확률·통계정규분포#254

정규분포

Normal Distribution

정규분포는 평균 μ와 양의 표준편차 σ로 정해지는 대칭인 종 모양의 연속확률분포다. N(μ,σ²)의 둘째 수가 분산임을 구별하고, 곡선의 성질과 평균에서 1·2·3 표준편차 안에 들 확률을 그림으로 읽는다.

읽는 시간
약 7분
선수 개념
확률분포기댓값

직관 — 같은 넓이의 모래언덕

직관

모래의 양은 그대로 두고 언덕을 옆으로 옮길 수 있다. 옆으로 더 넓게 펼치면 꼭대기는 낮아진다. 정규분포의 곡선도 중심의 위치와 퍼짐을 구별해서 읽는다.

언덕 아래 넓이는 전체 확률 1, 중심은 평균, 퍼짐은 표준편차에 대응한다. 키나 측정 오차처럼 많은 자료를 모아 계급을 잘게 나누면, 상대도수 히스토그램이 좌우 대칭인 종 모양 곡선에 가까워지는 경우가 많다. 정규분포는 그런 자료의 모형이고, 뒤에 배우는 표본평균과 추정의 바탕이 된다.

정규분포는 평균과 양의 표준편차로 정한다

정규분포는 실수 전체에서 값을 갖는 연속확률변수 XX의 확률밀도함수가 식 (2)인 확률분포다. 실수 μ\mu와 양수 σ\sigma 두 수가 곡선 하나를 정하며, 기호로는 식 (1)처럼 쓴다.

X∼N(μ,σ2),μ∈R,σ>0.(1)X\sim N(\mu,\sigma^2),\qquad \mu\in\mathbb R,\quad \sigma>0.\tag{1} f(x)=1σ2πe−(x−μ)22σ2,x∈R.(2)f(x)=\frac{1}{\sigma\sqrt{2\pi}} e^{-\frac{(x-\mu)^2}{2\sigma^2}},\qquad x\in\mathbb R.\tag{2}

e≈2.71828e\approx2.71828은 자연상수, π\pi는 원주율이다. 식 (2)의 μ\mu와 σ\sigma는 각각 XX의 평균과 표준편차임이 알려져 있다. 곧 E(X)=μE(X)=\mu, V(X)=σ2V(X)=\sigma^2, σ(X)=σ\sigma(X)=\sigma이다. 이 사실을 적분으로 확인하는 일은 이 글의 선수로 요구하지 않는다.

정의
기호이름원어뜻
XX확률변수random variable정규분포를 따른다고 가정한 연속확률변수
μ\mu평균mean대칭축 x=μx=\mu의 위치, E(X)E(X)
σ\sigma표준편차standard deviation퍼짐을 정하는 양수, σ(X)\sigma(X)
σ2\sigma^2분산variance표준편차의 제곱, V(X)V(X)
N(μ,σ2)N(\mu,\sigma^2)정규분포normal distribution이 글은 둘째 자리에 분산을 쓴다
f(x)f(x)확률밀도함수probability density function구간 아래 넓이가 확률이 되는 높이

교육과정과 교과서는 평균을 mm으로 써서 N(m,σ2)N(m,\sigma^2)로 적는다. 이 글의 μ\mu가 그 mm이다. 기호 NN은 영어 이름 normal distribution의 첫 글자다.

교재나 소프트웨어는 둘째 인수에 표준편차를 받기도 한다. 그래서 표기 규약을 확인해야 한다. 이 글의 N(50,25)N(50,25)에서는 평균 50, 분산 25, 표준편차 25=5\sqrt{25}=5이다. 표준편차를 25로 읽으면 다른 분포가 된다. 아래에서는 가상의 시험 점수 X∼N(50,25)X\sim N(50,25)를 예로 계속 쓴다.

정규분포의 표준편차가 0일 수도 있나요?

아니다. 이 글의 연속 정규분포에서는 σ>0\sigma>0이다. 모든 값이 50으로 고정된 확률변수의 분산은 0이지만, 종 모양 밀도를 갖는 정규분포에는 포함하지 않는다. 식 (2)에 0을 넣으면 분모도 0이 된다.

정규분포 곡선은 어떤 성질을 가질까?

식 (2)의 그래프를 정규분포 곡선이라고 한다. 식 (2)에서 다음 다섯 성질을 읽는다. 1과 3은 지수 −(x−μ)2/(2σ2)-(x-\mu)^2/(2\sigma^2)에서, 2의 최댓값과 4의 넓이는 앞의 상수 1/(σ2π)1/(\sigma\sqrt{2\pi})까지 보아야 나온다. 대칭이라는 조건 하나만으로 정규분포라고 판정하지는 않는다. 정확한 곡선은 식 (2)가 정한다.

  1. 직선 x=μx=\mu에 대하여 대칭이다. x=μ−tx=\mu-t와 x=μ+tx=\mu+t를 넣으면 (x−μ)2=t2(x-\mu)^2=t^2으로 같아 높이가 같다.
  2. x=μx=\mu에서 최댓값 1/(σ2π)1/(\sigma\sqrt{2\pi})를 갖는다. 지수는 x=μx=\mu에서 0이고 다른 곳에서는 음수다. N(50,25)N(50,25)의 최댓값은 1/(52π)≈0.07981/(5\sqrt{2\pi})\approx0.0798이다.
  3. xx축을 점근선으로 갖는다. ee의 거듭제곱은 0이 되지 않으므로 모든 xx에서 f(x)>0f(x)>0이다. 평균에서 멀어질수록 0에 가까워져, N(50,25)N(50,25)에서 f(70)≈0.0000268f(70)\approx0.0000268이다.
  4. 곡선과 xx축 사이의 넓이는 1이다. 앞의 상수 1/(σ2π)1/(\sigma\sqrt{2\pi})가 넓이를 1로 맞춘다. 이 적분의 증명은 여기서 다루지 않는다.
  5. μ\mu는 곡선의 위치를, σ\sigma는 퍼짐을 바꾼다. 다음 절에서 비교한다.

그림 1은 N(50,25)N(50,25) 곡선의 대칭축과 최댓값을 표시했다. 평균에서 8씩 떨어진 42와 58의 높이가 같다. 양 끝의 곡선은 xx축에 거의 붙어 보이지만 닿지는 않는다.

N(50,25)의 곡선은 직선 x=50에 대하여 대칭이고 x=50에서 최댓값 약 0.0798을 갖는다. 평균에서 8씩 떨어진 42와 58의 높이가 같고, 색칠한 두 꼬리의 넓이도 각각 약 0.0548로 같다.
그림 1 N(50,25)의 곡선은 직선 x=50x=50에 대하여 대칭이고 x=50x=50에서 최댓값 약 0.0798을 갖는다. 평균에서 8씩 떨어진 42와 58의 높이가 같고, 색칠한 두 꼬리의 넓이도 각각 약 0.0548로 같다. figures/symmetric_tails.py

자료의 평균과 표준편차를 알면 정규분포인가요?

아니다. 평균과 표준편차는 분포의 일부 특징이며, 정규분포 모형이 적절한지는 자료의 모양과 발생 조건을 따로 살펴야 한다. 예를 들어 일정 구간에서 밀도가 평평한 균등분포도 평균과 표준편차가 있지만 정규분포가 아니다.

평균과 표준편차는 그래프를 어떻게 바꿀까?

표준편차가 같고 평균만 바뀌면 같은 곡선이 가로로 이동한다. 그림 2 위쪽의 N(50,25)N(50,25)와 N(65,25)N(65,25)는 표준편차 5가 같고 중심만 15만큼 이동한다. 모양이 그대로이므로 최댓값도 0.0798로 같다.

평균을 50으로 고정하고 표준편차를 5에서 10으로 바꾸면 N(50,25)N(50,25)에서 N(50,100)N(50,100)이 된다. 평균으로부터 같은 표준편차 배수에 해당하는 가로 거리가 두 배가 되고, 전체 넓이를 1로 유지하려고 높이는 절반이 된다. 식 (2)에서 (x−μ)/σ(x-\mu)/\sigma를 같게 두면 앞의 1/σ1/\sigma가 이 관계를 설명한다. 최댓값은 0.0798에서 0.0399로 줄어든다.

위는 표준편차 5를 고정하고 평균 50과 65를 비교했다. 아래는 평균 50을 고정하고 표준편차 5와 10을 비교했다. 둘째 인수는 분산이므로 각각 25와 100이다.
그림 2 위는 표준편차 5를 고정하고 평균 50과 65를 비교했다. 아래는 평균 50을 고정하고 표준편차 5와 10을 비교했다. 둘째 인수는 분산이므로 각각 25와 100이다. figures/normal_parameters.py

넓게 퍼진 곡선이 모든 곳에서 낮아지는 것은 아니다. 식 (2)로 계산하면 두 곡선은 x≈43.2x\approx43.2와 x≈56.8x\approx56.8에서 만나고, 그 바깥에서는 N(50,100)N(50,100)이 더 높다. 예를 들어 x=65x=65에서 높이는 N(50,25)N(50,25)가 약 0.00089, N(50,100)N(50,100)이 약 0.0130이다. 넓이 1을 지키면서 가운데 넓이의 일부를 양 끝으로 옮겼기 때문이다.

두 곡선이 만나는 점은 어떻게 구할까?

평균에서의 거리를 d=∣x−50∣d=|x-50|이라 하자. 식 (2)에 두 표준편차를 넣고 높이가 같다고 두면 다음과 같다.

152πe−d250=1102πe−d2200.\frac{1}{5\sqrt{2\pi}}e^{-\frac{d^2}{50}}=\frac{1}{10\sqrt{2\pi}}e^{-\frac{d^2}{200}}.

양변에 102π ed2/5010\sqrt{2\pi}\,e^{d^2/50}을 곱하면 2=e3d2/2002=e^{3d^2/200}이다. 자연로그를 취하면 d2=200ln⁡2/3≈46.21d^2=200\ln2/3\approx46.21, d≈6.80d\approx6.80이다. 그래서 만나는 점은 50±6.8050\pm6.80, 곧 약 43.2와 56.8이다.

중심에서 같은 거리인 구간의 확률은 왜 같을까?

대칭인 두 구간 아래 넓이가 같기 때문이다. 전체 넓이는 1이고 중심의 한 점은 넓이가 0이므로, 식 (1)의 정규분포에서 다음이 성립한다.

P(X<μ)=P(X>μ)=12,P(X=μ)=0.(3)P(X<\mu)=P(X>\mu)=\frac12,\qquad P(X=\mu)=0.\tag{3}

같은 이유로 양수 aa에 대해 왼쪽 꼬리 P(X≤μ−a)P(X\le\mu-a)와 오른쪽 꼬리 P(X≥μ+a)P(X\ge\mu+a)가 같다. 그림 1의 두 꼬리가 그 예다.

이 성질을 거꾸로 쓰면 평균을 찾는다. 대칭으로 P(X≥b)=P(X≤2μ−b)P(X\ge b)=P(X\le2\mu-b)이다. 밀도가 양수라서 왼쪽 누적 넓이 P(X≤t)P(X\le t)는 tt가 커지면 반드시 커지므로, 두 왼쪽 넓이가 같으면 경계도 같다. 따라서 a=2μ−ba=2\mu-b이다.

P(X≤a)=P(X≥b) ⟹ μ=a+b2.(4)P(X\le a)=P(X\ge b)\ \Longrightarrow\ \mu=\frac{a+b}{2}.\tag{4}

그림 1에서는 P(X≤42)=P(X≥58)P(X\le42)=P(X\ge58)이므로 μ=(42+58)/2=50\mu=(42+58)/2=50이다. 높이로도 같은 판단을 한다. a≠ba\ne b이고 f(a)=f(b)f(a)=f(b)이면 (a−μ)2=(b−μ)2(a-\mu)^2=(b-\mu)^2에서 a−μ=−(b−μ)a-\mu=-(b-\mu)이므로 역시 μ=(a+b)/2\mu=(a+b)/2이다.

정규분포에서 평균인 값이 나올 확률이 가장 큰가요?

아니다. 정규분포의 평균에서는 밀도가 가장 높지만 정확히 한 값의 확률은 0이다. 같은 작은 폭의 구간을 비교할 때 중심 근처의 넓이가 더 크다는 뜻과 구별한다. P(X=50)P(X=50)과 P(49≤X≤51)P(49\le X\le51)은 서로 다른 사건이다.

평균에서 표준편차의 1배·2배·3배 안에 들 확률은 얼마일까?

정규분포에서 평균의 양쪽 한 표준편차 안에 있을 확률은 약 0.6827이다. 두 표준편차 안은 약 0.9545, 세 표준편차 안은 약 0.9973이다. 세 값은 평균과 표준편차가 무엇이든 같고, 그 이유는 표준정규분포의 표준화에서 나온다.

P(μ−σ≤X≤μ+σ)≈0.6827,P(μ−2σ≤X≤μ+2σ)≈0.9545,P(μ−3σ≤X≤μ+3σ)≈0.9973.(5)\begin{aligned} P(\mu-\sigma\le X\le\mu+\sigma)&\approx0.6827,\\ P(\mu-2\sigma\le X\le\mu+2\sigma)&\approx0.9545,\\ P(\mu-3\sigma\le X\le\mu+3\sigma)&\approx0.9973. \end{aligned}\tag{5}

식 (5)는 표준정규분포표나 공학 도구로 구한 넓이이며, 대칭만으로 수치가 정해지지는 않는다. X∼N(50,25)X\sim N(50,25)에서는 45와 55가 평균에서 표준편차 하나씩 떨어져 있다. 그래서 다음을 얻는다.

P(45≤X≤55)≈0.6827,P(50≤X≤55)≈0.3413.(6)P(45\le X\le55)\approx0.6827,\qquad P(50\le X\le55)\approx0.3413.\tag{6}
N(50,25)에서 평균 50의 양쪽 1·2·3 표준편차 구간인 45부터 55까지, 40부터 60까지, 35부터 65까지를 진하기를 달리해 색칠했다. 세 구간의 넓이는 약 0.6827, 0.9545, 0.9973이며, 높이나 가로 폭 자체가 확률은 아니다.
그림 3 N(50,25)에서 평균 50의 양쪽 1·2·3 표준편차 구간인 45부터 55까지, 40부터 60까지, 35부터 65까지를 진하기를 달리해 색칠했다. 세 구간의 넓이는 약 0.6827, 0.9545, 0.9973이며, 높이나 가로 폭 자체가 확률은 아니다. figures/normal_interval.py

식 (6)의 둘째 값은 대칭으로 첫째 값의 절반이다. 꼬리 확률도 식 (5)에서 바로 나온다. 두 표준편차 밖의 넓이는 1−0.9545=0.04551-0.9545=0.0455이고, 대칭으로 양쪽에 반씩 나뉜다.

P(X≥60)≈1−0.95452=0.02275.(7)P(X\ge60)\approx\frac{1-0.9545}{2}=0.02275.\tag{7}

응시자가 1000명이라면 60점 이상은 약 1000×0.02275≈231000\times0.02275\approx23명으로 예상한다. 모형에서 나온 기댓값이므로 실제 인원은 다를 수 있다. 연속확률변수라서 같은 구간에서 끝점의 등호를 빼도 확률은 같다.

정규분포에서 한 표준편차 안의 확률은 0.6826인가요, 0.6827인가요?

정규분포에서 한 표준편차 안의 확률은 0.68269…이고, 두 수는 같은 넓이를 다르게 반올림한 표시다. 소수 넷째 자리 표의 P(0≤Z≤1)=0.3413P(0\le Z\le1)=0.3413을 두 번 더하면 0.6826이고, 정확한 값을 소수 넷째 자리까지 나타내면 0.6827이다. 교과서의 0.9544·0.9974가 0.9545·0.9973과 끝자리가 다른 것도 같은 이유다.

핵심

정규분포 N(μ,σ²)는 실수 평균 μ와 양수 표준편차 σ로 정해진다. μ는 중심, σ는 퍼짐을 바꾸며, 확률은 밀도 높이가 아니라 구간 아래 넓이로 구한다.

정규분포의 흔한 오해

  • 밀도가 1보다 높으면 잘못된 분포다. — 표준편차가 0.2인 정규분포는 중심 높이가 1/(0.22π)≈1.99471/(0.2\sqrt{2\pi})\approx1.9947이다(그림 4). 곡선이 좁아 높이가 커도 전체 넓이가 1인 조건과 모순되지 않는다.
  • 평균이 커지면 곡선이 더 퍼진다. — 그림 2 위의 두 곡선은 평균만 다르다. 표준편차가 같아 퍼짐과 최댓값 0.0798이 그대로다.
평균이 0이고 표준편차가 1과 0.2인 두 정규분포 N(0,1)과 N(0, 0.04)를 겹쳤다. 좁은 곡선의 최댓값은 약 1.9947로 1보다 크지만, 두 곡선 아래 넓이는 모두 1이다.
그림 4 평균이 0이고 표준편차가 1과 0.2인 두 정규분포 N(0,1)과 N(0, 0.04)를 겹쳤다. 좁은 곡선의 최댓값은 약 1.9947로 1보다 크지만, 두 곡선 아래 넓이는 모두 1이다. figures/high_density.py

직접 해보기

  1. X∼N(30,16)X\sim N(30,16)의 평균·분산·표준편차를 구하고, 평균의 양쪽 한 표준편차 구간을 적어라.
  2. N(12,9)N(12,9)와 N(20,9)N(20,9)는 어떻게 다를까? N(12,9)N(12,9)와 N(12,36)N(12,36)도 비교하라.
  3. 정규분포 XX의 평균이 μ\mu이고 a>0a>0이다. P(X≤μ−a)=0.12P(X\le\mu-a)=0.12이면 P(X≥μ+a)P(X\ge\mu+a)와 P(μ−a<X<μ+a)P(\mu-a<X<\mu+a)를 구하라.
  4. 어떤 정규분포에서 평균의 오른쪽 한 표준편차 구간 넓이가 0.3413으로 주어졌다. 평균보다 한 표준편차 이상 큰 구간의 확률을 이 근삿값으로 구하라.
  5. X∼N(μ,9)X\sim N(\mu,9)에서 P(X≤14)=P(X≥26)P(X\le14)=P(X\ge26)이다. μ\mu를 구하고, 식 (5)를 써서 P(X≥26)P(X\ge26)의 근삿값을 구하라.
답과 풀이
  1. 평균 30, 분산 16, 표준편차 4이다. 구간은 30−4=2630-4=26부터 30+4=3430+4=34이며 확률은 약 0.6827이다.
  2. 첫 비교는 표준편차 3이 같고 중심이 오른쪽으로 8 이동한다. 둘째 비교는 중심 12가 같지만 표준편차가 3에서 6으로 두 배가 되어 더 넓고, 최댓값은 절반으로 낮다.
  3. 대칭인 오른쪽 꼬리도 0.12이다. 가운데 확률은 1−0.12−0.12=0.761-0.12-0.12=0.76이다. 한 점의 확률이 0이므로 경계의 등호는 결과를 바꾸지 않는다.
  4. 평균 오른쪽 전체가 0.5이므로 0.5−0.3413=0.15870.5-0.3413=0.1587이다. 사용한 넓이가 반올림값이어서 결과도 근삿값이다.
  5. 식 (4)에서 μ=(14+26)/2=20\mu=(14+26)/2=20이다. 표준편차는 9=3\sqrt9=3이고 26=20+2×326=20+2\times3이므로, 두 표준편차 밖의 오른쪽 꼬리다. P(X≥26)≈(1−0.9545)/2=0.02275P(X\ge26)\approx(1-0.9545)/2=0.02275이다.

기댓값과 분산에서 배운 중심·퍼짐의 뜻은 연속형에서도 같다. 전문 수학에서는 연속확률변수의 평균과 표준편차에서 밀도로 가중한 적분을 배우고, 유한 구간의 밀도로 평균·분산을 직접 계산한다. 정규분포처럼 실수 전체에 걸친 밀도에는 해당 적분의 수렴 조건도 필요하다.

더 읽기

영상 노트

영상 노트
  • 00:00 같은 넓이의 언덕에서 중심과 퍼짐 구별하기
  • 00:40 식 (1)의 둘째 수 25를 표준편차 5로 바꾸고 교과서의 m과 잇기
  • 01:20 식 (2)와 그림 1에서 대칭·최댓값·점근선 읽기
  • 02:20 그림 2에서 한 매개변수씩 바꾸고 두 곡선의 교점 확인하기
  • 03:20 식 (3)·(4)로 두 꼬리에서 평균 찾기
  • 04:10 그림 3과 식 (5)~(7)의 1·2·3 표준편차 넓이, 0.6826과 0.6827
  • 05:10 그림 4로 밀도 높이와 확률 구별하기
  • 05:50 새 문제에서 꼬리 넓이를 빼기

지도에서의 위치

이 페이지의 기록
  1. 2026-11-17 · 전문 수학의 연속확률변수 평균·표준편차 학습 연결
  2. 2026-11-16 · 교과 정의·새 연습·표와 도구 확인을 담은 에이전트 초안
  3. 2026-11-17 · 전수 검수 반영 — 밀도식을 본문으로 옮기고 곡선의 다섯 성질과 각 성질이 지수·상수 중 어디서 나오는지, 교과서 표기 m, 대칭으로 평균 찾기, 1·2·3 표준편차 확률과 0.6826·0.6827 차이, 교점 계산, 새 연습 1문항, 띄어쓰기 수정 (에이전트 수정, 그림 2→4)
  4. 2026-11-17 · 전수 검수(에이전트 편집·독립 검증) 통과 — 주인 요청으로 완성으로 올림