직관 — 무게가 다른 추의 균형점
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 , 확률을 로 두면 이고 확률 합은 1이다.
| 기호 | 이름 | 원어 | 뜻 |
|---|---|---|---|
| 확률변수와 값 | random variable and value | 가 가질 서로 다른 값 | |
| 각 값의 확률 | probability | , 전체 합은 1 | |
| 기댓값·평균 | expectation, mean | 확률을 가중치로 한 평균 | |
| 분산 | variance | 평균으로부터의 제곱 편차의 기댓값 | |
| 표준편차 | standard deviation | 분산의 음이 아닌 제곱근 |
교과서의 와 는 문헌의 와 와 같은 뜻이다. 교과서는 기댓값(평균)을 으로 두고 처럼 쓰기도 한다. 이 페이지는 을 값의 개수로 쓰므로 평균을 로 적는다. 식 (1)의 합 기호는 표의 각 행에서 구한 곱 를 부터 까지 모두 더하라는 뜻이다.
관측한 자료의 평균은 각 관측값에 씩을 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.
| 0 | 0 | 0 | |
| 1 | |||
| 2 | |||
| 합 | 1 | 1 |
0, 1, 2를 한 번씩 평균한 1과 다르다. 점수 0에 절반의 확률이 몰려 있으므로 그림 1의 균형점은 왼쪽으로 옮겨 간다. 은 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 이다. 같은 점수끼리 묶으면 이 되어 식 (2)와 같다. 기댓값에 곱하는 확률은 같은 값으로 모인 결과의 비중이다.
figures/weighted_center.py시행만 주어진 문제는 확률분포부터 구한다. 앞 글의 주머니(흰 공 4개·검은 공 2개에서 3개를 동시에 꺼냄)에서 검은 공의 개수는 0, 1, 2의 확률이 였다. 기댓값은 이다.
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 인 0이지만 기댓값은 이다.
기댓값과 평균은 같은 말인가요?
확률변수에서는 같은 말이다. 교과서는 를 의 기댓값 또는 평균이라 부른다. 다만 주사위를 실제로 몇 번 던져 얻은 점수 자료의 평균은 던질 때마다 달라지는 값이므로, 분포로 정해지는 기댓값 과 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.
가상 점수의 평균은 이다. 편차를 제곱해 세 항을 계산하면 다음과 같다.
따라서 표준편차는 점이다. 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 로 크지만, 확률 이 곱해져 만 보탠다. 값 0은 제곱 편차가 로 작아도 확률 이 커서 을 보탠다.
figures/variance_terms.py분산이 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 가 된다. 는 각 값을 먼저 제곱한 뒤 확률을 곱해 더한 값이다. 평균을 먼저 구해 제곱한 와 순서가 다르다.
합의 범위는 식 (1)처럼 이다. 표에서 이므로 로 식 (4)와 같다. 표를 이용한 두 계산의 일치는 이 예제의 검산이며, 일반 이유는 식 (5)의 전개다. 거꾸로 평균과 분산을 알면 로 제곱의 기댓값을 구한다.
같은 수를 곱하거나 더하면 기댓값과 퍼짐은 어떻게 바뀔까?
실수 에 대해 로 정하자. 모든 값의 위치를 만큼 옮기면 중심만 옮겨 가고, 를 곱하면 평균으로부터의 거리가 배가 된다.
첫째 식은 에서 나온다. 새 평균을 빼면 편차는 가 된다. 이를 제곱하면 가 밖으로 나오므로 둘째 식이 성립하고, 제곱근에서 이므로 셋째 식을 얻는다. 이면 모든 값이 가 되어 분산과 표준편차가 0인 경우도 포함된다.
로 점수 규칙을 바꾸면 원래 값 0, 1, 2는 새 값 2, −1, −4가 된다. 각 값의 확률은 그대로 따라간다.
figures/affine_values.py기댓값으로 게임이 공정한지 판단할 수 있을까?
판단할 수 있다. 참가비와 상금의 기댓값이 같아 기대 이익이 0이면 그 게임을 공정하다고 한다. 주사위 점수 에 따라 상금 원을 주는 게임을 생각하자. 식 (6)에서 원이므로, 참가비가 200원이면 이익의 기댓값은 0이다.
참가비가 250원이면 이익의 기댓값은 원이다. 여러 번 반복하면 한 판에 평균 50원씩 잃는 쪽으로 기운다는 뜻이다. 그래도 한 번의 시행에서는 눈 6이 나와 원을 벌 수도 있다.
다른 게임 B는 눈 6이 나올 때만 1200원을 주고 그 밖에는 0원을 준다. 상금 의 기댓값도 원으로 A와 같다. 그러나 분산은 A의 의 네 배다.
원이고, A는 식 (6)에서 원이다. 그림 4에서 두 게임의 평균선은 같은 자리에 있지만 B의 화살표가 두 배 길다. 평균이 같아도 결과가 얼마나 흔들리는지는 표준편차로 비교한다.
figures/game_spread.py기댓값만큼의 결과를 매번 받을 수 있나요?
아니다. 기댓값은 한 번의 결과를 보장하지 않으며, 주사위 점수의 기댓값 은 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.
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 이지만 이다. 두 값의 차이 가 분산이다.
- 점수에 2를 더하면 분산도 2 커진다. — 평균도 같이 2 이동하므로 각 편차는 그대로다. 식 (6)에 를 넣으면 분산은 여전히 이다.
직접 해보기
- 의 값 −1, 1, 2의 확률이 이다. 기댓값, 제곱의 기댓값, 분산과 표준편차를 구하라.
- 1번의 에 대해 의 평균·분산·표준편차를 구하라.
- 확률변수 의 평균이 3, 분산이 4이다. 와 의 평균·분산·표준편차를 구하라.
- 의 값 1, 2, 3의 확률이 차례로 이고 이다. 와 를 구하라.
- 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
- 이고, 이다. 따라서 , 표준편차는 이다.
- 평균은 이다. 분산은 , 표준편차는 이다.
- 식 (5)를 거꾸로 쓰면 이다. 식 (6)에서 평균은 , 분산은 , 표준편차는 이다.
- 확률 합에서 , 기댓값에서 이므로 이다. 두 식을 빼면 , 이다. 이므로 이다.
- 상금의 기댓값은 원이다. 이익의 기댓값은 원이고, 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
- 교육부 2022 개정 수학과 교육과정 — [12확통03-02]. 이산확률변수의 기댓값과 표준편차가 교과 목표다.
- OpenStax, 기댓값과 표준편차 4.2절 — Illowsky·Dean, 2023. 확률 가중 평균·제곱 편차의 정의와 반복 해석을 참고했다. 표의 점수와 변환 예제는 직접 구성했다.
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
- 2026-11-17 · 전문 수학 연속확률변수의 기댓값 후속 글 연결
- 2026-11-16 · 교과 범위의 정의·중간 계산·변형 연습과 그림을 작성한 에이전트 초안
- 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)
- 2026-11-17 · 전수 검수(에이전트 편집·독립 검증) 통과 — 주인 요청으로 완성으로 올림