확률·통계기댓값#252

기댓값

Expected Value

기댓값은 이산확률변수의 값에 확률을 곱해 더한 평균이다. 유한한 확률분포에서 분산과 표준편차를 구하고, 모든 값에 같은 실수를 곱하거나 더할 때 중심과 퍼짐이 어떻게 바뀌는지 설명한다.

읽는 시간
약 7분
선수 개념
확률분포분산과 표준편차시그마 (수열의 합)

직관 — 무게가 다른 추의 균형점

직관

막대의 여러 위치에 추를 놓으면 무거운 추가 있는 쪽으로 균형점이 옮겨 간다. 위치만 평균하면 무게 차이를 놓친다. 확률이 큰 값에 더 큰 비중을 두는 평균도 이와 같다.

추의 위치는 확률변수의 값, 무게의 비율은 그 값의 확률이다. 이 비율을 반영한 중심이 기댓값이다. 자료의 평균과 분산을 확률분포에 맞게 넓히는 과정이다.

기댓값은 확률을 가중치로 쓴 평균이다

기댓값은 각 값에 그 값이 나올 확률을 곱한 뒤 더한 수다. 이 글에서는 유한한 값을 갖는 이산확률변수만 계산한다. 값을 x1,…,xmx_1,\ldots,x_m, 확률을 pi=P(X=xi)p_i=P(X=x_i)로 두면 pi≥0p_i\ge0이고 확률 합은 1이다.

E(X)=∑i=1mxipi=μ.(1)E(X)=\sum_{i=1}^{m}x_ip_i=\mu.\tag{1}
정의
기호이름원어뜻
X,xiX,x_i확률변수와 값random variable and valueXX가 가질 서로 다른 값 xix_i
pip_i각 값의 확률probabilityP(X=xi)P(X=x_i), 전체 합은 1
E(X),μE(X),\mu기댓값·평균expectation, mean확률을 가중치로 한 평균
V(X)V(X)분산variance평균으로부터의 제곱 편차의 기댓값
σ(X)\sigma(X)표준편차standard deviation분산의 음이 아닌 제곱근

교과서의 E(X)E(X)와 V(X)V(X)는 문헌의 E[X]E[X]와 Var⁡(X)\operatorname{Var}(X)와 같은 뜻이다. 교과서는 기댓값(평균)을 mm으로 두고 V(X)=E((X−m)2)V(X)=E((X-m)^2)처럼 쓰기도 한다. 이 페이지는 mm을 값의 개수로 쓰므로 평균을 μ\mu로 적는다. 식 (1)의 합 기호는 표의 각 행에서 구한 곱 xipix_ip_i를 i=1i=1부터 mm까지 모두 더하라는 뜻이다.

관측한 자료의 평균은 각 관측값에 1/n1/n씩을 주지만, 분포의 기댓값에는 각 값의 실제 확률을 쓴다. 앞 확률분포의 가상 점수로 계산해 보자. 공정한 주사위에서 눈 1·2·3은 점수 0, 4·5는 점수 1, 6은 점수 2로 정했다.

xix_ipip_ixipix_ip_ixi2pix_i^2p_i
01/21/200
11/31/31/31/31/31/3
21/61/61/31/32/32/3
합12/32/31
E(X)=0×12+1×13+2×16=23.(2)E(X)=0\times\frac12+1\times\frac13+2\times\frac16=\frac23.\tag{2}

0, 1, 2를 한 번씩 평균한 1과 다르다. 점수 0에 절반의 확률이 몰려 있으므로 그림 1의 균형점은 왼쪽으로 옮겨 간다. 2/32/3은 실제 점수로 나올 수 없지만 평균으로는 유효하다.

확률을 곱하는 이유는 결과 하나하나의 평균으로 돌아가 보면 보인다. 여섯 눈은 같은 가능성이므로 각 눈의 점수 0, 0, 0, 1, 1, 2를 똑같이 평균하면 (0+0+0+1+1+2)/6=2/3(0+0+0+1+1+2)/6=2/3이다. 같은 점수끼리 묶으면 0×3/6+1×2/6+2×1/60\times3/6+1\times2/6+2\times1/6이 되어 식 (2)와 같다. 기댓값에 곱하는 확률은 같은 값으로 모인 결과의 비중이다.

세 점수의 확률을 세로선 높이와 점 크기로 나타냈다. 파선은 기댓값 2/3이다. 값의 간격뿐 아니라 확률의 비중이 균형점을 정한다.
그림 1 세 점수의 확률을 세로선 높이와 점 크기로 나타냈다. 파선은 기댓값 2/3이다. 값의 간격뿐 아니라 확률의 비중이 균형점을 정한다. figures/weighted_center.py

시행만 주어진 문제는 확률분포부터 구한다. 앞 글의 주머니(흰 공 4개·검은 공 2개에서 3개를 동시에 꺼냄)에서 검은 공의 개수는 0, 1, 2의 확률이 1/5,3/5,1/51/5,3/5,1/5였다. 기댓값은 0×1/5+1×3/5+2×1/5=10\times1/5+1\times3/5+2\times1/5=1이다.

기댓값은 가장 자주 나오는 값인가요?

아니다. 기댓값은 확률을 가중치로 한 평균이고, 가장 자주 나오는 값은 최빈값이라 부르는 별개의 개념이다. 주사위 점수에서 확률이 가장 큰 값은 확률 1/21/2인 0이지만 기댓값은 2/32/3이다.

기댓값과 평균은 같은 말인가요?

확률변수에서는 같은 말이다. 교과서는 E(X)E(X)를 XX의 기댓값 또는 평균이라 부른다. 다만 주사위를 실제로 몇 번 던져 얻은 점수 자료의 평균은 던질 때마다 달라지는 값이므로, 분포로 정해지는 기댓값 2/32/3과 구별한다.

확률변수의 분산은 무엇을 평균할까?

분산은 각 값이 평균에서 떨어진 정도를 제곱하고, 그 제곱에 다시 확률을 곱해 평균한 값이다. 표준편차는 분산의 음이 아닌 제곱근이다. 값의 단위가 점이면 분산은 점², 표준편차는 점이다.

V(X)=∑i=1m(xi−μ)2pi,σ(X)=V(X).(3)V(X)=\sum_{i=1}^{m}(x_i-\mu)^2p_i,\qquad \sigma(X)=\sqrt{V(X)}.\tag{3}

가상 점수의 평균은 2/32/3이다. 편차를 제곱해 세 항을 계산하면 다음과 같다.

V(X)=49⋅12+19⋅13+169⋅16=6+1+827=59.(4)V(X)=\frac49\cdot\frac12+\frac19\cdot\frac13+\frac{16}{9}\cdot\frac16 =\frac{6+1+8}{27}=\frac59.\tag{4}

따라서 표준편차는 5/3≈0.745\sqrt5/3\approx0.745점이다. 확률을 곱한 세 항을 더했으므로, 결과를 값의 종류인 3으로 한 번 더 나누지 않는다.

그림 2는 식 (4)의 세 항을 값마다 나눠 그린 것이다. 값 2는 평균에서 가장 멀어 제곱 편차가 16/916/9로 크지만, 확률 1/61/6이 곱해져 8/278/27만 보탠다. 값 0은 제곱 편차가 4/94/9로 작아도 확률 1/21/2이 커서 6/276/27을 보탠다.

가상 점수 X의 각 값에서 평균 2/3까지의 제곱 편차(왼쪽 막대)와 그것에 확률을 곱한 항(오른쪽 막대)을 나란히 그렸다. 맨 오른쪽 Σ 막대는 세 항 6/27, 1/27, 8/27을 쌓은 것으로 높이가 분산 5/9이다.
그림 2 가상 점수 X의 각 값에서 평균 2/3까지의 제곱 편차(왼쪽 막대)와 그것에 확률을 곱한 항(오른쪽 막대)을 나란히 그렸다. 맨 오른쪽 Σ 막대는 세 항 6/27, 1/27, 8/27을 쌓은 것으로 높이가 분산 5/9이다. figures/variance_terms.py

분산이 0이면 확률변수의 값이 어떻게 되나요?

양의 확률을 갖는 모든 값이 기댓값과 같다. 식 (3)의 각 항은 0 이상이므로 합이 0이면 양의 확률을 곱하는 제곱 편차가 모두 0이어야 한다. 확률 0인 행을 표에 덧붙여도 이 결론은 바뀌지 않는다.

제곱의 기댓값에서 평균의 제곱을 빼도 된다

분산을 전개하면 V(X)=E(X2)−μ2V(X)=E(X^2)-\mu^2가 된다. E(X2)E(X^2)는 각 값을 먼저 제곱한 뒤 확률을 곱해 더한 값이다. 평균을 먼저 구해 제곱한 {E(X)}2\{E(X)\}^2와 순서가 다르다.

V(X)=∑i(xi2−2μxi+μ2)pi=E(X2)−2μE(X)+μ2∑ipi=E(X2)−μ2.(5)\begin{aligned} V(X)&=\sum_i(x_i^2-2\mu x_i+\mu^2)p_i\\ &=E(X^2)-2\mu E(X)+\mu^2\sum_i p_i\\ &=E(X^2)-\mu^2. \end{aligned}\tag{5}

합의 범위는 식 (1)처럼 i=1,…,mi=1,\ldots,m이다. 표에서 E(X2)=1E(X^2)=1이므로 V(X)=1−(2/3)2=5/9V(X)=1-(2/3)^2=5/9로 식 (4)와 같다. 표를 이용한 두 계산의 일치는 이 예제의 검산이며, 일반 이유는 식 (5)의 전개다. 거꾸로 평균과 분산을 알면 E(X2)=V(X)+μ2E(X^2)=V(X)+\mu^2로 제곱의 기댓값을 구한다.

같은 수를 곱하거나 더하면 기댓값과 퍼짐은 어떻게 바뀔까?

실수 a,ba,b에 대해 Y=aX+bY=aX+b로 정하자. 모든 값의 위치를 bb만큼 옮기면 중심만 옮겨 가고, aa를 곱하면 평균으로부터의 거리가 ∣a∣\lvert a\rvert배가 된다.

E(aX+b)=aE(X)+b,V(aX+b)=a2V(X),σ(aX+b)=∣a∣σ(X).(6)\begin{aligned} E(aX+b)&=aE(X)+b,\\ V(aX+b)&=a^2V(X),\\ \sigma(aX+b)&=\lvert a\rvert\sigma(X). \end{aligned}\tag{6}

첫째 식은 ∑i(axi+b)pi=a∑ixipi+b∑ipi\sum_i(ax_i+b)p_i=a\sum_i x_ip_i+b\sum_i p_i에서 나온다. 새 평균을 빼면 편차는 a(xi−μ)a(x_i-\mu)가 된다. 이를 제곱하면 a2a^2가 밖으로 나오므로 둘째 식이 성립하고, 제곱근에서 a2=∣a∣\sqrt{a^2}=\lvert a\rvert이므로 셋째 식을 얻는다. a=0a=0이면 모든 값이 bb가 되어 분산과 표준편차가 0인 경우도 포함된다.

Y=−3X+2Y=-3X+2로 점수 규칙을 바꾸면 원래 값 0, 1, 2는 새 값 2, −1, −4가 된다. 각 값의 확률은 그대로 따라간다.

E(Y)=−3⋅23+2=0,V(Y)=9⋅59=5,σ(Y)=5.(7)E(Y)=-3\cdot\frac23+2=0,\quad V(Y)=9\cdot\frac59=5,\quad \sigma(Y)=\sqrt5.\tag{7}
X의 세 값과 확률(위), Y=−3X+2의 세 값과 확률(아래)을 같은 가로 눈금에 그렸다. 음수를 곱해 순서가 뒤집히고 평균은 0으로 옮겨 갔지만 표준편차는 음수가 되지 않는다.
그림 3 X의 세 값과 확률(위), Y=−3X+2의 세 값과 확률(아래)을 같은 가로 눈금에 그렸다. 음수를 곱해 순서가 뒤집히고 평균은 0으로 옮겨 갔지만 표준편차는 음수가 되지 않는다. figures/affine_values.py

기댓값으로 게임이 공정한지 판단할 수 있을까?

판단할 수 있다. 참가비와 상금의 기댓값이 같아 기대 이익이 0이면 그 게임을 공정하다고 한다. 주사위 점수 XX에 따라 상금 A=300XA=300X원을 주는 게임을 생각하자. 식 (6)에서 E(A)=300×2/3=200E(A)=300\times2/3=200원이므로, 참가비가 200원이면 이익의 기댓값은 0이다.

E(300X−200)=300⋅23−200=0.(8)E(300X-200)=300\cdot\frac23-200=0.\tag{8}

참가비가 250원이면 이익의 기댓값은 200−250=−50200-250=-50원이다. 여러 번 반복하면 한 판에 평균 50원씩 잃는 쪽으로 기운다는 뜻이다. 그래도 한 번의 시행에서는 눈 6이 나와 600−250=350600-250=350원을 벌 수도 있다.

다른 게임 B는 눈 6이 나올 때만 1200원을 주고 그 밖에는 0원을 준다. 상금 BB의 기댓값도 1200×1/6=2001200\times1/6=200원으로 A와 같다. 그러나 분산은 A의 V(A)=3002×5/9=50000V(A)=300^2\times5/9=50000의 네 배다.

V(B)=12002⋅16−2002=200000.(9)V(B)=1200^2\cdot\frac16-200^2=200000.\tag{9}

σ(B)=200000=2005≈447.2\sigma(B)=\sqrt{200000}=200\sqrt5\approx447.2원이고, A는 식 (6)에서 σ(A)=300σ(X)=1005≈223.6\sigma(A)=300\sigma(X)=100\sqrt5\approx223.6원이다. 그림 4에서 두 게임의 평균선은 같은 자리에 있지만 B의 화살표가 두 배 길다. 평균이 같아도 결과가 얼마나 흔들리는지는 표준편차로 비교한다.

기댓값이 200원으로 같은 두 게임의 상금 분포. A는 300X원(위), B는 눈 6일 때만 1200원(아래)이다. 파선은 평균, 가로 화살표는 평균에서 양쪽으로 표준편차만큼이며 σ는 약 224원과 447원이다.
그림 4 기댓값이 200원으로 같은 두 게임의 상금 분포. A는 300X원(위), B는 눈 6일 때만 1200원(아래)이다. 파선은 평균, 가로 화살표는 평균에서 양쪽으로 표준편차만큼이며 σ는 약 224원과 447원이다. figures/game_spread.py

기댓값만큼의 결과를 매번 받을 수 있나요?

아니다. 기댓값은 한 번의 결과를 보장하지 않으며, 주사위 점수의 기댓값 2/32/3은 한 번의 시행에서 나올 수조차 없는 값이다. 같은 분포로 독립적으로 여러 번 반복하면 결과의 평균이 기댓값 가까이에 모이는 경향이 있다. 이 경향은 이항분포의 큰 수의 법칙 절에서 확률로 설명한다.

핵심

유한 이산확률변수의 기댓값은 확률을 가중치로 한 평균이고, 분산은 제곱 편차의 기댓값이다. 실수 a를 곱하면 표준편차는 그 절댓값만큼 배가 된다.

기댓값의 흔한 오해

  • 제곱의 기댓값은 기댓값의 제곱이다. — 이 예에서 E(X2)=1E(X^2)=1이지만 {E(X)}2=4/9\{E(X)\}^2=4/9이다. 두 값의 차이 5/95/9가 분산이다.
  • 점수에 2를 더하면 분산도 2 커진다. — 평균도 같이 2 이동하므로 각 편차는 그대로다. 식 (6)에 a=1,b=2a=1,b=2를 넣으면 분산은 여전히 5/95/9이다.

직접 해보기

  1. WW의 값 −1, 1, 2의 확률이 1/4,1/2,1/41/4,1/2,1/4이다. 기댓값, 제곱의 기댓값, 분산과 표준편차를 구하라.
  2. 1번의 WW에 대해 R=−4W+3R=-4W+3의 평균·분산·표준편차를 구하라.
  3. 확률변수 XX의 평균이 3, 분산이 4이다. E(X2)E(X^2)와 −2X+5-2X+5의 평균·분산·표준편차를 구하라.
  4. XX의 값 1, 2, 3의 확률이 차례로 a,b,1/4a,b,1/4이고 E(X)=2E(X)=2이다. a,ba,b와 V(X)V(X)를 구하라.
  5. 공정한 주사위를 던져 1이 나오면 900원, 2나 3이 나오면 300원, 그 밖에는 0원을 받는 게임의 참가비가 300원이다. 상금의 기댓값과 이익의 기댓값을 구하고, 공정한 참가비를 구하라.
답과 풀이
  1. E(W)=−1/4+1/2+2/4=3/4E(W)=-1/4+1/2+2/4=3/4이고, E(W2)=1/4+1/2+4/4=7/4E(W^2)=1/4+1/2+4/4=7/4이다. 따라서 V(W)=7/4−9/16=19/16V(W)=7/4-9/16=19/16, 표준편차는 19/4\sqrt{19}/4이다.
  2. 평균은 −4(3/4)+3=0-4(3/4)+3=0이다. 분산은 16(19/16)=1916(19/16)=19, 표준편차는 4(19/4)=194(\sqrt{19}/4)=\sqrt{19}이다.
  3. 식 (5)를 거꾸로 쓰면 E(X2)=4+32=13E(X^2)=4+3^2=13이다. 식 (6)에서 평균은 −2×3+5=−1-2\times3+5=-1, 분산은 (−2)2×4=16(-2)^2\times4=16, 표준편차는 ∣−2∣×2=4\lvert-2\rvert\times2=4이다.
  4. 확률 합에서 a+b=3/4a+b=3/4, 기댓값에서 a+2b+3/4=2a+2b+3/4=2이므로 a+2b=5/4a+2b=5/4이다. 두 식을 빼면 b=1/2b=1/2, a=1/4a=1/4이다. E(X2)=1/4+4/2+9/4=9/2E(X^2)=1/4+4/2+9/4=9/2이므로 V(X)=9/2−22=1/2V(X)=9/2-2^2=1/2이다.
  5. 상금의 기댓값은 900×1/6+300×2/6=150+100=250900\times1/6+300\times2/6=150+100=250원이다. 이익의 기댓값은 250−300=−50250-300=-50원이고, 공정한 참가비는 상금의 기댓값과 같은 250원이다.

다음 이항분포에서는 반복 시행의 성공 횟수에 이 평균과 퍼짐을 적용한다. 연속확률변수의 평균과 분산을 적분으로 구하는 방법은 연속확률변수의 기댓값에서 이어진다.

더 읽기

영상 노트

영상 노트
  • 00:00 다른 무게의 추로 기댓값 설명하기
  • 00:40 표의 곱을 더해 식 (2) 계산하기, 교과서 기호 m 짚기
  • 01:40 주머니 문제를 분포부터 구해 기댓값 1 얻기
  • 02:20 식 (3)에 편차를 넣어 식 (4) 얻고 그림 2로 세 항의 기여 비교하기
  • 03:30 식 (5)를 전개하며 두 종류의 제곱 구별하기
  • 04:30 편차의 변화를 이용해 식 (6) 유도하기
  • 05:30 그림 3과 식 (7)의 음수 배율 확인하기
  • 06:20 식 (8)로 공정한 참가비 정하고, 식 (9)와 그림 4로 같은 평균·다른 표준편차 비교하기
  • 07:30 미지 확률과 참가비 문제 풀기

지도에서의 위치

이 페이지의 기록
  1. 2026-11-17 · 전문 수학 연속확률변수의 기댓값 후속 글 연결
  2. 2026-11-16 · 교과 범위의 정의·중간 계산·변형 연습과 그림을 작성한 에이전트 초안
  3. 2026-11-17 · 전수 검수 반영 — 합 기호 설명을 바로잡고 교과서의 평균 기호 m을 잇고, 분산 세 항의 기여, 분포부터 구하는 기댓값, 공정한 게임과 같은 평균·다른 표준편차를 보강하고 해보기를 미지 확률·역산·참가비 유형으로 바꿈 (에이전트 수정, 그림 2→4)
  4. 2026-11-17 · 전수 검수(에이전트 편집·독립 검증) 통과 — 주인 요청으로 완성으로 올림