왜 통계를 배울까?
데이터로 세상을 읽고 판단하는 힘이에요. 여론조사, 품질관리, 의약품 효과 검증, AI 학습. 일부(표본)를 보고 전체(모집단)를 추정하는 것이 통계의 핵심이고, 현대 사회의 거의 모든 결정에 쓰여요.
이 단원에서 할 수 있게 돼요. ① 확률분포의 기댓값·분산·표준편차를 구한다. ② 이항분포의 평균 np와 분산을 안다. ③ 정규분포를 이해하고 표준화로 확률을 구한다. ④ 통계적 추정으로 표본에서 모집단을 추정한다.
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 떠오르면 좋아요.
① 주사위 한 개 눈의 평균(기댓값)은?
② 동전 100번 던질 때 앞면은 평균 몇 번?
① (1+2+3+4+5+6)/6=3.5 · ② 100×(1/2)=50번. 기댓값은 값×확률의 합이에요.
확률분포 — 흩어짐을 그림으로
어떤 시행의 결과(확률변수 X)가 어떤 값을 얼마의 확률로 갖는지 정리한 것이 확률분포예요. 기댓값(평균) E(X) = 각 값 × 확률의 합 — 「평균적으로 기대되는 값」이에요. 분산 V(X)와 표준편차 σ는 값들이 평균에서 얼마나 흩어졌는지를 재요. V(X)=E(X²)−{E(X)}², σ=√V(X).
기억해요 — 기댓값 = Σ(값×확률). 표준편차 = √분산 (흩어짐의 정도)
왜 통계를 배울까
데이터로 세상을 읽고 판단하는 힘이에요. 여론조사, 품질관리, 의약품 효과 검증, AI 학습. 일부(표본)를 보고 전체(모집단)를 추정하는 것이 통계의 핵심이고, 현대 사회의 거의 모든 결정에 쓰여요.분산 계산 실수
분산은 V(X)=E(X²)−{E(X)}²로 구하면 빨라요. E(X²)는 「값의 제곱 × 확률」의 합이고, {E(X)}²는 「평균을 제곱」한 것 — 둘을 헷갈리지 않게 순서대로 계산해요.움직이는 그림 — 정규분포
평균을 중심으로 좌우 대칭인 종 모양이 정규분포예요. ▶ 다시보기·한 단계씩.
이건 영상 파일이 아니라 코드(SVG)로 그려 움직여요 → 만드는 비용·용량 거의 0, 숫자 100% 정확, 다시보기 무한.
이항분포와 정규분포
이항분포: 확률 p인 독립시행을 n번 할 때 성공 횟수 X의 분포. 평균 E(X)=np, 분산 V(X)=np(1−p). 정규분포: 평균 m을 중심으로 좌우 대칭인 종 모양 곡선. 자연·사회의 수많은 현상이 따라요. n이 충분히 크면 이항분포는 정규분포에 가까워져요. 표준화 Z=(X−m)/σ로 표준정규분포(평균0, 표준편차1)로 바꿔 확률을 구해요.
기억해요 — 이항분포 E(X)=np / 정규분포는 종 모양, 표준화 Z=(X−m)/σ
기억 그림 · 정규분포의 68-95-99.7
정규분포는 평균±σ에 약 68%, ±2σ에 약 95%가 모여요. 평균에서 멀수록 드물어지는 종 모양!
통계적 추정 — 표본으로 전체를 짐작
전체(모집단)를 다 조사하기 어려우니 일부(표본)를 뽑아 전체를 추정해요. 표본의 평균(표본평균)으로 모집단의 평균(모평균)을 추정하는데, 표본을 여러 번 뽑으면 표본평균도 정규분포에 가까운 분포를 이뤄요(표본이 클수록 정밀). 이를 이용해 「모평균은 어느 구간에 있을 것이다」라는 신뢰구간을 만들어요.
기억해요 — 표본으로 모집단 추정. 표본이 클수록 추정이 정밀해져요
①기댓값·분산
E(X)=Σ(값×확률). V(X)=E(X²)−{E(X)}². σ=√V.
②이항분포
n번 독립시행 성공 횟수. E(X)=np, V(X)=np(1−p).
③정규분포
종 모양 좌우 대칭. 표준화 Z=(X−m)/σ로 확률 계산.
④통계적 추정
표본평균으로 모평균 추정. 신뢰구간으로 범위 제시.
표준화의 힘
평균과 표준편차가 제각각인 정규분포를 Z=(X−m)/σ로 바꾸면 모두 표준정규분포(평균0·표준편차1)가 돼요. 그러면 하나의 표준정규분포표로 모든 정규분포의 확률을 구할 수 있어요. 비교의 공통 자가 생기는 거예요.큰 수의 법칙
시행을 많이 할수록 상대도수(실제 비율)가 이론적 확률에 가까워져요. 동전을 10번보다 1000번 던질 때 앞면 비율이 1/2에 더 가까워지는 이유예요. 통계적 추정이 믿을 만한 근거랍니다.스스로 풀어요 (3단계)
기댓값·간단한 분산·이항분포 평균부터. 값×확률을 차근차근.
비평 데스크가 챙긴 것 — 「더 쉽게」: 기댓값은 값×확률을 모두 더하기 하나면 시작돼요. 「더 간결하게」: 분산은 E(X²)−{E(X)}² 공식으로 통일하면 빠르고 실수가 적어요.
객관식 진단 퀴즈 — 통계
5지선다 10문항이에요. 풀면 바로 채점되고, 학습 기록이 자동 저장돼요.
직접 해보기 — 이항분포 평균 E(X)=np
던지는 횟수 n 10 번
(사용 안 함) 0
틀려도 괜찮아요. 틀린 문제는 ‘내 뇌가 자라는 신호’예요. 한 번에 안 풀려도, 비책을 떠올리며 다시 도전해 봐요. 답보다 ‘어떻게 생각했는지’가 더 소중하답니다.
한 장 핵심
- 1기댓값 E(X)=Σ(값×확률). 분산 V(X)=E(X²)−{E(X)}², σ=√V.
- 2이항분포 B(n,p): E(X)=np, V(X)=np(1−p).
- 3정규분포: 평균 중심 좌우 대칭 종 모양. 표준화 Z=(X−m)/σ.
- 4통계적 추정: 표본평균으로 모평균 추정, 신뢰구간 제시.
이 단원의 말·기호
- 기댓값
- 확률변수의 평균. Σ(값×확률).
- 표준편차
- 값들이 평균에서 흩어진 정도. √분산.
- 이항분포
- n번 독립시행 성공 횟수의 분포. E=np.
- 정규분포
- 평균 중심 좌우 대칭 종 모양 분포.
내 말로 설명하기
기댓값이 왜 평균적으로 기대되는 값인지 설명해 봐요.
예시 — 기댓값 E(X)는 가능한 각 값에 그 값이 나올 확률을 곱해 모두 더한 거예요. 시행을 아주 여러 번 하면 실제 결과의 평균이 이 값에 점점 가까워져요(큰 수의 법칙). 그래서 평균적으로 기대되는 값이라 불러요.
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 알아요
거의
복습 필요
아직
복습 체크 · 연 복습법 5·2·5·5
어른을 위한 한 줄. 아이가 막히면 답을 알려주기보다 “무엇을 구하는 걸까?”, “어떤 성질·식을 쓰면 될까?” 하고 한 단계만 되물어 주세요. 스스로 길을 찾는 힘이 자랍니다.