직관 — 정수 한 칸을 얇은 막대로 펼치기
정수마다 쌓인 확률을 폭 한 칸짜리 막대로 그려 보자. 막대가 충분히 모이면 매끈한 곡선과 비교할 수 있다. 정수의 중심과 한 칸의 끝은 다르므로 구간의 경계도 맞춰야 한다.
막대 하나의 넓이는 이항확률이고, 비교하는 곡선 아래 넓이는 정규확률이다. 시행 수가 크면 이항확률 수십 개를 하나하나 더하기 어렵다. 그때 표준정규분포표 한 번으로 어림하는 방법이 정규근사다. 높이가 비슷해 보인다고 두 분포가 정확히 같아지는 것은 아니다.
이항분포의 정규근사는 평균과 분산을 맞춘다
이항분포의 정규근사는 의 확률을 같은 평균과 분산을 갖는 정규분포의 넓이로 어림하는 방법이다. 은 양의 정수, 일 때 식 (1)의 비교 분포를 쓴다.
| 기호 | 이름 | 원어 | 뜻 |
|---|---|---|---|
| 성공 횟수 | success count | 이항분포를 따르는 정수값 | |
| 시행 수·성공확률 | trials and success probability | 고정 횟수의 같은 독립시행 조건 | |
| 비교 정규변수 | approximating normal variable | 와 같은 평균·분산 | |
| 평균·표준편차 | mean and standard deviation | 와 | |
| 표준정규변수 | standard normal variable | ||
| 누적확률 | cumulative probability |
교과서는 로 써서 ‘이 충분히 크면 는 근사적으로 를 따른다’고 적는다. 이 글의 는 그 정규분포를 따르는 비교 변수다.
‘충분히 크다’의 기준으로, 확인한 교과서는 와 를 함께 쓴다. 더 엄격하게 둘 다 10 이상을 요구하는 자료도 있다. 어느 쪽이든 기대 성공 수와 기대 실패 수가 모두 충분히 큰지 보는 경험 기준이며, 정확한 오차를 보장하는 정리가 아니다.
가 0이나 1이면 분산이 0이므로 식 (1)의 연속 정규분포로 근사하지 않는다. 도 성공 횟수가 0으로 고정되어 직접 처리한다. 또한 시행들이 독립이 아니거나 성공확률이 바뀌면 출발점인 이항모형부터 다시 확인해야 한다.
성공확률을 고정하고 시행 수를 늘리면 어떻게 될까?
막대 모양이 정규곡선에 점점 가까워진다. 는 각 시행에서 성공이면 1, 실패면 0인 값 개의 합이다. 서로 독립이고 같은 분포를 따르는 값을 많이 더하면 합의 분포가 종 모양에 가까워진다. 이항분포에 대한 이 사실을 드무아브르–라플라스 정리라고 한다. 정리는 을 한없이 키울 때의 극한을 말하므로, 유한한 에서 쓰는 값은 근삿값이다.
그림 1은 을 고정하고 만 10, 40, 100으로 바꿨다. 세 경우의 평균은 3, 12, 30이며 분산은 2.1, 8.4, 21이다. 매번 그 평균과 분산에 맞춘 정규곡선을 함께 그린다.
figures/approaching_normal.py그림의 세로축 는 막대의 확률, 는 비교 정규밀도다. 첫 경우는 이어서 5 기준도 10 기준도 만족하지 않는다. 은 , 로 두 기준을 모두 만족한다. 세 그림은 가까워지는 양상을 보여 줄 뿐, 모든 이항분포에 대한 근사 정리를 증명한 것은 아니다.
공학 도구로 같은 비교를 해 보자. GeoGebra Classic에 다음을 한 줄씩 입력하고, n = 40, n = 100을 차례로 다시 입력한다. p는 0.3으로 유지한다. 각 경우 가로축을 부터 까지 보이게 조절하고 세로축을 0부터 0.3까지 비교한다.
n = 10
p = 0.3
BinomialDist(n, p, false)
g(x) = Normal(n*p, sqrt(n*p*(1-p)), x, false)
false는 첫 명령에서 확률 막대, 둘째에서 누적값이 아닌 밀도곡선을 뜻한다. 정규 명령에 넣는 둘째 수는 분산이 아니라 제곱근을 취한 표준편차다.
시행 수가 20이면 정규근사를 쓰면 되나요?
이항분포의 정규근사는 시행 수만으로 정하지 않고, 기대 성공 수 와 기대 실패 수 를 함께 본다. 같은 이라도 이면 둘 다 10이라 두 기준을 모두 만족한다. 이면 로 어느 기준도 만족하지 않는다.
이항분포의 확률을 표준정규분포표로 어떻게 어림할까?
평균과 표준편차를 구해 근사 조건을 확인하고, 사건의 경계를 표준화해 표를 읽는다. 한 개의 주사위를 720번 던질 때 1의 눈이 나오는 횟수를 라 하자. 이다.
평균은 , 분산은 , 표준편차는 10이다. , 으로 두 기준을 모두 넉넉히 만족하므로 는 근사적으로 을 따른다. 1의 눈이 135번 이상 나올 확률은 다음과 같이 어림한다.
는 표준정규분포의 0부터 1.5까지 넓이 0.43319다. 확인한 교과서의 예제도 이처럼 정수 경계를 그대로 표준화한다. 이 값이 얼마나 정확한지는 다음 두 절에서 확인한다.
연속성 보정은 왜 0.5를 더하거나 뺄까?
정수 의 확률을 폭 1인 막대에 대응시키기 때문이다. 예를 들어 45부터 55까지의 정수는 모두 11개이고, 이 막대들을 합치면 바깥 경계는 44.5와 55.5다. 이 경계 맞춤을 연속성 보정이라고 한다.
아래 표에서 은 가능한 성공 횟수인 정수이고 이다. 의 점확률은 0이므로 오른쪽 표의 경계 등호는 결과를 바꾸지 않는다.
| 이항분포의 사건 | 정규근사의 구간 |
|---|---|
에서 의 확률을 구하자. 평균 50, 분산 25, 표준편차 5이고, 기대 성공·실패 수가 각각 50이다. 식 (1)의 비교 분포는 이다.
figures/continuity_cells.py그림 2의 바깥 경계를 먼저 정한 뒤 표준화한다. 표준화 전에 0.5를 보정해야 한다. 눈금에서는 0.5가 아니라 만큼의 이동이다. 보정 없이 45와 55를 그대로 표준화하면 이다. 끝 막대 45와 55의 절반씩을 빼고 잰 셈이다.
식 (2)의 주사위 문제에 보정을 쓰면 는 가 된다. 표준화하면 이므로 이다.
정확히 한 번일 확률을 정규분포의 한 점으로 구하나요?
아니다. 연속 정규분포의 한 점 확률은 0이므로, 정수 하나에 대응하는 폭 1의 구간 넓이를 쓴다. 에서 의 정확한 값은 약 0.0796이고, 은 약 0.0797이다.
정확한 이항확률과는 얼마나 다를까?
이 예의 정확한 식은 이항확률 11개를 더한 식 (4)다. 마지막 소수는 계산 결과를 반올림한 것이지만 앞의 유한 합 자체는 정확하다.
식 (3)의 근삿값과 정확한 합의 차이는 약 0.000079이다. 보정하지 않은 값과의 차이는 약 0.046057이다. 주사위 문제도 공학 도구로 정확한 합을 구할 수 있다.
식 (2)의 보정 없는 값 0.06681은 약 0.00832, 보정한 값 0.07353은 약 0.00160 차이가 난다. 은 에서 멀어 막대 모양이 조금 비대칭이라, 보정해도 앞의 예보다 오차가 크다. 이 수들은 이 문제에서 측정한 절대오차이며, 보정이 모든 문제에서 특정 오차 이내를 보장하지는 않는다.
그림 3은 에서 모든 정수 의 누적확률 를 근사했을 때 가장 큰 오차 를 마다 그렸다. 에서 보정한 오차는 0.0058, 보정 없는 오차는 0.0491이다. 그린 범위 전체에서 보정 없는 오차가 약 8~9배 크고, 을 100에서 400으로 4배 늘리면 두 오차 모두 절반 가까이로 준다.
figures/error_by_n.py이항분포의 정규근사에서 연속성 보정을 꼭 해야 하나요?
문제나 교재가 정한 방식을 따르되, 보정하면 정확한 이항확률에 대체로 더 가깝다. 확인한 교과서의 예제는 보정 없이 계산한다. 그림 3의 , 에서 누적확률의 최대 오차는 보정한 경우 0.0058, 보정하지 않은 경우 0.0491이다.
공학 도구로 정확한 이항확률을 구할 수 있는데도 근사를 배우나요?
그렇다. 정규근사는 이산형과 연속형의 관계를 이해하고 큰 시행 수의 모양을 해석하는 도구다. 정확한 유한 합을 구할 수 있으면 두 값을 비교할 수 있다. 필요한 정확도가 있다면 근삿값이라는 표시와 오차 확인을 생략하지 않는다.
기대 성공 수가 작으면 정규근사는 왜 틀릴까?
막대가 0 쪽에 몰려 좌우가 비대칭인데, 비교하는 정규곡선은 대칭이기 때문이다. 는 기대 성공 수가 다. 같은 평균·분산의 정규곡선은 일어날 수 없는 음수 쪽, 곧 아래에 넓이 약 0.0753을 준다.
0번 막대의 정확한 확률은 이다. 보정한 정규근사 와의 차이는 약 0.104159로, 앞의 예들보다 훨씬 크다. 그림 4에서 곡선의 꼭대기가 0번 막대보다 낮고 왼쪽으로 새어 나간 넓이를 볼 수 있다.
figures/skewed_failure.py이항분포의 정규근사는 n>0, 0<p<1인 B(n,p)를 N(np,np(1−p))로 어림한다. 기대 성공·실패 수와 정수 경계의 0.5 보정을 확인하며, 정확한 확률과 구별한다.
정규근사의 흔한 오해
- 평균과 분산이 같으니 두 분포는 같다. — 의 값은 정수뿐이고 정규변수는 연속값이다. 식 (3)의 근사 기호를 등호로 바꾸지 않는다.
- 어떤 부등호든 0.5를 더한다. — 는 왼쪽 경계를 44.5로 내리지만, 는 46부터 포함하므로 45.5로 올린다. 먼저 포함되는 정수를 확인한다.
직접 해보기
- 에서 의 보정한 표준정규구간을 적고 도구로 근사하라.
- 에서 의 정규근삿값을 구하라. 정확한 이항 합은 약 0.813943이다. 절대오차도 구하라.
- 는 기대 성공·실패 수가 각각 얼마인가? 교과서의 5 기준과 10 기준으로 정규근사가 적절한지 판단하라.
- 를 같은 평균·분산의 로 근사한다. , , 에 대응하는 세 구간을 각각 적어라.
- 이길 확률이 인 가위바위보를 서로 독립으로 288번 할 때 이긴 횟수를 라 하자. 를 보정 없이 표로 어림하고, 보정한 값도 도구로 구하라. 정확한 이항 합은 약 0.174028이다.
답과 풀이
- 평균 32, 표준편차 4이다. 경계는 27.5와 36.5이므로 표준화하면 −1.125부터 1.125까지다. 근삿값은 약 0.739411이고, 정확한 이항 합 약 0.739565와의 차이는 약 0.000154다.
- 평균 10, 분산 8, 표준편차 이다. 이다. 차이는 약 0.002323이다.
- , 다. 기대 성공 수가 5에도 못 미쳐 두 기준을 모두 만족하지 않는다. 정규근사를 권하기 어려우므로 이항확률을 직접 계산한다.
- 각각 , , 이다. 평균 10, 분산 7.5이며, 등호의 유무보다 포함되는 정수의 시작과 끝이 보정 방향을 정한다.
- 평균 , 분산 , 표준편차 8이다. 보정 없이 이다. 보정하면 이다. 정확한 값과의 차이는 보정 없이 약 0.015373, 보정하면 약 0.000223이다.
더 읽기
- 교육부 2022 개정 수학과 교육과정 — [12확통03-04]와 공학 도구 고려사항. 성공확률을 고정하고 시행 수에 따른 그래프 변화를 관찰한다.
- OpenStax, 중심극한정리의 활용 7.3절 — 이 절 중 이항분포의 정규근사 부분에서 5·10의 경험 기준과 0.5 경계 보정을 참고했다. 본문은 표본평균 일반 정리의 증명으로 확장하지 않는다.
- GeoGebra, BinomialDist 명령과 Normal 명령 — 같은 화면에 확률 막대와 비교 밀도를 만드는 공식 사용법이다.
영상 노트
- 00:00 정수 하나를 폭 1 막대로 펼치기
- 00:40 식 (1)의 분산과 표준편차, 교과서의 q와 5 기준
- 01:30 그림 1과 도구에서 p를 고정하고 n만 바꾸기, 독립인 0·1의 합
- 02:40 식 (2)로 주사위 720번 문제를 표로 어림하기
- 03:30 정수 45부터 55를 44.5부터 55.5로 보정하는 식 (3)과 그림 2
- 04:30 식 (4)·(5)의 정확한 합과 두 근삿값의 오차 비교하기
- 05:20 그림 3에서 n이 커질 때 줄어드는 오차 보기
- 06:00 그림 4의 작은 성공확률 반례와 세 부등호 경계 비교하기
지도에서의 위치
- 2026-11-16 · 교과 정의·새 연습·표와 도구 확인을 담은 에이전트 초안
- 2026-11-17 · 전수 검수 반영 — 교과서 표기 q와 np≥5·nq≥5 기준, 가까워지는 이유, 보정 없는 교과서형 계산과 보정 비교, n에 따른 오차 그림, 기대 성공 수가 작은 반례 그림, 새 질문·연습 1문항, 띄어쓰기 수정 (에이전트 수정, 그림 2→4)
- 2026-11-17 · 전수 검수(에이전트 편집·독립 검증) 통과 — 주인 요청으로 완성으로 올림