 아닙니다. "4회 이하"의 여사건은 "5회 이상"입니다.
- 백분율을 입력해야 하는 칸에 성공 확률을 백분율(50)이 아닌 소수(0.5)로 입력하는 경우.
- 연속형 결과에 이항분포를 적용하거나, 시행 1회당 가능한 결과가 셋 이상인 개수 자료에 적용하는 경우(이 경우에는 다항 모형이 필요합니다).
- 이항분포가 n번의 모든 시행에서 p가 일정하다고 가정한다는 점을 잊는 경우 — 시간이 지나며 확률이 변하면 모형이 성립하지 않습니다.
자주 묻는 질문
이항 확률은 어떻게 계산합니까?
P(X = k) = C(n, k) × pᵏ × (1 − p)ⁿ⁻ᵏ를 사용합니다. 여기서 n은 시행 횟수, p는 성공 확률이며, C(n, k)는 n번의 시행 중 k번의 성공을 배열하는 경우의 수입니다. "이하" 또는 "이상"의 경우에는 해당 범위의 k 값에 대해 이 공식을 합산합니다.
이항분포를 사용하려면 어떤 조건이 충족되어야 합니까?
시행 횟수(n)가 고정되어 있어야 하고, 각 시행의 결과가 성공과 실패 두 가지뿐이어야 하며, 성공 확률(p)이 모든 시행에서 일정해야 하고, 각 시행이 서로 독립이어야 합니다.
기대되는 성공 횟수는 얼마입니까?
이항분포의 기댓값(평균)은 n × p입니다. 예를 들어 시행 20회, 성공 확률 50%에서 기대되는 성공 횟수는 20 × 0.5 = 10입니다.
'정확히', '이하', '이상'의 차이는 무엇입니까?
"정확히 k회"는 성공이 정확히 k번일 확률입니다. "k회 이하"는 성공 0회부터 k회까지의 확률을 더한 값입니다. "k회 이상"은 성공 k회부터 n회까지의 확률을 더한 값이며, 1에서 k − 1회 이하일 확률을 뺀 값과 같습니다.
정규분포로 이항분포를 근사할 수 있는 경우는 언제입니까?
널리 쓰이는 경험 법칙에 따르면 n × p와 n × (1 − p)가 모두 5 이상일 때 근사가 적절합니다. 그 범위를 벗어나는 경우, 특히 n이 작거나 p가 0.5에서 멀 때에는 정확한 이항 계산이 더 신뢰할 수 있습니다.
참고 자료
- National Institute of Standards and Technology (NIST). NIST/SEMATECH e-Handbook of Statistical Methods — binomial distribution. nist.gov.
- Moore DS, McCabe GP, Craig BA. Introduction to the Practice of Statistics. W. H. Freeman (binomial setting and probability formula).
- Casella G, Berger RL. Statistical Inference (2nd ed). Duxbury, 2002 (binomial distribution, mean and variance).
- Ross SM. A First Course in Probability. Pearson (binomial random variables and the normal approximation).