직관 — 같은 크기의 칸과 다른 크기의 칸
똑같이 만든 번호표를 상자에 섞어 한 장을 뽑는다. 번호표를 색깔별로 모아 적으면 색 이름의 수는 줄어들지만, 색마다 들어 있는 표의 수까지 같아지지는 않는다. 이름을 몇 종류 붙였는지보다 각 이름에 어떤 결과가 들어 있는지가 중요하다.
표 한 장을 뽑는 실험이 시행, 나올 수 있는 번호 전체가 표본공간이다. 색 이름처럼 결과를 묶어 부른 것이 사건이고, 이름의 개수가 아니라 그 안에 묶인 표의 수가 확률을 정한다. 중등 확률에서 센 경우를 이제 집합과 연결한다. 분모에 넣을 경우를 정확히 정해야 이후의 덧셈정리와 조건부확률도 쓸 수 있다.
시행의 결과를 모으면 표본공간, 조건에 맞게 고르면 사건이다
시행은 같은 조건 아래 반복할 수 있고 결과가 우연에 따라 정해지는 실험이나 관찰이다. 시행에서 가능한 결과를 빠짐없이 모은 집합을 표본공간이라 하고 보통 로 쓴다. 사건 는 그 안에서 관심 있는 조건을 만족하는 결과들의 집합이므로 다. 표본공간은 공집합이 아닌 경우만 생각한다.
예를 들어 1부터 8까지 번호가 하나씩 적힌 같은 크기의 표 8장을 충분히 섞고, 각 표가 뽑힐 가능성이 같도록 한 장을 뽑자. 3의 배수가 나오는 사건은 다음과 같다.
결과 3과 사건 은 구별한다. 결과 하나만 들어 있는 사건을 근원사건이라 한다. 결과가 하나도 없는 공사건은 , 모든 결과가 들어 있는 전사건은 다. 이 실험에서 ‘9가 나온다’는 공사건, ‘9보다 작은 수가 나온다’는 전사건이다.
| 기호 | 이름 | 원어 | 뜻 |
|---|---|---|---|
| 표본공간 | sample space | 정한 시행에서 가능한 결과의 집합 | |
| 사건 | event | 조건을 만족하는 결과들의 집합 | |
| 합사건, 곱사건 | union, intersection | 또는 가 일어남, 와 가 함께 일어남 | |
| 여사건 | complement | 에서 가 일어나지 않는 사건 | |
| 원소의 개수 | cardinality | 전체 결과 수와 사건에 속한 결과 수 | |
| 사건의 확률 | probability | 사건 가 일어날 가능성을 나타내는 수 | |
| 상대도수 | relative frequency | 번 중 사건이 일어난 횟수 의 비율 |
문헌에서는 표본공간을 , 확률을 라고도 쓴다. 이 글은 교과서의 와 를 따르고, 여사건은 교과서의 와 같은 뜻으로 라 쓴다. 의 은 원소 수를 표시하는 기호이고, 실험 횟수 과는 쓰인 자리를 보고 구별한다.
사건도 집합이므로 합치고 겹칠 수 있다. 번호표에서 짝수가 나오는 사건을 라 하면 ‘3의 배수 또는 짝수’는 , ‘3의 배수이면서 짝수’는 이다.
5 이상의 홀수가 나오는 사건 은 와 공통 결과가 없으므로 둘은 서로 배반사건이다. 가 일어나지 않는 사건 은 의 여사건이다. 이 관계로 확률을 계산하는 방법은 확률의 덧셈정리와 여사건의 확률에서 다룬다.
수학적 확률은 같은 가능성의 결과를 기준으로 센다
표본공간의 원소 수가 유한하고 각 근원사건이 일어날 가능성이 같으면, 사건의 수학적 확률을 전체 경우 중 해당 사건의 몫으로 계산한다.
왜 원소 수로 나눌 수 있을까? 전체 8가지의 확률을 더하면 1이고 그 몫이 모두 같으므로, 한 결과의 몫은 이다. 사건 에는 그런 결과 2개가 있으니 이다. 일반적으로도 개에 같은 몫 를 배정한 뒤 개를 더해 식 (2)를 얻는다. 그림 1은 같은 가능성의 칸을 기준으로 세는 모습을 보인다.
figures/ticket_event.py각 결과의 가능성이 다르면 단순히 개수로 나누지 않는다. 예를 들어 결과 의 확률을 각각 로 정한 모형에서 의 확률은 이다. 결과가 둘이라고 이 되는 것은 아니다. 뒤의 확률분포에서 서로 다른 몫을 표로 나타낸다.
확률 문제에서 ‘임의로’ 뽑는다는 말은 무슨 뜻인가?
확률 문제에서 ‘임의로 뽑는다’는 각 결과가 뽑힐 가능성이 모두 같도록 뽑는다는 뜻이다. 그래서 번호표 8장 중 임의로 한 장을 뽑으면 각 표의 확률이 이고 식 (2)를 쓸 수 있다. 이 말이 없으면 공정한 주사위처럼 같은 가능성이 따로 주어졌는지 확인한다.
두 주사위의 합은 11가지지만 같은 가능성은 아니다
서로 영향을 주지 않는 공정한 육면체 주사위 두 개를 던지고, 첫째 눈과 둘째 눈을 순서대로 기록하자. 가능한 순서쌍은 가지이고 이 모형에서는 모두 같은 가능성을 갖는다. 합이 8인 경우는 의 5가지다.
합만 기록하면 2부터 12까지 11가지가 남지만, 합 8은 순서쌍 5개를, 합 2는 순서쌍 1개를 묶은 결과다. 그림 2의 같은 크기 칸에서 그 차이를 볼 수 있다. 어떤 결과를 기록할지 바꾸는 것은 가능하나, 새로 묶은 결과들의 가능성도 다시 확인해야 한다.
figures/dice_sum_events.py확률에서 동전 두 개의 앞뒤와 뒤앞은 왜 다른가?
첫째 동전과 둘째 동전을 구별해 기록하면 앞뒤와 뒤앞은 서로 다른 결과다. 두 공정한 동전이 서로 영향을 주지 않는 모형에서 앞앞·앞뒤·뒤앞·뒤뒤의 4가지가 같은 가능성이고, 앞면이 정확히 하나인 확률은 다. 앞면 개수 0·1·2의 세 종류를 같은 가능성으로 세면 안 된다.
동시에 꺼낸 공의 수학적 확률은 조합으로 센다
여러 개를 동시에 꺼내는 시행에서는 조합으로 표본공간의 원소 수를 센다. 빨간 공 3개와 파란 공 4개가 든 주머니에서 2개를 동시에 꺼내고, 색이 다른 두 공이 나오는 사건을 이라 하자. 같은 색의 공도 서로 다른 공으로 보면, 꺼낼 수 있는 두 공의 묶음은 모두 같은 가능성을 갖는다.
공을 한 개씩 꺼내며 순서를 구별해도 답은 같다. 순서 있는 짝은 가지이고, 색이 다른 짝은 (빨강, 파랑) 12가지와 (파랑, 빨강) 12가지를 합한 24가지다. 따라서 이다. 묶음 하나가 순서 있는 짝 두 개로 바뀌어 분모와 분자가 함께 두 배가 되기 때문이다.
figures/ball_pair_grid.py그림 3에서 보듯 순서를 구별할지는 고를 수 있지만, 분모와 분자는 같은 방식으로 세어야 한다. 분모는 묶음 21가지로, 분자는 순서 있는 짝 24가지로 세면 이 되어 1을 넘는다. 확률이 1을 넘으면 세는 방식이 섞였는지부터 확인한다.
확률은 0과 1 사이이고 전체의 확률은 1이다
확률은 0 이상 1 이하이고, 반드시 일어나는 사건의 확률은 1, 절대로 일어나지 않는 사건의 확률은 0이다. 같은 가능성 모형에서는 사건 가 의 부분집합이므로 이고, 각 변을 로 나누면 다음 확률의 기본 성질을 얻는다.
결과마다 몫이 다른 모형에서도 확률은 각 결과의 0 이상인 몫을 더해 정하므로, 어떤 사건의 몫도 전체의 몫 1보다 클 수 없다.
이면 , 곧 한 사건의 확률은 그 사건을 포함하는 사건의 확률보다 크지 않다. 번호표 예에서 은 에 포함되고, 는 에 결과를 더 포함한 사건이므로 다. 두 사건이 서로 겹칠 때 단순히 확률을 더하면 같은 몫을 두 번 셀 수 있다. 그 중복은 다음 글의 덧셈정리에서 다룬다.
확률이 0이면 가능한 결과가 하나도 없는가?
결과가 유한개이고 모두 같은 가능성인 모형에서는 그렇다. 각 결과의 확률이 양수이므로 확률 0인 사건은 공사건이다. 연속적인 길이나 시간을 다루는 모형에서는 한 점의 확률이 0이어도 그 값은 가능한 결과일 수 있으며, 그 구별은 확률분포에서 배운다.
통계적 확률은 반복 시행의 상대도수와 연결된다
결과들의 가능성을 같다고 볼 근거가 없으면 동일한 조건에서 시행을 많이 반복하고 사건이 일어난 비율을 관찰한다. 시행 번 중 가 일어난 횟수가 이면 관측한 상대도수는 이다. 반복 횟수가 커질 때 이 비율이 가까워지는 일정한 값이 통계적 확률이다. 실제로는 을 한없이 키울 수 없으므로 충분히 큰 의 상대도수를 통계적 확률로 쓴다.
병뚜껑은 안쪽 면과 바깥쪽 면의 모양이 달라, 던졌을 때 두 결과가 같은 가능성이라고 볼 근거가 없다. 그래서 식 (2)의 수학적 확률을 쓸 수 없다. 설명을 위해 만든 가상 기록에서 500번 던져 안쪽 면이 위로 향한 것이 190번이었다면, 그 통계적 확률은 다음 상대도수로 어림한다.
직접 해 보려면 동전을 50번 던져 10회마다 앞면 횟수와 누적 비율을 적고, 친구의 기록과 나란히 그려 보자. 더 많은 횟수는 공학 도구로 만든다. 스프레드시트의 칸에 =RANDBETWEEN(1,6)을 채우면 주사위 눈이 무작위로 나오고, =COUNTIF(범위,1)로 1의 눈을 센 뒤 칸 수로 나누면 상대도수다. 이 값을 수학적 확률 과 비교하고, 기록마다 마지막 값이 달라도 그 차이만으로 어느 실험이 틀렸다고 단정하지 않는다.
동전 모의실험의 상대도수는 수학적 확률에 다가가도 횟수 차는 남는다
수학적 확률을 아는 시행에서는 두 확률을 비교할 수 있다. 수학적 확률이 인 사건은 시행 횟수를 충분히 크게 하면 상대도수가 에 가까워진다고 알려져 있다. 공정한 동전의 앞면 확률을 로 놓고 서로 영향을 주지 않는 시행을 컴퓨터로 10,000번 생성한 한 기록을 보자. 아래는 실제 동전을 조사한 자료가 아니라, 난수 시드 20261116으로 만든 모의실험이다.
| 누적 시행 수 | 앞면 횟수 | 상대도수 |
|---|---|---|
| 10 | 9 | 0.9 |
| 100 | 54 | 0.54 |
| 1,000 | 518 | 0.518 |
| 10,000 | 5,017 | 0.5017 |
그림 4의 경로는 한 번에 쭉 로 다가가지 않고 위아래로 흔들린다. 이 모형에서는 반복을 많이 할수록 상대도수가 에서 일정한 크기 이상 벗어날 가능성이 작아진다. 이것이 후속 글에서 만날 큰 수의 법칙의 내용이지, 매번 다음 비율이 더 가까워진다는 말은 아니다. 한 경로가 가까워진 그림만으로 그 일반 법칙을 증명한 것도 아니다.
figures/relative_frequency_path.py상대도수가 에 가까워진다고 앞면 횟수와 시행 수의 절반 의 차까지 줄어드는 것은 아니다. 그림 5의 같은 기록에서 이 차 는 10·100·1,000·10,000회에 4·4·18·17이다. 이 차를 으로 나눈 값이 상대도수와 의 차이므로 0.4·0.04·0.018·0.0017로 줄어든다. 처음의 치우침이 되돌려지는 것이 아니라, 커지는 으로 나뉘어 묽어지는 것이다.
figures/heads_excess_path.py수학적 확률과 통계적 확률은 다른 답이어도 되는가?
유한 실험의 상대도수는 모형의 수학적 확률과 다를 수 있다. 위 모의실험의 10회 비율은 이지만, 생성할 때 정한 앞면 확률은 다. 차이를 해석할 때는 우연한 변동과 모형의 가정이 실제 조건에 맞는지를 함께 살핀다.
확률은 사건에 배정한 0 이상 1 이하의 수로, 같은 가능성의 유한한 결과에서는 경우의 수의 비율(수학적 확률), 그 밖에는 충분히 많은 반복의 상대도수(통계적 확률)로 정한다.
확률의 뜻에서 흔히 생기는 오해
- 사건의 원소 수를 알면 확률이 정해진다. — 의 두 결과는 각각 확률 0.2와 0.5여서 합이 0.7이다. 개수가 같아도 배정한 몫이 다르면 확률이 달라진다.
- 가능한 확률 몇 개의 합이 1이면 언제나 올바른 모형이다. — 세 결과에 을 배정하면 합은 1이지만 첫 확률이 음수다. 식 (6)의 범위 조건도 확인해야 한다.
- 앞면이 많이 나왔으니 다음에는 뒷면이 나올 확률이 커진다. — 모의실험에서 처음 10회 중 9회가 앞면이었지만, 이어진 90회에서도 앞면은 45회로 절반이었다. 서로 영향을 주지 않는 시행이면 다음 한 번의 앞면 확률은 그대로 이고, 상대도수는 그림 5처럼 치우침이 묽어져 가까워진다.
직접 해보기
- 1부터 12까지 같은 크기의 번호표에서 한 장을 같은 가능성으로 뽑는다. 소수가 나오는 사건을 집합으로 쓰고 확률을 구하자.
- 공정하고 서로 영향을 주지 않는 두 육면체 주사위의 합이 5일 확률을 구하자. 합 5와 합 12의 가능성도 비교하자.
- 결과 의 확률이 각각 다. 와 사건 의 확률을 구하자.
- 어떤 사건이 80회 중 31회 일어났다. 이 기록의 상대도수를 구하고, 다음 80회에도 반드시 31회 일어나는지 설명하자.
- 흰 공 개와 검은 공 3개가 든 주머니에서 2개를 동시에 꺼낼 때, 두 공이 모두 검은 공일 확률이 이다. 를 구하자.
답과 풀이
- 12 이하의 소수는 이다. 사건은 이고, 같은 가능성의 12가지 중 5가지이므로 다. 1은 소수가 아니다.
- 합이 5인 순서쌍은 이다. 따라서 . 합 12는 한 가지라 이고, 합 5의 가능성이 네 배다.
- 확률의 합이 1이므로 . 모두 0 이상인지 확인한 뒤 를 얻는다.
- 다. 이것은 관찰한 비율이며 다음 80회의 횟수를 확정하지 않는다. 반복 조건이 같아도 횟수는 달라질 수 있다.
- 전체 묶음은 , 모두 검은 공인 묶음은 이다. 에서 이고 는 개수이므로 , 곧 이다. 확인하면 이고 다.
더 읽기
- MIT 18.05, Reading 2 — Orloff·Bloom의 시행·표본공간·사건 정의와 두 주사위의 기록 방법 비교를 읽는다. 식 (1)~(3)과 식 (6)의 모형을 정하는 근거다.
- OpenStax, Introductory Statistics 2e 3.1절 — 사건을 집합으로 나타내는 표기와 표본공간의 예를 확인한다. 합집합·교집합은 다음 덧셈정리로 연결된다.
영상 노트
- 00:00 번호표를 색 이름으로 묶을 때 생기는 차이
- 00:40 식 (1)로 표본공간과 사건 구별, 합사건·곱사건·배반·여사건 미리 보기
- 01:50 식 (2), 그림 1로 같은 가능성의 몫과 ‘임의로’의 뜻
- 03:00 식 (3), 그림 2에서 두 주사위의 합 비교
- 04:10 식 (4)·(5), 그림 3으로 조합과 순서 있는 짝의 같은 비율
- 05:20 식 (6)의 기본 성질과 포함 관계
- 06:10 식 (7)의 병뚜껑 기록, 표와 그림 4로 상대도수 읽기
- 07:20 그림 5로 횟수 차와 상대도수의 차이 구별
- 08:10 해보기 5의 미지수 역산
지도에서의 위치
- 2026-11-16 · 에이전트 초안 — 교과 정의·일반 근거·예제·그림·새 연습과 접힌 풀이 작성
- 2026-11-17 · 전수 검수 반영 — summary를 제목어로 시작, 합사건·곱사건·배반·여사건 소개, ‘임의로’의 뜻, 조합으로 세는 수학적 확률과 분모·분자 일치, 같은 가능성이 아닌 결과의 통계적 확률과 공학 도구, 횟수 차와 상대도수의 구별, 도박사의 오류, 미지수 역산 해보기 추가 (에이전트 수정, 그림 3→5)
- 2026-11-17 · 전수 검수(에이전트 편집·독립 검증) 통과 — 주인 요청으로 완성으로 올림