수학적·통계적 확률과 기본 성질 · 덧셈정리와 여사건 · 조건부확률과 독립 · 독립시행과 베이즈 추론
AI 생성 이미지 · 연 수학교과서
왜 확률을 배울까? — 불확실한 세상을 수로 읽고 결정하는 힘
세상에는 완전히 확실한 일이 드뭅니다. 확률은 불확실한 가능성을 수로 나타냅니다. 0과 1 사이의 수치로 합리적인 선택을 돕습니다.
🔎 「확률」이 무슨 말이죠?
어떤 사건이 일어날 가능성을 0과 1 사이의 수로 나타낸 값입니다. 0은 절대로 일어나지 않음을 뜻하고, 1은 반드시 일어남을 뜻합니다.
① 기상청의 강수확률 70%
비슷한 대기 상태 100번 중 70번 비가 내렸다는 뜻이에요. 컴퓨터 예측으로 비 올 가능성을 계산합니다.
② 진단 키트와 조건부확률
유병률이 낮으면 키트 정확도가 높아도 주의해야 해요. 양성 판정자가 실제 환자일 확률은 생각보다 낮을 수 있습니다.
③ 생성형 AI의 다음 단어 고르기
인공지능은 다음에 올 수만 개 단어의 확률을 매깁니다. 가장 자연스러운 단어를 차례로 골라 문장을 완성해요.
④ 금융 투자와 위험 대비
주가가 크게 떨어질 확률을 미리 계산합니다. 손실 위험을 수치로 관리해 자산을 안전하게 지켜요.
🔎 한 걸음씩 다시 보기 — 기상 예측(앙상블), 유병률, AI 확률의 원리
앙상블(Ensemble) 예보는 초기 기상 조건을 조금씩 다르게 넣은 수십 개의 예측 모델을 한꺼번에 돌려, 그중 몇 개에서 비가 오는지 비율을 세는 방법입니다. 유병률은 전체 인구 가운데 실제로 그 질병을 앓고 있는 사람의 비율을 뜻해요. 또한 인공지능은 점수로 계산된 단어 후보들을 합이 1인 확률값으로 바꾸어(이를 소프트맥스 함수라 불러요) 다음 단어를 선택합니다.
이 단원에서 할 수 있게 돼요. ① 표본공간과 사건·근원사건을 정의하고 수학적 확률과 통계적 확률의 뜻 및 기본 성질을 안다. ② 확률의 덧셈정리와 여사건의 원리를 활용해 복합 사건의 확률을 구한다. ③ 조건부확률과 사건의 독립·종속을 명확히 구별한다. ④ 독립시행의 확률 공식과 베이즈 정리의 원리를 이해한다.
읽는 법. 본문은 짧고 또렷하게, 더 알고 싶을 땐 색깔 단추를 누르세요 —
왜 그럴까 원리·직관 ·
다른 방법 또 다른 풀이 ·
흔한 실수 자주 틀리는 곳 ·
더 나아가기 실생활·다음 학년. 인쇄하면 단추 속 설명이 모두 펼쳐져 종이 참고서가 됩니다.
출발 점검 — 준비됐나요?
이 두 가지가 준비됐나요?
① 주사위 한 개를 던질 때 소수의 눈이 나올 확률은?
② 공정한 동전 2개를 동시에 던질 때 적어도 1개가 앞면일 확률은?
① 주사위 소수는 2, 3, 5의 3가지이므로 3/6 = 1/2 · ② 전체 4가지 중 둘 다 뒷면인 (뒤, 뒤) 1가지를 뺀 여사건으로 1 - 1/4 = 3/4입니다.
🔎 그 전에 알아야 할 것 — 경우의 수와 여사건 복습하기
확률을 구하려면 먼저 모든 경우의 수와 사건이 일어나는 경우의 수를 셀 줄 알아야 합니다. '적어도 하나'가 포함된 문제는 일일이 세기보다 '모두 아닌 경우'를 전체에서 빼는 여사건이 훨씬 빠릅니다.
1. 확률의 뜻과 기본 성질 — 가능성을 수로 나타내기
주사위를 던지는 실험을 해 봅니다. 우연에 의해 결과가 정해지는 관찰을 시행이라 합니다. 모든 결과의 집합을 표본공간이라 부릅니다.
표본공간의 부분집합을 사건이라 합니다. 원소가 1개뿐인 사건을 근원사건이라 부릅니다.
🔎 「근원사건」이 무슨 말이죠?
더 이상 쪼갤 수 없는 가장 단순한 사건입니다. 주사위를 던질 때 {1}, {2}, {3}, {4}, {5}, {6}처럼 각각의 눈 하나만으로 이루어진 사건입니다.
근원사건의 가능성이 모두 같을 때가 있습니다. 이때 구하는 확률을 수학적 확률이라 합니다.
P(A) = n(A)/n(S) = (사건 A가 일어나는 경우의 수)/(표본공간 S의 모든 경우의 수)
🔎 한 걸음씩 다시 보기 — 주사위 던지기의 표본공간과 근원사건
주사위 한 개를 던지는 시행에서 표본공간은 S = {1, 2, 3, 4, 5, 6}이므로 n(S) = 6입니다. 이때 근원사건은 {1}, {2}, {3}, {4}, {5}, {6}의 6개예요. 반듯한 주사위라면 6개의 근원사건이 일어날 가능성이 모두 같습니다. 여기서 '짝수의 눈이 나오는 사건'을 A라 하면 A = {2, 4, 6}이므로 n(A) = 3이고, 수학적 확률은 P(A) = 3/6 = 1/2이 됩니다.
윷놀이나 날씨는 가능성이 같지 않습니다. 이럴 때는 실험을 여러 번 되풀이합니다. 그 사건이 일어난 비율을 통계적 확률이라 부릅니다.
시행을 많이 할수록 상대도수는 참값에 다가갑니다. 이것을 큰 수의 법칙이라 부릅니다.
원소의 개수는 전체를 넘을 수 없습니다. 따라서 확률은 항상 세 가지 기본 성질을 가집니다.
① 임의의 사건 A에 대하여 0 ≤ P(A) ≤ 1
② 반드시 일어나는 전사건 S에 대하여 P(S) = 1
③ 절대로 일어나지 않는 공사건 ∅에 대하여 P(∅) = 0
🔎 이 식이 왜 이렇게 되나요? — 왜 확률은 0 이상 1 이하일까요?
사건 A는 표본공간 S의 부분집합(∅ ⊂ A ⊂ S)이므로 원소의 개수는 항상 0 ≤ n(A) ≤ n(S)를 만족합니다. 이 부등식의 각 변을 양수인 n(S)로 나누면 0/n(S) ≤ n(A)/n(S) ≤ n(S)/n(S)가 되어 0 ≤ P(A) ≤ 1이 됩니다. 특히 A = S이면 P(S) = n(S)/n(S) = 1이고, 원소가 하나도 없는 공사건 ∅은 n(∅) = 0이므로 P(∅) = 0/n(S) = 0이 됩니다.
기억해요 — 수학적 확률은 P(A)=n(A)/n(S), 통계적 확률은 상대도수 r/n의 극한값. 확률은 언제나 0 ≤ P(A) ≤ 1!
[실물 시각화 1] 주사위 2개 표본공간 (36칸 격자)
두 주사위의 36개 순서쌍 중 합이 7인 칸은 정확히 6개
[실물 시각화 2] 큰 수의 법칙 (통계적 확률의 수렴)
동전을 무수히 많이 던지면 실제 앞면 비율은 수학적 확률 0.5에 한없이 가까워집니다.
🔎 그 전에 알아야 할 것 — 주사위 2개를 던질 때 왜 합이 7이 가장 잘 나올까요?
두 주사위를 던졌을 때 나오는 36가지 순서쌍 중, 합이 2인 것은 (1,1) 1가지뿐이지만 합이 7인 것은 (1,6), (2,5), (3,4), (4,3), (5,2), (6,1)로 6가지나 됩니다. 조합할 수 있는 순서쌍의 개수가 가장 많기 때문입니다.
왜 모든 근원사건의 가능성이 같아야 할까?
수학적 확률 P(A) = n(A)/n(S)는 각 근원사건이 일어날 가능성이 모두 같다는 전제 위에서만 성립합니다. 예를 들어 윷놀이에서 윷가락 1개는 평평한 면과 둥근 면의 모양이 달라 두 면이 나올 가능성이 같지 않아요. 따라서 앞면이 나올 확률은 1/2이 아니라 실제로 여러 번 던져 얻은 상대도수(통계적 확률 약 0.6)를 써야 합니다.
순서쌍 표로 세기 vs 순열·조합으로 세기
주사위 2개를 던지거나 동전을 몇 번 던지는 시행에서는 전체 결과를 격자 표나 수형도(나뭇가지 그림)로 직접 나열하면 눈으로 실수 없이 셀 수 있습니다. 반면 주머니에서 여러 개의 공을 동시에 꺼내는 시행처럼 경우의 수가 많을 때는 앞 단원에서 배운 조합 ₙCᵣ을 이용해 분모 n(S)와 분자 n(A)를 각각 구하는 것이 훨씬 빠릅니다.
구별되지 않는 대상도 서로 다른 것으로 보고 세어야 하는 이유
주머니에 '모양과 크기가 같은 흰 공 2개와 검은 공 1개'가 들어 있을 때 임의로 1개를 꺼내면, 흰 공이 나올 확률은 2/3입니다. "흰 공 아니면 검은 공이니 2가지 중 1가지로 1/2이다"라고 생각하면 안 돼요! 눈으로 구별되지 않더라도 공마다 번호(W₁, W₂, B)를 붙여 서로 다른 근원사건 3개로 보아야 각 근원사건이 일어날 가능성이 같아집니다.
확률이 성립하는 세 가지 뿌리와 덧셈정리의 연결
어떤 규칙이든 ① 모든 사건의 확률이 0 이상이고(P(A) ≥ 0), ② 전체 표본공간의 확률이 1이며(P(S) = 1), ③ 동시에 일어나지 않는 두 사건의 확률을 서로 더할 수 있다면(P(A∪B) = P(A) + P(B)) 수학적 확률과 통계적 확률 모두 똑같은 확률 법칙을 따릅니다. 다음 절에서 배울 덧셈정리와 여사건 공식도 바로 이 세 번째 성질에서 자연스럽게 이끌어 낼 수 있어요.
📺📺 영상으로 보기확률의 곱의 법칙과 트리 다이어그램▶
📺 움직이는 개념 — 확률의 곱의 법칙
연속된 독립 시행에서 가지를 따라 확률을 곱하면 두 사건이 연속으로 일어날 확률이 계산돼요.
이건 영상 파일이 아니라 코드(SVG)로 그려 움직여요 → 만드는 비용·용량 거의 0, 숫자 100% 정확, 다시보기 무한.
2. 확률의 덧셈정리와 여사건 — 겹친 것은 빼고 반대는 덜어낸다
카드에서 2의 배수 또는 3의 배수를 뽑으려 합니다. 어느 한쪽이라도 일어나는 사건을 합사건이라 합니다. 동시에 일어나는 사건을 곱사건이라 부릅니다.
두 확률을 그냥 더하면 겹치는 부분이 두 번 들어갑니다. 중복된 교집합을 한 번 빼 주어야 정확합니다. 이것을 확률의 덧셈정리라 부릅니다.
P(A∪B) = P(A) + P(B) - P(A∩B)
🔎 「배반사건」이 무슨 말이죠?
두 사건이 동시에 일어날 수 없는 관계일 때를 말합니다. 즉 교집합이 공집합(A∩B = ∅)인 두 사건입니다. 이때는 겹치는 확률이 0이므로 두 확률을 그대로 더하면 됩니다.
두 사건이 동시에 일어날 수 없을 때가 있습니다. 이때 두 사건을 배반사건이라 부릅니다. 배반사건은 겹침이 없어 두 확률을 그대로 더합니다.
P(A∪B) = P(A) + P(B) (두 사건 A, B가 서로 배반일 때)
어떤 사건이 일어나지 않는 사건을 여사건이라 합니다. 전체 확률 1에서 그 사건의 확률을 빼면 됩니다.
P(Aᶜ) = 1 - P(A)
‘적어도 하나’라는 말이 나오면 여사건을 떠올립니다. 모두 아닌 경우를 빼면 계산이 훨씬 간단해집니다.
🔎 한 걸음씩 다시 보기 — 덧셈정리와 여사건 공식 유도 과정
유한집합의 원소의 개수 공식 n(A∪B) = n(A) + n(B) - n(A∩B)의 양변을 전체 경우의 수 n(S)로 나누면 n(A∪B)/n(S) = n(A)/n(S) + n(B)/n(S) - n(A∩B)/n(S)가 되어 덧셈정리가 바로 유도됩니다. 또 A∪Aᶜ = S이고 A∩Aᶜ = ∅이므로 배반사건의 덧셈정리에 의해 P(S) = P(A) + P(Aᶜ)입니다. 여기서 P(S) = 1이므로 P(Aᶜ) = 1 - P(A)가 성립해요.
기억해요 — 합사건의 확률은 P(A)+P(B)−P(A∩B). '적어도'는 여사건 1−P(Aᶜ)!
[실물 시각화 3] 덧셈정리와 배반사건 벤다이어그램
겹치는 부분이 있으면 P(A∩B)를 빼고, 서로 떨어진 배반사건이면 그대로 더합니다.
[실물 시각화 4] 여사건 도려내기 원리 ("적어도 하나")
'적어도 1개 당첨'을 직접 세기보다 전체 1에서 '모두 꽝'을 빼는 것이 훨씬 빠릅니다.
🔎 그 전에 알아야 할 것 — '적어도'라는 말이 나올 때 왜 여사건을 쓸까요?
'적어도 하나는 당첨'이라는 말은 1개 당첨, 2개 당첨, 3개 당첨 등 여러 경우를 모두 포함합니다. 이 경우들을 일일이 구해 더하는 것보다, 딱 하나뿐인 '모두 꽝'인 확률을 구해 1에서 빼는 편이 계산 실수도 적고 훨씬 빠릅니다.
왜 교집합을 반드시 빼주어야 하는가?
집합의 원소의 개수를 셀 때 n(A∪B) = n(A) + n(B) - n(A∩B)가 성립하듯이, 양변을 전체 경우의 수 n(S)로 나누면 확률의 덧셈정리가 그대로 유도됩니다. 교집합 영역에 속하는 사건은 P(A)를 셀 때 한 번, P(B)를 셀 때 또 한 번 세어지므로, 중복된 한 번을 반드시 제해야 참된 합사건의 확률이 됩니다.
3개 사건의 덧셈정리 (포함배제의 원리)
세 사건 A, B, C에 대해서는:
P(A∪B∪C) = P(A)+P(B)+P(C) - (두 개씩의 교집합) + (세 개의 교집합)
홀수 개 교집합은 더하고, 짝수 개 교집합은 뺍니다.
배반사건과 독립사건의 치명적 혼동
학생들이 가장 많이 틀리는 개념입니다: 배반(Disjoint)은 집합적으로 겹치는 부분이 없는 것(A∩B = ∅, 즉 P(A∩B)=0)이고, 독립(Independent)은 한 사건이 일어나는 것이 다른 사건의 확률에 영향을 주지 않는 것(P(A∩B)=P(A)P(B))입니다. 만약 P(A)>0, P(B)>0라면 배반사건은 절대로 독립일 수 없고, 항상 종속입니다! (A가 일어나면 B는 절대 일어날 수 없으므로 영향력이 최대이기 때문).
드모르간의 법칙과 여사건의 확장
사건의 복잡한 조건문은 집합 연산으로 단순화됩니다:
(A∪B)ᶜ = Aᶜ ∩ Bᶜ (적어도 하나 일어날 확률의 여사건 = 둘 다 일어나지 않을 확률).
컴퓨터 과학의 불리언 대수(Boolean Algebra)와 데이터베이스 검색 조건 최적화에서 이 원리가 핵심으로 쓰입니다.
3. 조건부확률과 사건의 독립 — 정보가 표본공간을 축소한다
새로운 정보가 주어지면 대상이 줄어듭니다. 어떤 조건 아래에서 일어날 확률을 다룹니다. 이를 조건부확률이라 부릅니다.
🔎 「조건부확률」이 무슨 말이죠?
사건 B가 일어났다는 전제 아래에서 사건 A가 일어날 확률입니다. 전체 표본공간이 B로 좁혀지므로 분모는 P(B), 분자는 P(A∩B)가 됩니다.
사건 B가 일어나든 말든 사건 A의 확률에 영향이 없으면(P(A|B) = P(A)) 두 사건은 서로 독립입니다. 이때는 조건부확률 자리에 그냥 P(A)를 대입하므로 P(A∩B) = P(A)P(B)가 성립합니다.
한 사건이 다른 사건에 영향을 주지 않을 수 있습니다. 이때 두 사건을 서로 독립이라 합니다. 독립이 아니면 서로 종속이라 부릅니다.
P(A∩B) = P(A)P(B) (두 사건 A, B가 서로 독립일 조건)
🔎 한 걸음씩 다시 보기 — 주사위 던지기로 보는 독립과 종속 판별
주사위 한 개를 던질 때 짝수의 눈이 나오는 사건을 A = {2, 4, 6}, 소수의 눈이 나오는 사건을 B = {2, 3, 5}라 해 볼까요? 원래 P(A) = 3/6 = 1/2이지만, 소수가 나왔다는 조건(B) 아래에서 짝수(A∩B = {2})일 조건부확률은 P(A|B) = 1/3로 달라집니다. 즉 P(A|B) ≠ P(A)이므로 A와 B는 서로 종속입니다. 반면 3의 배수 사건 C = {3, 6}와 짝수 사건 A는 P(A∩C) = 1/6 = (1/2)×(1/3) = P(A)P(C)이므로 서로 독립이에요.
기억해요 — 조건부확률 P(A|B)는 조건 B를 새 분모로 삼는 것. 독립이면 P(A|B)=P(A)이고 P(A∩B)=P(A)P(B)!
[실물 시각화 5] 조건부확률 표본공간의 축소 직관
사건 A 중에서도 조건 B 바깥 부분은 버려지고 B 안에 속한 A∩B만 분자로 남습니다.
[실물 시각화 6] 몬티홀 문제의 확률 분기 트리
문 3개(차 1·염소 2) 중 하나를 고른 뒤, 내막을 아는 사회자가 남은 문 중 염소 문을 열어 줄 때 선택을 바꾸면 승률이 2/3가 됩니다.
🔎 한 걸음씩 다시 보기 — 몬티홀 문제에서 문을 바꾸면 왜 유리할까요?
세 개의 문 뒤에 자동차 1대와 염소 2마리가 숨겨져 있습니다. 참가자가 문 하나를 고르면, 자동차 위치를 아는 사회자가 나머지 두 문 중에서 염소가 있는 문 하나를 반드시 열어 보여 줍니다. 이때 처음 고른 문에 차가 있을 확률은 1/3뿐이고, 처음에 염소를 골랐을 확률이 2/3예요. 그런데 처음에 염소를 골랐다면(2/3), 사회자가 다른 염소 문을 열어 주었으므로 남아 있는 닫힌 문 뒤에는 무조건 자동차가 있습니다! 따라서 문을 바꾸면 자동차를 탈 확률이 2/3로 두 배가 됩니다.
🔎 그 전에 알아야 할 것 — 배반사건과 독립사건의 결정적 차이
배반은 두 사건이 겹치지 않는 것(P(A∩B) = 0)이고, 독립은 한 사건이 다른 사건에 영향을 주지 않는 것(P(A∩B) = P(A)P(B))입니다. 두 사건의 확률이 모두 0보다 크면, 배반인 사건은 절대로 독립일 수 없습니다. 하나가 일어나면 다른 하나는 일어날 수 없으므로 영향력이 최대이기 때문입니다.
왜 독립 판정은 느낌이 아니라 오직 수식으로만 검증해야 하는가?
일상적인 언어 감각에서의 '독립'은 '별개처럼 보인다'는 심리적 인상일 뿐입니다. 하지만 수학에서는 오직 단 하나의 수식 P(A∩B) = P(A)P(B)를 계산하여 좌변과 우변이 일치할 때만 독립으로 정의합니다. 예를 들어 주사위를 1개 던질 때 '홀수가 나오는 사건(1,3,5)'과 '3 이하가 나오는 사건(1,2,3)'은 P(A)=1/2, P(B)=1/2, P(A∩B)=1/3 ≠ 1/4이므로 종속입니다. 반드시 수치로 계산해야 합니다.
독립과 여사건의 대칭 정리
두 사건 A, B가 서로 독립이면 다음 쌍들도 모두 자동으로 서로 독립입니다:
① A와 Bᶜ도 독립.
② Aᶜ와 B도 독립.
③ Aᶜ와 Bᶜ도 독립.
따라서 P(Aᶜ ∩ Bᶜ) = P(Aᶜ)P(Bᶜ) = (1-P(A))(1-P(B))를 즉시 활용할 수 있습니다.
조건부확률의 분모를 전체 경우로 착각하는 실수
"A 학급 학생 중 임의로 택한 한 명이 안경을 썼을 때, 그 학생이 남학생일 확률"을 구할 때 전체 학생 수로 나누는 실수가 잦습니다. 조건문 "~일 때"에 해당하는 '안경 쓴 전체 학생 수'가 새로운 분모가 되어야 합니다. 분모 = (안경 쓴 남학생 수 + 안경 쓴 여학생 수), 분자 = (안경 쓴 남학생 수)로 계산해야 완벽합니다.
의료 통계의 민감도(Sensitivity)와 특이도(Specificity)
의학 진단에서 진단 키트의 성능은 조건부확률로 정의됩니다:
- 민감도: 실제로 병에 걸렸을 때 양성이 나올 확률 P(양성|유병).
- 특이도: 실제로 정상일 때 음성이 나올 확률 P(음성|정상).
- 양성 예측도(PPV): 환자가 가장 알고 싶어 하는 확률, 즉 키트 양성이 떴을 때 실제 환자일 확률 P(유병|양성). 이는 다음 절의 베이즈 정리로 계산됩니다.
4. 독립시행의 확률과 베이즈 정리 — 반복 시행과 원인의 역추적
매번 같은 조건에서 실험을 반복합니다. 앞선 결과가 뒤 결과에 영향을 주지 않습니다. 이런 반복 실험을 독립시행이라 합니다.
🔎 「독립시행」이 무슨 말이죠?
동전이나 주사위를 여러 번 던질 때처럼, 매회 같은 조건에서 시행되고 이전 회차의 결과가 다음 회차의 확률에 아무런 영향을 주지 않는 독립적인 반복 시행을 말합니다.
1회 시행에서 사건이 일어날 확률을 p라 합니다. n번 반복해 r번 일어날 확률을 구합니다.
순서를 고르는 경우의 수 ₙCᵣ을 곱합니다. 각 경우의 확률은 pʳ qⁿ⁻ʳ로 모두 같습니다.
🔎 한 걸음씩 다시 보기 — 주사위 3번 던져 1의 눈이 2번 나올 확률
주사위를 한 번 던져 1의 눈이 나올 확률은 p = 1/6, 나오지 않을 확률은 q = 5/6입니다. 3번 중 1의 눈이 2번 나오는 순서는 (O, O, X), (O, X, O), (X, O, O)로 총 ₃C₂ = 3가지예요. 각 순서가 일어날 확률은 모두 (1/6)² × (5/6)으로 같으므로, 구하는 확률은 ₃C₂(1/6)²(5/6)¹ = 5/72가 됩니다.
결과 B가 발생했을 때, 이것이 원인 A에서 나왔을 조건부확률은 P(A|B) = P(A∩B)/P(B)입니다. 분모의 전체 확률 P(B)를 가능한 모든 원인 경로들의 합(P(A)P(B|A) + P(Aᶜ)P(B|Aᶜ))으로 나누어 적은 것입니다.
🔎 한 걸음씩 다시 보기 — 원인이 3개 이상일 때 표본공간 분할과 베이즈 정리
표본공간 S가 서로 배반인 여러 사건 A₁, A₂, …, Aₖ로 빈틈없이 나누어질 때(S = A₁∪A₂∪…∪Aₖ), 결과 B가 일어날 전체 확률은 각 경로의 확률을 모두 더한 P(B) = P(A₁)P(B|A₁) + P(A₂)P(B|A₂) + … + P(Aₖ)P(B|Aₖ)입니다. 그중 특정 원인 Aᵢ에서 왔을 조건부확률은 전체 합 P(B)를 분모에, 해당 경로 P(Aᵢ)P(B|Aᵢ)를 분자에 놓은 비율 P(Aᵢ|B) = P(Aᵢ)P(B|Aᵢ)/P(B)가 됩니다.
기억해요 — 독립시행 n번 중 r번 일어날 확률은 ₙCᵣ pʳ qⁿ⁻ʳ. 결과에서 원인을 찾는 확률은 P(A|B) = P(A∩B)/P(B)!
[실물 시각화 7] 독립시행의 확률 분포와 이항계수 (동전 3번 던지기)
독립시행의 확률은 이항정리 (p+q)ⁿ의 전개식 각 항과 정확히 같습니다.
[실물 시각화 8] 베이즈 정리 — 질병 검사의 위양성 역설
정상 인구 집단이 압도적으로 크기 때문에 위양성 수가 실제 환자 수를 압도합니다.
🔎 그 전에 알아야 할 것 — 베이즈 정리와 위양성의 역설
희귀 질환일수록 전체 인구에서 정상이 차지하는 비중이 매우 큽니다. 아무리 진단 정확도가 높아도 정상인 중 5%의 오차가 실제 환자 수보다 훨씬 많아질 수 있습니다. 이것이 양성 판정자의 실제 환자 비율이 낮아지는 위양성의 역설입니다.
독립시행 공식에 왜 조합 ₙCᵣ 이 곱해질까?
동전을 3번 던져 앞면 2번, 뒷면 1번이 나오는 사건은 (앞, 앞, 뒤), (앞, 뒤, 앞), (뒤, 앞, 앞)의 3가지 경로가 있습니다. 각 경로가 일어날 확률은 모두 p × p × q = p²q로 동일합니다. 이처럼 일어나는 순서가 서로 다른 배반인 경로들이 총 ₃C₂ = 3가지 존재하므로, 이들을 모두 합한 것이 전체 확률 ₃C₂ p²q가 됩니다.
여사건을 활용한 독립시행 계산 — '적어도 1번' 일어날 확률
독립시행을 n번 반복할 때 사건 A가 '적어도 1번 일어날 확률'을 직접 구하려면 r = 1, 2, …, n일 때의 확률을 모두 더해야 해서 계산이 복잡합니다. 이때는 사건 A가 0번 일어나는 여사건의 확률 P₀ = ₙC₀ p⁰ qⁿ = qⁿ을 구한 뒤 전체 확률 1에서 빼서 1 − (1−p)ⁿ으로 단번에 구할 수 있습니다.
토너먼트 경기 종료 조건 누락 실수
"5전 3선승제 결승전에서 A팀이 4번째 경기에서 우승할 확률"을 구할 때 단순히 ₄C₃ p³ q로 계산하면 오답입니다! 만약 A팀이 1, 2, 3차전을 모두 이기면 3차전에서 이미 경기가 끝나므로 4차전을 치르지 않기 때문입니다. 따라서 '앞 3경기 중 2승 1패를 거두고(₃C₂ p²q), 4번째 경기를 반드시 승리(× p)'하는 방식으로 마지막 회차를 별도로 분리해야 합니다.
스팸 메일 필터와 자율주행 — 실생활 속 베이즈 추론
우리가 매일 쓰는 이메일의 스팸 차단 기능은 베이즈 정리를 활용합니다. 메일 제목에 '무료'나 '당첨'이라는 단어가 들어 있을 때(B), 그 메일이 실제 스팸일 조건부확률 P(스팸|단어)를 계산해 거르는 원리예요. 자율주행 자동차 역시 카메라와 레이더 센서로 새로운 관측값이 들어올 때마다 주변 장애물이 있을 확률을 실시간으로 다시 계산하며 안전하게 달립니다.
스스로 풀어요 (3단계 20제 완전정복)
기본 수학적 확률·덧셈정리·여사건·배반사건의 핵심 공식 적용을 다집니다.
조합 확률·조건부확률의 표본공간 축소·독립 판별을 정확하게 해결합니다.
독립시행의 복합 경로·베이즈 역확률 추론·수능 킬러형 복합 문제를 돌파합니다.
문제 풀이 핵심 길잡이 — 첫째, 확률 문제는 전체 표본공간의 경우의 수 n(S)부터 정확히 구하면 절반은 풀린 셈이에요. 둘째, 「적어도」라는 표현이 나오면 망설이지 말고 여사건의 확률 1 − P(Aᶜ)을 활용하세요.
객관식 진단 퀴즈 — 확률
5지선다 10문항이에요. 풀면 바로 채점되고, 학습 기록이 자동 저장돼요.
직접 해보기 — 동전 모두 앞면 확률
던지는 횟수 n 3 번
틀려도 괜찮아요. 틀린 문제는 ‘내 뇌가 자라는 신호’예요. 한 번에 안 풀려도, 개념 원리를 떠올리며 다시 도전해 봐요. 답보다 ‘어떻게 생각했는지’가 더 소중하답니다.
자주 틀리는 다섯 가지
1눈으로 구별되지 않는 대상도 서로 다른 것으로 보고 세기 — 같은 모양의 흰 공 2개와 검은 공 1개가 든 주머니에서 흰 공을 꺼낼 확률은 1/2이 아니라 2/3예요. 각 근원사건이 일어날 가능성을 같게 맞추려면 모든 공을 서로 다른 원소(W₁, W₂, B)로 보고 세어야 합니다.
2덧셈정리에서 겹치는 교집합 P(A∩B) 빼기 — 합사건의 확률 P(A∪B)를 구할 때 두 사건이 배반인지 확인하지 않고 P(A)+P(B)만 더하면 안 됩니다. 동시에 일어나는 교집합 확률 P(A∩B)를 한 번 빼 주어야 해요.
3배반사건과 독립사건을 혼동하지 않기 — 배반사건은 '동시에 일어나지 않음(P(A∩B)=0)'이고, 독립사건은 '서로 확률에 영향을 주지 않음(P(A∩B)=P(A)P(B))'입니다. P(A)>0, P(B)>0인 두 배반사건은 항상 서로 종속이에요.
4조건부확률 P(A|B)의 분모는 전체가 아니라 조건 사건 B — "~일 때(사건 B), ~일 확률(사건 A)"에서는 전체 표본공간 n(S)가 아니라 조건이 일어난 n(B)를 분모에, n(A∩B)를 분자에 놓아야 합니다.
5다전제 결승전에서 마지막 승리 회차 분리하기 — 5전 3선승제에서 4차전에 우승이 확정될 확률을 ₄C₃ p³(1−p)로 구하면 3차전에 이미 끝난 경우가 섞입니다. 반드시 '3차전까지 2승 1패(₃C₂ p²(1−p)) 후 4차전 승리(× p)'로 나누어 계산하세요.
4조건부확률P(A|B) = P(A∩B)/P(B). 독립 판정P(A∩B) = P(A)P(B).
5독립시행의 확률Pᵣ = ₙCᵣ pʳ (1-p)ⁿ⁻ʳ.
이 단원의 말·기호
시행 (Trial)
같은 조건에서 반복할 수 있고 그 결과가 우연에 의해 정해지는 실험이나 관찰.
표본공간 (Sample Space)
어떤 시행에서 일어날 수 있는 모든 결과의 집합 S.
사건 (Event)
표본공간 S의 부분집합 A.
근원사건 (Elementary Event)
표본공간 S의 부분집합 중에서 한 개의 원소로만 이루어진 사건.
수학적 확률 (Mathematical Probability)
각 근원사건이 일어날 가능성이 모두 같을 때, 표본공간 전체 경우의 수에 대한 사건 A의 경우의 수의 비율 P(A) = n(A)/n(S).
통계적 확률 (Statistical Probability)
같은 시행을 n번 반복할 때 사건 A가 일어난 횟수 r의 상대도수 r/n이 n이 커짐에 따라 가까워지는 일정한 값.
배반사건 (Mutually Exclusive Events)
동시에 일어날 수 없는 두 사건 (A∩B = ∅, 즉 P(A∩B) = 0).
여사건 (Complementary Event)
사건 A가 일어나지 않는 사건 Aᶜ (P(Aᶜ) = 1 − P(A)).
조건부확률 (Conditional Probability)
사건 B가 일어났다는 조건 아래에서 사건 A가 일어날 확률 P(A|B) = P(A∩B)/P(B).
독립 (Independence)
한 사건이 일어나는 것이 다른 사건이 일어날 확률에 영향을 주지 않는 관계 (P(A|B) = P(A), 즉 P(A∩B) = P(A)P(B)).
종속 (Dependence)
두 사건 A, B가 서로 독립이 아닌 관계 (P(A∩B) ≠ P(A)P(B)).
독립시행 (Independent Trials)
매번 같은 조건에서 각 시행의 결과가 서로 영향을 주지 않도록 되풀이하는 시행 (Pᵣ = ₙCᵣ pʳ(1−p)ⁿ⁻ʳ).
베이즈 정리 (Bayes' Theorem)
결과 B가 관측되었을 때 특정 원인 A 때문이었을 조건부확률 P(A|B)를 거꾸로 구하는 원리.
내 말로 설명하기
독립인 두 사건의 확률을 왜 곱하는지, 그리고 배반사건과 독립사건이 왜 정반대의 개념인지 설명해 봐요.
예시 — 첫 사건 A가 확률 P(A)로 일어났을 때, 그것과 상관없이 사건 B가 같은 비율 P(B)로 일어난다면 전체 표본공간에서 A와 B가 동시에 일어나는 부분은 P(A) 영역 중의 P(B) 비율만큼이므로 P(A)×P(B)가 됩니다. 한편 배반사건은 둘이 동시에 일어날 확률이 0이므로, P(A)>0, P(B)>0일 때 A가 일어나면 B는 절대 일어날 수 없어 서로에게 미치는 영향이 가장 크므로 결코 독립일 수 없습니다.
이 단원, 나는 얼마나 알게 됐을까?
기록하기 전에 — 방금 배운 걸 눈을 감고 꼭 한 번 떠올려 봐요. 그렇게 스스로 떠올려 본 것이 진짜 ‘내 것’이 된답니다.
1. 이 단원을 얼마나 이해했나요?
2. 어떤 부분이 헷갈렸나요? (없으면 안 골라도 돼요)
3. 떠올리며 생각난 것 한 줄 (안 써도 돼요)
◍ 나의 생각 지도 · 복습 노트
내가 배운 것들이 어떻게 이어지는지, 어디를 더 봐야 하는지 한눈에 봐요. (위에서 이해도 평가를 하면 색으로 표시돼요.)
잘 알아요거의복습 필요아직
복습 체크 · 연 복습법 5·2·5·5
어른을 위한 한 줄. 조건부확률에서 아이가 헷갈려할 때 공식을 외우게 하기보다 “지금 우리가 관심 있는 세상(분모)이 전체 몇 명으로 줄어들었지?” 하고 표본공간의 축소를 상상하도록 질문을 건네주세요.
읽기 설정
글씨 크기
글씨체
인쇄 방식을 골라주세요
눈을 감아요
방금 배운 확률을 머릿속에 천천히 그려 봐요. 표본공간과 사건 → 덧셈정리와 여사건 → 조건부확률과 독립 → 독립시행 공식 떠오르는 만큼만, 괜찮아요.
떠오르는 동안 잠시 기다려요…
이 교과서를 내 기기에 담아둘까요? 언제든 오프라인으로 보고, 친구에게도 나눠줄 수 있어요.
