네 번의 시도에서 성공과 실패를 차례로 적어 보자. 성공이 두 번인 기록도 순서는 여러 가지다. 순서를 접어 두고 성공 횟수만 세면 같은 횟수의 기록들이 한데 모인다.
각 기록은 독립시행의 결과이고, 성공 횟수 X가 확률변수다. 같은 횟수로 모이는 기록 수와 한 기록의 확률을 곱하면 이항분포를 만들 수 있다.
이항분포에는 시행 수·같은 성공확률·독립이 필요하다
이항분포는 같은 성공확률 p로 독립시행을 n번 반복했을 때 성공 횟수의 분포다. 한 시행을 성공/실패 두 범주로 구분하고, 시행 수는 미리 정한다. 성공은 반드시 좋은 결과라는 뜻이 아니라 세기로 정한 사건의 이름이다.
보통 n은 양의 정수이고 0≤p≤1이다. 시행을 하지 않는 n=0도 따로 허용하면 성공 횟수는 항상 0이다. 이항분포를 따른다는 표기는 다음과 같다.
X∼B(n,p).(1)
정의
기호
이름
원어
뜻
X
성공 횟수
number of successes
n번 중 성공한 횟수
n
시행 수
number of trials
미리 고정한 0 이상의 정수
p
성공확률
success probability
각 시행에서 같은 값
1−p
실패확률
failure probability
성공이 아닐 확률
B(n,p)
이항분포
binomial distribution
두 수 n,p로 정하는 분포
k
성공 횟수의 값
success count
0,1,…,n 중 하나
nCk
조합의 수
number of combinations
n개 위치 중 성공할 k개를 고르는 수
σ(X)
표준편차
standard deviation
분산의 음이 아닌 제곱근
교과서는 실패확률 1−p를 q로 써서 분산을 npq처럼 적는다. 영문 자료의 (kn)는 교과서 표기 nCk와 같다.
‘확률이 같다’와 ‘독립’은 따로 확인한다. 첫 결과를 그대로 복사하는 두 번째 시행은 각각 성공확률이 1/2여도 독립이 아니다. 반대로 독립인 두 장치의 성공확률이 각각 1/2와 1/3이면 같은 p 조건을 만족하지 않는다.
정확히 두 번 성공할 확률에는 왜 조합을 곱할까?
가상 장치가 한 번에 성공할 확률을 1/4로 두고, 조건을 바꾸지 않은 네 번의 시도가 독립이라고 가정한다. 식 (1)의 표기로 X∼B(4,1/4)이며, 특정 순서 ‘성공·성공·실패·실패’의 확률은 (1/4)2(3/4)2=9/256이다.
그림 1은 네 번 시행의 기록 16개를 성공 횟수별로 모은 것이다. 성공이 두 번인 묶음에는 성공 위치 두 개를 고르는 4C2=6개의 기록이 있다. 이 여섯 순서는 서로 배반이고 확률이 모두 9/256이므로 더한다.
그림 1 네 번 시행한 기록 16개를 성공(채운 점)과 실패(빈 점)로 나타내고 성공 횟수 k별로 모았다. 아래 수는 묶음 안의 기록 수 4Ck로 1, 4, 6, 4, 1이다. 성공확률이 1/4이면 한 기록의 확률은 위치와 상관없이 34−k/256이다. figures/success_records.pyP(X=2)=4C2(41)2(43)2=6⋅2569=12827.(2)
일반적으로 성공 위치 k개를 고르는 방법이 nCk가지이고 각 순서의 확률은 같다. 0<p<1일 때 식 (3)을 얻는다.
P(X=k)=nCkpk(1−p)n−k,k=0,1,…,n.(3)
여기서 nCk는 조합의 수이다. q=1−p로 쓰면 식 (3)의 확률들은 이항정리로 (q+p)n을 전개한 각 항과 같다. 그래서 모든 성공 횟수의 확률을 합하면 (q+p)n=1n=1이고, 이항분포라는 이름도 여기서 왔다.
다음 표는 식 (3)을 다섯 번 적용한 결과다. 그림 2에서 같은 값들을 막대 높이로 비교한다.
k
0
1
2
3
4
P(X=k)
81/256
108/256
54/256
12/256
1/256
그림 2 n=4, p=1/4일 때 성공 횟수별 확률. 막대 위 분자는 공통 분모 256에 대한 값이다. 강조한 k=2의 확률은 54/256=27/128이다. figures/binomial_four.py
적어도·이하 조건은 어떤 막대를 더할까?
‘적어도 한 번’은 1, 2, 3, 4를 포함한다. 성공이 한 번도 없는 여사건으로 계산하면 더 짧다.
P(X≥1)=1−P(X=0)=1−25681=256175.(4)
‘두 번 이하’는 0, 1, 2이므로 P(X≤2)=(81+108+54)/256=243/256이다. ‘두 번 미만’은 0과 1만 포함하여 189/256이다. 이산형에서는 경계의 확률이 0이 아닐 수 있으므로 등호를 함부로 빼면 안 된다.
Q. 이항분포에서 p가 0이나 1이면 어떻게 하나요?
p=0이면 X=0의 확률이 1이고, p=1이면 X=n의 확률이 1이다. 거듭제곱식에 00을 대입하지 않고 이처럼 분포를 직접 정한다. n=0도 항상 0인 분포다.
이항분포의 평균과 표준편차는 어떻게 구할까?
X∼B(n,p)의 평균·분산·표준편차는 식 (5)와 같다. 이항분포에 대해 성립하는 정리로 사용하며, 여기서는 이 공식을 증명하는 문제를 다루지 않는다.
E(X)=np,V(X)=np(1−p),σ(X)=np(1−p).(5)
교과서 기호로는 V(X)=npq, σ(X)=npq이다. 예제에서 평균은 4×1/4=1, 분산은 4×1/4×3/4=3/4, 표준편차는 3/2≈0.866이다. 표로도 E(X)=(108+108+36+4)/256=1을 얻는다. 제곱의 기댓값은 (108+216+108+16)/256=7/4이므로 분산은 7/4−12=3/4이다. 이 계산은 n=4,p=1/4의 확인이지 모든 n,p에 대한 증명이 아니다.
시행 한 번만 보면 성공 횟수는 1(확률 p) 또는 0(확률 1−p)이어서 평균 p, 분산 p−p2=p(1−p)이다. 식 (5)는 이것을 n번 쌓은 값으로 읽을 수 있다. 분산까지 n배로 쌓이는 데에는 시행들이 서로 독립이라는 조건이 쓰인다.
식 (5)가 모든 n과 p에서 성립하는 이유
확률과 통계 교육과정은 이 식을 증명하는 문제를 다루지 않으므로, 공식을 쓰는 데 이 보충이 꼭 필요하지는 않다. 이유까지 확인하려는 독자를 위해 n≥1, 0<p<1, q=1−p에서 정리한다. 열쇠는 1≤k≤n에서 k⋅nCk=n⋅n−1Ck−1라는 성질이다. 양변을 계승으로 쓰면 둘 다 (k−1)!(n−k)!n!이다.
식 (7)의 첫 식은 n=1이면 해당 합이 비어 E(X(X−1))=0이 되므로 그대로 맞는다. 둘째 식은 E(X2)=E(X(X−1))+E(X)를 기댓값의 공식 V(X)=E(X2)−{E(X)}2에 넣은 것이다. 대입하면 n(n−1)p2+np−n2p2=np(1−p)이다. p=0이나 1이면 분포가 한 값에 몰려 평균 np, 분산 0이므로 식 (5)가 그대로 성립한다.
그림 3은 시행 수를 8로 고정하고 성공확률만 1/4에서 3/4로 바꾼 비교다. 평균은 2에서 6으로 바뀌지만 분산은 둘 다 3/2이다. 성공과 실패를 서로 바꿔 세면 k와 8−k의 확률이 대응한다.
그림 3 n=8을 고정하고 p=1/4(위), p=3/4(아래)를 비교했다. 두 분포의 평균은 2와 6이고 분산은 모두 3/2다. 이 그림은 p를 고정하고 n을 늘리는 비교와 구별한다. figures/binomial_shapes.py
Q. 이항분포의 그래프는 언제 좌우대칭인가요?
이항분포의 그래프는 성공확률이 p=1/2일 때 좌우대칭이다. nCk=nCn−k이고 p=1−p이므로 P(X=k)=P(X=n−k)가 된다. 예를 들어 B(4,1/2)의 확률은 차례로 1/16,4/16,6/16,4/16,1/16이다. p=1/2이면 그림 3처럼 한쪽으로 치우친다.
이항분포의 평균·분산을 쓰는 두 가지 대표 유형
첫째는 평균과 분산에서 n과 p를 거꾸로 구하는 문제다. X∼B(n,p)에서 E(X)=6, V(X)=4라면 분산을 평균으로 나눠 실패확률부터 얻는다.
E(X)V(X)=npnp(1−p)=1−p=64=32.(8)
따라서 p=1/3이고, np=6에서 n=18이다. 식 (8)에서 1−p≤1이므로, 평균이 양수인 이항분포의 분산은 평균보다 클 수 없다.
둘째는 성공 횟수를 점수로 바꾸는 문제다. 공정한 동전을 독립적으로 10번 던져 앞면이 나오면 2점을 얻고, 뒷면이 나오면 1점을 잃는다고 하자. 앞면 횟수 X∼B(10,1/2)로 점수를 쓰면 S=2X−(10−X)=3X−10이다. E(X)=5, V(X)=5/2이므로 기댓값의 선형변환 성질을 쓴다.
E(S)=3×5−10=5,V(S)=32×25=245.(9)
표준편차는 45/2≈4.74점이다. 뒷면 횟수를 따로 세지 않고 10−X로 써서 확률변수 하나로 나타낸 것이 요령이다.
성공 비율이 확률에 가까워진다는 말은 무슨 뜻일까?
p를 고정하고 같은 독립시행을 많이 반복하면 성공 비율이 p에서 크게 벗어날 가능성이 작아진다. 이것이 큰 수의 법칙이 설명하는 방향이다. n>0에서 성공 비율은 X/n이고, 선형변환의 성질로 평균은 p, 분산은 p(1−p)/n이다.
예를 들어 p=1/4에서 n=4일 때 비율의 분산은 3/64이고 n=100이면 3/1600이다. 이 퍼짐의 감소는 한 번 더 시행할 때마다 실제 비율이 반드시 p에 가까워진다는 뜻이 아니다. 특정 실험에서 나온 경로와 실험을 반복했을 때의 분포를 구별한다.
그림 4는 p=1/4에서 성공 비율이 p에서 허용 차이 ε=0.1 이상 벗어날 확률을 n=4부터 200까지 이항확률로 정확히 더한 것이다. n=8에서 0.689이던 확률이 n=100에서는 0.028로 작아진다. 다만 곡선은 들쭉날쭉해서, n이 하나 커졌는데 확률이 오히려 커지는 곳도 있다. 파선은 아래 보충의 상한 p(1−p)/(nε2)이며, n=100에서 0.1875로 실제 확률보다 크다.
그림 4 성공확률 p=1/4인 독립시행 n번에서 성공 비율 X/n이 1/4에서 0.1 이상 벗어날 정확한 확률(실선)과 상한 p(1−p)/(nε²)(파선). n=8에서 0.689, n=100에서 0.028이며, 그린 범위 전체에서 실제 확률은 상한을 넘지 않는다. figures/lln_tail.py성공 비율의 큰 수의 법칙을 확률로 확인하기
전문 수학에서는 성공 비율이 확률에 가까워진다는 말을 정량적으로 읽는다. 성공확률 p를 고정하고, 같은 확률의 독립시행을 양의 정수 n번 반복하자. X∼B(n,p)이고 Y=X/n이다. E(Y)=p, V(Y)=p(1−p)/n을 이용하면, 미리 고정한 어떤 양수ε에 대해서도
0≤P(∣Y−p∣≥ε)≤nε2p(1−p)⟶0(n⟶∞).(10)
ε은 성공 비율과 p 사이에서 허용할 차이의 크기다. 부등식의 이유를 유한한 확률표로 확인하자. Y의 가능한 값을 yk=k/n, 그 확률을 qk=P(Y=yk)라 쓰면
첫 부등식은 음수가 아닌 항 중 일부만 남긴 것이다. 남긴 항에서는 제곱한 차이가 ε2 이상이므로 둘째 부등식을 얻는다. 양수 ε2로 나누고 분산식을 넣으면 식 (10)이다.
이 유도는 임의의 양의 정수 n에 적용되며 몇 개의 시행 수만 비교한 실험이 아니다. p=0이나 1이면 Y=p의 확률이 1이므로 왼쪽 확률도 0이다. 시행이 없는 n=0에서는 X/n을 정의하지 않는다.
예를 들어 p=1/2, n=1000, ε=1/20이면 상한은 (1/4)/(1000/400)=1/10이다. 성공 비율이 1/2에서 0.05 이상 벗어날 확률이 0.1 이하라는 뜻이지 정확히 0.1이라는 뜻은 아니다. 식 (11)의 일반 부등식은 체비쇼프 부등식의 이 유한분포 경우다. 여기서는 이를 이항분포의 성공 비율에 적용했으며 더 넓은 확률변수에 대한 정리로 범위를 넓히지 않는다.
Q. 공을 다시 넣지 않고 뽑아도 이항분포인가요?
두 번 이상 뽑는다면 보통 이항분포가 아니다. 빨강 2개·파랑 2개에서 두 개를 비복원 추출하면 두 번 모두 빨강일 확률은 (2/4)(1/3)=1/6이다. 독립이라고 잘못 가정한 (1/2)2=1/4와 다르다. 첫 추출 뒤 성공확률이 바뀐다.
Q. 성공이 처음 나올 때까지 계속하면 이항분포인가요?
시행 수가 미리 고정되지 않으므로 이 글의 이항분포 모형이 아니다. 성공 횟수 대신 기다린 시행 수를 세는 다른 문제다. ‘반복한다’는 말만으로 이항분포를 고르지 않는다.
핵심
이항분포 B(n,p)는 0 이상의 정수 n과 0≤p≤1에 대해 같은 성공확률 p의 독립시행 n번에서 성공 횟수를 센다. 확률은 성공 위치의 조합으로, 평균과 분산은 np와 np(1−p)로 구한다.
이항분포의 흔한 오해
정확히 두 번 성공할 확률은 한 순서의 확률이다. — 예제의 한 순서는 9/256이지만, 성공 위치가 6가지라서 전체는 54/256이다.
같은 평균이면 이항분포도 같다. — B(4,1/4)와 B(2,1/2)는 평균 1이 같지만 분산은 3/4와 1/2로 다르다. 두 매개변수를 함께 확인한다.
시행 수가 늘면 성공 횟수의 퍼짐도 줄어든다. — 줄어드는 것은 성공 비율 X/n의 분산이다. p=1/4에서 n을 4에서 100으로 늘리면 V(X)는 3/4에서 75/4=18.75로 커지고, V(X/n)은 3/64에서 3/1600으로 작아진다.
직접 해보기
W∼B(5,1/5)일 때 P(W=0), P(W≤1)을 구하라.
발아율이 80%인 씨앗 2,500개를 심는다. 각 씨앗의 발아가 서로 독립이라고 할 때, 발아하는 씨앗 수의 평균·분산·표준편차를 구하라.
X∼B(n,p)의 평균이 12, 분산이 9이다. n, p, σ(X)와 E(X2)을 구하라.
빨강 3개·파랑 2개가 든 주머니에서 두 번 뽑는다. 매번 다시 넣고 섞는 경우와 넣지 않는 경우의 ‘모두 빨강’ 확률을 각각 구하고 이항모형 조건을 비교하라.
성공확률 1/3의 독립시행을 900번 한다. 성공 비율이 1/3에서 1/15 이상 벗어날 확률의 상한을 식 (10)으로 구하라. 이 값이 정확한 확률인지도 설명하라.